人工智能只有在其底层数据、语境、连接性以及碎片化工作流最终被整合之后，才能真正变革航运业——这是SplashTech对海事科技领袖调查得出的核心结论，该调查作为全新SplashTech杂志的引言发布。

如果说调查中有一个答案占据主导地位，那就是人工智能。然而更具启示性的发现是，很少有受访者愿意就此止步。

预计未来五年，AI将触及航运业的几乎每一个环节：航次规划、维护、采购、货物作业、合规、安全、商业决策，以及在海上的陆上耗费大量时间的日常行政事务。但一位又一位撰稿人都附加了同样的限定条件：智能的水平取决于其底层数据、语境、连接性、架构和海事知识的质量。

这一限定条件落在一个历史上数字化程度参差不齐的行业。不过，航运业的监管环境正在以奖励更优质数据的方式发生变化：IMO的船舶碳强度指标（CII）评级体系，以及欧盟将海运排放纳入其排放交易体系（ETS），已使准确、可验证的操作数据从可选的效率项目变成合规要求。受访者反复回到这一现实压力——只有当喂给AI的数据经得起审查，AI才能产生回报。

语境是缺失的关键要素

Complexio联席首席执行官Matthew Talbot清晰地阐述了这一观点。他认为最具变革性的技术，是能够读取航运业非结构化协调层——电子邮件、聊天、文档和附件——并将其转化为公司实际运作方式的受治理模型的能力。

“这里最关键的词是语境，”Talbot告诉SplashTech。

他认为，任何通用模型都能总结一封电子邮件。更困难的问题是理解这条信息在特定航运公司内部意味着什么：它与哪艘船、哪批货、哪个交易对手、哪个人以及哪项先前决策相关联，以及工作实际如何流转。航运业的操作记录往往存在于收件箱而非ERP系统中。在机器能够智能读取这段历史之前，构建在其上的应用只能基于不完整的图景工作。

Maris Investments的Manish Singh从另一个角度切入同一问题。当被要求指出唯一最具变革性的数字技术时，他拒绝具体点名任何技术。他选择的是“消除海事工作流中各孤岛的统一记录平台”。

“在实现之前，许多新工具带来的只是复杂性而非能力，”Singh说。

综合来看，这些答案指向正在形成的更大博弈。航运业并不缺应用，缺的是让应用、通信、数据和人员作为单一运营体协同运作的连接组织。

AI，但有前提条件

Inmarsat Maritime的总经理兼副总裁Gert-Jan Panken预计AI将产生最广泛的影响，但他表示其价值完全取决于输入质量以及支撑它的数字化基础。AI需要可靠的数据和安全的船岸一体化，才能改善维护、航次优化、安全、排放表现和商业效率。没有这一基础，AI就有沦为又一层复杂性的风险。

Elomatic数字化转型总监Nico Lehtinen同样提名AI，同时强调航运业仅触及了表层。这项技术将逐渐成为工程和运营管理的自然延伸，而不是用户需要单独访问的一个应用。他认为，赢家不太可能是拥有最显眼聊天机器人的公司，而是那些将智能悄无声息地嵌入决策工作流的公司。

Agwa产品副总裁Maayan Castel将这一机遇描述为“打通感知、决策与行动闭环的领域专用AI”。

“海事行业不需要更多展示必须由人来解读的数据的仪表盘，”她说。

Marcura负责产品与战略增长的高级副总裁Janani Yagnamurthy关注另一个重大机遇：能够将组织知识制度化的AI智能体。随着经验丰富的专业人士退休，能够留存数十年商业决策、作业惯例和合同解读的公司，将拥有日后难以重新购买的优势。

Talbot表达了类似观点。航运业仍将大量操作知识视为个人财产：记得机械设备为何提前更换的机务主管，或知道在某个港口哪位代理能办成事的操作员。当这个人离开时，公司往往要付出代价重新学习这一课。

贯穿其中的共同主线并非单纯更智能的软件，而是缩短知识与行动之间的距离。

基础管道先行

Smart Ship Hub首席执行官Joy Basu给出了调查中或许最刻意逆潮流的答案。如果被迫选择真正具有变革性的技术，他选择的是船载数据记录仪。

航运业至今仍严重依赖AIS、午报和碎片化的船载系统。如果来自发动机、锅炉、流量计、轴功率计、导航设备和货物系统的高频信息能够以低成本、高可靠性地采集，行业将突然拥有AI、数字孪生、自动化报告和预测性维护所需的原料。

“一个从未考虑过污底船体、降额发动机或伪造AIS船位的AI模型，会给你自信满满的胡说八道，”Basu说。

通用AI正在以惊人的速度进步，但船舶并非通用环境。传感器会漂移，机械会老化，连接会中断，船体会污底，船员会随机应变，天气会变化，商业优先级会冲突。

Talbot将论证延伸到遥测之外。传感器记录可能告诉操作员某台泵温度过高。将这一信号与机务主管的电子邮件、此前的登轮报告以及船员实际采取的行动相结合，机器就能开始理解原因。结构化数据与人类语境结合时的价值，远大于各自单独的价值。

因此，Idwal首席技术官David Evans认为，变革始于经验证的操作数据和标准化报告，AI与分析则建立在其上。SpecTec首席执行官Adam Dennett同样选择标准化、可互操作的数据，将其视为决定谁能真正从人工智能中获益的基础。AI或许终于为修复航运业容忍多年的数字化问题提供了商业理由。

并非所有人都认为人工智能本身值得登上头牌。NAVTOR董事Bjørn Kristian选择的是S-100，这是在IMO电子航行战略下开发的下一代海事数据框架，将电子海图、水深测量、水位和表层海流等航行产品纳入统一结构。

“S-100引入了更丰富、动态且可互操作的航行图层，”Kristian说，有望改善态势感知、航线监控和航次规划。

他的答案之所以有用，恰恰在于它印证了更广泛的调查结果：下一代海事智能在很大程度上依赖于更丰富的信息先实现结构化和互操作，聪明的应用才能加以利用。水面之下的技术，可能最终决定头条技术所能达到的高度。

从应用到运营层

这正是Singh的统一记录平台论点尤为重要之处。海事技术的采购传统上按部门、按问题逐一进行：船员管理一套系统，机务一套，租船一套，采购一套，绩效又一套。随后，人类成为集成层，通过电子表格、电子邮件、重复录入和记忆在产品之间搬运信息。

Singh认为这种架构正接近其使用寿命的终点。他的目标是建立船舶及其相关人员共用的统一运营记录，让不同职能围绕同一底层信息汇聚。

“细分领域是供应商组织自己的方式，”他说，“运营者体验的不是细分领域，而是跨越多个平台和应用的单一工作流。”

Talbot对往来函电的强调解释了为何仅解决应用层并不足够。每个下游系统都需要知道发生了什么、由谁决定、依据为何。这类证据大多仍埋藏在对话和附件中，而非数据库里。

Sea首席商务官Christoffer Svard预计，AI智能体将越来越多地与其他系统直接连接，而不是迫使人们不断登录各个独立平台。软件将成为工作流生态系统的一部分，而非一个目的地。

SmartSea首席执行官Kris Vedat从船队角度得出相似结论。他预计自主决策生态系统将把船舶、岸上团队和海事基础设施连接起来。突破不在于自动化单个任务，而在于让船队作为互联的运营网络运作。

人类判断仍在决策环中

尽管对智能体和自动化热情高涨，相对较少的受访者将未来五年视为迈向无人化航运的进程。NAPA首席执行官Mikko Kuosa主张AI负责提议、人类负责决策。Ardmore Shipping创新总监Garry Noonan同样强调，技术在增强而非取代人类决策时才能创造最大价值。

Talbot提出了另一个门槛：其输出事后能否站得住脚？一项决策可能在数月后受到船东、租家、验船师、保险人或仲裁庭的质疑。仅凭准确性并不足够。系统需要保留信息来源、所使用的版本以及建议背后的推理链。这或许将成为海事AI产品能否从演示走向实用的分水岭之一。

五年之后，AI几乎必然会更深度地嵌入航运业。但SplashTech的调查表明，更大的变革或许在于AI热潮迫使行业修复其周边的基础：数据质量、语境、互操作性、连接性、身份、机构知识和工作流。突破不会出现在每艘船都配备AI助手之时，而会出现在船舶、岸上办公室和技术栈最终基于同一运营现实协同工作——并能够证明其如何达成——之时。

来源：Splash247