無人駕駛港口落地再傳捷報。

技術上，無人集卡搭載端到端大模型，車隊兵分8路，獨自包下了整條超大型遠洋集裝箱船舶——單次作業箱量突破5000TEU，效率不輸人工，持續刷新行業紀錄。

商業上，拿下了位于亞洲和大洋洲核心港口客戶的無人車隊訂單，成功實現“科技出圈出海”。

上述突破的實現，都來自于飛步科技。這家總部位于杭州市西湖區的國家級專精特新“小巨人”企業，在成立初期便將“飛速進步”的初心融入企業名稱里。

現在，他們通過“AI+數據”，真正建立起“技術-商業”的正向循環。車隊落地更多的國內和海外碼頭也是水到渠成，全球訂單紛至沓來。

真是“忽如一夜春風來，千樹萬樹梨花開”。

AI大模型賦能 飛步無人車隊破解行業難題

“無人集卡這車停得不錯，比我們司機停得都好。”

鏡頭中的無人集卡，正在與堆高機交互作業。精準的一次性停車，讓一旁“強勢圍觀”的內集卡司機在視頻號里連連感嘆。

無人集卡車隊所在的梅東碼頭，年集裝箱吞吐量已破1100萬標箱，超級大港蔚然成型。國際航線的優化調整，吸引更多的超大型遠洋集裝箱船停靠港區，超大規模多路作業因此成為“必考題”。

截至2024年底，全球已有170余座自動化碼頭，但行業內從未有過8路及以上混線場景下的全無人化作業案例。原因為：

• 規模層面：遠洋大船單次作業箱量通常超過3000TEU，需要配置7-8路以上的橋吊，才能覆蓋整船作業。這意味著參與作業的集卡數量將有明顯增長，無人車隊與傳統內外集卡的交互頻率大幅提升。同時，單次大船作業持續時間更長，對無人車隊軟硬件系統的穩定性提出了更高要求。

• 工況層面：大型集裝箱船舶的作業要求裝卸船同步進行。相比卸船，裝船需要考慮嵌檔、懸空等因素造車的車序控制要求，帶來的交互調度復雜程度指數級提升。

• 效率層面：遠洋大船對于停泊時長的要求近乎嚴苛，無人車隊循環作業效率必須向人工看齊，甚至超越。

無人集卡車隊落地梅東碼頭已超2000天，快速完成了從“能用”到“好用”的功能迭代進化。“新質生產力”成色幾何，檢驗標準也在不斷被刷新。

2024年11月，梅東作為全球首個且唯一單體超千萬級混線作業的自動化集裝箱碼頭，首次嘗試開展8路大規模編組作業。

彼時，飛步已完成行業內首個端到端港口大模型的研發，并在首批無人集卡車端完成部署。無人集卡感知精度進一步提升，變道決策也更加類人，成功完成了作業，也填補了行業空白。

2025年3月25日，梅東碼頭迎來“馬士基生克萊門特號”船舶停靠。該次作業累計投入無人集卡80臺，并且搭載的全部是飛步技術團隊不斷打磨和優化的全新一代港口大模型，采用一段式端到端方案，進一步優化系統響應速度，實現了感知決策一體化。

作業結束后的間隙，云控平臺可視化界面里已立刻生成了實時數據報表，顯示單船作業箱量超5000TEU，其中裝船箱量占比接近40%，橋吊效率不輸人工作業水平。

基于端到端大模型的無人集卡，智能性與可靠性再次被驗證。

飛步無人集卡車隊開展8路超大船集裝箱作業

相關數據刷新行業紀錄的同時，也宣告著港口無人駕駛的落地應用，有了全新的檢驗標準：

是否具備超大型遠洋船只的全天候作業能力。

“AI+數據”驅動 數字大腦發揮產業價值

無人駕駛企業落地港口，從一開始解決的就是復雜的產業化工程難題。從2路，到4路，再到8路。路數乘以2倍，同一時空下的指令組合復雜度持續激增。

飛步聯合創始人兼CTO楊政博士帶隊的技術團隊，如何破局？在近期的內部溝通與外部分享環節，頻頻被提及的一個說法就是“AI+數據”驅動。

AI指的是算法創新。“過去行業里的算法局限在追求單車效率的最大化。大船作業路數多，短時間內大量車涌入泊位。單車頻繁變道，客觀上會加劇擁堵。”楊政解釋道，“現在我們搭建的是全局算法體系，追求的是橋吊效率最大化。”

基于全局思路，飛步團隊在車端大模型之外，同步研發了云端大模型，實現對指令工況和實時交通流信息的智能解讀和決策。

云端大模型對傳統作業堵點的清理與打通，開始漫延到泊位調度、路口交互、堆場超車等不同場景。

例如模型內的裝船車序優化模塊，整合碼頭全域的空間資源，通過對當下生產態勢的判斷和未來交通流的預測，實現了對懸空車輛的合理分散，如同為港口水平運輸系統搭建了一條“綠波帶”。

大模型扮演著看不見的紅綠燈，讓堆場-引橋-泊位全鏈路暢通，無人集卡在最合適的時間出現在最合適的位置，最終帶來的結果就是橋吊效率提升10.2%。

人工智能前沿成果，成為客戶能夠真實感知到的數值。

飛步無人集卡車隊開展

8路超大船集裝箱混編作業

模型迭代的背后，對“數據燃料”的需求愈加強烈。

楊政此前已帶隊建立了全球最大規模的港口自動駕駛數據集。團隊充分利用這一成果，開展遠洋集裝箱船無人化作業的仿真驗證，已構建近千例場景。

在過去，10小時起步的大船作業流程全部結束后，往往再需要耗時2-3周，人工進行數據統計與策略討論，得出路徑規劃和作業排布的優化建議。

現在，數據平臺上線后，僅需要耗時數小時就可以全部完成8路及以上的作業回溯或仿真推演。

艙蓋板的避讓邏輯如何設置？鎖站如何分配？決策的優化設想，通過下一次作業完成即時驗證，相關的數據又實時傳輸進入數據平臺，形成新一輪閉環。

算法迭代周期由數周數月，被壓縮到了天級。無人車隊主動適應新場景、應對新變化的能力，已完全不同于以往。

數據佐證，無人車隊全場景提速10%，進一步滿足客戶對于效率的期待。

靠人工制定規則，靠結果扭轉經驗，徹底成為了歷史。

新質生產力的“新”，有了最佳的注解。

科技出海 無人車隊落地海外碼頭

2017年公司成立初始，面對全球港口自動化領域被磁釘導航AGV方案壟斷的格局，傳統碼頭動輒需數十億元基建改造的困境，飛步科技提出“用AI重新定義港口物流”的顛覆性構想——通過車端智能決策取代物理軌道，讓無人車在開放場景中實現自由穿行。

現階段，飛步建成全球最大規模的無人集卡車隊（160余臺）。單碼頭無人集卡車隊作業箱量突破9萬TEU/月。通過對司機的替代，預計單碼頭可節省的人力成本超6500萬元/年。

當同行還在依賴高精度地圖時，飛步科技已通過車路云協同感知實現厘米級動態定位。當傳統方案受制于雨霧天氣時，其多模態融合算法仍能讓無人駕駛車隊持續高效作業。

正是這些突破，讓飛步港口無人駕駛系列產品入選工信部“人工智能賦能新型工業化典型應用案例”，推動中國方案站上全球港口智能化升級的潮頭，并吸引到更多國外港口客戶的目光。

飛步無人集卡車隊列隊中

2025年初，飛步科技相繼中標亞洲與大洋洲全自動化碼頭建造與升級項目，成為中國首個進入全球頂級港口供應鏈的自動駕駛解決方案商。

“接下來，我們要做的就是讓無人車在全球市場加速出圈。”楊政透露，目前已與一些海外發達國家港口達成合作意向，服務網絡將覆蓋多個國家和地區。

“將人力從重復勞動中解放，是中國給智慧港口建設的最佳答案。”楊政說，人工智能算法帶給行業的，不僅是智能化升級的路線圖，更是一張新產業秩序的“入場券”。

飛步科技正以“科技出海”這一新模式，推動碼頭的智能化、無人化升級，在不確定性急劇升溫的時代背景中，為港口這一優質的基礎戰略資產增添更多定力，為國家“一帶一路”建設和新質生產力創新應用貢獻力量。