浙江大学-走进海洋人工智能的未来-2025.4.21_40页_10mb

报告总结：海洋与人工智能前沿专题公开课解析

引言

• 主题：探讨大模型时代背景下人工智能在深海领域的创新应用。
• 主讲人：马东方博士/教授（浙大江海洋学院，海洋精准感知技术国家重点实验室）

一、大模型时代的核心特征

1. 大模型定义

• 参数规模： trillion级参数，支持跨领域泛化与多模态处理（如文本/图像/语音融合）。
• 典型案例：
  • DeepSeek-R1：低成本高效模型，通过算法优化和硬件创新降低成本。
  • GPT-4：参数庞大、训练成本高（6300万美元），但实现智能交互突破。
• 通用能力：跨任务适配（如医疗影像识别、金融风险评估）和技术成本优势。

2. 三大支柱

• 数据：基础燃料（如DeepSeek-V3包含14.8万亿词元）。
• 模型：引擎（参数规模、结构优化如蒸馏、量化）。
• 算力：加速器（高效调度如InfiniBand网络、H100显卡）。

二、深海探索与海洋AI的迫切需求

1. 背景原因

• 国家战略：“海洋强国”战略与深海资源开发需求。
• 现实挑战：
  • 环境复杂（动态性、低能见度、多模态数据难融合）。
  • 数据获取难、精度与实时性矛盾。

2. 海洋AI的突破方向

• 专用大模型：通用模型在海洋领域存在“盲区”，需构建领域专属模型。
• 技术工具：多源异构数据融合（声呐、卫星、图像）、推断模型优化。

三、海洋大模型的应用图谱（深蓝探索落地）

1. 典型实践

• OceanGPT：海洋领域首个大语言模型，支持多模态任务。
• 端-边-云协同：
  • 轻量模型：部署于边缘设备（如水下直升机），提升低算力环境效率。
  • 云端调度：支持复杂任务调度与模型更新。
• 自主行为生成：结合强化学习实现动态决策（如路径规划、任务执行）。

2. 关键技术能力

• 感知与泛化：提高环境校准精度（如热带气旋定位、洋流反演）。
• 通信升级：多模态链路协议（声学+光+电磁兼容），应对海底低带宽问题。
• 环保计算：Green AI推动能耗优化。

四、向“深蓝智能”的迈进：机遇与挑战

1. 机遇

• 产业燃爆点：海洋领域AI化将催生新应用场景。
• 科研生态：跨学科融合（工程+系统+AI），鼓励复合型人才培养。
• 国家支持：教育部推动“智慧海洋计划”，构建创新体系。

2. 挑战

• 轻量化问题：传统大模型难以直接部署于船载、潜航器设备。
• 多模态融合：未解决不同数据源之间的语义鸿沟。
• 可解释性不足：生态规划与自主行为决策需增强可控性。

结语：深蓝愿景

海洋人工智能将深度赋能“精准海洋感知+自主智能装备+绿色低碳发展”，并以“海洋+AI”知识体系融合为路径，逐步构建面向未来的“智能海洋生态系统”。