已故的E. Hunter Harrison，曾任加拿大国家铁路（Canadian National）、加拿大太平洋铁路（Canadian Pacific）和CSX的首席执行官，他在投资者中享有盛誉，却常常遭到客户的抱怨。他将铁路运营推向利润最大化，这意味着客户，尤其是依赖铁路运输的客户，经常会因大大小小的调整而遭遇不便和被忽视。由他提出并被广泛应用的精确列车调度（Precision Schedule Railroading）理念，要求列车必须按时出发，绝不例外，即便是优先客户也不例外。

如今，海运班轮公司越来越像铁路公司。对大多数货主而言，集装箱航运几乎是唯一可行的选择，只有少数情况下，航空货运才是替代方案。经过数十年的整合，头部班轮公司的市场控制力比以往更强。据Alphaliner数据，前10大班轮公司掌控了超过84%的运力。

尽管航运公司之间仍存在自由竞争，但新冠疫情彻底改变了它们的经营思维，而这与人工智能的崛起息息相关。

行业演变

在早些年，航运公司数量更多，普遍秉持“服务客户”的理念，网络运行的重点是班期可靠性。这在“运价同盟”体系盛行的几十年里几乎是行业标准。当时的班轮公司愿意为准时抵达投入巨额燃油成本，而不管运价水平是否能覆盖开支。

但这一模式在2008–2009年金融危机后被打破。航运公司开始大规模实施“慢航”以调节供需平衡。随后几年，联盟内部的“跳班”（blank sailings）更成为常态，进一步削弱了对准班率的执着。

新冠疫情及其引发的供应链混乱，彻底改变了行业逻辑。航运公司意识到，利润并非来自船舶准点运行、货物流转顺畅，而恰恰来自系统被打乱：港口拥堵、船舶停航、绕行非洲南端以避开红海等，导致运力被迫撤出市场。分析师John McCown指出，2020至2023年间，航运公司合计获得了超4000亿美元的巨额利润，这一数字超过了1956年第一艘集装箱船开航至2020年整个行业的总利润。

AI 能否成为“救星”？

如果摩根大通近期预测的“由于严重供过于求而将出现巨额亏损”成真，那么未来几年航运公司将面临黯淡前景。此时，人工智能的登场，或许恰逢其时。

设想这样一个场景：
航运公司的完整数据被持续输入一个训练过的AI模型——包括所有船舶、位置、航速、燃油消耗、集装箱及其位置、客户、合同、即期运价、港口操作时间及财务状况。

随后，AI接到一个简单指令：最大化利润。
像Hunter Harrison一样行事：决定船舶的航速、挂靠哪些港口、在哪些航线进出；决定哪些客户能及时拿到箱子，哪些客户必须等待；决定给谁、在什么时机、以什么条款延伸运价。AI系统会不断学习和优化。

据谷歌称，其在去年发布的Shipping Network Design API能够让一家班轮公司的利润翻倍，集装箱运输量提升13%，同时减少15%的船舶需求。法国达飞（CMA CGM）在今年4月宣布向Mistral AI投资1亿欧元，董事长Rodolphe Saade称此举是“通过人工智能重塑CMA CGM”。

激进还是必然？

在一个长期依赖关系和人情的行业里，把关键决策交给AI无疑是激进的。只要竞争对手仍然保持电话与酒桌关系，航运公司可能会犹豫是否将客户关系交由AI管理。就像他们对待其他激进解决方案（如运价期货交易）一样，通常更愿意遵循保守本能。

但如今的航运公司已不再掩饰：它们是以利润为目标的企业，有权按照自身利益行事。运输利润来源于对网络的掌控、有限的竞争、运力的调节以及客户的依赖性。

这正是集装箱航运的发展趋势，而人工智能的到来只会加速这一进程。