魏志強：加快建設我國涉海垂直領域人工智能大模型！

青島大學校長、中國海洋大學原副校長魏志強

海洋人工智能大模型的研發與應用，對推動海洋經濟向智能化、數字化轉型具有重大意義。近年來，我國海洋人工智能研發發展態勢良好，但仍面臨一些亟待解決的問題。加快建設涉海垂直領域人工智能大模型，需要我們進行哪些方面的努力？

海洋人工智能大模型的研發與應用，是推動海洋經濟高質量發展、提升海洋產業競爭力的關鍵技術支撐，對推動海洋經濟向智能化、數字化轉型具有重大意義，特別是在港口航運、海洋工程裝備制造、海上風電等關鍵行業展現出重要的戰略意義。近年來，我國積極布局人工智能領域，在海洋人工智能研發方面也取得了一定進展，呈現良好的發展態勢。但在涉海垂直領域大模型研發方面，還面臨著一些亟待解決的問題。

存在的問題

算力體系建設、大模型算法研發制約實際應用，數據治理體系仍需夯實

一是在算力方面，雖然我國算力總規模超過100EFLOPS，智能算力占比超35%，但仍落后于世界先進水平。同時，算力網絡優化也有較大提升空間，尤其在海上平臺邊緣計算設備方面，算力僅為陸地數據中心的1/50，導致實時推理延遲高達8—12秒，無法滿足海上作業對快速響應的嚴格要求，如船舶避碰等需要毫秒級響應的場景。二是在數據治理方面，我國海洋信息數據積累取得了一定進展，但現有的數據治理體系仍存在較多短板。如《海洋生態環境監測數據共享服務程序（試行）》雖已發布，但由于缺乏實施細則，數據確權、使用授權、風險補償等方面存在空白，導致數據開放率低，限制了海洋數據的共享與流通，進而妨礙了數據深度應用的發展。三是在模型研發方面，現有的通用大模型，即便是語言模型GPT-4，在海洋領域的專業文本處理上準確率也僅為68%，多模態數據的聯合分析能力尚未突破，使其在海洋領域的實際應用具有較強局限性。由于跨場景的協同創新不足、跨領域合作與技術整合不夠等原因，尚未形成像“海洋GPT”這樣的通用大模型開發聯盟。

在進行海上作業的海工作業船

技術應用、高端人才適配性不足

一是在標準建設方面，我國在海洋人工智能領域的技術標準尚不完善，影響了技術和產品的推廣應用。二是在技術與場景適配方面，人工智能大模型在垂直領域的技術和場景適配問題較為突出。如在海上風電領域，已經投入試點的風機葉片智能巡檢系統在融合激光雷達點云、水下聲波檢測、氣象衛星數據等多模態數據時，存在融合效率不足的問題，造成風機故障預警響應延遲，影響了風電場的智能運維效率。三是在協同優化方面，由于缺乏有效的“算法—芯片—系統”協同優化機制，使得大模型在海洋領域的應用無法實現輕量化部署，難以在邊緣計算設備上高效運行，進一步影響了技術在實時數據處理和決策支持中的應用效果。此外，由于海洋湍流預測模型等技術從實驗室到產業化應用的轉化周期平均為36個月，使得大模型不能及時對實際應用進行支持。四是在人才方面，雖然圍繞引進高端人才出臺了一系列舉措，但在海洋人工智能領域，尤其是前沿技術研發與核心算法方面的高端人才引進和培養依然面臨挑戰，人才儲備和創新能力不足成為制約產業發展的關鍵瓶頸。

行業應用整合度低，大模型嵌入重點行業實際業務存在現實困境

一是港口航運領域。一方面，港口內部各系統之間缺乏統一的數據標準和共享機制，導致數據無法有效流通和整合，“數據孤島”現象較為嚴重，影響了智能調度系統的整體性能。如船舶靠泊預測系統與堆場管理系統之間的數據交互不暢，使得調度決策不夠精準，降低了港口作業效率。另一方面，港口的智能化設備和系統的可靠性有待提高，部分設備在惡劣海洋環境下容易出現故障，影響港口的正常運營。二是海上風電領域。一方面，海上風電場智能化系統的投入進一步增加了成本，使得一些企業對智能化建設的積極性不高。另一方面，海上風電場的運維環境惡劣，智能化監測設備的穩定性和可靠性面臨挑戰，設備故障率較高，影響了運維效率和發電效益。此外，海上風電場的智能化建設還面臨技術標準不統一、數據共享不足等問題，制約了行業的整體發展。三是海洋工程裝備制造領域。裝備的設計、制造和運維環節缺乏統一的數字化平臺，各環節之間的數據交互和協同不足，導致研發周期長、成本高。此外，海洋工程裝備的智能化監測和診斷系統在復雜海洋環境下的適應性不足，部分監測設備在深海、極寒等極端條件下性能下降，影響了行業的智能化發展。

廣東汕頭南澳海域內的海上風電場

加快建設涉海垂直領域

人工智能大模型

夯實共性基座，筑牢海洋人工智能大模型研發根基

一是加快推進算力基礎建設。推動青島、大連、寧波等沿海城市加快建設海洋智能超算平臺，構建“海洋智算聯盟”，促進跨區域算力資源共享。依托“東數西算”青島節點，設立海洋專用智算中心，提升針對海洋數據的專用計算能力，優化深度學習推理架構，降低計算成本。支持建設低時延推理芯片適配基地，引進寒武紀MLU290等國產人工智能芯片，提高海上風電、智能航運等場景的實時決策能力，將海上風電場故障診斷時延壓縮至500毫秒以內。二是進一步完善數據體系建設。成立國家海洋數據資產運營公司，構建“原始數據—脫敏處理—價值挖掘”三級開發機制，提升海洋數據資源的可用性和共享性。建立數據確權、數據交易標準和安全保障體系，為數據開放企業提供研發費用加計扣除比例提升等稅收優惠激勵措施，促進數據流通和應用。三是加快推動模型研發與開源生態建設。設立“海洋大模型開源社區”，聯合百度飛槳、華為昇思等國產深度學習框架，開發海洋專用算子庫，優化模型對流體動力學、多模態海洋數據的適配能力。對通過功能安全認證的海洋人工智能模型，優先列入政府采購目錄，推動模型成果在智慧港口、海洋牧場、智能航運等領域的廣泛應用。

由大連海事大學自主研發的全球首艘智能研究與教學實訓兩用船——“新紅專”輪

強化技術人才支撐，提升海洋人工智能創新能力

一是構建標準化體系。加強與國際海洋人工智能領域的合作和交流，積極參與國際海洋人工智能標準制定，提升我國在該領域的國際話語權。設立國際標準制定專項獎勵，對參與國際標準制定的企業和機構給予經濟上的獎勵。聯合國內外標準組織，牽頭制定“海洋大模型功能安全評估規范”“跨域海洋數據接口標準”“海上智能裝備人工智能算法適配指南”等標準，推動產業技術體系的規范化。二是加強關鍵技術自主創新。設立百億級海洋人工智能專項基金，資金來源采用“政府引導（30%）+社會資本（40%）+企業自籌（30%）”的組合模式，重點支持海洋多模態大模型、邊緣計算芯片、深度學習推理優化等“卡脖子”技術攻關。對海洋環境預測、船舶自主航行、海洋裝備智能診斷等核心方向，采用“賽馬制”研發模式，遴選15—20個并行團隊，按階段考核實施“動態淘汰—持續支持”機制，激勵技術創新突破。三是推動智能化平臺建設。建設港口航運智能設計平臺，利用人工智能技術優化航線規劃、物流調度和貨物裝卸，提高港口運營效率。構建海洋工程與風電高通量模擬與分析平臺，開發自動化數據采集、結構性能預測和智能風機運維系統，提高風電機組的運營穩定性。建立概念驗證中心，搭建從實驗室研究到工程化驗證的中試平臺，促進科研成果的工程化落地。四是強化人才引育機制。在高校、科研院所等機構設立“海洋智能系統”交叉學科，每年投入充足資金，推動人工智能、海洋工程和數據科學的深度融合。建設10—15個海洋人工智能產教融合基地，支持高校與企業聯合培養人才，形成從基礎研究到產業應用的人才梯隊。設立“國家海洋人工智能科技獎”，每年評選10—15個在海洋人工智能領域取得重大突破的團隊并給予獎勵，完善科技人才的激勵機制。

中國海洋大學人工智能學院的學生在進行水下機器人科研實踐

探索重點行業突破，推動海洋人工智能大模型產業化發展

一是實施“領航者”場景突破計劃。在港口航運、海洋工程、海上風電三大領域率先進行智能化升級。港口航運：在青島等港口試點“多碼頭協同調度大模型”，整合集裝箱堆存、橋吊調度、集卡路徑規劃等12類子任務，目標提升吞吐效率12%—15%。海洋工程：聯合國家實驗室、國家重點實驗室、高校等涉海科研機構，開發“海洋數字孿生設計平臺”，加速深海裝備研制進程，縮短工程設計周期。海上風電：部署“多模態預警系統”，融合氣象衛星、激光雷達、水下機器人數據，實現風機故障智能監測，縮短故障定位時間。二是建立場景開放清單管理機制。每年發布全國海洋人工智能應用場景需求清單，首批可開放港口、風電、海洋牧場、深海采礦、智能漁業、海底電纜巡檢、極地科考、海上救援、船舶智能避碰、智能物流管理等十大應用場景，推動技術與場景的精準匹配。對于采用國產大模型的企業和項目，提供財政補貼和算力支持，促進本地化技術落地。

本文作者系青島大學校長

原載《群言》2026年第1期

• 信息來源:群言。

  轉載請注明信息來源及海洋知圈編排。