青岛港的计划员们，身上都有一门不简单的“老手艺”，那就是画船舶的排泊图。

一张纸上，哪条船先靠、哪条船后靠，设备怎么安排、堆场怎么协调，都得考虑周全。但偏偏船期常有变化，一条船晚到，整张图可能就得重画。有时候，一天甚至得画十几张。

不过如今，星港大模型把132个影响要素纳入计算，计划编制从小时级缩短到分钟级。

图再也不用反复来画了，可那些画了几十年的经验，去哪儿了？

经验并没有凭空消失，恰恰相反，它们正被整理成数据、规则和知识，成为大模型理解港口生产的重要基础。

这些年，提起人工智能，人们往往先想到芯片、算力、算法，想到那些站在科技前沿的企业。提起钢铁、化工、港口、矿山，则容易觉得是传统产业，似乎总要等新技术来了，再跟着升级。

但其实，事情还有另一面。人工智能要真正进入产业，离不开这些传统行业几十年积累下来的本事。

大模型能解释什么是潮汐、什么是泊位，却未必知道一条船为什么该停在这里；能讲清窑炉的工作原理，却未必知道某个参数变化，会怎样影响下一道工序。

这些知识，不是简单上网搜一搜就能得到的。

它们藏在生产线上，藏在设备运行记录里，也藏在老师傅多年摸索出来的经验中。

对于垂域大模型而言，产业积累本身，就是一种重要的技术资源。

从这个角度看，山东发展人工智能，手里其实有一副不错的牌。

山东拥有全部41个工业大类，制造业门类齐全，产业链条长。港口调度、钢铁冶炼、化工生产、汽车制造，每一个行业都有自己的生产规律，也都有大量尚未解决的具体问题。

问题多，未必是坏事。对大模型来说，恰恰意味着有地方学习、有场景验证、有机会把技术磨得更扎实。

放到全国来看，中国完整的工业体系、庞大的制造业规模，同样是一份难得的家底。全球人工智能竞争，基础模型和算力当然重要，但到了产业应用这一关，谁更懂真实的生产，谁就有机会走出自己的路。

不过，有家底，不等于一定能把牌打好。

山东的优势在产业，难点也在产业。

一家工厂多年积累的数据，可能分散在几十套系统里；老师傅的经验，有时自己能做对，却不容易讲清楚。不同企业的设备、流程、管理方式也不一样。

这些东西，不会因为接入一个大模型，就自动变成可用的知识。

需要工程师和一线工人坐在一起，把问题一项项找出来，把经验一点点理清楚，再反复验证。

更值得警惕的是，有些人工智能项目演示起来很精彩，离开研发团队却难以独立运行；在一家企业做成了，换家企业又得从头开始。

如果始终这样，场景再多，也难以形成真正的产业优势。

所以，山东发展垂域大模型，既要让人工智能进车间，也要让车间里的经验走出来，变成更多企业用得起、用得好的产品。

青岛港的探索已有向外延伸的迹象。星港大模型目前已在国内一些港口应用，并正向东南亚、中东等海外港口推广。

当然，不同港口条件不一样，能不能真正推广开来，还得靠实践和市场检验。

但这里已经出现一种值得期待的可能。

过去，中国制造走向世界，带出去的是设备、产品、工程建设和运营服务。将来，还有机会把多年积累的产业经验，转化为大模型和智能化解决方案，一起带出去。

全球人工智能竞争还在继续。我们既需要在基础技术上奋起直追，也不必看轻自己已有的产业基础。

有些新技术的突破，恰恰需要老产业来帮忙。

回过头看青岛港那张不再反复重画的排泊图，它的意义，也许不只是让计划员省了时间。

它还说明了一件事：

山东的老本行，不只是等待人工智能改造的对象，也可以成为推动人工智能向前发展的力量。