遍布全球的港口，构成了一张串联起水运的超级节点网络，承担了超过80%的国际贸易份额。集装箱作为五大主要货类之一，外贸海运量占比近25%，货物价值更是超过50%。
1993年，荷兰建成世界上首座自动化码头。弹指间32年已过，数据显示，全球已有自动化集装箱码头170余座。国内共建成23座，应用规模、作业效率、技术水平位居前列。
在这其中，既有新建自动化港口的落地生根，又有传统码头改造的焕然新生。风从海上来，智慧港口画卷徐徐展开，各领风骚。
AI向海，奋勇争先。飞步科技持续为全球数字化智慧港口建设提供优质服务。
传统码头改造方面，继续中标宁波舟山港梅东码头智能集卡六期项目，单码头无人集卡车队总数达130台，规模领跑全球；向新西兰纳皮尔港交付无人驾驶牵引车队，实现科技出海。
同时，在全球最大的在建自动化码头——新加坡港大士码头部署IGV车队后，年内飞步科技又成功拿下宁波舟山港新建自动化码头48台IGV项目合同。
至此，飞步科技正式完成覆盖国内外“双巨头”港口集团的核心业务布局，无人车队整体规模超200台。
头号玩家，名副其实。
一、传统码头着力打造“无人之境”
实现货物运输链路的全无人化，是建设智慧港口的题中之义。然而，对于传统码头而言，港区已投入使用，设计布局无法轻易调整。在不影响正常运营的前提下，如何实现**“边作业，边改造”**？
这一问题的提出，成为人工智能技术浪潮涌向码头的关键契机。
六年前，飞步科技在梅东码头成功落地首台无人集卡。基于“AI算法+车端算力”，集卡具备了高精定位感知与自主决策变道的能力，使得码头不再需要预埋磁钉，从而大幅降低了智能化改造成本。
以此为起点，无人驾驶系统(FabuDrive)历经三次智能升级。
**第一阶段，技术团队聚焦“专用性”，强调对码头作业指令的支持与适配。**仅用时不到一年，无人驾驶系统支持的码头工况指令已接近200种。无人集卡全面参与水平运输作业链路，不断消除工艺死角。
第二阶段，快速完成技术验证后，飞步将**“全开放场景混线作业”**设定为运营目标，利用AI算法提升定位感知与规划决策的性能上限。随着无人驾驶系统全面支持泊位自主绕行、箱区自主超车等功能，稀缺的码头时空资源得以快速释放。
在这一阶段，梅东码头的无人集卡规模突破百台，作业吞吐量超千万标箱，建成“全球唯一单体超千万级混线作业的自动化集装箱码头”。甬舟码头实现IGV与无人集卡的L4级混编作业，加速建设“开放式混行全自动化集装箱码头”。
技术进步持续转化为生产力，闭环共振。
**第三阶段，飞步通过研发端到端大模型，对无人驾驶技术架构进行底层改造。**大模型由数据驱动，自主学习能力实现跃迁，具备行业内最强的感知泛化性与可靠性。基于端到端大模型，无人驾驶正式开启了向“通用系统”的演化，成功实现无卫星信号下的持续稳定运营，为跨码头、跨区域、跨场景作业夯实基础，拓宽新质生产力的无限可能。
现在的梅东码头，每一小时就有超过1200个标准集装箱完成吞吐，每一分钟就有超过10台外集卡通过智能闸口进入港区。远洋级超大集装箱船舶密集靠岸，130台无人集卡组成的车队，自由穿行于车流之间，全面覆盖空/重箱场地，单船次作业箱量超5000TEU已成常态。
2025中国电动汽车百人会论坛上，国家智能交通系统专家组组长、国家智能交通系统工程技术研究中心首席科学家王笑京，在演讲中援引梅东码头建设成果，“无人驾驶集卡与有人驾驶集卡混行，人力成本降低6100万元/年。”
据不完全统计，截止到2024年6月，国内自动化码头共部署280台AGV，678台IGV，以及457台无人集卡。同时，全球范围内仍有超过80%的码头未进行任何形式的自动化改造升级。
广阔天地，大有可为。
二、飞步科技再下一“港” 新建自动化码头提质提效
物流航运需求正持续增长。2025上半年，全球集装箱运量同比增长4.5%。新建自动化港口成为承接这一趋势的重要基础设施，是各个国家的超级交通工程，同时也是硬核科技的试炼场。
- 新加坡港大士码头是全球在建规模最大的自动化集装箱码头，计划建设66个泊位，预计投入智能引导平板运输车（IGV）数量超3000台。2025年初，飞步科技中标大士码头IGV车队订单，并拿下车队调度系统的唯一合同，统一管理码头内的所有无人车队。
- 2025年10月，飞步科技中标宁波舟山港新建全自动化码头IGV车队订单。除常规集装箱作业外，IGV还将适配
散货装卸、海铁联运等新场景，同时承担码头之间的跨运任务。
△新加坡港大士码头（Tuas Port,PSA）
新建自动化港口，在规划设计阶段就以“全无人”为建设目标，通过全域数字互联，实现对生产要素的动态感知与精准控制。
在飞步科技联合创始人兼CTO杨政博士看来，丢掉包袱、摆脱限制的新建码头，承担了更加重要的使命——实现更快、更好、更极致的作业效率，追求生产力的突破变革，从而优化生产关系。
顺应这一趋势，杨政带领的研发团队，将聚焦重点从“单车智能”，转向囊括全数据、全流程、全周期在内的码头“全局智能”。
飞步完全自研的车队及设备调度管理系统（FabuDispatch），也从专注于解决装船调度、路口死锁等局部难点的功能性产品，迭代为一体式的全局调度平台，助力自动化港口实现“指令最优、路径最优和设备利用率最优”。
- 全链路设备协同：FabuDispatch能够实时获取桥吊装卸计划、与堆场箱位占用等全局信息，结合作业设备的实时位置与电量变化，动态调整无人车队的作业优先级，实现“装卸-运输-堆存”的全流程最优协同，最大程度消解无人车路权冲突、岸桥作业进度失衡等博弈难题。
- 全时空资源配置：FabuDispatch将泊位分配、设备调度、运力调配等码头资源分配问题，转化为带约束的数学模型，能够同时平衡效率、成本、能耗等多维度的需求。例如，在保障作业效率的前提下，优化无人车的行驶路径以降低能耗；在满足货船离泊时间要求的基础上，合理分配泊位资源以减少设备空驶率。
- 全场景智能预测：FabuDispatch通过时序模型，实时预测货流波动、港口天气变化等带来的影响并快速响应。同时，融合海量数据开展全天候仿真，为调度决策提供优化支撑。
以FabuDispatch为代表的“超级大脑”，提升的不仅是单个码头的竞争力，更是全球贸易脉络的韧性与效率。
超级工程之外，新建自动化港口的定义也有了新的扩展——重塑全球物流未来的效率基石。
三、向外一步 ，织就区域化无人物流新脉络
标准化的集装箱，承载着万千形态的商品，通过无人化作业降低作业成本，通过智能调度提升运输效率，在全球贸易网络中有序流转，成为科技创新与产业应用深度融合的最佳范本。
码头是这一贸易网络的起点与终点。对于杨政和技术团队而言，港口无人驾驶已完成技术验证，处于规模化复制落地的加速阶段——是时候“向外一步”。
大量社会化运输车辆由人工驾驶，穿梭于货仓和堆场之间。底层数据的不互通，使得码头难以获取它们的抵港时间，场桥配合存在滞后性，无法做到“重进重出”，造成运力的闲置浪费。
飞步已开始探索从货仓到堆场的全无人驾驶，打造以码头为核心的区域化集装箱货运网络。无人车队进化成为“物流智能体”，运输范围完整覆盖腹地货仓、码头堆场与海铁多式联运枢纽，实现提箱-运输-进闸-装船的全流程自主协同。
届时，引领全球自动化港口建设浪潮的中国，将再次具备定义数字化物流的能力，以科技创新滋养人类商贸文明。
那么，如何系统的去学习大模型LLM？
作为一名深耕行业的资深大模型算法工程师，我经常会收到一些评论和私信，我是小白，学习大模型该从哪里入手呢？我自学没有方向怎么办？这个地方我不会啊。如果你也有类似的经历，一定要继续看下去！这些问题啊，也不是三言两语啊就能讲明白的。
所以我综合了大模型的所有知识点，给大家带来一套全网最全最细的大模型零基础教程。在做这套教程之前呢，我就曾放空大脑，以一个大模型小白的角度去重新解析它，采用基础知识和实战项目相结合的教学方式，历时3个月，终于完成了这样的课程，让你真正体会到什么是每一秒都在疯狂输出知识点。
由于篇幅有限，⚡️ 朋友们如果有需要全套 《2025全新制作的大模型全套资料》，扫码获取~
👉大模型学习指南+路线汇总👈
我们这套大模型资料呢，会从基础篇、进阶篇和项目实战篇等三大方面来讲解。
👉①.基础篇👈
基础篇里面包括了Python快速入门、AI开发环境搭建及提示词工程，带你学习大模型核心原理、prompt使用技巧、Transformer架构和预训练、SFT、RLHF等一些基础概念，用最易懂的方式带你入门大模型。
👉②.进阶篇👈
接下来是进阶篇，你将掌握RAG、Agent、Langchain、大模型微调和私有化部署，学习如何构建外挂知识库并和自己的企业相结合，学习如何使用langchain框架提高开发效率和代码质量、学习如何选择合适的基座模型并进行数据集的收集预处理以及具体的模型微调等等。
👉③.实战篇👈
实战篇会手把手带着大家练习企业级的落地项目（已脱敏），比如RAG医疗问答系统、Agent智能电商客服系统、数字人项目实战、教育行业智能助教等等，从而帮助大家更好的应对大模型时代的挑战。
👉④.福利篇👈
最后呢，会给大家一个小福利，课程视频中的所有素材，有搭建AI开发环境资料包，还有学习计划表，几十上百G素材、电子书和课件等等，只要你能想到的素材，我这里几乎都有。我已经全部上传到CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
相信我，这套大模型系统教程将会是全网最齐全 最易懂的小白专用课！！
