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。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。

关键词：智能航运；人工智能；AI大模型

一、引言

 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。

 二、AI大模型概述

 ( 一 ) AI大模型的概念

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。

图1  大模型“预训练+精调”模式

 ( 二 ) AI大模型的层级

 1.基础大模型 ( L0 )

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”。

 2.行业大模型 ( L1 )

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”。

 3.垂直大模型 ( L2 )

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。

 ( 三 ) AI大模型的发展趋势

 1.参数量和建模能力的提升

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1 750亿参数，而知识增强大语言模型“文心一言”的参数规模则达到2 600亿。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。

 2.从决策式AI转向生成式AI

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。

 3.垂直领域应用场景广泛

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]。

 三、AI大模型在航运业应用的前景

 ( 一 ) 船舶设计与建造

 ( 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。

 ( 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。

 ( 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 ) 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。

 ( 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。

 ( 五 ) 故障诊断和维护

 ( 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。

 ( 六 ) 船舶安全管理

 ( 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。

 ( 七 ) 员工培训培养

 ( 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。

 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[2]。

 ( 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。

 ( 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 ) 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。

( 二 ) 提升模型的透明性和可靠性

 ( 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。

 ( 三 ) 推动技术标准化与模块化

 ( 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[3]。

 ( 四 ) 完善相关法规与政策支持

 ( 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。

 ( 五 ) 构建人才培养与引进体系

 ( 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。

 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。

参考文献：

[1]范德志,于水.生成式人工智能大模型助推实体经济高质量发展:理论机理、实践基础与政策路径[J].云南民族大学学报(哲学社会科学版),2024(1):152-160.

[2]赵月,何锦雯,朱申辰,等.大语言模型安全现状与挑战[J].计算机科学,2024(1):68-71.

[3]郑纬民.构建支持大模型训练的计算机系统需要考虑的4个问题[J].大数据,2024(1):1-8.

作者简介：

贾广付，青岛远洋船员职业学院，工程师。

本文刊发于《世界海运》2024年第4期，转发须注明作者和原文出处。

本文链接:http://www.whhaitong.cn/content/?2428.html

上一条：“海事慧眼”无法解职？人脸识别定位有误？频繁任职有影响吗？  下一条：最新数据！全球绿色甲醇产能将达2240万吨