马东方（浙江大学）走进海洋人工智能的未来_39页_8mb

本次公开课围绕海洋人工智能技术展开，聚焦大模型时代的机遇与挑战。报告指出，以DeepSeek系列为代表的大型语言模型（LLM）正在重构人工智能格局，其参数量可达万亿级别，如DeepSeek-V3训练语料库包含148万亿词元，相当于47万年的人类阅读量或填满45个水立方的沙粒量。此类模型具备跨语言、跨任务的通用性与多模态处理能力，已在自然语言理解、图像识别、医疗、金融等领域展现革新潜力。

在海洋领域，大模型的应用图谱呈现三大方向：一是构建智能化深海探测系统，通过"端-边-云"协同架构实现AUV（水下无人航行器）与水面平台的实时通信与任务调度；二是开发海洋专用大模型OceanGPT，解决多模态数据融合难题，提升对海洋环境的动态感知与预测能力；三是推进轻量化模型部署，应对海洋设备算力限制，采用知识蒸馏、量化等技术实现边缘计算。例如，水下直升机AUH通过悬停功能实现海底作业，其配套的Helipad可支持能量与数据的无线接驳。

海洋探索面临独特的挑战：高动态、低光照的复杂环境导致数据信噪比低，且不同模态（声呐、图像、化学、文本）数据存在异构性对齐难题。报告提出通过空间投影模型、多尺度残差网络等技术突破这些瓶颈，实现7日涡心轨迹预测误差降低30%、热带气旋定位距离误差减少14%的显著进展。同时，开发基于强化学习的时空语义联合规划算法，增强机器人在动态环境中的自主决策能力。

向"深蓝智能"迈进需克服多重障碍：传统算力路径成本高昂（如GPT-4单次训练耗资6300万美元），且需平衡高精度需求与实时性约束。解决方案包括构建跨模态连接器统一特征表示、开发轻量化模型适应边缘设备，以及通过联邦学习确保数据隐私。浙江大学已启动"智慧海洋计划"，推动海洋学、人工智能、通信工程等学科的深度融合，形成"共建、共研、共用"的创新生态。

当前技术发展呈现三大趋势：1）多模态融合深化，建立文本、图像、声学数据的统一建模框架；2）绿色AI路径构建，通过模型轻量化、能效优化算法等技术降低碳排放；3）跨学科协同创新，需整合海洋科学、工程技术和信息科学力量。报告强调，海洋人工智能必须突破通用模型的局限，针对深海环境开发具备环境感知、决策规划、通信调控等能力的专用系统，最终实现对海洋资源的智能化开发与管理。