当所有人都有AI，租船生意靠什么赢？

向五六家船东询价，半小时内收到的报价，彼此可能只相差5%左右。当信息越来越透明、测算工具越来越普及，租船市场正在出现一个值得关注的变化：企业更容易算出相近的价格，却依然需要回答一个老问题——这笔生意最终应该交给谁？

在Splash Singapore 2026期间，Heidelberg Materials Trading的Willem Vermaat用上述业务观察，描述了价格趋近之后的选择逻辑：谁值得信任，谁拥有合适的船舶，谁能够提供更可靠的执行表现，这些因素仍然影响成交。即使市场参与者掌握着相似的数据，使用着相近的技术，实际经营结果也不会因此趋于一致。

这对正在投入数字化和人工智能的航运企业提出了更具体的要求。购买平台、接入数据、部署AI，可以改善信息处理能力；要持续获得商业优势，还需要把这些能力与企业自身的运营经验、客户需求和履约表现结合起来。随着公共信息越来越容易获取，竞争也在深入到更难复制的地方：企业究竟积累了什么，能够从中作出怎样的判断，又能否把判断落实为一次成功的运输。

同样的数据平台，为什么算不出同样的竞争力？

天气、港口、船舶性能、燃油价格和市场行情等信息，如今可以通过越来越多的系统进入租船人员的工作界面。Western Bulk的Torbjørn Gjervik指出，租船经理进行计算的基本方式与几年前相比并没有根本变化，显著增加的是能够纳入计算的信息。与此同时，许多企业订阅着相同的平台，定价也越来越容易从相近的基础出发。

公共数据的普及，对中小企业尤其具有意义。AXSMarine的Stephen Fletcher表示，平台长期从事数据采购、清洗、去重和整理，使更多企业能够获得过去未必有能力自行搜集的信息。大型企业可以投入资金建设自有软件，中小企业则能够借助商业平台建立分析基础。这提高了行业整体的信息可得性，也压缩了部分传统信息差。

但Torbjørn对此划出了一条清晰的界限：如果企业只依赖现成系统中能够获得的数据，就很难持续超越市场。所有人都能购买的信息，可以帮助一家企业参与竞争；要形成差异，还需要把外部数据与自身业务中产生的信息结合起来。

他以Western Bulk每年约600笔租船成交所积累的信息为例，说明内部记录如何丰富船舶性能判断。外部平台能够提供船舶的基本情况和性能信息，实际租用、运营和复盘则会让企业获得更具体的认识。对同一艘船，使用过它的企业可能掌握更多与实际业务条件有关的信息；这些认识如果能够被保存和调用，就可以进入下一次选船与定价。

从这一角度看，船舶运营本身也是一个持续产生数据的过程。每一次成交与航次执行，都有机会增加企业对船舶、港口和客户的理解。然而，业务量与数据价值之间并不存在自动转换关系。如果相关记录分散在不同办公室、邮件和个人记忆中，规模优势就可能停留在账面上，难以转化为整个组织的判断能力。

Torbjørn Gjervik

这也解释了企业规模为什么受到重视，却无法单独决定竞争结果。Torbjørn认为，大型运营商拥有更多内部数据和业务流量，可能从中受益；Willem则强调，即使一家企业规模庞大，如果决策者能力不足，仍然可能输给拥有更好人才的小型企业。规模扩大了信息来源，人的能力决定企业能否理解这些信息，并据此采取合适的行动。

数据更丰富、更准确，决策为什么未必更快？

数据进入系统之后，还需要进入人的判断。这中间的距离，往往比采购一套软件更难缩短。

淡水河谷的Michelle Gonzalez指出，数据本身不会自动产生更好的决策。企业已经拥有来自港口、船舶、市场、燃油等方面的大量信息，如果处理方式不当，它们会变成噪音，增加理解和判断的难度。数据量越大，对质量、整合方式和使用者经验的要求也就越高。

她首先强调信任。业务人员需要知道信息来自哪里、合作伙伴是否可靠，以及工具能否在实际工作中产生价值。淡水河谷通过与不同伙伴开展试点，对比数据和解决方案，判断哪些工具能够有效支持业务。如果使用者不信任数据，大量结果即使被推送到桌面上，也可能遭到忽略。

第二个问题是信息能否跨越系统边界。Michelle介绍，淡水河谷多年来建设协同平台，将不同专业系统连接起来，使重要信息进入共同的业务视野，让分析人员和决策者能够观察一项决定对整个价值链的影响。对于大型货主而言，租船决策需要与供应链安排共同评估，单项运价的吸引力必须放在更完整的运输条件中理解。

第三个问题是背景与经验。数字可以呈现某种结果，但结果意味着什么，仍然取决于它所处的环境。相近的运价、航程或船舶参数，放在不同的客户安排和风险条件下，可能对应不同的商业选择。Michelle因此把经验视为关键一环：人需要理解数据的使用背景，并把专业判断叠加到信息之上。

Torbjørn则指出了一个容易被技术效率掩盖的现象：行业对风险和运价的测算可能越来越准确，但整个决策过程未必已经更快。当组织将数据推送给租船经理，而使用者尚未充分信任这些数据时，他们仍然会向代理核实，或者在不同系统之间交叉检查。

这意味着，系统处理速度与商业决策速度需要分别衡量。几秒钟生成的结果，如果随后需要长时间核对，原本预期的效率收益就会被削弱。对租船企业而言，数据来源是否清楚、使用条件是否明确、出现差异时由谁解释，都直接影响工具能否融入工作。数字化能够节省多少时间，取决于计算能力，也取决于组织建立信任的能力。

环保表现开始改变选船门槛，溢价仍有商业边界

船舶数据的透明度提高，已经影响到哪些船能够进入租家的选择范围。但更好的性能可以换来多少额外收入，仍然是另一个需要具体回答的问题。

Willem观察到，表现较差的船舶正在更早地被排除出候选范围。租家能够更清楚地比较排放和环境表现，部分筛选因此发生在正式商业评估之前。对船东而言，船舶能否进入候选名单，本身就与后续获得租约的机会相关。

信德海事总经理/主编陈洋和Willem Vermaat合影

在此基础上，为表现更好的船舶支付小幅溢价，有时能够得到合理解释；如果溢价明显扩大，商业决策就会困难得多。Willem以公司从事的水泥贸易说明其中的成本约束：运输增加的费用最终需要由供应链中的参与者承担，并可能传导至终端产品价格。货主即使认可更好的环保表现，也需要考虑客户能够接受多大的成本变化。

他还介绍，公司通过Sea Cargo Charter监测和报告排放，相关表现有所改善，但这种改善并不意味着企业一定投入了更多资金去租用更好的船。可供选择的船舶本身正在逐步提高环境效率，表现较差的船舶也在筛选过程中被排除。

这一业务观察提示，船舶性能的商业价值可能通过不同方式体现。提高能效和环境表现，既可能支持一定的价格优势，也可能帮助船东维持市场准入、扩大潜在客户范围，或提高报价接近时被选择的机会。相应地，表现较差的船舶所承受的压力，也可能首先表现为可参与的交易减少。

因此，评估船队升级的回报，需要同时观察运价和就业机会。仅仅看一艘船是否获得明显溢价，可能低估性能差异对业务选择的影响；但也不能把更好的环保表现直接换算成必然实现的高租金。技术透明度正在改善租家的筛选能力，额外成本能够传递多远，仍然取决于具体货物、运输安排和客户需求。

客户关系既产生信息，也决定信任

当公共资讯平台覆盖越来越广，企业独有的信息从哪里来？Torbjørn给出的答案很具体：走出去，与客户喝咖啡，理解他们需要什么，建立关系并获得信任。

客户交流的价值，体现在对需求的提前理解。一家企业未来可能增加什么业务，现有安排存在哪些困难，对船舶或服务有哪些具体要求，这些认识需要通过持续接触逐步形成。它们一旦进入企业内部，就可能成为其他市场参与者尚未掌握的信息，影响下一步的业务开发和运力安排。

因此，客户关系与数据能力之间存在紧密联系。业务人员通过交流产生新信息，企业利用系统保存和分析这些信息，再把判断带回客户面前。技术改善了处理信息的能力，而持续接触市场的人，仍然承担着发现需求、验证判断和生成新信息的工作。

关系的另一层价值体现在履约。Fednav的Jesper Klarup提醒，租下一艘船或给一票货物定价，在航次真正执行之前，仍然只是一组数字。从成交到航次结束后的复盘，中间有大量事项需要落实，也有许多可能出现变化的环节。AI能够承担其中部分工作，实际完成运输仍然需要众多人员协同。

他表示，客户有时会选择价格并非最低的方案，因为他们信任Fednav能够以较高标准执行航次。Willem关于询价的观察同样说明，当几家公司的报价已经非常接近，船舶是否合适、合作方是否可靠、实际表现是否稳定，就会获得更大权重。

这种信任来自过去的业务记录，也需要在每一次运输中继续建立。成交时的承诺能否兑现，出现问题后能否及时沟通，合作方是否愿意共同处理困难，都会影响下一笔交易。价格趋近之后，竞争并没有消失，而是更多地延伸到从报价到交付的整个过程。

50亿美元预算背后，AI可以参与多少决策？

Michelle在谈到责任时，给出了一个具有分量的数字：她管理的年度预算超过50亿美元。一项错误决策可能带来很高成本，甚至影响整个供应链。这也是她对AI应用边界保持谨慎的原因。

她认可AI已经产生的实际价值，包括处理大量信息、支持建模、改善工作流程，以及提供不同的运价或合同选项。原本需要分析人员或团队投入大量时间的整理工作，借助AI可以大幅缩短。她愿意让系统汇总信息、评估部分风险并呈现选择，但最终决策仍然需要人提供背景与专业判断。

这种分工体现了商业决策中两个不同层次：系统可以帮助企业看见更多选项，决策者则需要判断哪些选项适合当前处境，并承担选择带来的后果。Michelle明确表示，支持工作可以交给AI，责任无法随之转移。

长期战略同样具有这一特点。在回应有关淡水河谷运费风险覆盖安排的提问时，她将相关成果归于多年前开始实施的长期策略。AI能够帮助企业汇集信息，改善具体船舶选择，甚至支持对下一代船舶设计需求的判断，但相关战略行动早已由企业作出。今天呈现的结果，包含了过去决策逐步兑现的影响。

这让企业对AI的评价需要回到一个更实际的标准：信息经过处理之后，是否促成了有价值的行动。拥有多少数据、生成多少分析，并不能直接说明商业能力。企业需要把判断落实到客户合作、船舶选择、合同安排和航次执行中，再通过结果检验判断。

Stephen提出的“企业大脑”设想，也可以放在这一逻辑下理解。他预测，未来约五年，一些航运企业会在汇集不同办公室、不同业务团队的商业交流，并使其成为组织可调用知识方面取得明显进展。过去只存在于个人记忆和即时谈话中的信息，有机会被保存下来，供更多团队使用。

不过，记录经验还需要保存经验的背景。某次交易为什么成功，一项判断基于怎样的市场条件，相关认识是否仍然适用于当前业务，都影响这些信息的使用价值。企业能够检索过去发生过什么之后，还需要继续理解当时为什么这样做，以及今天是否应当作出同样的选择。

AI接手基础工作，下一代租船专家如何成长？

当系统能够完成更多计算与比较，租船行业还面临一个长期问题：未来负责理解背景、作出判断和承担责任的人，将通过什么方式积累经验？

Michelle提到，一些年轻员工能够从系统中迅速获得结果，却不清楚燃油调整、航次计算或装卸时间计算背后的逻辑。她需要重新解释数字怎样通过具体运算得出。Jesper也指出，AI可以帮助比较租船合同与成交确认书，但业务人员仍然需要学习相关条款的含义。

这些基础工作的价值，原本就同时包含生产和训练两个部分。年轻人通过计算航次、核对条款、检查执行结果，逐步建立对成本、风险和业务关系的理解。随着部分任务被自动化，企业需要重新设计学习过程，确保员工能够判断系统结果是否合理，并在条件变化时作出调整。

Willem特别强调好奇心。面对系统提供的答案，年轻人需要继续追问数字从哪里来、依据是什么，以及如何进行检查。Stephen则将目光放到企业培训体系上，认为年轻人应重视所在公司是否拥有适应未来的培养安排，并通过登船、访问港口和跨地区交流，认识业务实际发生的环境。

经验还需要一定程度的责任与后果。Willem表示，他会允许年轻员工在可控范围内犯错，并在错误变得过于昂贵之前介入。这样的安排使员工有机会亲自理解一次选择为什么产生特定结果，而管理者承担着控制风险和提供指导的责任。

Torbjørn对此相对乐观。在他看来，船舶仍然会航行，航道仍然可能受阻，重大事件和复杂情况也会继续出现。AI不会消除航运业务中的困难，年轻人仍然会经历需要协调、判断和承担压力的时刻。企业需要做的是，让他们真正参与这些工作，并能够从中学习。

对于航运企业而言，技术投入与人才培养因此需要同步推进。把基础计算交给系统之后，应当让业务人员更有能力解释计算；把历史经验保存下来之后，应当让年轻人更有机会理解经验；当工具帮助企业更快形成报价时，组织仍然需要有人能够判断，这笔生意是否值得做，以及成交后应该怎样完成。

当五六家公司的报价只差5%，下一笔业务最终交给谁，仍然取决于客户对船舶、团队和实际交付能力的判断。AI能够帮助企业提高这些能力，而它们的商业价值，最终要通过一次次完成的航次来体现。

【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。

总经理 主编 Contact

陈洋 Chen Yang

电话/微信：15998511960

yangchen@xindemarine.com