赫 磊 广东瑞高海运物流有限公司 助理总裁、数智化总监
尊敬的各位领导、各位嘉宾：
大家下午好！非常荣幸能在此分享广东瑞高海运物流有限公司在AI领域的探索与实践。
先为大家介绍一下广东瑞高海运。我们是一家主营散装油品及液体化工品的航运公司，同时也是广东省船东协会副会长单位。2023年，公司荣获中物联的行业最具成长性企业（金罐奖）。目前，公司拥有16条船舶，运力达14万吨，年度运输量约500万吨，规模尚不算大。在安全管理方面，公司所有船舶均通过了Sire或CDI检查，更多详细信息资料里有，大家可自行查看。
正如刚才王总提到的，自2022年ChatGPT问世，AI迅速成为热门话题，也成为我国产业未来发展的重要方向。今年，习近平主席以及人民日报多次提及相关内容，李强总理在政府工作报告中也有所阐述。作为传统航运企业，如何将AI技术融入业务，是我们当下关注的重点，也是今天分享的核心内容。
2023年7月，鉴于2022年底GDP数据的表现，公司总裁提出了国际化、数字化、低碳化三大战略。其中，国际化和低碳化是公司谋求发展的方向，而数字化则作为战略支撑。总裁特别强调，AI必须成为数字化战略的核心。2023年12月28日，公司正式启动AI项目，并与瑞泊公司成立了智能能源化工海运大模型及人工智能联合实验室。
瑞泊公司是中科院的科研成果转化基地，依托国家算力资源开展研究工作，其办公室位于中科院内，背后有大国重器“东方超算”的支持。“东方超算”主要用于天体物理、天气预测、基因测序等前沿领域研究，瑞泊公司的大模型研发有时也会借助这一强大算力。此外，瑞泊公司在国内AI领域多次获奖，去年年底更是在北京的人工智能行业大赛中荣获一等奖，该奖项与我们联合实验室的研究工作密切相关，后面我会详细介绍。
接下来，为大家介绍一下我们在AI领域的探索实践。我们选择发展私有AI，因为私有AI能够成为企业独有的智能大脑，随着业务数据的积累不断成长，进而转化为企业的数字资产。自2024年1月1日起，国家政策明确数据资产可作为企业资产纳入财务报表，这使得数字资产的价值得到了进一步凸显。与之相比，使用公用AI无法为企业积累独特的资产价值。
基于此，我们与瑞泊公司确定了两个AI应用方向：安全与风控、业务与效率。下面为大家介绍我们构建的AI技术架构。这一架构乍看较为复杂，我为大家简单解读一下。中间部分是大模型的应用组件，AI实际上是一个宽泛的概念，例如智能驾驶利用雷达、视频等技术实现AI功能；船舶和车辆上用于监测司机疲劳驾驶、抽烟等行为的识别系统也属于AI范畴。而我们所做的，主要是基于大语言模型，其中NLP即natural language procession（自然语言处理），是实现人机交互的关键环节。
Prompt（提示词工程）同样重要，它决定了我们向AI提出问题的方式。在日常使用AI时，输入问题的提示词质量，直接影响AI反馈结果的准确性与有效性。RAG（增强型检索）技术在DeepSeek等模型中得到应用，与传统模型如ChatGPT、豆包相比，DeepSeek在接收到问题后，会先进行深度思考，再通过增强型检索机制进行信息搜索，最后给出答案。虽然这一过程耗时较长，但结果更加精准。natural language to circle指的是通过自然语言检索数据库，将自然语言转化为数据库查询指令，进而生成相关结果。natural language to function则是将自然语言转化为具体功能实现的指令，让AI不仅能回答问题，还能执行实际操作。最后，agent（代理）是AI发展的重要方向之一，例如今年曾引发关注的manus就属于agent的一种应用形式。agent能够代替人类完成一系列任务，而不仅仅是提供问题解答。
这张图展示了我们与瑞泊公司共同探讨的AI应用场景。左边的接口管理系统尤为关键，在企业引入AI的过程中，通常已拥有多个成熟的业务系统，如OA系统、财务系统、业务系统、安全管理系统等。这些系统基于流程驱动，涵盖了报销、请假、盖章等各类流程，以及船舶作业许可证申请等业务流程。而AI系统依赖数据驱动，接口管理系统的作用就在于实现流程系统与数据系统之间的转接，这是传统IT系统对接中未曾涉及的领域，其中涉及大量AI相关技术，实施难度较大。
这是我们与瑞泊公司在项目第一阶段所做的工作。自2024年联合实验室成立起，我们通过数据搜集、清理与整合，成功打造了具有自主学习能力的AI系统——小瑞。小瑞经过一系列训练，具备了知识问答能力。与通用模型不同的是，我们将公司内部的安全体系文件、行业法规及相关资料作为小瑞的深度学习内容，因此在回答涉及瑞高体系的问题时，小瑞不仅能提供答案，还能明确答案出处，方便用户进一步查阅详细信息，这是我们去年完成的基础组件开发工作。
在DeepSeek模型发布后，我们对小瑞进行了升级，使其具备深度思考能力，能够依据公司体系文件撰写事故报告，报告内容完全符合体系要求。航运业具有专业性强、行业术语复杂的特点，由于早期海上通信限制，电报内容往往精简，产生了许多行业特有的简写术语，非专业人士难以理解。小瑞通过学习大量行业专业英语，能够准确进行航运领域的专业翻译，相比百度、有道等通用翻译工具，翻译结果更加精准。此外，我们还开发了AI培训出题功能，用户只需上传相关材料或指定出题方向，小瑞就能生成选择题、问答题等多种题型，并给出参考答案。目前，这一功能已集成到公司培训系统中，有效避免了学员作弊的可能性，因为每次出题都是随机生成的。
以上是我们去年在AI领域的主要成果，这些应用与通用模型功能类似，相对容易理解。进入今年，我们在AI应用方面将更加深入。以智能招投标场景为例，为大家介绍我们如何将传统流程系统与数据驱动的AI系统相结合。在该系统中，AI处于底层支撑，上层是业财系统。当业务人员将招标文件上传至业财系统时，系统会通过预设的提示词工程，向AI发出指令，告知其上传了招标文件，并明确要求AI按照特定规则进行处理。这一过程优化并固化了以往需人工输入的关键信息，随后AI开始对招标文件进行语义理解。由于招标文件通常篇幅较长，为确保理解准确、重点突出且无遗漏，我们在算法层面进行了大量优化。即使是人类阅读长文，也难免出现信息遗漏或理解偏差，AI同样存在这一问题。
在语义理解完成后，AI会将招投标内容拆解为两条主线：一是如何构建完整的招投标文件，二是制定时间计划、人员分工及时间节点提醒。招投标文件通常在截止日期前发布，AI能够精准规划时间节点，确保各项工作按时完成。同时，AI会从业财系统中自动检索所需资料，尝试自行拼凑标书；若资料缺失，系统则会提示业务人员上传相应组件。经过这一系列操作，最终生成一份合格的标书及详细的行动计划。在传统模式下，这些工作通常由文员人工完成，包括格式调整、信息收集、进度提醒等繁琐工作。而现在，借助AI技术，这些操作被自动化流程所取代，成为隐藏在幕后的高效运作机制，正如王总所说，AI成为了看不见的幕后英雄。我们只需上传招标文件，就能快速获得完整的标书及行动计划，大大提高了工作效率。
这是智能招投标系统的交接界面示意图，左侧展示的是传统流程系统的操作步骤，右侧则呈现了AI系统的处理流程，包括如何理解用户需求、进行反馈互动以及生成最终结果。这一创新的系统架构此前并不常见，目前我们与瑞泊公司仍在对其进行深入探讨和优化。该系统尚未正式上线，预计五六月份有望完成开发部署。当前，我们主要面临接口界面开发的技术难题，公司研发团队正全力攻关，相关工作已取得一定进展，我们也已为这一创新技术申请了专利。
接下来为大家介绍公司AI系统的另一个关键功能——智能问答优化。当用户提出问题时，系统会根据问题类型进行智能分流。若问题较为常规，无需复杂业务系统支持，系统将直接在AI独立系统中搜索答案并回复用户，这一过程称为一般问题回答。而对于专业性较强的问题，系统会将其与业务系统紧密结合，例如与船舶管理系统（PMS）等专业系统联动，通过专业场景化分析，实现更加精准的回答。在这一过程中，系统会综合运用多种技术手段，包括RAG增强型检索，从海量信息中筛选有用数据；进行大模型运算，利用先进算法对问题进行深入分析；TCE运算是航运行业特有的重要运算方式，用于评估船舶运营的机会成本；同时，还会运用运筹学优化算法，对船舶运营中的各类因素进行统筹考虑，实现资源的最优配置。经过这一系列复杂运算和系统整合，最终通过流程系统将答案反馈给用户。这种专业问题回答模式是企业私有AI的核心优势所在，虽然部分功能借助公有AI也能实现一定程度的支持，但从企业长远发展和核心竞争力构建的角度来看，自主可控、深度融合业务的私有AI系统更为关键。
在外部信息采集方面，我们重点关注燃油管理场景。对于拥有16条船舶、14万吨运力的公司而言，每年燃油采购成本高达1亿元左右。若能通过AI技术降低1%的燃油成本，即可节省100万元，2%则意味着200万元的利润提升空间，因此燃油管理成为我们AI应用的重点突破方向。船舶在运营过程中会产生大量油耗数据，我们通过AI算法对这些数据进行深度分析，寻找降低油耗的潜在方案。同时，利用AI技术实时收集外部市场信息，包括油价走势预测、燃油供应商资质评价等关键数据。结合船舶自身的航行计划、当前位置以及港口加油的申报流程、时间成本等因素，AI系统能够为船舶提供最佳加油时机和地点的决策建议。与汽车加油不同，船舶加油涉及复杂的申报手续，需提前规划并在特定区域进行，整个过程耗时较长。因此，如何在满足船舶运营需求的前提下，实现加油成本的最小化，是一个复杂的多维度优化问题。我们通过AI技术，将船舶航行计划、油耗数据、市场油价信息以及加油流程等多种因素进行综合考量，为每艘船舶量身定制最优加油策略，有效降低了燃油成本，提升了公司的运营效益。
智能调度也是我们长期关注并持续投入研发的重要领域。这一概念并不陌生，类似于常见的车货匹配平台、船货匹配平台，本质上是一种高效的资源调度系统。以往，公司规模较小时，依靠一两名调度员即可完成船舶调度工作，且结果差异不大。但随着公司业务发展，船舶数量增加至50条、100条甚至更多时，人工调度将面临巨大挑战。多名调度员协同工作难以保证调度策略的一致性，且人工调度的准确性和效率会受到诸多因素影响，难以实现资源的最优配置。而AI技术在调度领域具有天然优势，船舶调度需要综合考虑船型要求、货物种类、码头资质、水深条件、海事法规、船舶实时位置、航次计划、运营成本、加油需求、船舶维修计划等众多复杂因素。与简单的导航系统相比，船舶调度的复杂性呈指数级增长。导航只需考虑道路、交通规则等有限因素，而船舶调度涉及的各类约束条件和动态变化因素更为繁杂。AI能够实时处理这些海量信息，并通过优化算法快速生成最优调度方案。随着技术的不断发展，未来我们还将纳入海况、天气等实时数据，以及码头作业人员经验、历史作业冲突记录等人为因素，进一步提升调度方案的科学性和合理性。一旦AI调度超越人工调度，行业将进入全新的发展阶段，就如同阿尔法狗在围棋领域战胜人类选手后，人工智能在该领域的优势将不可逆转。我们相信，AI智能调度将为公司乃至整个行业带来革命性的变化，提升资源配置效率，降低运营成本，增强企业竞争力。
在推进AI项目的过程中，我们也遇到了一些挑战。首先是信息损耗问题，AI在处理大量文本信息时，可能会忽略部分关键内容，而这些信息遗漏可能会对业务决策产生重大影响。为解决这一问题，我们需要在后台进行大量工程优化，通过改进算法、调整参数等方式，尽可能减少信息损耗。然而，使用公有AI如豆包、Kimi时，由于其面向广泛用户群体，无法针对特定企业业务场景进行定制化优化，难以准确把握企业关注的重点信息，往往需要用户添加大量复杂的提示词来引导回答，增加了使用难度和不确定性。
其次是AI幻觉问题，即使是我们自主研发的AI系统也难以完全避免。例如，当AI分析图表数据时，如果图表仅包含两年的数据，但AI可能会在输出结果中虚构出前两年的数据，这种无中生有的现象被称为AI幻觉。这一问题严重影响了AI输出结果的可靠性，我们需要通过严格的数据验证机制、模型训练优化以及人工审核等多种手段，降低AI幻觉出现的概率，确保输出结果真实可信。
再者是权限管理问题。在构建私域AI过程中，企业会将大量核心数据输入AI系统，这些数据涉及公司商业机密、客户隐私等重要信息。因此，AI系统不能对所有用户的提问无差别回答，必须根据用户角色和权限进行精细管理。例如，公司老板、财务人员、业务人员等不同岗位人员，应只能访问和获取与其工作相关的数据和信息。这就要求我们建立一套完善的权限管理体系，对AI的回答内容进行严格控制，确保数据安全和合规使用。权限管理体系的建设不仅涉及技术层面的开发，还需要结合企业内部的组织架构、业务流程以及合规要求进行综合设计，是一个复杂而庞大的工程问题。
尽管我们是一家航运公司，但目前在AI应用方面主要集中在岸上业务。AI作为一项新兴技术，我们的应用规划遵循从易到难、逐步推进的原则，现阶段先从岸上业务入手，积累经验和技术基础，后续将逐步拓展至船舶端。毕竟航运公司的核心业务在海上，船舶运营的安全与效率是我们关注的重点，未来AI技术必将在船舶航行安全、货物装卸管理等方面发挥重要作用。此前，我们与瑞泊公司针对海务部货物操作安全进行了深入调研，制定了详细的AI应用模型和实施方案，为后续船舶端AI应用奠定了基础。
在安全管理方面，我们制定了基于AI技术的发展规划。以壳牌公司谭船长提到的受限空间作业安全问题为例，在实际工作中，类似因进入受限空间救援不当导致的事故时有发生。尽管企业不断加强培训、完善安全制度，编写越来越详细的安全手册，但事故仍未能杜绝。我们设想借助AI技术解决这一难题，由于AI系统存储了所有安全文件，能够快速检索和分析相关信息。在员工进行受限空间作业前，AI可根据作业场景，自动从庞大的安全体系文件中提取关键要点，生成简洁明了的操作指南，避免员工因安全手册内容繁杂而难以全面掌握。同时，船舶上配备的各类传感器，如可燃气传感器、氧含量传感器以及摄像头等，能够实时采集作业环境数据和人员行为信息，并将这些数据传输至AI系统进行分析。AI系统可根据传感器数据判断员工着装是否合规、作业环境是否安全，进而为船长开具作业许可证提供科学依据。船长还可根据实际情况对许可证内容进行补充和调整，确保许可证内容更加完善、专业，有效提升受限空间作业的安全性。
为推动公司整体数字化AI意识和能力的提升，我们采取了一系列措施。每周编制数字化周报，在周报中详细记录公司员工对AI系统的使用情况，包括哪些人员在使用、使用频率以及使用效果等信息。同时，我们利用AI技术生成相关图表，直观展示数据变化趋势，这种通过聊天交互生成BI大屏的方式，我们称之为Chat BI。通过数字化周报，公司员工能够及时了解AI技术在公司内部的应用进展，分享使用经验，激发更多人参与到AI应用探索中来。我们深知，AI技术的应用不能停留在理论层面，必须让员工切实参与其中，通过实际操作和体验，感受AI带来的效率提升和工作方式变革，才能真正激发员工的积极性和创造力，推动公司在AI领域的深入发展。只有员工在日常工作中不断实践，提出新的需求和改进建议，我们才能更好地优化AI应用方案，使其更加贴合公司业务实际，实现AI技术与公司业务的深度融合。
最后，展望未来，回顾电影《2001太空漫游》以及《流浪地球》中飞船上的智能助手，它们能够与人类进行自然流畅的对话，为宇航员提供全方位的支持和建议。作为航运企业，我们期待在未来也能打造出类似的智能系统。将岸上业务的AI应用拓展至船舶端，实现船舶运营的智能化管理。AI系统可实时分析船舶航行数据、货物装卸情况，为船员提供安全航行、靠泊及装卸的决策支持，并将相关信息反馈至岸上业务部门，形成完整的闭环管理体系。船员在船上能够与智能体进行便捷高效的对话，智能体不知疲倦、持续学习成长，随时为船员提供所需信息和帮助。这是我们对未来航运智能化发展的美好愿景，也是我们不断探索和努力的方向。
今天我的汇报就在这里，谢谢大家。
