溪流笔谈▏以AI＋海洋形成的新质生产力，会碰撞出哪些火花？

日前，在《求是》杂志新近刊发的习近平总书记重要文章《推动海洋经济高质量发展》中，总书记深刻把握海洋经济发展大势，明确提出推动海洋经济高质量发展大的思路，即：更加注重创新驱动、更加注重高效协同、更加注重产业更新、更加注重人海和谐、更加注重合作共赢。而创新是引领海洋经济高质量发展的第一动力，更是破解“大而不强”、实现高水平科技自立自强的关键所在。

如今，人工智能正深度融入海洋科技与海洋经济，推动海洋产业向智能化、高效化、可持续化转型，成为发展“海洋新质生产力”的关键引擎。从1956年概念提出到现在，人工智能已经发展了60多年，在移动互联网、大数据、超级计算、传感网、脑科学等新理论新技术以及经济社会发展强烈需求的共同驱动下，人工智能正在加速发展。

海洋科学研究对于理解和保护我们的海洋环境、维持生物多样性、支持经济发展，并应对全球气候变化具有至关重要的作用。与此同时，海洋科学不仅依赖理论推导，更强调通过实验、观测与模拟来揭示海洋系统的运行机制，海洋数据的快速增长为人工智能(AI)提供了丰富的训练材料，为AI的应用提供了广阔的舞台，AI的引入可以有效地处理和分析这些海量数据，可以为海洋科学研究提供了全新的视角和方法。

截止目前，人工智能在海洋中的应用，已形成涵盖海洋大模型、海洋智能体、海洋智能感知与预报系统、人工智能海洋学、声学底质分类、海洋智能机器人等多个维度的技术体系，现分述如下：

目前，国内海洋人工智能大模型正加速从“技术突破”迈向“产业落地”，形成以垂直领域深耕、全链路智能、产学研协同为特征的高质量发展新格局。近年来，沿海省市密集出台专项政策，推动AI与海洋经济深度融合。浙江、青岛、深圳、福建等地相继发布《“人工智能+海洋”发展行动方案》，明确三年发展目标，聚焦智慧渔业、智能港口、海洋生态保护等场景，打造标志性应用。

⒈“瞰海”大模型：由国家卫星海洋应用中心发布，是我国首个“遥感—重构—预测”全链路AI海洋大模型。它基于我国自主海洋卫星数据，可实现未来10天海表至水下约600米的温度、盐度、密度和流场等要素的高精度预测，贯通从观测到预测的端到端能力。

⒉“琅琊”大模型：由中国科学院海洋研究所王凡团队研发，1.0版本于2024年12月发布，面向全球海洋状态变量中短期预报，空间分辨率达1/12°，可一次性生成未来1至7天的温度、盐度、海流等预报产品。2.0版本将拓展台风、海浪、海冰等现象预测功能。

⒊“海境AI大模型”：由中国科学院南海海洋研究所发布，包含界面、区域预报、涡流、智能问答四大子模型，构建了从数据融合到交互认知的技术闭环，服务于海洋环境保障、航行安全与生态保护等业务场景。

⒋“飞鱼-1.0”大模型：由中国科学院南海海洋研究所与中国石油大学（华东）联合研发，是全球首个面向南海的海-气双向耦合智能大模型。其核心数据采用自主研制的REDOS2.0再分析数据集，摆脱对国外数据依赖，仅需3秒即可完成未来3天南海海况预测，已在自然资源部南海预报减灾中心试用。

⒌“瀚海智语”（OceanDS）：我国首个海洋垂直领域大语言模型，由国家海洋环境预报中心联合三六零集团等研发，基于360智脑与Deepseek大模型构建，拥有超18亿词元的专业海洋知识库，在内容生成、政策分析、科普宣传等任务中表现优异。

⒍“沧渊”（OceanGPT）：我国首个海洋开源大模型，由浙江大学牵头研发，具备多模态数据解读能力，支持声呐图像、观测图的自然语言理解，并可自动生成水下机器人操控代码，已在“海鹰”系列机器人上完成验证，大幅提升任务执行效率。

⒎“妈祖”系统：由国家海洋环境预报中心（自然资源部海啸预警中心）自主研发的全谱系海洋数值预报系统的代号，涵盖“妈祖·海流”（MaCOM）和“妈祖·海浪”（FVWAM）两大核心子模式，分别用于模拟全球与区域海洋环流、海浪变化。

⒏“羲和”海洋大模型：是由国防科技大学气象海洋学院联合复旦大学、中南大学等单位共同研制的全球高分辨率海洋预报AI大模型，他采用全球1/12°高分辨率（约9公里），能够解析海洋中关键的中尺度涡旋结构，显著提升对局部海洋动力过程的模拟能力。其目标是解决传统数值预报计算成本高、耗时长的痛点，实现对全球海洋环境的快速、精准、长时效预测。

⒐“盘古气象大模型”：华为云“盘古气象大模型”是全球首个关键气象要素预测精度全面超过欧洲中期天气预报中心（ECMWF）等主流数值模式的AI模型，尤其在温度、风速、海平面气压等指标上表现优异，实现了从“物理驱动”到“数据驱动”的范式变革，为气象预报、防灾减灾与产业智能化提供了强大支撑。

⒑“观海”大模型：由海洋人工智能联合实验室（中国移动山东、中国海洋大学、青岛国实科技共建）研发，聚焦智慧渔业、环境监测与灾害预警，已应用于董家口智慧船舶系统，提升船舶进出港效率66%。

⒒“平陆运河智慧水运”大模型：是中国首条全生命周期数字孪生智慧运河的核心“大脑”，通过AI、大数据、BIM+GIS等技术深度融合，实现从勘察设计、建设管理到运营调度的全流程智能化决策支持，标志着我国内河水运进入“数据驱动、智能决策”的新时代。

⒓“深海生境智能认知与探索多模态大模型”（DePTH-GPT）：由中国大洋事务管理局指导，联合自然资源部第二海洋研究所、之江实验室‌等国内外多家科研机构共同研发，是联合国“海洋十年”（2021–2030）“数字化深海典型生境”（Digital DEPTH）大科学计划的核心成果之一。该模型专为深海海山、热液、冷泉、平原、大陆坡等典型生境量身打造的垂直领域AI系统，旨在破解深海数据碎片化、认知滞后、决策低效等长期难题。

⒔“敖芯1.0”大模型：是由上海海洋大学研发的我国首个基于国产自主AI芯片的柔鱼渔场边缘预报平台，首次实现渔情预报系统在远洋渔船上的边缘端实时部署，标志着我国智慧渔业从“云端智能”迈向“端侧智能”的关键突破。

⒕“海星”（SeaStar）大模型：是青岛国实发布的专注于海洋生物医药领域的多场景AI大模型，致力于破解新药研发“周期长、成本高、效率低”的难题。它通过算法驱动，将传统“大海捞针”式筛选转变为“按图索骥”的精准预测，显著提升研发效率 。

⒖“逍遥智海”大模型：由励图高科推出，聚焦海洋气象精细化预报与智慧海洋综合管理，为渔业、航运等行业提供数据驱动的决策支持。

⒗“灵龙”大模型：由青岛国实科技集团有限公司研发的海洋领域专业大模型，作为“24小时在线的AI小秘书”，已在渔政执法、灾害预警与应急响应等场景实现商业化落地，成为我国海洋人工智能规模化应用的标杆案例之一。

海洋智能体是面向海洋复杂环境构建的具备自主感知、决策与行动能力的AI系统，它融合大语言模型、多模态理解、具身智能与边缘计算等技术，可驱动水下机器人、无人艇、浮标等实体完成自主作业，实现从“工具辅助”到“智能协同”的跃迁。

海洋智能体不是传统意义上的静态算法模型，而是具有目标导向、环境适应与闭环执行能力的动态智能系统。它融合声呐、光学、惯导等多传感器数据，实时理解海洋环境，具有自主感知能力；可基于大模型推理，生成任务路径、操作指令或应急响应方案，具有智能决策能力；可通过控制水下机器人、无人艇等载体，完成抓取、巡检、投喂等物理操作，具有具身行动能力；能在真实任务中不断优化策略，形成“感知—决策—执行—反馈”闭环，具备持续学习能力。这类智能体正广泛应用于深海探测、智慧养殖、应急救援等领域，成为“AI+海洋”深度融合的标志性产物。

如由浙江大学海洋感知国家重点实验室等单位开发的OCEANGYM平台，是国内首个面向水下具身智能体的全功能基准测试环境，旨在通过高保真仿真与标准化任务体系，推动水下人工智能在真实作业场景中的研发与落地。它创新性采用多模态大语言模型（MLLMs）驱动智能体，融合光学图像与声呐数据输入，实现环境理解、记忆存储与序列化决策，使智能体能在恶劣条件下自主探索并完成长周期任务。可现实沉船或科学机器人搜索、海底管道巡检、平台对接操作、水下救援与生态监测、多智能体协同作业等多个应用场景的标准化任务评估。

又如南方海洋实验室研发的“海洋大脑”，是融合物理规律与人工智能的下一代海洋智能体，它旨在构建一个能自主学习、持续进化的海洋环境智能中枢，为海上风电、海洋牧场和智能船舶等产业提供高精度、定制化的环境预报服务。其核心技术支柱是全球首个海洋专用数字孪生引擎——DTO Engine。它通过构建“空天地海”一体化观测网，融合卫星、无人机、浮标、潜标等多源数据，形成对海洋的立体动态感知。

再如由浙江省海洋科学院联合华东院等单位打造的国内首个面向智慧海洋全链条服务的AI智能体“海葵”，通过深度融合15个专业语料库与数字孪生技术，集智能问答、决策支持、应急响应与科普教育于一体，构建了涵盖海洋政策、生态监测、海域权属、防灾减灾等领域的15个高质量语料库，实现“知海、学海、用海、护海”一体化智能服务，已成为“数字浙江”海洋领域的标杆性AI应用。

⒈水声目标识别

水声目标识别的核心研究内容是对水声信号特征的提取和表达。传统识别方式通常以先验物理模型为基础，提取某些可分性特征进行鉴别。然而物理特征构造技术要求高，当前好用的物理特征数量稀少，加上当前信号处理体制性能瓶颈限制，多目标强干扰、低信噪比等条件下的目标特征提取与识别能力尚无法满足实际需求。

与传统识别方法相比，智能识别方法革新了特征提取模式，不仅能够实现更精准的物理特征估计，还能够挖掘新的可分性数值特征，展现出良好应用前景。然而，水声目标水声数据获取难度大，且数据质量通常较低，存在小样本不均衡、低信噪比以及可靠标签难度大等条件限制，直接利用以数据驱动的深度学习分类方法存在环境/目标失配的问题。近年来，小样本学习、迁移学习、数据智能仿真等技术飞速发展，为智能水声目标识别提供了新的机遇，通过构造与水声数据条件适配的深层网络学习模型与训练体制，能够有效增强目标识别的泛化能力。

⒉海洋智能预报

我国目前建立的数值预报模式对三维海洋、混合层海温等进行预报，然而，在地球系统科学中，海洋是一个特殊的系统，具有封闭的复杂地球测量边界，这意味着应该考虑地形拓扑约束；另外，海洋观测显示出稀疏性和不平衡分布，甚至在深海中也有大量观测缺失。因此在信息化时代，基于深度学习的气象预报是当前热门的研究方向，海洋预报大模型通过收集、处理不同来源与时空的观测资料，对海洋关键要素提供未来演替的预测。当前我国海洋智能预报领域的研究，在优化模型构建、延长预报周期、提高预测精度等方面进展迅速，处于世界领先水平。海洋智能预报能够为气候、生态、灾害等领域提供可靠的科学依据，为人类感知、预测物理世界提供丰富的信息，具有巨大的经济科研价值。

⒊人工智能辅助的海洋观测

海洋观测能够获取大量、准实时的数据，但面对广袤无垠的大海，测量数据依然十分稀疏，且测量的过程往往伴随着一定的噪声。如何根据有噪、稀疏的测量数据快速重建出整个空间的海洋物理场，是一个非常有挑战的逆问题。从物理学的角度，海洋数据与海水的物理特性存在紧密的联系，例如海水中的声速是温度、盐度和深度的函数。而这些物理参数随时间的变化规律符合海洋动力学，可以用偏微分方程（PDE）来描述，数值模式逐渐成为研究海洋动力过程的重要工具。另外，水声目标探测技术是水声信号处理与声呐领域的重要研究方向，是环境感知、目标监测、资源勘探、情报收集等海洋应用领域的核心技术之一，随着人工智能技术的不断发展，充分利用数量与质量显著提升的海洋观测数据，迈向“数据与模型双驱动”的海洋观测与探测新范式。

⒋人工智能海洋学

随着近几十年来海洋观测技术的迅速发展，海洋数据的数据量已增至PB量级，时间分辨率跨越不同尺度，海洋科学逐渐进入大数据时代。海洋大数据的发展极大地促进了人工智能海洋学的发展，AI将成为从海洋数据到海洋知识的新桥梁，更好地促进海洋的可持续发展。目前的海洋数据不仅包括遥感、浮标、研究船和潜水器获取的多源观测数据，还有数值模拟和再分析数据等多种类型。人工智能算法的快速发展使其在不同领域的应用越来越广泛，海洋科学与人工智能之间的结合也越来越深入。中尺度涡旋、内波、海冰等海洋现象对地球气候、海洋生物地球化学循环、海洋生态健康和人类活动等诸多领域至关重要，传统的识别方法基于物理或数学算法，在准确性和时效性方面受到很大限制。人工智能海洋学潜在的一大应用前景即数字孪生。数字孪生是一种以数字化的方式建立物理实体动态虚拟模型并仿真和刻画其在真实环境中的属性、运动、规则等的技术。目前，人工智能大模型已经应用于气象学领域，并成功开发了一系列高精度的天气智能预报大模型。

⒌人工智能＋海洋装备

装备智能化是指将人工智能算法有机地嵌入到现有海洋装备系统中，提升其识别、推理、判断、决策、控制和环境适应的能力，而智能化装备是指具有感知、分析、推理、决策、控制功能等智能特征的装备。“看得清、听得远”是提升海洋装备性能的重要指标。海洋装备一般是通过雷达、声呐和各类成像设备等，感知电、声、光的变化，进而了解周围的环境。因此，提升雷达、声呐及视觉感知设备的智能化水平，能够增强海洋装备的感知能力。海洋环境复杂，陆、海、空、天、电、网各维度态势相互铰链，单纯依赖人工对态势图判读，来理解和预测态势将会变得越来越困难。因此，“判得清、规划精”也是提升海洋装备性能的重要指标。人工智能的引入，能够进一步提升海洋装备的决策能力。海洋装备的运维智能化，体现在保障自主化、管理智慧化、装备自动化、流程协同化和人机一体化等方面，需要依托海洋装备自身的智能化改造和配套的运行维护系统共同实现。大量无人自主海洋装备的研制与装备，也将大大拓宽海洋装备的应用领域，提升海洋装备的应用性能。

⒍声学底质分类

声学底质分类技术正深度融入人工智能，通过机器学习与深度学习算法显著提升海底底质识别的精度与效率，成为现代海洋测绘和环境评估的核心手段。传统方法依赖人工取样和经验判读，成本高、覆盖有限。而AI的引入实现了从“点状采样”到“全域连续分类”的跨越，尤其在多波束、侧扫声呐等声学数据处理中展现出强大优势。如半监督学习融合了有标签与无标签数据，提升模型泛化能力，已在多波束声呐图像分类中取得成效；深度神经网络（如卷积神经网络CNN、自编码器）能直接从原始声呐图像中学习复杂纹理特征，无需人工设计特征参数。除了分类，AI还用于构建声学-物理参数映射模型，反演海底声速、衰减系数等关键参数。

⒎智能渔业系统

智能渔业系统是融合物联网、人工智能、大数据等技术的现代化养殖解决方案，通过数据驱动实现养殖过程的自动化、精准化与智能化，显著提升效率、降低成本并保障生物安全。智能渔业系统通常由感知层、传输层和应用控制层构成闭环管理体系，它通过部署水质传感器（溶解氧、pH值、水温、氨氮、浊度等）、水下摄像头、流量计等设备，实时采集养殖水体与鱼类行为数据；通过4G/5G、LoRa、NB-IoT等无线技术，将数据上传至云平台，支持手机APP或Web端远程查看；利用大数据与AI算法，对历史数据进行趋势分析，构建鱼类生长模型，实现投喂量预测、病害预警与能耗优化。并实时监测水质、自动投喂、病害预警，使饵料利用率提高8%-10%，鱼类疾病发生率降低12%。

⒏智能港口与航运

当前，智能港口与航运正加速迈向“数据驱动、全域智能”的新阶段，通过人工智能、物联网、5G与数字孪生等技术深度融合，实现作业自动化、监管智能化与服务一体化，显著提升效率、安全与绿色水平。如青岛港建成全国首个全自动化集装箱泊位，人力成本下降约75%，每万标箱综合能耗低于国家标准先进值21.25%，年节约成本730万元。又如舟山甬舟码头启用“四足机器人+无人机”协同查验模式，单箱查验时间由1小时压缩至20分钟内，箱号识别准确率超90%；曹妃甸港区开展人工智能机器人水下清洗测试，推动船舶维护向智能化、规范化转型。智能航运涵盖智能船舶、智能航保、智能监管与服务四大要素，正推动传统航运向“岸基驾控为主、船端值守为辅”演进，2026年2月，“智飞”号集装箱船成功实现航行、靠泊、作业全流程无人自主操作，标志着我国在智能船舶控制领域取得关键突破。

⒐AI守护“红树林”

AI正通过智能监控、物种识别与生态预警等技术，为红树林构筑“天-空-地”一体化的智慧守护网，显著提升保护效率与响应速度。如在深圳福田红树林自然保护区，AI自动识别系统通过高清摄像头扫描滩涂，数秒内即可完成鸟类种类识别与数量统计。该系统集成于“天-空-地”一体化智慧监测网络，结合无人机巡护与智能水闸调控，为候鸟打造“五星级驿站”。又如广西茅尾海区域利用无人机自动巡航、卫星遥感与地面传感器，构建“天空地海”一体化监测网络，实时传输红树林生长状态、水质变化与入侵物种动态。再如湛江红树林国家级自然保护区面临互花米草入侵威胁，传统人工巡查受限于地形与潮汐，效率低下。当地研发全国首个“无人机+AI”入侵物种识别算法模型，通过无人机搭载高分辨率传感器，结合深度学习算法，精准识别并标注互花米草分布。

⒑海上风电智能巡检

海上风电智能巡检正通过无人机、机器人、AI算法与5G通信等技术深度融合，构建“海—陆—空—潜”立体化、全天候、高效率的智慧运维体系，显著提升安全性、降低运维成本，并推动海上风电向“无人值守”模式演进。无人机已成为海上风电叶片与塔筒外观巡检的主力，尤其在风机运行状态下完成毫米级缺陷识别，避免了传统停机检测带来的发电损失。如徐闻600MW海上风电场在国内率先将轮式巡检机器人投入海上升压站使用，具备视觉识别、环境监测、远程控制与智能调度功能，可实现7×24小时无人化巡检，减少98%以上的人工巡检次数；由如三峡集团申请专利的“海上智能机器人巡检系统”，以无人船为母平台，搭载无人机与无人潜航器（AUV），实现空中、水面、水下一体化作业，具备抗恶劣海况能力。

当前，人工智能正深度融入海洋经济与生态保护，成为驱动“智慧海洋”建设的核心引擎，在智能装备、生态监管、资源开发与产业转型中展现出变革性力量。

一方面，人工智能正深度融入海洋经济与生态保护，成为驱动“智慧海洋”建设的核心引擎，在智能装备、生态监管、资源开发与产业转型中展现出变革性力量。由于海洋智能机器人本平台已在前文中做过详细介绍，这里就不再赘述。

另一方面，人工智能正以前所未有的精度与效率，构建了“天-空-地-海”智慧监管网，助力海洋污染治理、生物多样性保护与生态风险预警，如上海大学师生开发的系统中，AI通过热力图识别珊瑚白化区域，自动生成修复建议，实现“监测-预警-保护”一体化。

再一方面，人工智能正与航运、风电、养殖等产业深度融合，催生新业态、新模式，如在浙江三门，AI养殖机器人可自动完成深远海网箱投喂、网衣清洗等作业，缓解人工作业困难。

最后，地方与科研机构正积极布局海洋领域专用大模型，推动数据驱动的科学决策，如青岛已形成“问海”“琅琊”“方舟”等多个海洋人工智能大模型，应用于海洋环境预报、智慧港口管理与养殖决策。

溪流笔谈▏海洋环境信息的分类定义、作用及其影响

溪流笔谈▏在第十五五期间，中国船舶的“深海”与“远方”

海洋论坛▏董昌明等：人工智能海洋学发展前景

知识窗▏人工智能海洋学在海洋生态环境监测等领域的应用

海洋技术▏人工智能辅助的海洋立体观测与探测

海洋论坛▏人工智能技术的水声探测应用