大连作为国家重要的海洋渔业和港航基地，在船舶航运、水下智能装备、海洋牧场和生态监测等领域具有广泛的应用需求。然而，涉海装备智能化的发展仍面临显著短板。首先，船舶与无人艇在复杂海况下的航迹预测和避碰能力不足，鲁棒性有限；其次，水下无人装备在低能见度、多干扰环境中的识别精度不高，限制了深海作业的广泛应用；此外，海洋牧场与近岸水域的多源数据融合能力不足，缺乏基于智慧海洋大模型的预警和长期监测支持。

  智慧海洋建设的核心驱动力在于涉海装备智能化的发展，这不仅需要完善感知、控制、监测等基础能力，还涉及更高层次的系统性问题，如决策边界的界定、数据治理模式的选择、模型安全性的保障以及应用场景的适配等。为此，论坛提出了以“短板突破”和“边界思辨”为双线并行的讨论路径，重点探讨如何通过智慧海洋大模型扫清技术障碍，并聚焦大模型应用的决策边界、数据共享原则和多源数据治理问题。

  通过技术创新与应用原则的双重维度，大连将进一步推动涉海装备智能化水平的提升，服务海洋经济的可持续发展，同时为我国海洋强国战略提供重要支撑和实践经验。这一举措有望巩固大连在海洋经济领域的核心地位，并为智慧海洋建设注入新的动力。

图1 大会合影

  本次论坛由中国计算机学会（CCF）主办，CCF YOCSEF大连学术委员会，CCF 大连海事大学学生分会承办。论坛由CCF YOCSEF大连AC委员王辉兵和刘广会共同担任执行主席，特别邀请大连海事大学航海学院尹勇教授、大连理工大学未来技术学院贾旭教授、大连港口设计研究院有限公司王凯副总工程师担任引导发言嘉宾，大连船舶重工集团数智部智能制造室孙瑞雪主任、环海海事集团李郭军主席、大连海洋大学林远山副教授、大连百年职校王婷校长哲担任特邀嘉宾。本次论坛汇聚了三十余位来自企业与学术界的代表。

  首先，YOCSEF大连25-26年度主席李想对YOCSEF大连进行介绍，执行主席王辉兵对本次观点论坛的背景、论坛议题打磨、论坛筹备等工作进行了介绍。

  本次论坛主要分为引导发言和议题思辨两个环节。在引导发言阶段，三位嘉宾从不同维度讲述了智慧海洋的发展。

  引导发言一：《数字孪生技术在无人船系统测试验证中的应用研究》

  尹勇详细介绍了智慧船舶及其相关技术的发展现状和研究方向。尹勇提到，无人船的自主航行技术是当前国际研究的热点，涉及到数字化船舶、模拟仿真、环境评估以及接口测试等多个关键技术模块。通过构建数字化模型，模拟船舶在不同环境下的运行规律，可以有效提升船舶的安全性和可靠性。同时，介绍中也提到国内外在智慧船舶领域的多个成功案例，如欧盟、日本以及中国的相关项目，为行业未来发展提供了重要参考。尹勇还强调了测试验证的重要性，尤其是在大型船舶装备的可靠性和稳定性方面的研究。总结来看，智慧船舶技术的进步不仅能够降低人力成本，还能提升行业效率，为未来航运业的智能化发展奠定基础。

图2 尹勇引导发言

引导发言二：《可控视觉内容生成》

  贾旭主要探讨了人工智能技术在多个领域的应用，包括生成式模型、视觉特效、数据处理等。贾旭提到通过深度学习和生成模型，可以实现从图像生成到动态视频的多种任务，同时也提到了技术发展中存在的挑战，例如物理规律的模拟、数据稀缺等问题。此外，还探讨了如何将人工智能与实际场景结合，提升生产效率和用户体验。贾旭教授的分享展示了AI技术在未来发展的潜力，同时也强调了技术合理性和合规性的重要性。

图3 贾旭引导发言

引导发言三：《智慧港口生产工艺模型训练与具身智能模型训练关系探讨》

下半场论坛深度探讨了大模型为智慧海洋装备带来的技术变革及挑战。

思辨议题一：关键控制决策是否应交由大模型？

  关于大模型在关键决策中的应用讨论大家的共识是目前阶段不应完全依赖大模型进行关键决策，尤其是在涉及安全、伦理和高风险领域时。大模型虽然在数据分析和辅助决策方面表现出色，但其不可控性和责任归属问题仍是主要挑战。一些专家提到，人机协同是现阶段较为可行的路径，即人类作为主体，结合大模型提供的标准化参考，共同完成决策过程。此外，大模型在非标准化场景下的表现仍需进一步优化，特别是在面对复杂或不可预测的情况时。未来的发展方向被寄予厚望，随着技术的成熟和数据训练的增强，大模型可能在某些特定领域实现更高程度的自主决策。但在此之前，确保技术的可解释性和可靠性是关键。人类洞察力和经验仍然是不可替代的核心要素。讨论中还提到教育领域的大模型应用，通过跨学科教学项目培养学生利用大模型解决实际问题的能力，这为未来的人才培养提供了新的思路。

观点1：人机协同是现阶段较为可行的路径，即人类作为主体，结合大模型提供的标准化参考，共同完成决策过程。此外，大模型在非标准化场景下的表现仍需进一步优化，特别是在面对复杂或不可预测的情况时。

观点2：未来的发展方向被寄予厚望，随着技术的成熟和数据训练的增强，大模型可能在某些特定领域实现更高程度的自主决策。但在此之前，确保技术的可解释性和可靠性是关键。

观点3：人类洞察力和经验仍然是不可替代的核心要素。例如教育领域的大模型应用，通过跨学科教学项目培养学生利用大模型解决实际问题的能力，这为未来的人才培养提供了新的思路

共识：关于大模型在关键决策中的应用讨论大家的共识是目前阶段不应完全依赖大模型进行关键决策，尤其是在涉及安全、伦理和高风险领域时。大模型虽然在数据分析和辅助决策方面表现出色，但其不可控性和责任归属问题仍是主要挑战，但是关键控制交给大模型等人工智能技术进行决策，是未来智慧海洋及相关领域发展的趋势。

思辨议题二：智慧海洋大模型的训练数据应走“本地化封闭”还是“共享开放”？

观点1：大模型训练数据应该被有效的保护起来，这样对数据的贡献者来说是一种奖励，不应该被大规模共享使用，这会降低数据采集者的工作积极性，对整个产业的发展起到负面的影响。

观点2：智慧海洋大模型训练数据当前并不充分，所有从业人员应该团结起来共享开放，互相提供并充分利用现有训练数据，获得推理能力更强的智慧海洋大模型，共享开放一定是对整个人工智能与海洋领域有利的。

共识：与会人员讨论了数据开放与共享的重要性，同时也讨论了如何在数据开放的同时确保安全性和规范性。并给出了建议，通过多个角度分析了数据共享的生态化和本地化问题，并提出了开放社区和数据交易平台的建议。这些方式不仅能够促进数据的合理利用，还能够推动行业间的协作与创新。此外，针对海洋数据的稀缺性以及相关标准化的问题，反映了在特定领域数据获取和管理的挑战。整体来看，与会人员都强调了数据开放的潜力与风险之间的平衡，同时也为未来的数据共享模式提供了一些启发性的思路。

思辨议题三：如何提升数据利用效率、增强模型在多任务场景下的迁移与适应能力？

观点1：充分利用现有人工智能技术，通过数据生成等方式，针对当前相对匮乏的智慧海洋数据进行丰富与扩充，并通过采集相关领域数据进行迁移，有效提高智慧海洋领域数据利用率。

观点2：大量的无效数据并不能真正的提高模型的能力，需要针对真正有效、精准的数据进行加工处理，反复利用，提高有效数据利用率，并通过清楚大量噪声无效数据，真正提高大模型的推理能力。

观点3：大模型本身就需要大量数据进行训练，因此在保证数据利用率的基础上，应该对不同场景、不同任务进行更多的数据采样，通过丰富数据种类类型，以提高大模型的迁移泛化能力。

共识：与会人员普遍认可数据利用的重要性及其在模型迁移泛化方面的重要作用，认为数据的质量在用户体验方面起关键作用。并通过医疗保护和用户交互方面的例子，探讨了如何利用真实数据促进研究和技术进步，与会人员分析了数据清洗和标注的必要性，讨论了模型迁移学习的有效性，以及人工智能在学习过程中的不同需求，提出了建设性的解决方案，强调了数据与模型之间的关系对研究的重要性。最后，参与者共同探讨了如何更好地运用技术推动研究成果的落地，并对未来的合作表示期待。

致谢

最后，对全体嘉宾的倾心付出以及智慧经验的分享表示由衷感谢，也对幕后筹备组全体成员的有序组织安排表达诚挚谢意。

本次论坛在当前人工智能迅猛发展的时代，为大模型技术在智慧海洋领域的应用推广提供了切实可行的破局思路，希望可以在未来推动智慧海洋装备向智能化、自动化方向进一步发展，为我国海洋强国战略推进提供有力支撑。

☆☆☆

YOCSEF DALIAN

2025-11-20