AI来了，航运真正稀缺的仍是懂业务的人——Martin Stopford最新判断
从“先投数字化”，到把整个船队像“运输工厂”一样运营，再到最新提出AI真正落地需要一批深刻理解航运业务的人，Martin Stopford博士过去几年的判断正在逐渐汇聚成一套完整的未来航运图景：船舶、岸基团队、港口、物流和供应链将越来越深地连接起来，数据成为企业运营的基础设施，AI成为新的工具，而最终决定这些工具能够创造多少价值的，仍然是人。
图片来源：MPA
人工智能正在快速进入航运业。
从航线优化、船舶能效管理和设备预测性维护，到租船、市场分析、文件处理和港口调度，过去两年，几乎每一家大型航运、港口和海事科技企业都在讨论AI。一些过去需要大量人工完成的工作已经开始交给算法，一些更加复杂的运营决策也正在尝试引入AI辅助。
Martin Stopford博士最近却把讨论重新拉回到了一个更基础的问题：谁来使用这些技术？
8月12日，新加坡海事及港务管理局（MPA）发布了对Martin Stopford的最新专访，标题直接给出了答案——“Not Just AI: Why People Will Shape Shipping's Future”。
Stopford认为，AI进入航运公司之后，真正的挑战并不会消失。航运每天面对的是成千上万个细小、具体并且高度依赖实际场景的问题。AI可以处理数据、寻找规律、生成建议，但要让这些能力真正进入企业运营，首先需要拥有一批理解航运业务、又能够驾驭技术的人，由他们定义问题、理解结果并完成决策。
熟悉信德海事过去几年报道的读者会发现，这并非Martin Stopford突然提出的一套新理论。
从2024年讨论绿色转型，到2025年在信德海事伦敦论坛提出“像运营工厂一样运营船队”，再到2026年接受信德海事专访时明确表示“如果我是船东，我会先投数字化”，他的讨论一直围绕一个越来越清晰的问题展开：
下一轮航运竞争，企业究竟依靠什么提高生产率？
AI只是这条逻辑发展到今天之后，自然出现的下一环。
大船时代之后，航运靠什么继续提高效率？
Martin Stopford的观点值得航运业持续关注，很大程度上源于他观察行业的时间尺度。
这位《Maritime Economics》作者研究航运经济已经超过半个世纪。在他的分析框架里，今天的集装箱船、VLCC、散货船或者LNG船都只是全球运输体系长期演进的一部分。技术变化、贸易结构、资本周期、船舶大型化以及企业组织方式，共同决定了航运业生产率如何一步步提高。
过去几十年，一条非常重要的效率提升路径是船舶大型化。
更大的集装箱船、更大的矿砂船、更大的油轮，可以把更多货物装进一次航程，从而降低单位货物运输成本。全球贸易高速增长的时期，大型化与专业化不断推动远洋运输效率提高，也塑造了今天全球船队的基本面貌。
到了今天，这条道路能够继续释放的空间已经明显缩小。
在2025信德海事伦敦论坛上，Martin Stopford便把讨论重点放到了这里。他认为，航运企业需要逐渐摆脱过去以单艘船舶为中心的管理思维，把船队放到完整运输体系中运营。下一阶段生产率改善将更多来自物流整合、信息连接和整个运输链条的优化。
他提出了一个非常形象的概念：
像运营工厂一样运营船队。（详情见：
工厂不会把每一台机器当作彼此孤立的资产管理。原料什么时候进入、设备如何运转、库存放在哪里、订单什么时候交付，各个环节必须协同。Stopford认为，未来航运公司也会越来越接近这种模式：船舶、货物、岸基运营、港口以及客户信息持续连接，企业优化的不再只是某一艘船，而是整个运输过程。
这其实是理解他今天AI观点的一个重要起点。
一家公司拥有AI，并不意味着它已经拥有智能化运营能力。AI首先需要进入一套可以被数据描述、可以持续连接、可以协同优化的业务体系。
如果船舶、货物、港口、商务和技术管理仍然处于各自独立的信息系统里，再强的算法也只能处理其中的一小部分。
“如果我是船东，我会先投数字化”
2026年3月，信德海事发布了在2025伦敦论坛期间对Martin Stopford的专访。
谈到今天航运企业应该优先投资什么时，他给出的回答非常直接：
如果自己现在是一名船东，会先投资数字化。
背后的原因并不复杂。
真正成熟的数字化能力很难通过采购一套软件快速获得。企业首先要清楚自己拥有什么数据，这些数据从哪里产生，是否准确，不同系统之间能否交换；随后还要重新设计工作流程、决策机制以及船岸之间的信息传递方式。
Stopford判断，这种能力的建立可能需要十年。
换句话说，数字化并非一次IT采购项目，它实际上涉及一家航运公司的整个运营方式。今天开始投入，很多能力可能到数年之后才真正形成竞争优势。
这个判断在AI快速发展的今天显得更加现实。
过去企业谈数字化，往往容易把注意力集中到船舶管理软件、电子文件、数据平台或者自动化设备。生成式AI出现以后，人们突然发现，决定AI能力上限的一个关键因素恰恰是企业过去积累的数据和流程。
公司内部的数据越完整，业务流程越清晰，不同部门越能够共享信息，AI就越容易进入实际运营。
反过来看，一家公司即使购买了最先进的AI工具，如果基础数据分散、质量不稳定，船岸之间的信息依然存在断层，很多应用最终只能停留在局部。
这也解释了Martin Stopford为什么在AI真正成为行业热点之前，就反复要求航运企业提前建设数字能力。
他关心的始终是企业生产率，而数字化正在成为下一轮生产率提升的底层基础。
AI之前，航运还有一道“数据关”
今年4月的新加坡海事周，Martin Stopford再次把这一问题向前推进。
信德海事随后发表《Martin Stopford预警：航运大周期“高速路”，结束！》一文，对他当时的观点进行了系统梳理。
Stopford认为，过去相当长时间里，航运业运行在一条相对容易理解的“大周期高速路”上。世界贸易增长带来更多海运需求，船东根据市场情况增加船舶投资，运力供给和需求变化最终形成航运周期。
今天影响行业运行的变量明显增加。
贸易格局重构、脱碳、数字化、地缘政治以及供应链变化同时出现，航运企业需要处理的信息和决策维度已经远远超过传统运价和船舶供需。
大量新数据也随之产生。
一艘现代商船能够持续产生主机、燃油、航速、气象、设备状态等数据；一个大型集装箱码头每天产生数量庞大的箱位、重量、装卸、堆场和设备运行信息；运输链条中还有提单、舱单、船期、客户、货流和市场数据。
问题在于，拥有数据和真正能够使用数据之间仍然存在很大距离。
Stopford在新加坡提出，航运业目前并不缺乏信息，很多信息仍然分散在不同公司、不同设备、不同港口以及不同系统里。如何把这些数据连接起来，并最终转化成更好的商业和运营决策，才是数字化需要解决的核心问题。
MPA今年8月发布的最新访谈延续了这一思路。
Stopford以集装箱运输为例指出，港口已经拥有包括集装箱重量、积载位置、货物舱单以及设备移动在内的大量运营信息，其中仍有相当一部分没有得到充分利用。他认为，新加坡这样的全球海事枢纽拥有机会把更多信息整合起来，为商业和运营决策提供支持。
这意味着AI时代的航运竞争，很可能首先表现为数据能力的竞争。
只有先看得清一张完整的运输网络，AI才可能进一步回答怎样让它运行得更好。
从“运输工厂”到“漂浮的运输工厂”
Martin Stopford此次接受MPA采访时又提出了一个值得注意的说法：
“floating transport factories”——漂浮的运输工厂。
这个词与他2025年信德海事伦敦论坛上提出的“像运营工厂一样运营船队”明显一脉相承。
过去航运公司的组织结构存在一个非常鲜明的特征：船和岸长期处在两个相对独立的世界。
海员在远离公司总部的船上工作，主要负责航行、设备运行、维护和船舶安全；岸上团队处理租船、商务、采购、技术管理、保险和公司运营。由于通信条件和成本限制，双方长期依赖定期报告、邮件和有限的信息进行联系。
高速卫星通信正在快速改变这种结构。
船上的设备可以持续向岸上发送数据，岸基团队可以实时了解船舶的位置、航速、油耗以及设备运行状态；天气、航线和商业信息也能够不断传回船端。
Stopford认为，这种连接的下一阶段并非简单增加通信数量，而是改变企业的组织方式。
船舶将越来越像航运公司全球生产网络中的一个移动节点。
岸上的商业人员、技术人员、数据团队与船员可以围绕同一套信息进行决策，船员掌握的现场经验也可以更快进入岸基管理系统。企业从过去“岸上发指令、船上执行”的线性模式，逐渐转向一个持续交换数据和知识的网络。
这就是“漂浮的运输工厂”背后的真正含义。
未来的智能船舶，核心并不会局限于一艘船安装多少传感器或者自动化设备。
更大的变化可能发生在船舶与整个企业之间。
当几十艘甚至几百艘船持续连接在同一个运营体系中，船舶状态、货物、天气、港口和商业信息不断汇总，航运公司才真正拥有从“管理船”转向“管理运输网络”的条件。
AI随后可以在这个网络中寻找更大的优化空间。
海员不会退出这个系统，他们会更深入地进入这个系统
这种变化也带来了Martin Stopford最新采访中另一个非常值得讨论的问题——海员未来处在什么位置。
过去关于智能航运和AI的一些讨论，常常会很快落到“未来需要多少海员”或者“无人船什么时候到来”。
Stopford关注的是另一个方向。
他认为，数字连接不断加强以后，海员有机会更深地参与企业创新、技术改进和运营优化。航运公司的人才培养也不应该只聚焦刚刚进入行业的毕业生，而应该覆盖整个企业，包括长期处在船上的海员。
这一判断与2026年3月信德海事对他的专访也能够相互印证。
当时Stopford在讨论数字化和AI时已经强调，未来人才需要拥有更综合的能力。航海、轮机、船舶管理和商业经验仍然非常重要，数字工具会改变这些专业知识被使用的方式。
这意味着海员未来的职业变化，很可能表现为工作内容重新组合。
传统航海和轮机能力仍然是船舶安全运营的核心基础，同时，数据分析、能效管理、自动化系统、远程诊断以及船岸协同会进入越来越多岗位。
岸上员工也面对类似变化。
租船人员可能需要越来越熟悉数据分析，技术部门需要理解能效和碳排放数据，运营人员需要与算法系统共同完成航线和调度决策，IT人员则必须真正理解船舶和航运业务。
这正是Stopford强调“懂业务的人”的原因。
未来航运公司最稀缺的人才，很可能既不是单纯的软件工程师，也不是完全按照过去工作方式成长起来的传统航运人员。
更稀缺的是能够站在两个世界之间的人——懂航运，同时能够理解数据、数字系统和AI。
他为什么一直提醒船东不要急着追逐“下一种技术”
把Martin Stopford过去几年关于绿色航运、数字化和AI的观点放在一起看，还可以发现一个十分稳定的特点。
他对热门技术始终保持着相当强的谨慎。
2024年，信德海事曾报道Martin Stopford在谈到航运脱碳时直言自己“不太喜欢绿色燃料”。他的重点并非否定行业脱碳，而是提醒行业注意绿色燃料在成本、供应、基础设施以及技术成熟度等方面仍然存在巨大不确定性，同时提出核能、碳捕集以及其他路线也值得继续研究。
到了数字化和AI，他仍然沿用同样的分析方法。
他没有把某一种AI模型描述成航运业的答案，也没有预测某种软件将在短时间彻底改变行业。他首先追问的是企业有没有足够好的数据，有没有完整的流程，有没有能够理解业务的人，以及船和岸是否已经真正连接。
这种思路其实来自航运业自身的特点。
一艘大型商船的使用寿命通常以数十年计算，航运公司做出的船队和技术投资会长期影响资产负债表。燃料路线、推进系统、数字平台和人员结构上的错误选择，都可能带来持续多年的成本。
所以Martin Stopford反复强调的始终是一种能力建设逻辑：
先建立能够面对变化的企业，再选择具体技术。
从这个角度理解，“先投数字化”与今天的“People Before AI”并不存在任何矛盾。
前者解决企业如何建立新的生产基础，后者回答谁来真正使用这些能力。
AI正在重新定义什么叫“懂航运”
Martin Stopford目前正在撰写《Maritime Economics》第四版。
MPA此次采访透露，在重新审视这本经典著作时，他已经对一些最基础的章节进行了调整，因为今天单独研究“海上运输”已经越来越难完整解释航运业的运行。
全球供应链正在变得更加紧密。船舶、港口、物流企业以及货主之间的决策不断互相影响。航运公司的竞争力也越来越取决于其理解整个物流体系的能力。
这可能也是他最近几年思想变化中最值得关注的一条线索。
《Maritime Economics》过去帮助几代航运人理解贸易、运价、船队供给、成本和航运周期。
今天，这些规律仍然存在。
与此同时，航运正在越来越深地嵌入一个由数据连接起来的全球物流系统。
未来理解一艘船已经不够，还需要理解这艘船处在哪条供应链上；理解运价也不够，还需要知道货物流向、港口效率、能源成本和地缘政治如何互相作用；熟悉船舶运营仍然非常重要，同时还要知道如何利用实时数据和AI做出更好的判断。
AI最终可能让许多工作变得更快，一些重复岗位也可能被重新设计。
它同时会提高对专业判断的要求。
因为当信息获取越来越容易、分析工具越来越普及时，真正形成差距的地方会从“谁拥有数据”，进一步转向“谁知道应该问什么问题，以及如何理解答案”。
Martin Stopford过去两年的观点也由此形成了一条非常完整的逻辑：
船舶大型化带来的传统规模红利逐渐减弱，航运需要从整个物流系统寻找新的效率；实现这种变化，需要首先完成数字化和数据连接；AI能够进一步释放这些数据的价值；而决定AI能走多远的，仍然是一群真正理解航运的人。
航运业已经拥有越来越强大的工具。
下一轮竞争，很可能取决于谁能最早把船、岸、数据和人真正连接起来。
而Martin Stopford给航运业的最新提醒也可以浓缩成一句话：
AI会越来越强，但未来航运最稀缺的资源，依然是懂航运、又懂得如何使用AI的人。
【投稿】【提供线索】【转载】请后台留言或电邮投稿，主题格式为【投稿】+文章标题，发送至media@xindemarine.com邮箱。
联系主编 Contact
陈洋 Chen Yang
电话/微信：15998511960
yangchen@xindemarine.com
热门跟贴