AI 大模型在航运业的应用前景与挑战分析

(二) 智能决策和效率提升

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。

(三) 货物追踪与管理

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. 供应链实时监控：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. 单证自动化处理：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. 风险预警与规避：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. 安全监控：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。

(四) 航行规划与优化

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。这有助于航运业实现绿色航运的目标。

(五) 故障诊断和维护

1. 预测性维护：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. 维修计划生成：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，优化备件库存管理。
3. 技能辅助：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，降低对外部技术支持的依赖。

(六) 船舶安全管理

1. 风险量化评估：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. 应急响应指导：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，缩短响应时间。
3. 体系闭环管理：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。

(七) 员工培训培养

1. 知识库构建：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. 虚拟仿真训练：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. 数据分析能力提升：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。

四、AI 大模型在航运业应用的挑战

(一) 数据隐私和安全问题

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。

(二) 模型准确性与可靠性问题

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。特别是在涉及航行安全的决策中，模型的幻觉问题可能导致严重后果。

(三) 技术标准与兼容性问题

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。

(四) 法律政策不完善

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。

(五) 缺乏专业人才与相应培养机制

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。

五、对策建议

(一) 强化数据安全管理

1. 合规性审查：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. 权限管理：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. 加密与备份：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. 供应商合作：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. 定期评估：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。

(二) 提升模型的透明性和可靠性

1. 可解释性增强：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. 数据质量控制：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. 模型优化：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。

(三) 推动技术标准化与模块化

1. 标准制定：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. 产业联盟：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. 开源共建：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。

(四) 完善相关法规与政策支持

1. 专项法规：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. 法规修订：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. 激励政策：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。

(五) 构建人才培养与引进体系

1. 内部培训：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. 产教融合：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. 实习就业：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。

六、结语

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。