返回文章列表
沪东中华造船如何用AI实现供应链数据智能归集案例
📌 摘要
沪东中华造船，运用"VLM看+LLM理解"双模型单据处理系统，解决采购单据格式五花八门、人工录入效率低的难题，实现人工录入减少90%、单据处理时间从20-30分钟缩短到10秒。
📖 本案例根据 搜狐报道整理 · 查看原文 →
企业背景
沪东中华造船（集团）有限公司是中国船舶集团有限公司旗下的核心企业，成立于2001年，总部位于上海。公司主要建造大型集装箱船、液化天然气（LNG）船、散货船等高端船舶，年造船能力超过300万载重吨。
作为全球造船行业的重要企业，沪东中华的供应链极其复杂——一艘大型LNG船需要数百万个零部件，来自全球数十个国家的数百家供应商。每一批进口物料都附带各种语言的单据：英文的提单、中文的报关单、日文的材质证明、韩文的船检报告……这些单据的处理效率直接影响造船进度和成本。
面临的问题
传统痛点： 沪东中华的采购部门每天要处理大量来自不同国家的供应商单据。单据格式五花八门，有PDF、扫描件、照片、传真件，加上语言不同，采购员需要花大量时间翻译、录入、核对。
1. 效率低下：一个经验丰富的采购员每天最多处理几十份单据，遇到复杂单据（如多页提单、手写备注）需要20-30分钟
2. 容易出错：人工录入的错误率约为3-5%，一个集装箱号输错，可能导致数百个零件发错地方，造成数万元的额外物流成本
3. 多语种障碍：日文、韩文、俄文等小语种单据需要专门翻译人员，延误采购周期
4. 数据孤岛：单据信息录入后，设计与采购系统之间数据不通，导致物料到货后无法快速匹配到具体船号和分段
解决方案
沪东中华的AI系统采用了"两步走"策略：
第一步：VLM模型负责"看"
• VLM（Visual Language Model）就像超级扫描仪，能够识别各种格式的单据（包括手写体、印章覆盖的字体、模糊的传真件）
• 将图像中的文字信息提取出来，不需要传统OCR的"识别文字区域→逐字识别→拼装结果"流水线
第二步：LLM模型负责"理解"
• 基于大语言模型的多语言能力，自动识别单据类型（提单、发票、装箱单等）
• 提取关键字段（品名、数量、单价、合同号、船名等），并自动填入采购系统
• 理解多语言表述的同一语义（如"Ship To"和"收货方"），进行自动合并和标准化
两步之间无缝衔接，一份原本需要一个采购员20-30分钟处理的单据，AI系统可以实现自动化快速处理。
实施效果
| 指标 | 效果 |
|---|---|
| 人工录入减少 | 90% |
| 数据孤岛打通 | 设计、采购、仓储系统数据贯通 |
| 行业地位 | 入选2026十大央国企AI+场景标杆案例 |
• 出错率显著降低，避免因物料错发导致的停工、返工和物流成本
• 采购周期缩短，船舶建造进度更有保障
经验启示
1. 从最痛的场景切入
全球供应链中，单据处理是人力消耗最大、出错率最高、但又最容易被忽视的环节。沪东中华选择这个场景作为AI落地的切入点，ROI非常明确。
2. "VLM+LLM"双模型架构是当前最优解
全球供应链中，单据处理是人力消耗最大、出错率最高、但又最容易被忽视的环节。沪东中华选择这个场景作为AI落地的切入点，ROI非常明确。
• VLM解决"看不清"的问题（各种格式的图像单据）
• LLM解决"看不懂"的问题（多语言、多格式的结构化数据提取）
• 两者缺一不可
3. 优先处理"高频但格式规范"的单据
比如提单、装箱单等国际贸易标准单据，AI模型在这些单据上的准确率最高。建议从3-5种最常见的单据类型开始训练模型，跑通后再扩展到更多类型。
比如提单、装箱单等国际贸易标准单据，AI模型在这些单据上的准确率最高。建议从3-5种最常见的单据类型开始训练模型，跑通后再扩展到更多类型。
4. 数据贯通是价值最大化的关键
单据录入只是第一步，真正的价值在于打通设计、采购、仓储数据孤岛。当AI系统自动将单据信息同步到设计系统，工程师可以实时看到物料到货状态，优化建造计划。
单据录入只是第一步，真正的价值在于打通设计、采购、仓储数据孤岛。当AI系统自动将单据信息同步到设计系统，工程师可以实时看到物料到货状态，优化建造计划。