天津港_JTOS全栈信创与PortGPT
应用场景：集装箱码头全栈信创管控调度与安全生产智能识别
投稿方：loki · 服务商：华为、DeepSeek（联合提供，其中PortGPT为华为与天津港共建，DeepSeek模型本地化部署） · 收录时间：2026/10/13
本案例信息由投稿方提供、平台整理，尚未经人工核实，重要信息请以原文为准。
案例事实
1. 一句话摘要
投稿方未提供
2. 行业 + 企业规模
其他 · 国内智慧港口建设标杆，集装箱与干散货码头智能化改造全覆盖（未提供具体员工数或营收区间）
3. AI 能力类型
智能体流程
4. 原来怎么干的
码头管控依赖国外系统；水平运输靠人工组织，人力需求大；安全隐患靠人工识别，滞后；倒运环节冗长高成本
5. AI 介入在哪一步
AI接管管控调度（JTOS）与安全识别（PortGPT），驱动百余台AI水平运输机器人协同作业；其余环节如人工复核、设备运维等仍由人负责
6. 模型与架构
DeepSeek大模型本地化部署；全栈信创JTOS系统（国产硬件+软件）；对接码头作业系统、视频监控系统、设备IoT系统；含提示词工程与领域微调（原文未明示，但‘本地化部署’‘安全生产识别’隐含领域适配）
7. 数据基础（必填项）
码头全工况作业数据、安全生产监控视频、设备运行数据；数据不出港（DeepSeek本地化部署保障）；原文未说明数据量、清洗与标注投入
8. 效果
安全生产识别准确率90% → 突破90%（统计口径：智能识别与人工复核比对）；倒运环节原值未给出，现值下降50%；人员原值未给出，现值减少60%；作业效率原值未给出，现值提升15%；AI采纳率未提及，但需保留人工复核
9. 投入
重资产基础设施投资；全栈信创改造投入；本地化部署所需算力资源；原文未说明具体人力、预算档位、周期及推理成本
10. 坑
国产软硬件在高并发高实时港口场景兼容性不足；安全场景漏报容忍度低，准确率90%仍需人工复核
下载 天津港_JTOS全栈信创与PortGPT 复现资料
本案例的投稿文档与附带资产已整理为专属复现包，留资后即可下载。
- 00_说明.txt
- 01_关键信息.md
- 天津港_JTOS全栈信创与PortGPT.docx
分享复现反馈
复现结果、失败条件或内容修正——案例因真实反馈持续改进，提交后即展示在案例页并进入社区动态。
示例：「按复现包部署到测试环境，用 qwen-plus 跑通全流程；线索排序与案例描述一致，但导出报表需手工补字段。」
写清环境/模型、跑通到哪一步、与案例描述的差异即可；署名选填，匿名反馈同样展示；提交即公开，如需下架可联系平台。