TMT观察网_独特视角观察TMT行业

大海，是這個世界最神秘的所在之一。我們用盡無數方法去探索蔚藍之下的未知，可成果往往寥寥。

原因很簡單，海洋面積過于廣闊，深入海洋的勘探條件也非常苛刻，需要攜帶大量裝備出海、潛水，很難實現長時間的持續觀測。現在雖然有了水下機器人代替人類，但處理量級巨大的回傳數據又成了一件麻煩事。在這一點上海洋研究和太空學上有些類似，機器帶來的數據，往往需要巨大的數據量和計算相結合，才能發揮價值。例如去年NASA發現了“第二個太陽系”開普勒90系統，就是用谷歌的機器學習分析開普勒太空望遠鏡的數據，實現了更高的分析效率。

那么同樣的邏輯，AI技術可以應用于海洋之中嗎？

探索無盡之海，AI能做到什么

在這兩年AI技術的迅速發展中，雖然應用性的提高有限，但大規模集群計算的能力和成本卻在日益發展，讓越來多的行業可以利用起強大的算力，去解決哪些以往無法解決的問題。

·深海勘探

海洋如此吸引我們，一個原因就是海底蘊藏著很多礦產資源。但想要開采這些資源的前提，是如何準確找到他們的位置，海洋不像陸地，我們不能帶著幾百人的勘探隊走遍大海。面對這一問題，亥姆霍茲海洋研究中心開始嘗試用機器學習圖像分析介入來尋找藏在太平洋海域下的礦產錳結核。

亥姆霍茲海洋研究中心采用的方法是，利用機器學習分析此前水下機器人回傳來的圖像，分析出藏有錳結核的海床形態是什么樣子，從而篩選掉大量模糊的運動照片，從清晰的照片中推算陌生海域藏有礦產的幾率，甚至還可以規劃水下探索線路，極大的提升了水下勘探的效率。

·海洋動物保護

除了勘探礦產，AI對于圖像識別的力量也可以用于保護海洋動物上。海洋動物研究的難點在于，很多動物的行蹤太難尋覓，就無法對群體的生活習慣進行深入的研究。

但去年谷歌在博客上登載了一篇文章，講的是昆士蘭大學的研究團隊利用TensorFlow平臺開發了模型，用于在海洋航拍圖片中找到海牛的蹤跡。目前這一模型的準確率已經達到了80%，而且這樣利用航拍觀測海洋生物的形式距離海洋生物本體更遠，不會輕易干擾生態。

·漁業規劃

要說眼下對海洋生態影響最大的，非法捕魚肯定算一項。如果說偷捕濫捕還能通過休漁期來進行控制，但漁船是否捕撈了保護魚類、是否過量捕撈都很難進行高效的監控。在美國，甚至會出現獨立觀察員陪同捕魚的情況。

但現在一些海外自然保護協會和環境管理部門開始推廣在漁船上強制安裝高清電子監控攝像頭，結合GPS定位實時監控漁船到底捕獵了哪些海洋生物。還計劃結合機器學習算法，自動監控漁船是否捕捉了保護魚類、是否過渡捕撈。

同時有了高清攝像頭+算法+GPS的存在，每條漁船都變成了一個小小的探測器，對于進一步了解海洋生物生態有著很大的幫助。

總之，我們會發現海洋和太空一樣，礙于人類足跡的限制，此前我們的對這些地方所知甚少。如今有了AI更勝人類的圖像識別能力，結合多種圖像數據收集途徑，我們可以加速對海洋的認知范圍。未來在結合上對海水水質、水溫的監測，相信AI和海洋可以做到更多。

“硅海”的建成

但和其他AI與太空、地質、環境結合的不同之處在于，利用AI于對海洋深度認識和開發，最能直接作用于區域經濟的增長。

在過去，海洋對于區域經濟的作用基本在于漁業、航運和旅游幾項之上。但現如今，AI對于海洋的開發利用，或許可以重新帶動臨海區域經濟的增長。

首先，臨海地區對于海洋AI有著天然的地理優勢。AI研究海洋所需要的大規模運算，是可以“取之于海、用之于海”的——微軟在今年就建立了一組“海底數據中心”，利用海水來為服務器散熱。谷歌在芬蘭哈米納的數據中心也是利用海水進行散熱。那些在海邊的研究中心，自然也可以利用這一優勢降低利用大規模計算的成本。而依靠海水冷卻，吸引科技企業在海邊建立服務器數據中心，也會吸引科技企業在臨海區域聚集人才，并且進一步了解海洋。

（規劃中的舟山海洋科學城）

同時因為很多AI創新都需要大量采集數據或進行實地測驗，于是會有大量企業向便利的臨海地區聚集。像浙江舟山近年來就一直在利用自身的地理優勢，吸引AI創業企業，創造智慧海洋經濟。舟山舉辦的舟山全球海洋經濟創業，就吸引了不少像從事海洋生物種群識別、水下機器人等等類目的企業前來參與。對于舟山本地的經濟發展來說，有著不小的推動作用。

最后最重要的，自然是AI對漁業可持續發展、海水污染等等方面的直接作用。改善海洋生態、優化海洋環境，可以給予沿海地區從事漁業、旅游業等等行業更好的條件。

如果有政府組織進行領導，或許AI真的會成為臨海地區經濟增長的重要武器，從“硅谷”變成“硅海”。

生機背后的隱患，

我們距離硅海還有多遠

不過臨海地區想要依靠AI技術得到經濟上的發展，還要解決不少問題。

一般理論上來講，由政府主導，邀請海洋AI相關項目來到當地設立辦公點，提供各種補貼，再利用相關技術優化海洋環境、漁業情況，就可以利用海洋AI為臨海地區帶來經濟上的正向循環。但在理想情況下，還存有兩個隱患。

隱患一：政府補貼帶來的騙補風險

海洋AI對于臨海地區的經濟大有益處，但是這大類技術本身有著極高的門檻。政府相關部門是否能夠快速了解、甄別技術企業的真偽，是個很大問題。尤其現在關注海洋問題的往往都是創業企業，大企業并未入局，其中可能存在的騙補風險可是不小。

隱患二：從實驗室到實地應用的距離

上述提到的不少案例，都來自于高校和研究院，帶有科研目的、公益目的而非商業目的，這就意味著這些技術的應用成本往往很高。這樣高成本的技術是否具有商業化應用的可能，是海洋AI能否帶動臨海經濟的關鍵。否則臨海地區也只能多幾家研究院而已。

這樣看來，想要真正讓海洋AI從研究走向應用、走向帶動區域經濟，需要的不僅僅是政府組織和技術研發兩方的努力。沒有巨頭的介入，整個行業就很難出現示范式的應用案例。同時創業企業能解決的問題有限，往往只是整體問題中的一小點，例如某一種污染物的治理、某一種魚類的識別，這樣一來就很難系統性的解決問題。要讓政府組織和多方創業企業接洽，也是件費時費力的事。

相比之下，巨頭解決綜合性問題的能力更強，在此前智慧城市、城市大腦等等方面的建設中，也累積了足夠的經驗。

今天的海洋AI，還是一片真正的“藍海”，或許未來當更多角色介入，這片無盡之海的價值，會被發掘的更快。