走进海洋人工智能的未来

提纲大模型时代来临——我们为何关注它？应用图谱——海洋大模型的现实可能性深海探索——海洋是地球最后的待开发疆域向“深蓝智能”迈进——机遇与挑战共生 01020304 DeepSeek引发轰动1月20日下午，总理主持召开专家、企业家和教科文卫体等领域代表座谈会，DeepSeek创始人梁文锋受邀参加并发言。2月17日，习总书记主持召开全国民企座谈会，梁文锋校友受邀出席。当一家AI公司的创始人坐在最有分量的民营企业座谈会席位上时，整个科技产业的坐标系可能都在发生位移。大模型时代来临——我们为何关注它？01 DeepSeek引发轰动AI霸主美国轰然：OpenAI总裁孙达尔·皮柴发文盛赞，CEO山姆·奥特曼感到不安；微软CEO纳德拉称赞DS为行业树立新标准；英伟达市值蒸发6000亿？其他国家的态度：DS的成功为日本初创企业树立了榜样；英国卫报DS打破了美国在AI领域的垄断；欧盟认为整个行业带来了重要机遇大模型时代来临——我们为何关注它？01 大模型时代来临——我们为何关注它？01人工智能的三大法宝数据是燃料、模型是引擎、算力是加速器DeepSeek-V3模型的训练语料库包含14.8万亿词元（Token）。•若让一个人每秒读1个词：需要47万年才能读完。•假设每个token是一颗沙粒，14.8万亿颗沙可填满4.5个北京水立方。 GPT-4：1.8万亿巨量参数、训练一次就花费6300万美元！ 大模型时代来临——我们为何关注它？01人工智能的三大法宝数据是燃料、模型是引擎、算力是加速器p传统算力路径不符合我国国情，需另辟路线pGPT-4：1.8万亿巨量参数、训练一次就花费6300万美元！pChatGPT的总算力消耗约为3640PF-days（即假如每秒计算一千万亿次，需要计算3640天）p上万张英伟达最强的H100显卡以及更快的InfiniBand网络互连技术若前方无路，我便踏出一条路 大模型时代来临——我们为何关注它？01什么是“大模型”？从百万到万亿参数的智能飞跃大模型（LargeLanguageModel,LLM）是指参数规模达到百万级甚至万亿级的深度学习模型。uDeepSeek-V3：训练语料库包含14.8万亿词元（Token）若让一个人每秒读1个词，需要47万年才能读完。假设每个token是一颗沙粒，14.8万亿颗沙可填满4.5个北京水立方。uGPT-4：1.8万亿巨量参数、训练一次6300万美元！20222023核心特点l参数规模巨量：构建强大的特征表达与复杂知识体系l通用性与泛化能力：跨语言、跨任务适应力极强l多模态能力：可同时处理文字、图像、语音等多种信息形式 参数规模——构筑智慧大脑的基石 大模型时代来临——我们为何关注它？01什么是“大模型”？具有通用与泛化的跨领域智慧大模型不仅是一座庞大的数据与算法的宝库，更是一位跨任务跨行业的“万能专家”，其多模态、多任务能力为各领域赋能，彻底变革了传统应用场景。跨任务适用：全能解决方案自然语言理解：沟通的桥梁模型能够在不同任务间无缝切换文本翻译图像识别问答对话情感分析...对话无障碍反应高智慧简单聊天复杂指令执行ü精确捕捉语义ü准确理解上下文回答问题洞察意图预测需求ü符合情景的智能响应ü人机交互理想伙伴 应用广泛性：行业革新引擎医疗领域ü精准数据支持ü快速筛选分析ü医学影像识别金融领域ü风险评估ü市场预测ü客户服务制造与工业领域ü生产流程ü设备状态ü市场需求ü整合传感器数据和历史ü支持设备故障预警ü质量检测和工艺改进监控与预测 大模型时代来临——我们为何关注它？01什么是“大模型”？多模态处理的融合智慧大模型在多模态数据处理上正迎来一场革命，它不仅能同时感知文字、图像和语音，还能将各自信息有机融合，从而实现更深入、更精准的情境理解。 Ø多渠道信息整合Ø情境理解升级Ø图文联合描述Ø语音识别与语言生成Ø多模态翻译与情感分析Ø数据异构性处理Ø噪声与误差抵消 大模型时代来临——我们为何关注它？01先锋实践——大模型的典型代表GPT-4—撼动语言世界的巨擘。全球瞩目的GPT-4：语言智能的量级跃迁。n质变体验：凭借1.8万亿级参数，GPT-4带来前所未有的文本理解、生成和对话能力，其精细的语境把控和跨领域推理为用户呈现高度自然与智能的交互体验。n技术突破：超大参数量与高效架构的完美结合，使得GPT-4在开放式问答、内容生成和语义理解任务上实现质的飞跃。视觉输入案例 可操作性案例苏格拉底导师 大模型时代来临——我们为何关注它？01先锋实践——大模型的典型代表DeepSeek-R1—成就成本与效能的双赢模式，低成本高效实践的典范。推理模型发展脉络推理时间扩展方法 n架构优化：多层次异构架构、深度模型裁剪n算法创新：自适应学习机制、稀疏激活策略n数据策略革新：多模态数据筛选、智能增强流水线n工程实现突破 投票及搜索策略 提纲大模型时代来临——我们为何关注它？应用图谱——海洋大模型的现实可能性深海探索——海洋是地球最后的待开发疆域向“深蓝智能”迈进——机遇与挑战共生 01020304 p丰富的海洋资源，重要的国家安全海洋探测与认知l深海海底探明率不足5%l海底勘测的分辨率大于100米l12人登录月球，610人到达地球轨道；27人深海挑战海洋资源的开发与利用l蓝色粮仓：关乎基本生活l油气：海底探明可采储量占比超1/3l孕育了独特的矿产资源和生物资源深海探索——海洋是地球最后的待开发疆域02海洋人工智能的紧迫需求 深海探索——海洋是地球最后的待开发疆域02海洋领域因其环境复杂性、数据多模态性及产业战略价值，亟需专用大模型突破通用技术的局限，响应国家“海洋强国”战略与产业协同发展的历史机遇。探寻深海海洋的精准知识有待完善◆海洋认知困难◆海洋现象的精准化数学表达欠缺通用模型的“盲区”◆领域知识深度不足◆多模态数据融合能力弱深海世界的复杂性与挑战◆动态多变的海洋环境◆高精度需求与实时性矛盾 ◆数据获取难 深海探索——海洋是地球最后的待开发疆域02多源数据的海洋拼图海洋中的数据多源异构：信息繁多、噪声与稀疏并存卫星遥感影像图网络多波束信号（声纳）多源气象站数据浮标观测数据云层干扰声纳数据 提纲大模型时代来临——我们为何关注它？应用图谱——海洋大模型的现实可能性深海探索——海洋是地球最后的待开发疆域向“深蓝智能”迈进——机遇与挑战共生 01020304 应用图谱——海洋大模型的现实可能性03blank海洋智能探测载体升级目标：提升海洋观测与作业平台的覆盖率与自主能力 重要意义：解决海底移动观测与作业平台空缺、环境适应能力不足、自主决策能力欠缺等问题。 应用图谱——海洋大模型的现实可能性03AUHhelipadn采用近海底工作模式的新型AUV——水下直升机n碟形本体，可在海底实现原地转向、自由起降、定点悬停、贴底飞行等功能n由于能够做到悬停，可实现一定的作业功能n实现不同站点之间的能量和数据的无线接驳n填补海洋底部区域缺乏观测平台的空白水下直升机：AutonomousUnderwaterHelicopter-AUH，以及水下直升机停机坪Helipad 应用图谱——海洋大模型的现实可能性03水下直升机“端-边-云”协同探测架构通讯模块导航模块驱动模块作业模块辅助模块能源供给支撑结构水声通讯光通讯卫星通讯无线通讯推进器浮力调节重心调节无线充电iUSBLDBL应急抛载避碰声呐etc岸基控制台水面显控单元水面显控软件控制系统（水面）导航模块作业模块支撑结构iUSBL应答器无线充电线圈通讯模块光通讯能源供给 应用图谱——海洋大模型的现实可能性03端-边-云协同设计框架AUV（轻量端）云端大模型再部署任务反馈边缘轻量模型+本地推理云端大模型+多UUV调度 n轻量端（边缘AUV）执行基础感知、低延迟决策；n云端（遥控中心/母船）承担复杂计算、任务调度、模型更新。分工机制n模型蒸馏、LORA、边缘推理加速等轻量化技术n异步任务分配机制，容错处理与任务补偿n联邦学习确保数据隐私同时支持模型泛化技术支撑应用示例：实时图像分类由本地完成，复杂目标识别由云端大模型分析后返回建议 应用图谱——海洋大模型的现实可能性03OceanGPT功能n海洋科学任务的专家。n生成的数据集由各种部分组成，以使海洋科学问题中所需的行为保持一致。nOceanGPT不仅显示了海洋科学任务的更高水平的专业知识，而且还初步获得了海洋工程中的智能能力。OCEANGPT——海洋领域第一个大型语言模型（云侧赋能） 应用图谱——海洋大模型的现实可能性03未知环境的推断能力与环境感知泛化能力搭建面向海洋特殊场景的小尺度多模态大模型，探寻多模态数据的异构特征对齐方法，实现从多模态数据中提取关键信息到可操作知识的技术闭环，并通过轻量化技术适应海洋边缘计算平台和资源受限环境的部署需求。场景特点环境复杂数据异构资源受限Ø高动态、低光照、多干扰Ø数据信噪比低Ø声呐/图像/化学/文本等多模态数据协同分析缺失Ø数据对齐难度高Ø深海设备算力低Ø能耗约束严格n海洋特殊场景具有的一些特点关联困难数据低质算力瓶颈主要挑战异构数据对齐"depth":152.4m,"resolution":0.1m×0.1m,"point_cloud":[[x:12.34,y:56.78,z:152.1,intensity:0.87],[x:12.35,y:56.79,z:152.0,intensity:0.92],...//点云特征]图像退化应对算力瓶颈突破知识→可操作实现设计跨模态连接器实现异构特征对齐引入多尺度残差网络优化低质量图像处理训练海洋领域大语言模型支持自然语言指令解析生成OceanAgent|海洋探索的小尺度多模态大模型助手（端侧赋能） 技术手段采用小规模模型确保轻量化部署…预期目标 应用图谱——海洋大模型的现实可能性03通信能力：海底／水面链路及协议设计 应用图谱——海洋大模型的现实可能性03模式一：大范围巡游，水文调查模式二：近冰底巡游，冰底声学成像模式三：冰下爬行，高清光学成像模式四：冰下吸附，原位取样自主能力：任务规划与行动执行 目标n实现海洋机器人自主执行复杂任务n如巡航、采样、勘测关键技术n动态行为决策（基于大模型的策略n异常检测与应对机制（自主中断、大模型优势n策略泛化能力强n支持自然语言任务指令转化为行n多模态输入，融合增强场景理解 n路径规划生成）自恢复）动序列能力 应用图谱——海洋大模型的现实可能性03自主能力：任务规划与行动执行针对欠驱动AUH系统中摇摆速度和航向角之间的强非线性耦合，开发一种自适应固定时间制导律。建立级联结构分层控制框架，动态层采用了固定时间滑模面。欠驱动固定时间路径规划与轨迹跟踪控制 应用图谱——海洋大模型的现实可能性03自主能力：任务规划与行动执行针对环境动态累积与信息不确定性约束下的路径规划问题，提出基于深度强化学习的时空语义联合规划算法。传统Actor-Critic框架图时空语义联合路径规划算法框架图用“聪明的大脑”赋能机器人看懂环境、想清楚下一步如何决策 ü信息不确定情况下补全ü通过高阶语义关联，输出下一时刻环境状态的语义预测与关键提示ü加速策略收敛ü增强动态环境适应性主要优势时间序列建模【时空特征融合机制】因果推理【LLM语义推理能力】 应用图谱——海洋大模型的现实可能性03决策框架：基于强化学习与规划算法使用系列建模强化学习处理不确定性与长期收益问题 n增强策略的可解释性n实现人类指令驱动的动态行为适应n提升少样本场景下的决策效率和鲁棒性 应用图谱——海洋大模型的现实可能性03环境适应性：动态海况下的校正p面向AI赋能海洋技术，突破海洋信息的全景感知瓶颈，从“小、中、天气”三个尺度动态解析海洋环境，提升利用海洋的能力小尺度中尺度米级，影响局地湍流、海洋小涡数公里到数百公里级，长期影响全球环流系统异构数据同化参数调整策略洋流反演水体交互短期预测规律推导反馈气象信息反馈宏观海洋环境信息 天气尺度1000km以上，短期内造成剧烈气候变化实时推演数据挖