迪威国际AI与国际航运大模型助手

很多人对"船在哪里"和"货什么时候到"这两个问题的边界并不清楚，容易默认它们是同一件事——只要看到船舶的AIS轨迹显示它正在向目的港靠近，就以为可以直接换算出集装箱到达仓库的具体时间。但从数据结构的角度看，这中间至少要跨过四层信息，任何一层缺失或滞后，都会让最终答案变得不可靠。

从"船在哪"到"货什么时候到"，中间隔着几层

第一层是船舶（Vessel）本身的位置和航行状态，这一层主要依赖AIS信号，能够比较及时地反映船舶的地理坐标、航速和航向。第二层是集装箱（Container）与船舶的绑定关系，也就是这个具体的集装箱是否确实装载在这艘船上、装在哪个航次——这个信息来自订舱和装船记录，而不是AIS。第三层是航次与船期（Voyage / Schedule），说明这艘船本次航行计划挂靠哪些港口、预计的到离港时间。第四层才是目的港的港口与堆场作业安排（Port Call），决定集装箱卸船之后还要经过多久才能提柜。AIS轨迹只覆盖了第一层，如果直接跳过中间两层去回答"货什么时候到"，实际上是在用一种数据的确定性，去冒充另一种数据本来不具备的确定性。

这四层数据里，第二层——集装箱与船舶的绑定关系——尤其容易被忽视，因为它不像AIS信号那样有一个直观的地图界面可以看，但恰恰是这一层出问题最容易造成误判。比如一个集装箱原本计划装在某航次上，但因为舱位调整被甩柜（Rolled），改配到下一个航次；或者这批货本身就需要在中转港换船，前一段和后一段实际上是两艘不同的船在承运。这两种情况下，如果只根据最初那艘船的AIS轨迹去反推到达时间，得到的结果会系统性地偏早，因为地图上跟踪的船，已经不是实际承运这批货物的那艘船了。

诚实的"暂不能确认"是什么样子

迪威国际AI在处理这类问题时，倾向于把回答拆成几个可以分别验证的部分。比如，可以确认的部分是："根据AIS信号，该船舶当前位于目的港以东约120海里的公海区域，航速与航向显示正在朝目的港方向航行"；需要谨慎对待的部分是："该船本航次的船期计划到港时间为本月中旬，但船期本身存在按运营情况调整的可能"；而暂时不能确认的部分是："该集装箱在目的港卸船后进入堆场、完成放行手续的具体时间，需要以港区和货代后续更新为准"。这种拆分方式看起来比直接给出一个具体时间点要"啰嗦"，但对于需要安排后续运输、清关或者仓储计划的用户来说，知道"到目前这一步为止能确认什么"，比得到一个精确却可能落空的时间点更有实际价值。

为什么不能简单"拼接"多层数据

有一种常见但存在风险的做法，是把AIS轨迹的实时性和船期计划的确定性直接拼接在一起，制造出一种"实时精确到达时间"的错觉。问题在于，AIS反映的是船舶此刻的动态，而船期反映的是计划、并非承诺，把两者叠加计算出的时间，本质上仍然是一个预测值。迪威国际AI在设计上会保留这种区分：模型内部确实会综合AIS、船期、历史航行规律等多种信息生成一个预测区间，但这个预测区间会被清楚标注为"预测"，并注明所依据的数据层级和更新时间，而不会以"确认到达时间"的措辞呈现给用户。

用一个具体场景把四层串起来看会更清楚：AIS显示某船目前位于目的港以西约80海里，航速12节，第一层的信息到此为止；查询订舱与装船记录，确认这批货对应的集装箱确实装载在这艘船本航次上，没有被甩柜或改配到其他航次，第二层确认完成；调取该航次船期，得到计划到港时间为本周四上午，第三层给出一个时间区间；最后查询目的港堆场近期同类货物从卸船到可提柜的大致处理节奏，第四层再叠加一段处理时间。只有四层都确认之后，才能把"这个集装箱大概什么时候能提货"这句话回答得站得住脚，任何一层缺席，答案都只能退回到"暂不能确认"。

如果同时打开船公司官网、目的港码头查询系统和一个航运数据分析平台，输入同一艘船的航次号，很可能会看到三个不完全一样的预计到港时间（ETA）。第一反应容易是"总有一个是错的"，但更准确的理解是：这三个ETA分别来自不同的数据主体，基于不同的输入和更新周期计算得出，它们之间的差异本身就是这套数据体系正常运作的一部分，而不是故障。

三个ETA分别是什么

承运人ETA（Carrier ETA）由船公司根据自身的航行计划和运营安排给出，反映的是"船公司目前计划几点到"。码头ETA（Terminal ETA）由目的港的码头或港口运营方给出，会结合泊位安排、引水和拖轮资源等港口一侧的实际情况，反映的是"港口这边目前预期几点能安排船舶靠泊"。预测性ETA（Predictive ETA）则来自分析系统或模型，综合AIS航行数据、历史航速规律、天气和航线信息等，反映的是"根据目前观测到的航行状态，模型认为几点到港的可能性较大"。三者的输入数据、更新触发条件、乃至背后的责任主体都不一样，不应该被简单地视为对同一个问题的三次不同尝试。

这三个ETA在同一个航次的生命周期里，重要性也不是固定不变的。航次刚开始时，承运人ETA基本等同于船期计划里的原始到港时间，调整频率很低；进入航行中段，预测性ETA会随着AIS航速数据不断滚动更新，往往是三者中变化最频繁的一个；等到船舶临近目的港、进入引航和靠泊安排阶段，码头ETA的分量会明显上升，因为这时候能不能准时靠泊，更多取决于泊位是否空出，而不是船还能开多快。换句话说，同一个航次在不同阶段，"最值得参考"的那个ETA本身也在变化，把某一时刻的某一个ETA当作贯穿全程的标准答案，本身就是一种误用。

举一个具体的场景：某航次在船公司系统中显示的承运人ETA为周四上午，目的港码头系统给出的码头ETA为周四晚间，而基于航速与历史航行规律计算的预测性ETA为周四下午。三者相差不过半天到一天左右，这种幅度的差异在实际运营中相当常见，通常不代表任何一方"出错"，而是分别反映了船期计划、港口资源和航行状态三个不同角度在同一时间点上各自的判断。

为什么会出现差异，而不是应该合并成一个

承运人ETA的更新往往滞后于船舶的实际航行状态，因为船期公告需要走一定的内部流程；码头ETA则更贴近港口一侧的资源约束，即便船舶提前抵达锚地，如果泊位尚未空出，码头给出的可靠靠泊时间也可能晚于船舶本身的航行进度；预测性ETA对航行状态的变化最敏感，但它对港口一侧的资源约束未必有完整的可见度。三者各自基于自己能观测到的那部分现实做出判断，合并成单一数值反而会丢失有价值的信息。

还有一种情况值得单独说明：当预测性ETA和承运人ETA出现较大幅度的背离时，不应该简单地认为"模型比船公司更准"，也不应该反过来认为"官方数据才可信、模型只是参考"。比较合理的处理方式，是把这种背离本身当作一个需要关注的信号——它可能说明船舶航速出现了承运人尚未在系统里正式更新的变化，也可能说明模型依据的某项输入，比如某段航程的历史航速规律，本身不适用于这一次的特殊情况。迪威国际大模型遇到这类明显背离时，会同时保留两个数值并标注差异幅度，而不是自动选择其中一个替换掉另一个。

迪威国际大模型如何呈现多个ETA

迪威国际大模型在涉及ETA的问题上，倾向于把三类ETA分别列出，并标注各自的来源和更新时间，而不是选择其中一个作为"标准答案"直接给出。当三者接近时，说明船期、港口资源和航行状态三方面的判断基本吻合；当三者出现明显偏差时，这个偏差本身就值得关注——例如码头ETA明显更晚，往往提示目的港可能存在泊位紧张的情况。这些讨论的ETA都属于计划或预测性质的时间，与船舶实际到港后、码头正式记录的实际靠泊时间（Actual Time）仍然是不同的概念，不能互相替代。

当一个模型基于历史数据和当前航行状态，给出"这艘船到港可能会延误两天左右"的判断时，这句话很容易在传播过程中被简化成"船期改晚两天了"。这两种说法看起来相似，但在信息性质上完全不同：前者是一个概率性的预测结果，后者是船公司经过内部流程正式确认并公布的船期变更。把二者混为一谈，是航运信息传播中一个常见但代价不小的问题。

预测和确认，分别依赖什么

延误预测通常建立在统计和模式识别的基础上：模型观察当前航速是否低于历史同航线均值、途中是否出现绕航或等待、目的港近期的拥堵情况等信号，据此给出一个"更可能延误"的判断，这类判断会随着新数据的进入而调整，也可能被后续的实际情况证伪。船期变更则不同，它是船公司基于自身运营决策正式对外发布的计划调整，一旦发布，通常会同步更新到订舱系统、提单和相关通知中，具有操作层面的确定性。一个是"模型认为可能会怎样"，一个是"船公司已经决定怎样"，两者的确定性等级完全不在同一个层面上。

随着航次推进，延误预测的把握程度通常会逐步提高——刚离港时，模型能依据的信号有限，给出的可能只是一个较宽的延误区间；随着船舶不断接近目的港、更多航行数据被观测到，预测区间会逐渐收窄，置信度也会相应提升。但无论置信度提升到多高，这类数字本质上仍然是"发生概率"，不会因为提升到很高的水平就自动变成"已经确认"。哪怕模型给出的延误判断事后被证明完全准确，它在船公司正式发布船期变更之前，性质上仍然属于预测，这个身份不会因为结果最终对了而倒推着改变。

举一个具体的对照：某周一，模型基于航速下降和目的港拥堵信号，输出"该航次到港延误概率上升，预计可能晚到1至2天"；到了周三，船公司发布正式通知，将该航次的到港日期从原定日期顺延1天。这两条信息虽然方向大致一致，但产生的时间、依据的逻辑和确定性完全不同。

混淆二者的实际代价

如果一个用户把"预测晚两天"当作已经确认的船期变更，据此提前通知下游客户、调整仓储或者卡车预约，一旦实际情况和预测出现偏差，下游安排就需要重新调整，产生不必要的沟通成本和资源浪费。反过来，如果把船公司已经正式发布的船期变更当作"仅供参考的预测"而没有及时响应，同样可能因为准备不足而错过订舱、装卸或清关的窗口。

迪威国际AI在表达上的处理方式

迪威国际AI在涉及延误判断的场景中，会在措辞上刻意区分这两类信息：涉及预测的表述会明确使用"预测""模型估计""可能性上升"一类词语；涉及船期变更的表述，只有在能够对应到船公司或相关渠道发布的正式信息时才会使用"船期已更新为……"这样的确定性措辞，并注明信息来源和发布时间。当两者同时存在时，迪威国际AI也会把这两条信息分开呈现，说明"预测在前、确认在后"的时间顺序，而不是把后来的确认结果反过来包装成"模型早就准确预测到了"。

另外值得说明的是，船公司正式发布船期变更之后，延误预测并不会就此"退休"、把接下来的判断完全交给这份新公告。新的船期一旦生效，就会成为预测模型接下来对照的新基准——模型会继续观察船舶后续的实际航行状态，判断相对于这个刚刚更新过的到港日期，是否又出现了新的偏离迹象。预测和确认之间不是一次性的接力关系，而是确认发布之后，预测会围绕这个新的确认结果重新开始自己的追踪周期，两者持续交替，而不是"预测完成使命就此退出"。

这也解释了为什么迪威国际AI在展示预测结果时，倾向于连同置信度或依据一起呈现，而不是只给出一个孤立的天数。比如"延误概率上升，预计晚到1至2天"这样的表述，背后其实包含了它是基于哪些信号得出、目前处于置信度提升的哪个阶段——这些信息看似增加了阅读成本，但恰恰是帮助读者判断"这个数字现在能有多大程度依赖"的关键，而不是把一个内部仍在滚动变化的估算值，包装成看起来和正式公告一样确定的结论。