AI 大模型在航运业的应用涵盖了船舶设计、智能决策、货物追踪、航行规划、故障诊断及安全管理等多个领域。通过预训练加微调的模式，大模型能显著提升设计效率、优化资源配置并增强安全保障。然而，数据隐私、模型可靠性、技术标准及法律政策等挑战依然存在。建议通过强化数据安全、提升模型透明度、推动技术标准化、完善法规及构建人才培养体系来应对，以促进航运业的智能化和可持续发展。
摘要：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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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
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
将 Markdown（GFM）转为 HTML 片段，浏览器内 marked 解析；与 HTML转Markdown 互为补充。 在线工具，Markdown转HTML在线工具，online
