2024年11月30日，由中国计算机学会主办，CCF YOCSEF上海分论坛、上海海洋大学承办的“第二届滴水湖论坛——如何抓住AI窗口期，赋能海洋新质生产力”在图文信息中心102顺利召开，论坛由执行主席贺琪和李晋国主持，上海海洋大学副校长罗轶、科技处副处长李云凯、信息学院院长陈明、上海海事大学信息工程学院副院长朱昌明、上海电机学院电气学院副院长陈志敏、大连海洋大学信息工程学院院长于红、上海交通大学教授张律文、中国海洋大学教授王胜科、上海临港数据评估有限公司宗良、CCF YOCSEF上海秘书长刘斐、副主席马骏、学术秘书郭畅、以及AC徐冰茹、郑臻哲、戈维峰、王鹏伟等专家学者以及企业代表共 60 余人参加了论坛。

贺琪论坛开场

李晋国介绍YOCSEF文化

 论坛主要分成三个环节，分别是领导致辞、嘉宾引导发言和思辨环节。上海海洋大学信息学院副院长贺琪主持开场白。上海海洋大学副校长罗轶做欢迎致辞，并强调了此次论坛对于推动 AI 及海洋科学融合发展与社交化融合的重要意义。上海海洋大学信息学院院长陈明介绍了学院在信息技术领域的研究成果和特色方向，并重点分享了在智慧海洋、人工智能与大数据等方面的创新实践及校企合作成果，展现了学院在产学研结合中的领先优势。CCF YOCSEF上海执行主席李晋国对CCF YOCSEF的文化及活动规则进行了阐述。

罗轶致辞

陈明致辞

渔业、传统经验、年轻人才

于红介绍了海洋领域的机遇和挑战。探讨了AI如何赋能海洋产业，面对老龄化、技术落后等挑战，AI提供了吸引年轻人、提升效益等机遇，尽管存在数据安全和成本问题，其发展前景仍被看好。

 于红引导发言

材料损伤、数据获取与监测、可解释性

张律文介绍了海洋工程材料在使用中的损伤隐患和传统研究范式所面临的瓶颈。张教授指出，AI技术能够处理大量数据、预测实际情况，且不依赖传统模型，在材料性能预测、设计优化、实时监测等方面已有应用实例并取得成效。提出了解决可解释性和数据获取难题的方案，并对未来持续发展表达了期望。

张律文引导发言

涉海视觉、分辨率、多模态

王胜科介绍了无人机在海洋研究中的潜力及挑战。无人机虽具高分辨率与灵活性，但数据获取难、环境干扰及高成本等问题限制了应用。王教授提出通过物理机制算法优化和多模态数据融合提升效率，并强调改进硬件性能和自动化标注工具是未来关键方向。

王胜科引导发言

数据的市场化、可解释性、可靠性

宗良探讨了海洋数据获取的挑战。当前，海洋数据缺乏高质量实地数据，数据共享机制不足，限制了人工智能的应用。同时，数据投毒和隐私问题影响模型可靠性。国家正通过完善政策和推动数据市场化，释放数据潜力，为海洋研究提供支持。

宗良引导发言

在思辨环节中，思辨引导嘉宾和参会人员对三个思辨问题展开了充分的讨论。凝练、输出了三点共识，具体如下：

两种研究方法有三种结论：

（1）AI科研方法作为工具辅助传统科研方法；

（2）两种方法是不同的研究路径，AI偏向数据科学；

（3）两种方法可以互相促进，在传统的研究方式下，通过AI进行校验，最后可能殊途同归。

目前很多传统领域的科研教授大部分在尝试第三种方式。

海洋数据的安全不仅是业务问题更是国家战略，目前海洋数据有多元性、时空性、多维度、海量性和敏感性的特点，数据的获取方式和管理应当由数据单位控制，由于数据确权和归属的问题没有立法明确，限制了数据的开发利用，相信未来可以通过AI的方式进行更有效的获取和共享。

科研单位、政府、企业都是推动者，企业侧，科研单位通过AI技术提供算法支持，让企业主导应用。政府侧，通过政策推进和落地，加强数据的有效共享，挖掘更多的数据价值，提升公共服务水平。科研单位侧，应当更多的看到跨国数据的价值，提升中国跨领域交流和合作的影响力。我们对于AI的应用也要分层分级，针对传统应用无法解决，通过AI技术赋能海洋经济，提升国家海洋领域的新质生产力。

胡鹏：传统的海洋学研究方法应作为知识框架，AI技术在这一框架中起到促进作用，而非完全替代。AI，如ChatGPT，虽然在水产与生命科学研究中发挥了很大作用，但也有局限性，容易产生不符合常理的结果。作者认为，AI应在已有的知识体系基础上发挥作用，提供促进和赋能，而不是完全依赖其发散性思维，避免过度依赖其结果。

魏立斐：AI在海洋学和自然科学领域的作用是辅助性的，而不是替代性的。传统的研究方法需要积累和深入分析，而AI则可以通过快速处理和生成框架为研究提供帮助，尤其是在文献检索和资料整理方面。AI的确能帮助提高效率，但对于最终结论的判断和准确性，仍需专业的背景知识和经验来验证。

刘斐：在台风预测等领域，是否应信任传统的海洋气象预报，还是依赖大模型的预测。您认为，传统的经验和知识积累在某些情况下可能比AI更为有效，尤其在渔业等领域，人工智能的介入可能会引发一些问题，甚至可能改变原有的研究方法。因此，AI是否能促进现有研究，仍需进一步探讨。

于红：我对刘斐的问题做下回应，在实际决策中，在早期阶段，经验足以指导决策，但随着数据的积累，我认为利用AI可以进一步提升决策的准确性。通过数据计算和模型优化，AI能够提供更精准的决策支持，尤其是在数据充分时，能够验证并优化传统经验的决策。

宗良：关于台风预测的问题，人工智能模型和数据源是十分重要的。不同类型的模型和数据质量直接影响预测结果。例如，尽管两个使用大模型的案例，因数据和算法不同，结果差异巨大。在海洋学研究中，精准的模型和数据至关重要，避免数据污染和机器幻觉是关键。

吕鸣：AI是工具而非方法，传统研究方法与AI各有区别，但都服务于研究目的。AI可以加速数据收集和处理，但缺乏人类的价值判断和思考。AI帮助研究更快捷，但需结合人类的价值观进行反思与判断。科研中，AI与人类应互补、协同作用。

许盛诚：AI与传统海洋学研究方法各有优势。传统方法依赖实地调查和实验分析，注重直接观察和数据收集；AI则侧重大数据和机器学习，擅长处理高维度数据，能够发现复杂系统中的潜在模式。在一些任务中，AI表现出显著优势，但传统方法仍不可或缺。

魏宪：在数据充分的情况下，AI在海洋领域的应用前景广阔。但当面临海洋环境中的特殊挑战，比如失去卫星或GPS信号时，传统技术（如声纳和卫星技术）仍然至关重要。目前，尽管陆地上的自动驾驶技术已取得显著进展，远洋的自动化技术仍未找到理想的解决方案。

叶卓斌：AI可以代替传统研究，但目前AI仍处于弱智能阶段，无法完全解决问题。传统学者还没有能力将所有知识提取给AI使用，导致其潜力未完全发挥。不过，我相信AI能跨领域整合知识，带来更高效的研究方式。

戈维峰：AI不仅是工具，更是一种方法论，它通过数据驱动的方式主动发掘隐性知识，具有挖掘规律和涌现能力。与传统科学的探索不同，AI利用数据来总结规律，而传统方法依赖于深刻的科学原理。AI可以赋能各学科，推动新科学问题的出现，但需要领域知识指导，避免学科间的冲突和误用。

洪中华：AI是一个不断进化的过程，尤其是通过强化学习和大数据的积累，它在海洋科学等领域的应用势不可挡。就像在国际象棋中，AI已经超越了人类，未来的战场也将依赖人工智能。无论是物理方程还是复杂的数学模型，AI都有能力提供解决方案，这为各学科带来了新的发展机遇。

朱昌明：未来，人工智能无疑是大趋势，但要在实际应用中落地，还需要时间。我有一个亲身经历可以分享：在养殖业中，我们尝试用 AI 模型预测螃蟹的生长风险。虽然模型能处理大量数据，但它忽视了很多不可预见的因素，比如连续高温、杀虫剂使用等传统养殖中的细节。这些因素，AI 逻辑无法完全预测，因此导致了养殖失败。虽然 AI 发展迅速，但要真正融入各行各业，仍需解决很多实际问题。

冯岳云：结合传统方法和AI，能提高模型准确性和决策可信度。比如在装备预测中，AI 可通过机器学习校准传统模型，减少偏差。同时，AI 可简化复杂科研成果，使其易于应用，推动科研成果转化。因此，AI 是促进虚实融合和科研进展的重要手段。

陈志敏：传统方法通过数学模型为 AI 提供边界和方向，而 AI 通过数据驱动赋能，帮助解决复杂问题，尤其是那些传统方法难以应对的情境。在海洋学中，AI 可以结合大量数据进行训练，优化模型，反向验证结果，从而提高精度。AI 作为工具和方法论与传统模型融合，不仅能增强研究的效率和准确性，还能推动领域进步。

马骏：AI 和传统海洋学研究方法应该是相辅相成的，而非对立的。传统方法为 AI 提供应用场景和数据，帮助解决实际问题，而 AI 则能优化这些方法，推动新架构的建立。通过这种迭代过程，不仅能够加速技术的应用，还能不断突破现有的研究瓶颈。最终，AI 和传统方法结合，将加速领域的进展。

思辨嘉宾发言1

王蕾：海洋数据安全和信息保护是关键问题，内部数据外泄风险低。海洋监测数据稀疏，尽管国家投资基础建设，数据获取仍有限。海洋业务工作与经济和生命安全紧密相关，涉及数据准确性和国家标准。AI技术投入有助于解决现实问题，提高工作效率，支持政府决策。海洋政策和环境变化，如深远海开发，带来新挑战。AI技术将辅助解决海洋问题。

吕鸣：美国通过了海运改革法案，禁止美国港口使用中国的数据信息，防止中国掌握运价，影响美国的贸易安全。这个问题不仅仅在信息安全，还会上升到国家安全。数据合规和数据出口管制等都在进一步的加强。

魏立斐：海洋的AI模型要解决的安全问题是数据的主权问题，到底数据归谁，先要解决数据的确权问题。要如何实现海洋数据的共享，除了确权的问题，还有拿到数据的问题。需要隐私计算的方式，另外大模型需要私有部署，保证数据可用不可见，可控可计量，但是感觉目前还在理论阶段。看上海浦江数链的推广后，是不是能够有更好的落地。

聂和兵：在经济学中，数据的有效利用和归属权是关键，例如淘宝和高德地图上的数据由用户产生，但归属于平台。阿里云等平台虽然拥有数据，但在实际操作中，数据的明确归属和使用权存在问题。即使拥有数据，人工智能的发展也受限于人才和数据流通问题，导致数据无法有效输出，人才难以进入，成为发展中的挑战。

宗良：海洋数据与传统数据不同，多元特性、时空特性、维度特性、海量性、敏感性。1传统的数据生命周期，好高维、时空性，OT侧的数据，水下采集，遇到海外国家进行针对性攻击，电磁探测影响了数据的可持续性，需要做好数据前端业态的防护。数据主权的问题，人有我无的要空白弥补，人有我有的，需要针对性突破。数据的防护要做在前面，内网的数据也不一定永远在内网。

王胜科：大模型的管理和数据安全需由数据单位和区域单位控制，我们必须对数据分应用场景和维度进行处理。所以做AI模型是需要数据单位来进行推动。

思辨嘉宾发言2

于红：我主张不直接管理数据，因为这不是我们的强项。我与拥有数据的企业合作，提供算法支持，让他们主导应用。政府应主导涉及敏感数据的项目。科研机构缺乏持续管理数据的经费，因此与有能力的企业合作是可持续的模式。我们专注于研究，企业负责数据变现，这种分工合作是我认为目前最合适的方式。

赵永璞：我们对AI的认知不足，对AI基于物理原理的突破理解不够。AI的成就不仅是技术层面的，还涉及多层次、多尺度的认知涌现。我们难以预测AI的结果，就像我们难以预测复杂的物理现象一样。AI能够模拟人脑神经元网络，这是我们认知上的一个突破。我们需要更深入地理解AI的物理基础和认知影响。

吕鸣：曾经做的大国博弈下的专报，美国建立感知信息网，打击渔船违法捕捞活动，但是通过这个手段加强了海域感知的控制。基于这样的专报也推动了国家部委、科研机构之间关于该问题的研究，获得了立项。

许盛诚：到底说的模型是基于行业模型还是大模型，这个思辨问题中的基础问题有待明确。

王胜科：我强调的是跨领域交流和合作的重要性。亚太地区渴望与各领域专家进行深入交流，特别是在AI领域。合作不是简单的项目申报，而是需要长期、持续的投入和专注。无论是点对点还是对特定领域的长期合作，都需要通过赛事、活动等持续投入来实现。

郑臻哲：在人工智能应用于海洋等领域时，我们关注的是如何有效利用技术。在缺乏大模型的情况下，我们依赖数据分析和数据挖掘方法。大模型的出现带来了变化，我们需要理解这些变化对应用的影响。不是所有问题都需要复杂的架构，有时传统模型已足够。AI更多是辅助工具，提升效率而非替代专业方法论。我们需要跨领域合作，让专家共同探讨，设计适合各自领域的方案，以实现效率提升。

贺琪：在海洋与计算机交叉领域，我们通过遥感数据应用人工智能技术，如摇摆影像分类、海岸线监测、海洋中尺度现象识别等。这些技术帮助我们高效分析海洋变化，降低成本。随着时间推移，海洋领域专家开始接受并利用AI技术，如预测海洋现象和气候变化。我认为今天的讨论非常有益，各种观点都有依据，未来我们还需进一步探讨AI在海洋领域的应用。

聂和兵：我认为近500年来，科研侧重于替代人的肢体和感官，而OpenAI的突破在于其模型能模拟人类智能，这是非常震撼的。科研机构应继续推动这一领域的发展，从微智能向更高级智能迈进。企业界可以利用大模型，如OpenAI，推动实际应用。海洋科学领域也应探索基于遥感和大数据的自动导航模型，以实现更智能的海洋探索和研究。

邱堃：大家对AI不同的技术能力不能过于泛化，应该更精准的定义具体的技术内容。目前产学研课题等模式已经在捏合科研、企业、政府，按照这条路径走，大家就可以扮演好各自的角色。

思辨嘉宾发言3

最后，执行主席贺琪为本次论坛画上了圆满的句号。她强调，滴水湖论坛不仅是一个汇聚各方智慧、共享深刻见解的卓越平台，更是校企之间沟通的坚实桥梁。我们期待这样的对话能够持续不断，使这个平台成为我们共同成长和进步的摇篮。

参会合影

滴水湖论坛

CCF YOCSEF上海

滴水湖论坛是上海分论坛新建的品牌系列活动，今年已进行到第二届。该论坛旨在连接临港五校，形成YOCSEF上海在临港区域的影响力，推进计算机领域的产学研用合作。今年的滴水湖论坛围绕海洋场景展开思辨研讨，更邀请了大连分论坛、青岛分论坛的老主席进行引导发言，体现了YOCSEF的传承。

▶ 第一届滴水湖论坛：

CCF YOCSEF如何与临港发展相辅相成

执行主席：李晋国、张波、朱昌明

地点：上海电力大学

时间：2023年6月10日

主题：人才与发展

▶ 第二届滴水湖论坛：

如何抓住AI窗口期，赋能海洋新质生产力

执行主席：李晋国、贺琪

地点：上海海洋大学

时间：2024年11月30日

主题：海洋业发展