公司战略与组织架构 - 华为2012实验室已成立基础大模型部，专注于推进基座模型开发 [1] - 2012实验室由数十个研究室组成，承载通信技术、云计算、人工智能、机器学习等最前沿技术，主要面向未来5-10年的研究方向 [1] - 公司于今年10月通过其常务董事余承东发布“全球顶尖AI人才招募令”，面向全球招募年轻科研人才 [1] 人才招募与团队建设 - 公司明确提出了三大核心筛选标准：学术先锋（如顶级科研成果/竞赛获奖）、技术热情（对AI有坚定信仰，愿投身长期基础研究与工程落地）、创新思维（敢于挑战技术边界，具备突破性思维） [1] - 招募目标为打造世界一流的AI战队，旨在构建领先世界的大模型并攀登AGI（通用人工智能）的巅峰 [3] - 岗位覆盖AI算法、大模型架构、多模态理解、数据工程、AI安全与隐私等前沿方向 [5] 产品与技术方向 - 部分招募岗位将直接参与华为“盘古大模型”的下一代演进及AGI探索项目 [5] - 公司将AGI视为一场定义时代、改变世界的战役，并认为AGI将是超越想象的革命 [3]

华为云组织架构调整与战略聚焦 - 华为云于11月底进行组织调整，将研发组织切换至ICT组织下，并成立基础设施云服务、Data&AI云服务、数据库云服务、安全云服务、HCS五个云研发产品线 [5] - 伴随调整，原华为云CEO张平安转任董事长，原ICT部门的数据存储产品线总裁周跃峰担任华为云CEO [5] - 此次是集团层面调整，旨在加强云研发组织力量，共享ICT领域积累的技术，实现软硬协同与系统级创新，以抓住AI时代机遇 [5][6] - 公司对云业务的战略定位更清晰：一是成为算力黑土地，二是利用CT、IT技术优势与数据中心资源，通过软硬芯协同打造有竞争力的云平台 [7] 华为云历史沿革与角色演变 - 2020年1月，Cloud&AI升至公司第四大BG，与运营商、企业、消费者BG并行 [8] - 2021年，该部门更名为“Cloud BU”，华为云作为一级部门承担打造新增长曲线的任务 [8] - 在AI浪潮下，华为云被赋予新角色，不仅是营收增长点，更是战略确定性的来源，需将AI热潮转化为稳定、可规模的商业收入 [8] 市场表现与竞争格局 - 去年全年，华为云计算业务收入约为385.2亿元，同比增长仅8.5%，占总收入比例为4.5% [9] - 若包含来自公司其他部门的收入，云计算业务总收入为688亿元，同比增长24% [9] - 作为对比，阿里云今年第三季度收入同比增长34%至398.24亿元 [10] - 2025年上半年中国AI云市场规模达223亿元，阿里云以35.8%份额位列第一，火山引擎以14.8%排名第二，华为云以13.1%份额排名第三 [10] 聚焦AI与算力的战略收缩 - 今年8月，华为云进行了一轮组织架构调整，裁撤整合多个部门，更加聚焦AI产业和算力产业投入，收缩非核心战略产业 [11] - 调整后，华为云未来发展聚焦“3+2+1”业务：“3”指通算、智算、存储，“2”指AI PaaS、数据库，“1”指安全 [11] - 云EI产品线下的盘古大模型相关部门被撤销整合，其底层技术研发主要由华为2012实验室负责，华为云主要负责商业化 [12][13] - 组织调整旨在更聚焦AI，将大模型、昇腾云等组织整合为智算，加大对昇腾云、盘古大模型、数智融合及昇腾CANN生态的投入 [13] - 这标志着华为云战略重心从“云大而全”转向“AI+算力”这一最具潜力的赛道 [14]

华为云组织架构与战略阶段调整 - 2025年11月末，华为云进行组织调整，原CEO张平安升任董事长，周跃峰接任CEO，同时将云研发体系整体并入华为ICT业务群，并成立五大云产品线 [1] - 此次调整标志着华为云从“业务攻坚期”迈向“生态深耕期” [1] - 张平安掌舵的四年，带领华为云完成了“基础设施筑底-核心技术破壁-行业生态普惠”的三重跨越 [1] “算力黑土地”战略与基础设施布局 - “黑土地”战略构想源于2017年，旨在提供一块信息化的基础平台，让伙伴的应用在上面生长 [3] - 过去四年，公司实现了“算力基础设施筑底”，建成以贵安、乌兰察布&和林格尔、芜湖为核心的三大算力枢纽，实现国内30毫秒超低时延算力覆盖 [3] - 截至2025年，华为云已在全球建成34个Region、101个可用区，服务覆盖170多个国家和地区 [3] 核心技术创新与算力突破 - 2025年4月，华为云发布CloudMatrix384超节点，整合384颗昇腾NPU与192颗鲲鹏CPU，算力达300 PFlops [4] - 该超节点未来可升级至8192卡，支持16万卡横向扩展，实现50万-100万卡的超大集群 [4] - 在芯片工艺受限背景下，公司通过计算、存储、网络、供电、散热等软硬协同的“系统创新”提升算力效率 [6] 金融与政务行业核心系统突破 - 公司通过GaussDB数据库攻坚金融行业，该数据库是国内首个通过CC EAL4+最高安全认证的数据库，核心代码100%自主研发 [7] - 在邮储银行实践中，GaussDB支撑日均20亿笔、峰值6.7万笔/秒的交易处理，故障恢复时间从30分钟缩短至2分钟，且零数据丢失 [7] - 截至2025年，GaussDB在国有六大行核心系统的应用占比已位居行业第一 [7] - 在政务领域，广东省财政厅平台基于GaussDB支撑1.2亿公众用户，日均交易量达30万-100万笔 [9] AI云服务普及与行业应用落地 - 2025年，使用昇腾AI云服务的客户从321家增长至1805家，增幅超过460% [10] - 盘古大模型已在30多个行业、500多个场景落地 [11] - 海螺水泥利用盘古预测大模型，熟料强度预测准确率超85%，视觉大模型安全风险识别准确率达95% [11] - 宝武钢铁接入盘古大模型后，钢板成材率提升0.5%，年新增收益超9000万元 [11] - 武汉高铁借助盘古铁路大模型，故障综合识别率超99%，作业效率提升200% [11] - 南方航空基于盘古大模型实现客流量与票价预测，准确率达90% [11] 前沿技术探索与标杆项目 - 华能内蒙古伊敏矿项目采用5G-A“车-云-网”协同系统，百台无人矿卡在-40℃环境下作业，单车运输效能达人工的120%，整体作业效率提升20% [12] - 2025年推出CloudRobo平台，实现云端算法部署，上海国地中心机器人分拣任务成功率超90% [14] - 公司联合20家伙伴制定了R2C协议国家标准 [14] 市场地位与未来战略方向 - 华为云已全面入围Gartner云领域相关魔力象限，其中容器管理进入领导者象限，数据库、Devops等关键领域成为“挑战者”和“远见者” [15] - 新任董事长张平安的战略重心升级为长期布局，公司明确三大战略 [18] - 战略一：构建更肥沃的黑土地，通过组织变革释放技术协同价值，成立五大产品线，并持续加码数据中心与边缘节点布局，已实现850多天无重大事故运行 [18] - 战略二：开放黑土地，生态共荣，践行“伙伴优先” [18] - 战略三：深耕黑土地，实现“云+ICT”深度融合，将云服务融入所有解决方案 [19] - 公司内部明确“云是华为未来发展的关键战略业务” [19]

华为云组织架构调整概览 - 2025年11月，华为云完成重大组织架构调整，原CEO张平安转任董事长，原数据存储产品线总裁周跃峰出任CEO [1] - 华为云研发体系整体并入ICT基础设施业务体系，并成立五大云研发产品线 [1] - 此次调整是继2025年8月业务聚焦调整后的上层整合，旨在强化AI时代云与ICT的协同能力 [2][3] 调整的战略定位与目标 - 公司明确了华为云在AI时代的双重定位：成为算力“黑土地”，以及通过软硬芯协同提供高性能、低成本、高质量的云服务 [5] - 调整是为了主动适配AI时代云计算竞争逻辑，在通用云市场饱和的背景下，以“业务聚焦+技术协同”构建差异化壁垒 [6] - 公司的终极目标不是做算力“搬运工”，而是成为AI时代的“卖水人”，通过协同提供最终计算结果 [10][33] 研发体系与ICT的协同整合 - 调整最大的变化之一是将华为云研发并入ICT部门，旨在打破内部组织壁垒，实现技术共享与系统级创新 [8][9] - 此前独立的组织架构导致研发成果难以跨体系复用、算力资源协调困难以及软硬件适配响应效率低下 [14][15][16] - 整合后，华为云可直接复用公司在ICT领域数十年的网络、计算、存储、操作系统等技术积累，加速创新 [17][18] - 整合有助于优先获取昇腾智算集群、鲲鹏服务器等关键资源，满足AI时代对大算力的迫切需求 [20] 管理层变动的战略意图 - 新任CEO周跃峰具有深厚的“ICT基因”，长期执掌数据存储产品线，对ICT硬件底座与技术架构理解深刻 [22][25] - 其履历有助于推动存储、底层算力资源与云服务的真正协同，符合公司“强化底层技术协同”的战略信号 [26][27][28] - 周跃峰具备将ICT底层技术转化为云服务竞争力的能力，并以产品化思维助力实现2025年盈利目标 [27][31] - 张平安与周跃峰形成“战略+执行”的互补搭配，以保障ICT与云的协同落地 [31] 业务聚焦与市场背景 - 在2025年8月的调整中，华为云已聚焦于“3+2+1”核心业务，即通算、智算、存储三大基础业务，AIPaaS和数据库两大平台业务，以及安全业务 [2] - AI已成为拉动云厂商增长的关键引擎，国内主要云厂商均押注AI赛道 [32] - 阿里云2025年第三季度营收达398.24亿元人民币，同比增长34%，其AI相关产品收入连续9个季度实现三位数同比增长 [32] - 相较于其他厂商突出大模型，华为云更突出的标签是“国产算力” [32] 协同成果与竞争优势 - 协同的直接成果示例如CloudMatrix384超节点，通过384颗昇腾NPU实现300 PFlops算力 [19] - 2025年，华为云整体算力规模同比增长近250%，其中昇腾AI云服务客户从321家激增至1714家 [12] - 公司通过“硬科技+云服务”的融合路径，规避互联网云厂商缺硬件根基的短板，并解决传统ICT企业离客户场景远的痛点 [33] - 这种全栈协同能力旨在开辟“算力+AI+生态”的新增长曲线，被视为中国云产业突破封锁的关键样本 [33][35]

华为云组织架构与战略调整 - 华为云新任CEO周跃峰首次亮相，其此前任数据存储产品线总裁，曾带领华为存储业务登顶中国第一、跻身全球第四 [2] - 华为云将研发部门切换至华为ICT组织，并新成立五大云研发产品线：基础设施云服务、Data&AI云服务、数据库云服务、安全云服务和HCS [2] - 周跃峰同时负责这五大产品线的投资和人事管理，确保产品线战略与华为云大战略一致 [2][8] - 华为云与云研发产品线被定义为“前店”与“后厂”的甲乙方关系，旨在激发创新活力、提升产品竞争力并加快优胜劣汰 [8] 华为云在AI时代的战略聚焦 - 华为云面临的核心命题是在AI时代重塑核心竞争力，公司近期通过组织架构调整将资源集中于AI领域，并裁撤整合多个非战略部门 [4] - 华为轮值董事长徐直军表示，调整是因为华为云“做得不够聚焦”，策略是回归以基础设施为核心 [4] - 华为云有意让新任CEO周跃峰加强AI产品的创新和规模化，以期在AI时代有更积极的市场表现 [2] - 华为云将以领先的行业大模型、AI数据平台、AI Agent等核心能力为基础，打造有竞争力的云平台 [9] 华为云的业务模式与商业模式演进 - 华为云的长期战略之一是销售“Tokens”（代币），即以代币形式在云上服务全球客户，而非单纯售卖服务器 [5] - 相较于直接售卖卡时，Tokens模式可能只需花费十分之一的价格，但面临销售推广的挑战 [6] - 华为云内部高度关注Tokens调用量指标，产品设计与解决方案均围绕如何更好地让客户调用Tokens而调整 [7] - 华为云旨在通过有竞争力的公有云、混合云、伙伴云方案，满足多样化需求，并加大在数据中心、网络、边缘以及智算、通算、存储等资源的建设 [7] 华为云的市场地位与公司内部协同 - 据Omdia数据，华为云位居中国云基础设施市场第二位，收入同比增长17%，市场份额为17% [4] - 在华为最近的组织变化中，华为云被定义为“华为公司黑土地”，各军团、突击队等组织将为华为云“引流”，带来更多商业机会 [7] - 华为公司要求各市场体系（如军团、代表处销售团队）按需构建云专业团队和能力，将云服务融入各类解决方案，以提升客户侧的信任和影响力 [8] - 研发回归ICT组织可以更好地拉通研发力量和资源，华为云放弃了单打独斗的定位，回归华为整体“集团军”协同 [9] 华为在AI领域的整体优势与展望 - 在AI的两大核心胜负手算力和大模型中，华为在算力领域具有明显优势 [9] - 余承东担任华为IRB（投资评审委员会）主任后，其核心任务是带领华为在AI领域取得全球领先地位，这被认为将给盘古大模型等核心AI产品带来更强增长动力 [9] - 背靠全公司级别的战略协同，华为云有望进入一个新的AI增长周期 [10]

当前手机AI体验的痛点 - 用户在使用手机时需要跨多个应用手动检索和拼凑信息，过程琐碎且耗时耗力[3] - 尽管现有AI能生成攻略和清单，但最终仍需用户手动串联信息，未能实现真正的自动化[4] - 在AI技术快速发展的背景下，手机作为终端设备并未变得足够智能和易用，与用户期望存在落差[5] 手机AI化的行业趋势与挑战 - 手机厂商已明确将AI作为提升产品竞争力的关键方向，旨在使手机更懂用户、更省事[7] - 自研大模型面临巨大挑战，包括高端显卡短缺、高昂的试错成本（动辄过亿）以及数据壁垒和端侧能耗问题[8] - 行业出现"软硬联姻"趋势，手机厂商与专业大模型公司合作成为可行路径，例如苹果牵手OpenAI、三星牵手谷歌Gemini[9] - 豆包与努比亚手机的合作展示了一种新模式：不重新造手机或系统，而是在现有系统层深度集成AI助手[10] 豆包手机助手的合作模式与价值主张 - 该模式为大模型厂商提供了与多种手机硬件和操作系统合作的机会，无需自建生态[11] - 对手机厂商而言，引入标准的AI能力组件可以快速提升设备智能水平，避免重复造轮子[11] - 豆包手机助手是系统级工具，深度集成于操作系统，具备自然交互、多模态理解和模拟用户操作应用的能力[13][14] - 其优势在于持续引入云端AI能力升级、以组件形式嵌入系统不争主导权，以及开放生态可接入第三方服务[16] 豆包手机助手的功能特点与核心能力 - 助手能模拟用户点击，直接操作手机应用执行具体任务，如点外卖、下载应用[19] - 具备自主任务分解能力，可根据用户需求酌情调用多个应用协同工作[20] - 支持复杂的语音交互，能理解长句子和复杂表达，并指挥多个应用完成系列操作[21] - 能够处理未知任务，通过"思考-搜索-执行"的逻辑接近真人操作模式，例如搜索并安装旅游必备应用[22][23] - 具备跨平台比价等复杂场景处理能力，能自主判断并考虑优惠券、配送费、店铺营业状态等因素[24] 豆包手机助手的行业意义与未来影响 - 该产品缩短了用户"想法"与"操作"的距离，使大模型能力从生成内容进化到实际执行任务[27] - 打破了软件（大模型）与硬件（手机）的传统边界，预示着软硬共生将成为行业发展趋势[28] - 可能改变消费者的购机逻辑，未来手机竞争力或将侧重于AI助手的能力而非传统硬件参数[28] - 为开发者提供了新的用户触点和流量机会，服务质量和效率将成为在生态中被调用的关键[28] - 豆包手机助手作为工程样机，为行业提供了大模型与手机结合的可行样板，此类系统级助手有望在未来成为旗舰机标配[31]

公司组织架构调整 - 11月26日华为云进行组织调整，将研发组织切换到ICT组织下，并成立基础设施云服务、Data&AI云服务、数据库云服务、安全云服务、HCS五个领域的云研发产品线 [2] - 伴随组织调整，华为常务董事、原华为云CEO张平安任华为云董事长，原华为数据存储产品线总裁周跃峰担任华为云CEO [2] - 此次调整是华为集团层面调整，旨在将华为云打造为公司“黑土地”，承担云服务产品竞争力构建责任，完成公司云业务战略目标 [2] - 8月22日华为云进行另一轮组织架构调整，裁撤整合多个部门，涉及数十个下层组织，更加聚焦AI产业和算力产业投入，收缩非核心战略产业 [8] - 云EI产品线下的盘古大模型相关部门被撤销整合进入其他部门，华为云战略重心转向“AI+算力”赛道 [9][10] 战略定位与目标 - 华为云战略新定位为成为算力黑土地，让千行万业应用生长在华为云上，并充分利用华为CT、IT技术优势及数据中心资源，通过软硬芯协同进行系统级创新 [4] - 公司将通过昇腾AI云服务和Tokens服务满足客户“最终计算结果”，应对未来十年算力需求的数万倍增长 [3] - 研发组织切换到ICT组织下将加强研发力量，共享ICT领域网络、通信、计算、存储、操作系统等技术，有利于云计算系统级创新和软硬协同 [3] - 调整后华为云未来发展聚焦“3+2+1”业务，3包括通算、智算、存储，2包括AI PaaS、数据库，1主要是安全 [8] - 华为云在AI浪潮下被赋予新角色，不仅是营收增长点，更是战略确定性来源，需将AI热潮转化为稳定、可规模的商业收入 [5] 市场表现与竞争格局 - 去年全年华为云计算业务收入约为385.2亿元，同比增长仅8.5%，占总收入比例4.5% [6] - 若包括来自华为其他部门收入，华为云计算业务收入为688亿元，同比增长24% [6] - 作为对比，今年第三季度阿里云收入同比增长34%至398.24亿元 [7] - 2025年上半年中国AI云市场规模达223亿元，阿里云占比35.8%位列第一，火山引擎以14.8%市场份额排名第二，华为云以13.1%市场份额排名第三 [7] 历史沿革 - 2020年1月14日Cloud&AI升至华为第四大BG，与运营商BG、企业BG、消费者BG并行 [5] - 2021年华为取消Cloud&AI BG，更名为“Cloud BU”，华为云作为一级部门承担打造新增长曲线任务 [5]

文章核心观点 - 华为正通过AI大模型等技术推动工业互联网从外围辅助系统深入核心生产流程，实现从“盆景”式单点应用到“风景”式规模化复制的转变，其核心商业价值体现在重工业的降本增效和数字化转型 [1][2][3][4][5][6] 行业转型与AI应用深化 - AI应用从视觉识别等外围环节转向接管工业“黑箱”核心工艺，例如在钢铁行业高炉中融合大模型实现炉温精准预测，有效平抑温度波动 [2] - 智能化从“经验主导”转向“数据驱动”，成为重工业数字化转型的核心商业价值体现 [2] - 工业AI正从昂贵的“定制奢侈品”时代进入“工业必需品”的普及阶段，通过云边协同架构降低使用门槛 [6] 具体案例与降本增效成效 - 在高炉精细化温控中，AI技术使单座高炉每年有望节省约1000万元人民币成本 [2] - 在中铝材料应用研究院，华为“坤安”大模型及“金属智眼”系统将铝合金显微组织分析时间从人工3-5分钟压缩至10秒以内，效率提升90%以上，分析结果精度达99.5% [3] - 在内蒙古伊敏露天矿，300台无人矿卡在零下40度极寒条件下实现自主穿梭，综合运输效率提升20%（达到人工效率120%），每年节省燃油1.5万吨，折合人民币约1亿元 [3] 数据整合与安全技术提升 - 通过“矿鸿”操作系统统一设备接口与数据格式，帮助中煤集团将数据采集完整率从不足60%提升至90%以上，为AI应用打通数据基础 [4] - 在安全领域，AI技术将“人防”升级为“技防”，例如在长庆油田实现特殊作业隐患智能识别率94.1%，较传统方式提升近18个百分点 [4] 合作模式与战略定位 - 华为采用“伙伴+华为”的双轮驱动模式和与头部客户“联合创新”的范式，例如与宝武钢铁构建高炉大模型，将AI深度植入炼钢核心工艺 [5][6] - 公司定位为“AI时代的黑土地”，目标是通过与行业龙头（如中铝、宝武）深度适配，将通用AI技术转化为特定场景的生产力工具 [5][6]

中国人工智能应用的战略方向 - 中国正推动一场由AI驱动的、改变商品制造和出口每一个环节的变革，以应对国内成本上涨、国外关税威胁等现实压力[1] - 与美国的AI目标不同，中国的AI应用更专注于提升制造业等实体经济的效率，例如制造更好的洗衣机[1] - 中国选择主动部署现有AI技术，以期比美国更快地占据先发优势[2] 政策支持与行业规模 - 中国国家发展改革委提出深入实施“人工智能+”行动，作为培育发展新质生产力的内在要求[3] - 国际机器人联合会数据显示，中国去年安装了29.5万台工业机器人，几乎是美国的九倍，超过世界其他国家的总和[3] - 2024年，中国工业机器人保有量超过200万台，位列全球第一[3] 制造业的AI应用案例 - 宝钢股份制定了“AI+”数智化转型战略，截至2024年底共上线125个AI场景，在其上海的“黑灯工厂”里，操作员干预频率从每3分钟一次降低至每30分钟一次[4] - 美的集团通过AI“工厂大脑”统一调度库卡机器人，14个虚拟智能体自主管理生产，公司2015年至2024年实现员工人均收入增长近40%[5][7] - 波司登与浙江大学合作推出自有AI模型，将羽绒服样衣生产周期从100天缩短至27天，同时降低了60%的开发成本[7] 关键技术与产业链突破 - 华为发布了名为“盘古”的AI大模型，并派遣工程师协助大型工厂应用，例如与安徽海螺集团合作将熟料强度检测准确率从70%提升到85%以上，煤耗减少1%，单条生产线每年节省约30万美元[8] - 自2022年美国实施芯片出口管制以来，中国在AI领域仍出现突破，如DeepSeek的出现[8] - 一项调查显示，83%的中国受访者认为AI驱动的产品和服务利大于弊，这一比例是美国的两倍[8] 港口物流的智能化升级 - 天津港与华为合作推出无人驾驶车队和调度系统，将原本需24小时的规划时间压缩到10分钟，大型集装箱设备自动化率超88%[10] - 全球船舶周转最快的前20大港口中，中国大陆占了一半[10] - 相比之下，美国港口自动化因工会阻挠进展缓慢，10个大型港口中仅有一个使用无人驾驶车辆，五个使用了AI和机器学习[10]

文章核心观点 - 中国正推动一场由人工智能驱动的制造业深度变革，其AI应用侧重于解决实际生产问题，目标在于提升效率、降低成本[1] - 与美国的AI发展路径相比，中国的优势在于其AI雄心的规模、快速部署现有技术的能力以及社会整体的乐观态度，使其在工业机器人和智能化工厂的普及上领先[2][5][7] - 从工厂生产到港口物流，AI技术正在重构中国制造业的各个环节，并已在效率提升和成本节约方面取得显著成效[1][6][10] 制造业AI应用案例与成效 - **服装行业**：波司登与浙江大学合作推出AI模型，将羽绒服样衣生产周期从100天缩短至27天，开发成本降低60%[6] - **家电行业**：美的集团生产基地采用AI“工厂大脑”，14个虚拟智能体自主管理生产，2015年至2024年实现员工人均收入增长近40%[5][6] - **钢铁行业**：宝钢股份上线125个AI场景，其上海“黑灯工厂”中操作员干预频率从每3分钟一次降低至每30分钟一次[4] - **建材行业**：华为与安徽海螺集团合作，通过AI将熟料强度检测准确率从70%提升至85%以上，煤耗减少1%，单条生产线年节省约30万美元[7] 中国AI产业规模与政策环境 - 中国工业机器人安装量远超美国，去年安装29.5万台，几乎是美国的九倍，2024年保有量超过200万台位列全球第一[3] - 国家发展改革委发布政策指引，推动深入实施“人工智能+”行动，视为培育新质生产力的内在要求[3] - 社会对AI接受度高，83%的中国受访者认为AI利大于弊，该比例是美国的兩倍[7] 港口物流智能化升级 - 天津港与华为合作推出无人驾驶车队和调度系统，将原本需24小时的规划时间压缩到10分钟[10] - 天津港大型集装箱设备自动化率超88%，并推出PortGPT分析现场视频图像以替代人工安全员[10] - 全球船舶周转最快的前20大港口中，中国大陆占了一半，而美国港口自动化因工会阻挠进展缓慢[10]