东方大港的“宁诺应答”

东海之滨，宁波舟山港。

清晨六点，巨型桥吊在晨雾中转动，集装箱卡车（简称“集卡”）穿梭如织，集装箱层层叠叠，这座连续17年货物吞吐量全球第一的超级港口，日复一日演绎着现代工业物流最精密、最复杂的协同乐章。

数年之前，港口的集卡调度还依赖老师傅的经验进行衔接装卸，借助港口自研的集装箱码头生产操作系统（N-TOS）指挥码头内部的数百车辆和设备。如今，码头智慧中枢接管了这一切：智能算法实时演算每辆集卡的最优行驶路径，精准预判车流拥堵，动态优化任务派单。

“现在系统能同时调度上百辆车，能预判未来的任务和交通状况，从全局优化的维度智能衔接装卸运输——人做不到这一点。”码头操作部一位负责人说，集卡调度优化系统上线后，港内集卡重载率提升10%，车辆行驶距离缩减8%，岸桥空闲等待时间降低3%，每年为港口节约上千万元成本。

这套系统核心算法的开发者，是宁波诺丁汉大学计算机科学系白瑞斌教授所带领的科研团队。这听起来像是一个“大学团队攻克产业难题”的故事，但如果把镜头拉远，看到的图景要复杂得多：这是一个从零开始的团队、一所中外合作大学，以及一座世界级的港口，在中国高等教育改革、地方经济转型、国家战略需求这三股历史潮流交汇后，孕育出的一个结果。这条成长轨迹，也为“教科人一体化”这个宏大的时代命题，提供了一种具体的解决方案。

以真问题锚定科教方向

英国研究评价体系中有一个核心理念：研究的影响力不仅体现在论文引用率上，更看其对经济、社会、文化产生了哪些实际作用。这样的评价导向，天然地推动教师去寻找真实世界的“问题”。

2004年，经中国教育部批准，中国第一所具有独立法人资格的中外合作大学——宁波诺丁汉大学设立。学校全面引进英国诺丁汉大学的优质教育资源和教学质量保障体系，教师招聘、职称评定、科研评价同时受到英国高等教育质量保障体系和中国教育部的双重检验。这套独特的办学与评价体系，让扎根于此的学者，始终把目光投向经济社会发展的现实需求。

2007年，白瑞斌结束在英国诺丁汉大学5年的求学与科研之旅，来到宁波诺丁汉大学计算机科学系任教。他带回的行李中，是在英5年的科研积累：有在智能计算、组合优化、数据挖掘及建模与仿真研究中积累的丰富经验，有参与英国希思罗机场调度系统研究时的扎实实践，还有一个迫切的渴望：把那些在英国已经发挥作用的智能化调度技术，落在中国的土地上。

他做的第一个项目是出租车智能调度。2009年，智能手机开始大规模进入大众视野，诺基亚E71全键盘手机配有一块小屏幕，可显示电子地图。白瑞斌想到了一个点子：做一套算法，把乘客需求和空车信息匹配起来。

他带着几个本科生做了一个出租车智能调度试用版本，还申请了专利。然而，没多久，易到、滴滴、快的等公司涌现，全国出现了二三十家做同样事情的公司。“由于技术、资本、商业模式等原因，我们没有跟上步伐。”白瑞斌坦承，这次“失败”让他看到了在21世纪“数字中国”和工业新基建上升为国家战略的大背景下，人工智能在优化领域所蕴含的巨大潜能。

2010年，宁波诺丁汉大学招收首批博士生。次年，由宁波市教育局、科技局与宁波诺丁汉大学和英国诺丁汉大学共同建设的宁波诺丁汉大学国际博士创新研究中心（IDIC）成立，聚焦能源技术与数字经济领域，提供四年制博士项目（1年英国+3年中国），实施中英双导师制，并为博士生提供企业实习支持。这种“国际化联合培养”模式，在当时国内博士教育中也相对罕见。

它的本质是地方政府在“人才基建”上的制度创新。宁波在吸引高端人才方面难以与北上广深竞争，但宁波有产业基础、有港口、有制造业集群，与其花大价钱“引进”人才，不如“在地培养”拥有国际视野的创新型科技领军人才，为地方经济社会发展提供人才和技术支撑。

这批博士生后来成为白瑞斌团队的“种子”成员。彼时，团队规模尚不足5人，他们开始瞄准智能计算优化与交通物流领域发力。2014年后，团队进入国家自然科学基金优秀青年科学基金答辩，并在Transportation Research Part B、European Journal of Operational Research（EJOR）等交通领域顶级期刊上发表多篇论文，聚焦解决固定场景下多班次、多码头、集装箱卡车运输复杂路径的静态路线规划问题。

在真实场景中锤炼人才

2015年前后，中国经济进入“新常态”，制造业成本上升、外贸竞争加剧，促使沿海港口从“规模扩张”转向“效率提升”。宁波舟山港虽然货物吞吐量位于全球前列，但集装箱业务效率与国际先进港口相比仍有差距。

2016年，宁波获批成为全国首个“中国制造2025”试点示范城市，港口数字化、智能化被列入重点方向。随后，浙江省于2017年正式提出将数字经济作为“一号工程”推进，为港口及更多应用场景的数字化探索提供了更加系统的政策环境。

产业端的“痛点”和白瑞斌团队的技术储备对接上了。

选择信息化基础好、需求迫切且毗邻的宁波舟山港，这个选择是务实的，也是具有远见的。这不是一次简单的项目合作，而是为团队找到一个可以持续深耕的“真实问题场”。

“早期是单纯抱着研究的心态。”白瑞斌提到，选择港口有几个现实考量。首先，港口和机场同属“大交通”，问题结构有相似性；其次，宁波舟山港信息化基础好。“这很关键。”白瑞斌说，“只有数字化基础好、有数据，我们才能做算法、做分析、做调度。”而且，它就在家门口，合作方便。

真正的项目机会出现在2019年。宁波市“宁波港集装箱码头生产系统关键算法提升与示范应用”项目立项——研究如何通过算法提升N-TOS的关键算法，实现统一调度优化。彼时，宁波舟山港的集装箱年吞吐量超过2600万标箱，每天有近10万次的集卡进入各个码头、堆场，装卸货物。

港口业内有句话：“大不大”看吞吐量，“强不强”看集装箱。集装箱码头是水陆联运的枢纽站，而集装箱运输基本靠集卡，所以集卡资源配置是影响作业效率的关键环节。过去提高作业效率的一个重要手段是加大集卡投入，以数量换效率，粗放运营、成本高昂。

深入一线后团队发现，船期波动、箱量变化、天气干扰、司机操作差异等大量不确定因素，让团队原先的集合覆盖模型难以完全适配真实港口的复杂工况，“难点就在于如何应对生产中的动态变化，现实情况非常复杂，既有客观变化，也有人为因素。”

当时，AlphaGo掀起的全球深度强化学习研究热潮仍在持续发酵，2019年DeepMind推出AlphaStar，再度将该技术的关注度推向新高。白瑞斌敏锐地意识到，自己在英国时就深耕的“超启发式算法”可以与深度强化学习技术融合，攻克动态不确定性调度难题。超启发式算法由英国诺丁汉大学的研究团队于2002年左右提出，擅长解决复杂优化问题，而港口调度恰恰充满不确定性。

“这是一条没人走过的路，很难，我们只能边做边学边教。”白瑞斌团队通过融合机器学习和运筹学方法，自研了“港内车辆优化调配系统”——通过智能联动桥吊与集卡作业任务，依托算法匹配时空最优作业路径，大幅压缩无效行驶与等待时长，从而有效提高作业效率。

2019年，集卡调度系统在港区测试运行，效果显著，研究团队还因此受邀参加2019中国人工智能产业年会工业互联网与智能制造专题论坛，并作主题报告。

经过多轮技术迭代优化，2022年初，团队原创提出的融合算法成果《面向不确定环境组合优化问题的深度强化学习超启发算法》发表于运筹学顶级期刊EJOR，成为全球首个深度强化学习与超启发式算法结合的研究，得到学术界的广泛关注。

生成式人工智能出现后，团队进一步优化算法，先后在《IEEE进化计算汇刊》、EJOR等顶级期刊发表多篇论文，并成为高被引论文。更重要的是，这套算法的成果在宁波舟山港第二集装箱码头得到了验证：每年为港口节约上千万成本。

这是一个“小生态”的雏形：项目、科研、教学、人才、成果形成的良性循环。

从项目到平台构建一体化生态

为了将技术优势进行积累、升级，针对地方经济高质量发展的迫切需求，就港口核心资源的智能感知、港口作业规划与调度优化、港口智能化流程、国际枢纽港供应链服务和供应链金融的核心问题开展研究，白瑞斌和团队成员们开始筹划数字港口技术重点实验室的建设。

2022年9月，鄞州区委人才办与宁波诺丁汉大学正式签约，合作共建“数字港口技术重点实验室”，这标志着合作模式从“点对点”的项目，升级为集科研、教学、人才培养于一体的长期平台。

实验室硬件全面升级，科研空间拓展至3000多平方米，设备总值从2270万元增至3338万元，部署了H200、L20等高性能人工智能超算集群，整体AI算力突破3PFlops，能够高效支撑港口复杂动态调度、大规模智能算法仿真与深度学习模型运算。与此同时，团队规模也在持续壮大，汇聚了46名学术教师、5名专职工程师及76名在读博士生。

管理制度深度对标英国学术理念，构建平等开放的育人科研氛围，推行实验劳务按劳付酬、博士生答辩不设导师一票否决权等，充分保障学生的学术权利，实现国际化科研育人机制的全面落地。

2023年到2025年是实验室成果密集产出的三年，数据是最忠实的记录者。

在科研项目上，实验室三年新增纵向课题33项，其中国家级9项、省部级5项；横向项目27项，合同金额近2000万元。

在成果产出上，发表学术论文647篇，其中SCI/SSCI权威期刊论文431篇，中国科学院一区超过200篇。获授权发明专利16项（含美国专利3项）。此外，实验室先后与20多家企业建立合作，助力制造业、医疗器械、港口物流等行业向智能化、高端化转型，提升国内相关产业的核心竞争力。

在人才培养上，截至2025年年底，累计培养博士毕业生23人、硕士毕业生200余人。毕业生去向多元，部分留在学术界深耕科研前沿，部分进入吉利汽车研究院等头部企业投身产业实践，还有的进入金融机构从事供应链金融风控模型研发——这正是实验室供应链研究方向的自然延伸，真正实现了产学研全通道人才出口畅通。

更重要的是，研究团队直接培养了不少港口数字化专业人才。陈建军是白瑞斌的首批博士生之一，他深度参与了宁波舟山港智能调度优化的早期核心研究，毕业后持续深耕港口数字化与智能调度领域，现已于国内知名高校任教；陈浠楠也是代表之一，他在读博期间深耕人工智能与运筹优化交叉领域，参与了多项国家级及校企合作课题，毕业后先后在国内外高校及科研机构从事教学研究，如今加入白瑞斌领衔的AI优化中心担任助理教授，专注于智能优化算法在物流、制造等产业场景的应用，是团队的中青年学术骨干。

“他们毕业后，很多人能很快独立承担并拿下科研项目。”白瑞斌说，“因为面对的是实际问题，从实地调研、痛点梳理、科学问题凝练，到方案验证、成果总结，他们从中得到了全链条的系统性锻炼。”

“通过系统学习和落地实践，我们希望学生收获的不只是一项专业技能，而是获得全方位的成长与提升。”白瑞斌说。人才“出口”的多元化，正是“教科人一体化”成效最直观的体现：培养的人才，既能在学术领域深耕致远，也能在产业一线落地见效。

回望这十余年，一条清晰的发展路径跃然眼前：中外合作大学的制度创新，提供了以实效为导向的科研土壤；世界级港口的产业需求，提供了从理论到现场的真实场景；一批批青年学子在攻关中拔节成长，成为连接科研创新与产业落地的核心力量。三者相互激荡、同频共振，最终让一个从零开始的团队，成长为集教学、科研、人才培养于一体的高能级创新平台。

这并非“先教学、再科研、后育人”的线性安排，而是在破解真实问题的过程中，实现教育、科技、人才三者同步推进、相互赋能、彼此成就。当大学的人才培养与地方产业升级同频共振，当学生的成长轨迹与真实科研挑战深度融合，“教科人一体化”便从宏观政策理念，转化为可感知、可验证、可复制的生动现实。（作者 周婉军系宁波诺丁汉大学市场与传媒办公室媒体公关主管。本文图片由宁波诺丁汉大学提供）

来源：《神州学人》（2026年8期）