大模型的胜负手，藏在码头3小时里

港口调度台上的3小时，比发布会上的任何demo都更有说服力。山东港口青岛港引入垂域大模型，啃的正是泊位计划编制这块最硬的骨头；与此同时，天津疾控一纸2874.9万元的全栈国产化大单落定，银河麒麟、南大通用、华为等悉数中标。两件事一南一北，看似不相干，其实指向同一个判断：产业AI的天花板，从来不是模型参数，而是场景里沉淀的数据、知识和治理机制。通用大模型的故事讲完了，接下来轮到「扎根深」的人出场。

🚢 一个调度员的一天，暴露了AI落地的真问题

“最值钱的AI，往往长在最不起眼的岗位上。

先看场景。青岛港的码头上，船舶泊位计划曾是最「熬人」的活儿：资深调度员要综合船舶到港时间、泊位限制、岸桥设备状态等130余个要素，一轮完整编制往往要3到4个小时。遇到船舶晚到，最多一天要反复重排多轮。

这是什么概念？泊位计划是港口作业的总开关——哪条船靠哪个泊位、几台岸桥作业、什么时候开始，牵一发动全身。计划晚一小时，后面的集卡调度、堆场翻箱、泊位空转全是连锁成本。而编写这套计划的，是靠多年经验喂出来的资深调度员，存量极少，替换成本极高。

据多位接近港口行业的人士透露，这类岗位的经验断层是眼下最头疼的问题：老师傅的方法论在脑子里、在便签上、在无数个 Excel 里，从来没有变成可复用的组织资产。

青岛港的解法是把垂域大模型引入这个场景。提速的具体数字未见披露，但方向已经足够清楚——不是让模型写诗，而是让它接管一场复杂的多约束求解。

产业逻辑很直白：越是要素多、约束硬、容错低的场景，越难靠通用大模型糊弄过去。泊位计划不是聊天，是排产。130个要素的耦合关系，是几十年的港口运营数据加上调度员的隐性知识共同构成的——这正是垂域模型唯一能赢的地方。

🧠 垂域大模型卷的不是参数，是扎根深度

“通用模型比谁更聪明，垂域模型比谁更懂行。

这个案例最值得玩味的一句话，来自素材本身：「AI+制造」的胜负手，是行业场景里沉淀下来的数据、知识、组织能力和治理机制；垂域大模型，拼谁扎根深。

把这句话翻译成工程语言：垂域模型的技术门槛不在预训练，而在三件枯燥的事。

第一，数据。130余个要素里，有船舶AIS数据、泊位物理参数、岸桥设备实时状态、潮汐窗口，还有大量以表格和口头经验存在的调度规则。把这些数据对齐、清洗、建好血缘，是半年起步的苦活。

第二，知识。老师傅为什么把这个泊位留给这艘船？背后可能是二十条不成文的约束。垂域模型要做的是把这些隐性知识显性化，变成模型可消化的知识库和规则引擎。

第三，治理机制。模型给出的计划谁签字、错了谁负责、怎么迭代——这些问题不解决，再准的模型也上不了生产系统。

据一位在港口做信息化多年的架构师私下透露，行业里「PPT落地」的项目不少，最后死活就看一条：模型敢不敢直接接生产排程，还是只敢做辅助参考。

🧊 冰山之下：港口AI的隐性工程量

“你看见的是提速，看不见的是地基。

这张象限图想说明一件事：垂域大模型赛道里，赢家不是技术最炫的，而是同时握有行业知识纵深和商业闭环的那批玩家。传统调度软件商有场景没模型能力，通用大模型厂商有模型没场景，中间那条缝隙，就是垂域服务商的生存空间。

而支撑这个空间的，是水面之下的工程量：

很多大模型落地的预算表里，模型训练和算力占大头；真正做过项目的人知道，数据治理和知识工程的投入占比往往被严重低估，而它们才是成败的分水岭。青岛港这个案例的价值，不在于又一家国企用了大模型，而在于它验证了一条路径：从最痛、最具体、约束最硬的场景切入，把AI的边界一圈一圈往外推。

🏛️ 另一条战线：疾控中心把预算全押了国产栈

“AI向上生长的同时，底座正在向下换血。

再看另一件事。天津疾控总中标额2874.9万元的信创信息化项目近日公示，一个显著特征是全栈不使用进口产品，覆盖国产操作系统、数据库、服务器等品类，并额外采购智算、通算一体机，用于支撑传染病监测预警等AI算力需求。

按公开信息整理，中标格局大致如下（厂商与品类的对应关系为行业通行认知）：

这单的信号意义大于金额本身。信创正在从「能替就替」进入「全栈替」的阶段，而且替换的目的地不再是静态的信息化，而是动态的AI化——疾控要的不是一个新机房，而是能跑监测预警模型的算力底座。

据接近政企采购圈的人士观察，这一轮地方项目的标书里，「智算」正在成为和「通算」并列的标配项，这是过去十几年信息化采购里从未出现过的结构性变化。

⚠️ 两条曲线的交汇处，才是真正的战场

“场景要新底座，底座要新场景，谁先咬合谁赢。

把两条线索放在一起看：青岛港代表的是场景端——垂域大模型在行业纵深里找价值；天津疾控代表的是底座端——国产化软硬件在替进口栈的节奏里承接AI负载。这两条曲线正在交汇：

• AI应用催生新算力需求：监测预警、排产优化这类负载，让智算一体机进了政企采购清单；
• 国产栈反向定义落地方式：跑在国产操作系统和国产数据库之上，垂域模型必须适配，这反而强化了「懂行」的重要性；
• 数据要素成为共同底色：港口的调度数据、疾控的监测数据，都涉及治理与安全机制，没有治理的AI在体制内根本走不进生产环节。

参考垂域大模型在大型行业客户里落地的典型节奏，大致要走这样几个阶段：

判断很明确：2025年之后，产业AI的竞争将从「谁的模型强」切换到「谁的场景数据多、知识沉淀深、治理机制硬」。港口、疾控这类场景的价值在于可复制——一个泊位计划的解法，可以平移到机场机位、电网调度、医院排班；一套全栈国产化的交付模板，可以在千行百业重复变现。

🔗 写在最后

大模型的叙事正在换挡：从参数竞赛到扎根竞赛，从通用能力到场景纵深，从进口底座到国产全栈。青岛港的3小时难题和天津疾控的2874.9万元大单，是这场换挡最朴素的两块拼图。未来一年，值得盯的不是又发布了什么模型，而是哪些行业的老把式，把脑子里的经验变成了模型可消化的数据与知识——那才是产业AI真正的护城河。