AI 大模型正在重塑航运业，从船舶设计、智能决策到货物追踪、航行优化及故障诊断均有广泛应用前景。文章分析了大模型在航运领域的具体应用场景，包括利用历史数据优化设计、实时分析气象与航线提升效率、自动化处理货运文档以及辅助船员培训等。同时指出了面临的数据隐私安全、模型准确性可靠性、技术标准兼容性、法律法规不完善及专业人才短缺等挑战。针对这些问题，提出了强化数据安全、提升模型透明度、推动技术标准化、完善政策法规及构建人才培养体系等对策建议，旨在促进航运业的智能化转型与可持续发展。
以 AI 大模型为代表的人工智能技术正飞速发展，逐步构建起了全新智能化产业链，为航运业的发展带来了新方向。本文介绍 AI 大模型的基本内涵和发展趋势，分析 AI 大模型在航运业中的应用前景和挑战，进而提出针对性的应对策略，旨在提升航运业对 AI 大模型的认识，促进航运智能化和可持续发展。
智能航运；人工智能；AI 大模型
近年来，人工智能 (AI) 技术在各行各业中的应用取得了显著进展，特别是 2023 年 3 月，OpenAI 公司推出了划时代的 GPT-4 模型，标志着生成式人工智能技术实现了一个重大突破。2023 年 7 月 6 日，由上海船舶研究设计院牵头编制的《智能船舶发展白皮书——远洋船舶篇》发布，其中提到，具备船舶、航运行业特征的 ChatGPT 将逐步承担包括专业知识查询、驾驶培训、瞭望提醒、船和船之间沟通等功能。2023 年 11 月 20 日，招商轮船推出了业界首个航运大模型 ShippingGPT，揭开了航运业 AI 大模型的序幕。AI 大模型技术正在逐步构建起一个涵盖基础算力、模型开发及行业应用的全新智能化产业链。航运业据此可开发出丰富的应用场景，其具有巨大的创新潜力。因此，探索 AI 大模型在航运业中的应用前景，不仅对提升航运业的整体竞争力具有重要意义，也是推动航运业智能化发展的关键路径。
AI 大模型是利用海量的多源数据构建的预训练模型。其核心优势在于解决了数据标注的难题，通过学习大量的未标注数据进行预训练，极大地扩展了模型的学习范围和深度，从而提高了 AI 大模型的知识储备。这种做法使得 AI 大模型能够以低成本和高适应性的方式，在后续的各种特定任务中发挥作用。在实际应用中，预训练大模型先通过基于海量数据的自监督学习阶段，完成了广泛的知识积累，相当于接受了'通识教育'；然后通过'预训练 + 精调'的模式，在共享的参数基础上，根据特定应用场景的特点，只需使用少量的数据进行微调，就能以高水准完成各项任务。大模型'预训练 + 精调'模式如图 1 所示。
基础大模型 (L0) 是在大规模未标注数据上进行训练，需要巨量的算力、数据集和参数值。通过训练使得 AI 大模型能够发现数据中的特征和规律，具备强大的泛化能力，能够在无须或仅需少量微调的情况下，匹配各种不同的应用场景。L0 通常由专业的大模型公司提供，L0 构建后，AI 大模型就完成了'通识教育'。
行业大模型 (L1) 是基于 L0，结合行业特定的知识训练构建而成。其利用特定行业数据进行预训练，完成并构建行业知识库。L1 一般由行业领先企业构建，目的是提高其性能和准确度，使得 AI 大模型成为'行业专家'。
垂直大模型 (L2) 是面向更细分市场的高级推理模型，基于实际场景进行部署，一般是在 L1 基础上特制搭建的。模型会应用和场景紧密相关的数据进行预训练或微调，进而完成在具体项目上的任务，展现出更强的性能和效果。
AI 大模型参数量正从亿级增长到百亿、千亿级别，并探索更大规模。例如，GPT-3 拥有 1750 亿参数，而知识增强大语言模型'文心一言'的参数规模则达到 2600 亿。AI 大模型在参数量上取得了质的飞跃，这使得它们在处理复杂任务时的建模能力得到了整体上的提升。这种提升不仅体现在学习能力的增强上，还体现在泛化能力和鲁棒性的加强上。
决策式 AI 主要通过分类和回归分析数据，广泛应用于图像识别、推荐系统和决策智能体等领域。而生成式 AI 借助 Transformer 架构等，具备强大的全局表征能力、高度并行性、通用性和可扩展性，主要服务于内容创作、科研、人机交互等领域，实现了从简单感知到内容创造的飞跃。
多模态大模型能够处理多种不同类型数据，这些数据类型包括但不限于文本、图像、音频、视频等。模型能够理解和处理多种模态的信息，实现不同模态之间的信息融合和协同处理。AI 大模型将在各个垂直领域中发挥更大的作用，应用于更多具体的行业和场景中，提供定制化的解决方案。
(1) AI 大模型可根据船舶结构、动力系统、载重分布等历史已有数据进行结构性能分析和方案设计，进而优化提升设计效率和质量。利用机器学习算法分析流体力学数据，可以加速船型优化的迭代过程。 (2) 通过分析建造材料的需求，预测和分析市场供需关系及价格变化趋势，供企业优化资源配置，合理安排生产进度，缩短生产周期和降低建造成本。 (3) 系统分析船舶性能参数数据，实时查找分析可能存在的质量问题和缺陷，及时采取相应的措施以保证质量。 (4) 协助质检人员进行故障分析和诊断，提升检验效率和准确度。
航运业相关人员需要根据气象信息、航线规划、货物配载、船队管理等大量数据信息进行决策，会消耗大量的人力物力。AI 大模型可以自动采集分析相关信息数据并输出结果供企业参考，从而帮助企业更好地应对市场的变化，实时预测市场未来趋势，及时作出正确决策，提升运营效率。同时，员工与 AI 之间可实现高效的分工与协作，AI 处理海量信息，同时人在关键节点做出决策和处置，共同完成企业价值创造的全过程。
AI 大模型通过分析 GPS、RFID 和气象等数据信息，使得利益相关方可以实时访问货物的状态和位置信息，提高整个供应链的透明度、信任度和合作效率。如达飞航运推出了一款名为 CMA CGM Connect 的移动应用程序，客户可以实时追踪货物信息。 (1) 实时监控供应链各环节，根据货物供需情况、船舶实时位置及状态、港口拥堵情况等因素，预测货物到达时间，调度船舶和货物，减少等待时间，提升运输效率。 (2) 自动识别和处理各种货运文档，如提单、发票、报关单等，与物流供应商实时协同处理货物通关手续和流程，并通过聊天机器人等方式，为客户提供 24/7 的在线支持，解答客户疑问，增强客户满意度。 (3) 分析历史天气数据、航线风险记录、自然天气状况和政治动荡等因素，帮助船东和货主提前制订航线调整计划和货物管理方案，以降低损失。 (4) 通过分析船舶和港口的视频监控数据，实时检测异常行为和潜在安全隐患，及时采取措施，确保货物运输的安全。
船舶在航行过程中，AI 大模型可通过实时分析船舶航行信息和气象信息、航线航道等外部环境因素，为船舶规划航线，使船舶能够进行自动导航和避障航行，确保航行安全和提升航行效率。同时其还可以根据船舶运行特性及内外部影响因素，提供航行操控建议，合理规划航行速度，进而节省燃料消耗，减少温室气体排放。利用强化学习算法，AI 可以动态调整航速以平衡燃油经济性与准班率。
(1) AI 大模型可利用船舶传感器实时监测船舶设备的运行参数的变化情况，经过预训练和调教分析，预测设备性能变化趋势和故障征兆，提醒船舶管理人员采取措施进行设备检修和维护，避免设备发生故障。 (2) 根据设备厂商说明书、过往事故数据和设备现有状况生成设备维修保养计划建议，供船员参考。 (3) 帮助分析确定设备故障原因及故障解决的方法，提升船员的技术能力、维修质量和工作效率。
(1) AI 大模型可以通过分析和评估气象条件、航道特点、船舶性能等船舶航行中的各种因素，得出可能出现安全风险的种类、因素、概率及相应的应对措施，并发出预警警报，提醒船员提早采取安全措施，降低事故发生的概率和影响。 (2) 当船舶发生安全事故时，AI 大模型可以针对性地提出相应的应急建议，以供船员参考，并进行实时指导。 (3) 航运企业可以通过 AI 大模型检验和分析公司安全体系运用的作用和效果，发现体系运行中存在的薄弱环节和盲点，以便企业针对性地对安全体系进行改进，达到安全闭环管理的目的。
(1) 航运企业可利用 AI 大模型搭建行业企业知识库，将企业的经验和知识进行结构化整理，构建船舶操作、航线知识、海事法规等领域的知识库，员工可以随时查询学习，提高知识储备。 (2) AI 大模型可以模拟不同的航运场景，让员工在模拟中学习如何做出决策并给予反馈，帮助员工提高决策质量；模拟船舶驾驶和各种操作情况，创造模拟的安全事故情境，让员工在虚拟环境中进行模拟操作，培养员工的安全意识和应对紧急事故情况的能力。 (3) AI 大模型能够帮助船员学习如何分析航海数据并生成报告，进而提高数据处理能力，使船员学习船舶的维护和修理技巧，通过模拟不同的故障情况，让员工学习如何诊断和解决问题。
船舶航线、货物配载、客户信息和船员私人信息等都是航运大模型需要收集、整理和分析的数据信息。数据在存储、传输和处理过程中可能会遇到网络攻击、数据篡改、数据丢失等问题，导致信息的泄露和扩散，进而可能造成系统不能正常运转，给企业和个人带来不利影响。航运数据往往涉及商业机密和国家战略资源，跨境传输时的合规性尤为关键。
AI 大模型是'大数据 + 大算力 + 强算法'融合的成果，包含了复杂的算法和各种类型的数据信息。很多企业采用的大数据模型是黑箱模式，系统的组织架构和数据处理的过程是不透明的，模型的准确性不可控并可能存在一定的偏离，导致结果输出有一定的不确定性和不可解释。同时，智能设备的软硬件系统如果存在故障宕机，也会影响到模型输出的准确。航运业的营运成本高，需要的安全冗余系数大，对 AI 大模型提出了更高的安全可靠性要求。在关键航行环节，必须保留人工干预机制作为兜底。
船舶现有设备和管理系统存在不同种类的技术标准、接口协议和认证标准，为提升数据质量就必须统一技术标准，录入标准数据类型，以便模型能够得出更加准确和适用的结果。更换船舶原有系统的成本较高，若新设备系统不能兼容原有设备系统的数据信息，就会提高 AI 大模型推广应用成本，影响系统的整体性能和兼容性。跨平台数据交换协议的标准化是亟待解决的问题。
目前，AI 大模型的应用正处于快速发展期，相关的法律法规尚不完善。截至 2023 年 11 月，北京、上海、广东、安徽等地均已发布与 AI 大模型相关的政策，从计算能力支持、应用场景开放、技术突破、产品生态等多个方面推动 AI 大模型的应用实施。2023 年 5 月，我国发布了《生成式人工智能服务管理暂行办法》，以促进生成式人工智能健康发展和规范应用。但是 AI 大模型仍存在着数据治理规则、知识产权保护和信息内容治理规则不完善等大量问题尚待解决。航运业是一个高度监管的行业，涉及许多国家和地区的法律法规。在航运业应用 AI 大模型时，需要确保其符合船舶登记、船舶设备、船舶操作规定等相关航运法规要求。国际海事组织 (IMO) 的相关指南也在逐步跟进中。
目前，AI 技术进入了发展的快车道，但航运业对相关专业人员的培养相对滞后，缺乏具备相关技能的人才。新型船舶管理需要多学科、多技能的复合型专业人才，既要能够胜任传统船舶相关岗位，还要掌握 AI 大模型相关知识。目前还没有系统的培养机制体制和成熟的经验可以参考学习。高校与航运企业的联合培养模式尚在探索初期。
(1) 航运企业应严格遵守国际国内有关数据隐私和安全防护的法律法规，确保数据应用和处理过程合规。 (2) 完善企业系统安保机制，严格管理数据的存储和访问权限，充分防止敏感及隐私信息外泄。 (3) 构建数据治理的标准框架，采用加密技术、设置访问权限、定期备份数据等增强数据安全防护的措施，确保数据在传输和存储过程中的安全。 (4) 加强与 AI 技术供应商的合作，共同制定并签署相关保密措施和协议，有效防范数据泄露。 (5) 定期进行安全检查与评估，及时解决数据安全管理相关问题。
(1) 加强 AI 大模型解读和演示，使船舶管理人员能够了解其工作原理和推算依据，通过可视化设备、工具来解释模型的决策过程，进而提升模型的透明性。 (2) 通过定期检查和维护设备、规范数据收集和处理流程等措施，确保数据的准确性和完整性。 (3) 通过调整模型结构、优化算法、超参数调整等方法来优化模型训练，提高模型的性能和可靠性。
(1) IMO、政府机关、行业组织协会和企业等共同制定 AI 大模型的技术标准规范，包括模型架构、数据格式、接口定义等方面，提高模型的可复用性和可扩展性。 (2) 航运企业建立产业合作机制和联盟，形成技术标准化和模块化的产业生态。 (3) 航运企业和专业大模型公司共同建立 AI 大模型的开源模型库和框架，提供通用的模型构建、训练和部署工具，建立标准化的数据集，提高模型的泛化能力和模块化设计，提高系统的灵活性和可扩展性。
(1) 针对航运业的特点和需求，政府和监管机构制定专门的法规，明确 AI 技术在航运业应用的范围、限制和要求，保障航运安全和效率。 (2) 相关主体应对现有航运法规进行修订和完善，包括航运业务、船舶设备、船员培训等方面内容，以便适应 AI 技术的发展和应用。 (3) 政府应提供政策支持，鼓励航运企业采用 AI 技术，提高航运业的整体竞争力，包括提供财政补贴、税收优惠、信贷支持等措施；同时建立一套针对 AI 技术在航运业应用的评估体系，对 AI 技术的实际效果进行评估和监测。
(1) 航运企业可以为员工提供明确的职业发展通道，对员工进行 AI 技术相关的培训，提高现有员工的技术水平，激励他们在 AI 技术领域不断成长和进步。 (2) 航运企业可与高校等教育主体合作，推进产教融合，实现人才培养与企业需求的无缝对接。 (3) 企业可以参与课程设计并设置培训项目，为学员提供实习和就业机会，帮助学员更好地适应航运业的实际需求。
AI 大模型作为一种先进的人工智能技术，具有巨大的潜力和前景。在航运业中，AI 大模型可以被应用于智能船舶制造、船舶安全管理、航线优化等方面，提高航运业的效率和安全。未来，随着 AI 技术的不断进步和应用的深入，AI 大模型将在航运业中发挥更大的作用，推动航运业的智能化和可持续发展。航运企业需积极拥抱变革，克服技术与制度障碍，以实现高质量的发展目标。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online
