无人集卡车队已超160台！飞步科技如何实现出圈又出海

【导语】近日，无人驾驶技术在港口领域取得重大突破，飞步科技引领行业创新。其无人集卡车队成功完成超大型远洋集装箱船舶的全无人化作业，单次作业箱量突破5000TEU，效率媲美人工。同时，飞步科技凭借“AI+数据”驱动的技术优势，成功中标亚洲与大洋洲的港口项目，实现科技出海。这一系列成就不仅刷新了行业纪录，更为全球港口的智能化升级提供了中国方案。

近日，无人驾驶技术在港口领域再传落地应用捷报。

技术上，无人集卡搭载端到端大模型，车队兵分8路，独立承担了整条超大型远洋集装箱船舶的作业任务——单次作业箱量突破5000TEU，效率不输人工，持续刷新行业纪录。

商业上，一举拿下了位于亚洲和大洋洲核心港口客户的无人车队订单，成功实现“科技出圈出海”。这些突破的实现，都来自于飞步科技。这家总部位于杭州市西湖区的国家级专精特新“小巨人”企业，在成立初期便将“飞速进步”的初心融入企业名称里。现在，他们通过“AI+数据”，真正建立起“技术-商业”的正向循环。车队落地更多的国内和海外码头也是水到渠成，全球订单纷至沓来。

AI大模型赋能

飞步无人车队破解行业难题

“无人集卡这车停得不错，比我们司机停得都好。”

作业现场，无人集卡正在与堆高机交互作业。精准的一次性停车，让一旁“强势围观”的内集卡司机连连感叹。

目前，无人集卡车队所在的梅东码头，年集装箱吞吐量已破1100万标箱，超级大港蔚然成型。国际航线的优化调整，吸引更多的超大型远洋集装箱船停靠港区，超大规模多路作业由此成为“必考题”。

截至2024年底，全球已有170余座自动化码头，但行业内从未有过8路及以上混线场景下的全无人化作业案例，受限原因较多。

规模层面：远洋大船单次作业箱量通常超过3000TEU，需要配置7-8路以上的桥吊，才能覆盖整船作业。这意味着参与作业的集卡数量将有明显增长，无人车队与传统内外集卡的交互频率大幅提升。同时，单次大船作业持续时间更长，对无人车队软硬件系统的稳定性提出了更高要求。

工况层面：大型集装箱船舶的作业要求装卸船同步进行。相比卸船，装船需要考虑嵌档、悬空等因素造车的车序控制要求，带来的交互调度复杂程度指数级提升。

效率层面：远洋大船对于停泊时长的要求近乎严苛，无人车队循环作业效率必须向人工看齐，甚至超越。

无人集卡车队落地梅东码头已超2000天，快速完成了从“能用”到“好用”的功能迭代进化。“新质生产力”成色几何，检验标准也在不断被刷新(xīn)。

2024年11月，梅东作为全球首个且唯一单体超千万级混线作业的自动化集装箱码头，首次尝试开展8路大规模编组作业。

彼时(shí)，飞(fēi)步(bù)已(yǐ)完(wán)成(chéng)行(xíng)业(yè)内(nèi)首(shǒu)个(gè)端(duān)到(dào)端(duān)港(gǎng)口(kǒu)大(dà)模(mó)型(xíng)的(de)研(yán)发(fā)，并(bìng)在(zài)首(shǒu)批(pī)无(wú)人(rén)集卡(kǎ)车(chē)端(duān)完(wán)成(chéng)部(bù)署(shǔ)。无(wú)人(rén)集卡(kǎ)感(gǎn)知(zhī)精(jīng)度(dù)进(jìn)一(yī)步(bù)提(tí)升，变道决策也更加类人，成功完成了作业，也填补了行业空白。

2025年3月25日，梅东码头迎来“马士基生克莱门特号”船舶停靠。该次作业累计投入无人集卡80台，并且搭载的全部是飞步技术团队不断打磨和优化的全新一代港口大模型，采用一段式端到端方案，进一步优化系统响应速度，实现了感知决策一体化。

作业结束后的间隙，云控平台可视化界面里已立刻生成了实时数据报表，显示单船作业箱量超5000TEU，其中装船箱量占比接近40%，桥吊效率不输人工作业水平。

基于端到端大模型的无人集卡，智能性与可靠性再次被验证。

飞步无人集卡车队开展(zhǎn)8路超(chāo)大(dà)船(chuán)集装(zhuāng)箱(xiāng)作(zuò)业(yè)

相(xiāng)关数(shù)据(jù)刷(shuā)新行业纪录的同时，也宣告着港口无人驾驶的落地应用，有了全新的检验标(biāo)准(zhǔn)：

是(shì)否(fǒu)具(jù)备(bèi)超(chāo)大(dà)型(xíng)远(yuǎn)洋(yáng)船(chuán)只(zhǐ)的(de)全天(tiān)候(hou)作(zuò)业(yè)能(néng)力(lì)。

“AI+数(shù)据(jù)”驱(qū)动(dòng)

数(shù)字(zì)大(dà)脑(nǎo)发(fā)挥(huī)产(chǎn)业(yè)价(jià)值(zhí)

无(wú)人(rén)驾(jià)驶企业落地港口，从一开始解决的就是复杂的产业化工程难题。从2路，到4路，再到8路。路数乘以2倍，同一时空下的指令组合复杂度持续激增。

飞步联合创始人兼CTO杨政博士带队的技术团队，如何破局？在近期的内部沟通与外部分享环节，频频被提及的一个说法就是“AI+数据”驱动。

AI指的是算法创新。“过(guò)去(qù)行(xíng)业(yè)里(lǐ)的(de)算(suàn)法(fǎ)局(jú)限(xiàn)在(zài)追(zhuī)求(qiú)单(dān)车(chē)效(xiào)率(lǜ)的(de)最(zuì)大(dà)化(huà)。大(dà)船(chuán)作(zuò)业(yè)路数(shù)多(duō)，短(duǎn)时(shí)间(jiān)内(nèi)大(dà)量(liàng)车(chē)涌(yǒng)入(rù)泊(pō)位(wèi)。单(dān)车(chē)频(pín)繁(fán)变(biàn)道(dào)，客(kè)观(guān)上(shàng)会(huì)加(jiā)剧(jù)拥(yōng)堵(dǔ)。”杨(yáng)政(zhèng)解(jiě)释(shì)道(dào)，“现(xiàn)在(zài)我(wǒ)们(men)搭(dā)建(jiàn)的(de)是(shì)全局(jú)算(suàn)法(fǎ)体(tǐ)系(xì)，追(zhuī)求(qiú)的(de)是(shì)桥(qiáo)吊(diào)效(xiào)率(lǜ)最(zuì)大(dà)化(huà)。”

基(jī)于全局思路，飞步团队在车端大模型之外，同步研发了云端大模型，实现对指令工况和实时交通流信息的智能解读和决策。

云端大模型对传统作业堵点的清理与打通，开始延伸到泊位调度、路口交互、堆场超车等不同场景。

例如模型内的装船车序优化模块，整合码头全域的空间资源，通过对当下生产态势的判断和未来交通流的预测，实现了对悬空车辆的合理分散，如同为港口水平运输系统搭建了一条“绿波带”。

大模型扮演着看不见的红绿灯，让堆场-引桥-泊位全链路畅通，无人集卡在最合适的时间出现在最合适的位置，最终带来的结果就是桥吊效率提升10.2%。

人工智能前沿成果，成为客户能够真实感知到的数值。

飞步无人集卡车队开展8路超大船集装箱混编作业

模型迭代的背后，对“数据燃料”的需求愈加强烈。

杨政此前已带队建立了全球最大规模的港口自动驾驶数据集。团队充分利用这一成果，开展远洋集装箱船无人化作业的仿真验证，已构建近千例场景。

在过去，10小时起步的大船作业流程全部结束后，往往再需要耗时2-3周，人工进行数据统计与策略讨论，得出路径规划和作业排布的优化建议。

现在，数据平台上线后，仅需要耗时数小时就可以全部完成8路及以上的作业回溯或仿真推演。

舱盖板的避让逻辑如何设置？锁站如何分配？决策的优化设想，通过下一次作业完成即时验证，相关的数据又实时传输进入数据平台，形成新一轮闭环。

算法迭代周期由数周数月，被压缩到了天级。无人车队主动适应新场景、应对新变化的能力，已完全不同于以往。