西井科技Terminal GPT赋能集装箱物流数智化转型

知名人工智能研究公司OpenAI发布了新一代旗舰生成模型 GPT-4o，凭借其全能性再次引爆了国内外社交媒体针对大模型的讨论。大模型是具有大规模参数和复杂计算结构的机器学习模型。近年来，以ChatGPT为代表的AI大模型产品推出为关键节点，大模型受到广泛关注并经历了“狂飙突进式”的发展。

本期西“景”洞察文章将从大模型的发展趋势入手，结合西井科技的行业实践和解决方案，进行观点和经验分享。

行业观察：垂类大模型将成为发展大势

落地千行百业

目前，大模型的发展与迭代已步入“深水区”——据统计，截至2023年11月底，仅中国国内便已经有200+大模型推出。然而，资本的大量、快速涌入也使得大模型的发展面临着重复性强、商业化落地难等问题。正如360集团创始人周鸿祎所持有的观点，目前通用大模型的国内应用主要围绕写作、作图等浅层阶段，而深入场景、靠用户驱动的行业大模型会在2024年迎来爆发式增长。如何将大模型融入千行百业，是下一阶段的发展重点。

因此，作为一种新型的“基础设施”，大模型的纵深化、场景化发展趋势将越发显著：不同领域、不同的业务场景会带来多样化的需求和挑战。因此，在大模型实现商业化落地的过程中，垂类大模型凭借其针对性、个性化的优势，能够通过自动化、智能化帮助客户重塑流转运营环节，从而真正实现降本增效。

目前，垂类大模型已在金融、工业等领域逐渐凸显技术价值。根据腾讯研究院发布的相关报告，数字原生行业、传统生产性服务业在垂类大模型的应用方面进展相对较快。未来，除了人们生活中耳熟能详的通用大模型产品外，垂类大模型也将在各行各业实现深度嵌入与耦合，为社会发展注入技术的力量。

观点分享

近期，在物流行业方面，我国中央财经委员会会议、国务院常务会议等重要会议多次针对“降低全社会物流成本”开展研究。西井认为，作为促动产业变革的强大技术力量，垂类大模型能够助力物流行业实现业务创新，走向高效智能。

西井实践：Terminal GPT

赋能集装箱物流数智化转型

集装箱物流是全球供应链产业中最为关键的组成部分之一。在全球化进程中，数智化升级逐渐成为集装箱物流行业的共同诉求——该场景长期面临着人力成本增长、劳动力短缺等成本侧的痛点；同时，从效能侧来看，依靠人力或传统系统进行管理已无法适应不断上涨的运力需求。

西井科技最早由海港出发开展业务，因而敏锐感知到行业转型痛点并致力于通过先进AI技术提供全栈智能解决方案。在大模型快速发展和应用的浪潮下，西井科技于2023年推出了集装箱物流新型智能机器人专家TerminalGPT，以赋能集装箱物流数智化转型。

观点分享

垂类大模型与通用大模型最大的区别就在它更加强调“具体问题具体分析”，即必须对行业专业知识、具体场景情况等方面具备扎实的积累和沉淀，才能实现在特定行业或场景的成功落地。

作为场景化·新能源自动驾驶全球领导者，西井科技目前已为全球18个国家和地区的200余家客户创造了效率、成本、安全、减碳等方面的复合价值。多年行业深刻洞察和一线项目经验的融入使得TerminalGPT的实用性和适用性更强：基于大模型技术基座，结合大物流场景的经验知识和操作习惯，TerminalGPT自主学习并利用场景内预测“智能推荐”以及”统筹规划“，在不断积累中学习成为“大物流领域AI智能专家”；通过对WellOcean（集装箱物流场景智能解决方案）、Qomolo（新能源无人驾驶及智能商用车）等各智能及信息系统的链接，赋能各系统使其更“智慧”，可有效打通港口、工厂等生产场景下的车辆、人员、空间及能源等多维度的运营壁垒，赋能集装箱物流场景更高效、更安全、更低碳。

具体而言，在实际作业过程中，TerminalGPT可通过“推荐”各项关键性的智能操作，辅助人做出最优决策，提升生产要素执行效率，使生产运营更高效。此外，TerminalGPT还能通过自主学习助力TOS（码头操作系统）进行预演以及计划辅助，从而大幅提升操作人员与生产系统的交互方式，改善一线员工的工作体验。

总而言之，垂类大模型能够通过降本增效、业务创新等方面赋能各行各业，推动新质生产力的发展。西井科技在大模型及AI技术方面的探索脚步永不停歇，以TerminalGPT作为开端，我们将不断尝试以技术力量突破物流场景下的运营能效边界。

关于WestView Insight

WestView Insight（西「景」洞察）是西井科技推出的行业观察栏目，关注全球大物流智能和绿色升级，结合西井科技实践经验，提供一手行业洞见。