机器学习正在稳步改善海运业的运费预测，但该行业固有的波动性仍然超出最先进模型的捕捉能力。

一项对2012年至2024年间发表的28项研究的综述发现，业界在预测航运市场时，越来越依赖船舶供应数据、大宗商品需求指标、燃油价格以及更广泛的经济指标。然而，该综述也得出结论，地缘政治冲击、监管变化和突发的供应中断无法仅凭历史数据可靠捕捉，这突显了一个核心局限性——在这个行业中，运费可能因正常趋势线之外的事件而迅速波动。

业界人士普遍认为，人工智能最好被视为决策支持工具，而非人为判断的替代品。Arrow公司的Burak Cetinok在接受姊妹刊物SplashTech采访时表示，现代工具可以比以往更快地处理数据集，但薄弱的数据质量和有限的覆盖范围仍然制约着准确性。Trans Global Projects公司的Panos Patsadas指出，航运业的数字化程度仍然不足，并警告说过去的周期难以有效指导未来市场行为——这提醒我们，预测仍然依赖于底层市场记录的质量和完整性。

Sea公司的Christoffer Svärd指出，模型输出在很大程度上取决于配置、提示、上下文和人为解读。

SSY公司的Roar Adland持更为怀疑的态度，他认为大语言模型相比已使用十余年的机器学习系统几乎没有增加什么价值，且不适合用于自主商业决策。

专家们确定了驱动运费的三个主要因素：可预测的基本面、不可预测的冲击以及短期羊群行为。AI可能提升对第一类因素的分析能力，但对第二类几乎没有帮助，甚至可能放大第三类。如果市场参与者依赖相似的模型和数据集，他们可能涌入相同的仓位，加速市场走势，从而削弱这些工具旨在提供的预测能力。

业内人士的共识是，AI可以优化分析、揭示隐藏规律并改善时机把握，但它不会消除航运周期，也不能替代经验丰富的商业判断。

来源：Splash247