隨著智能技術的發展，大家意識到，研究智能船必將是未來的大勢所趨。自2012年起，國內外船舶智能化、無人化的研究開始提速。然而，各國在具體的研究方向和路徑、技術路線和方法以及應用場景等方面，也各不相同。但隨著行業探索和研究步伐的深入，智能船舶研究路徑猶如那條隱藏在海水下的連接陸地與海島筆架山的“神路”，盡管還未清晰展現出其真實面貌，但已若隱若現。離潮水褪盡的那天，已經不遠了。

提升經濟性是前提

近年來，船舶的智能化研究駛入快車道，成果捷報頻頻。2017年12月，中國船舶工業集團公司研制的全球首艘智能船舶“大智”號交付。2018年11月28日，瓦錫蘭無人船“Folgefonn”號渡輪成功完成岸到岸無人航行以及靠泊測試。2018年12月，全球無人船行業領導者羅羅公司和芬蘭國有渡輪運營商Finferries合作的全球首艘無人駕駛汽車渡輪“Falco”號試航成功。2019年12月，中遠海運集團旗下的全球首艘大型集裝箱智能船宣布正式投入商業運營。此外，由奧斯陸上市的挪威LPG運輸公司與化肥集團Yara International、船舶自動化系統制造商Kongsberg聯合開發的全球首艘全電動無人駕駛集裝箱船Yara Birkeland也將于2020年第二季度交付使用。

類似階段性成果還有很多，從中不難看出，各國對于智能船的技術研究正在從幾年前的摸著石頭過河朝著更加精準的方向發展，大家對于智能船的認識進一步精確化。但是，盡管目前關于智能船的研究得到了進一步明確，技術上也有了質的飛躍。但是，始終有一個最現實，也是大家最關心的問題橫亙在智能船的研發道路中間，始終未得到有效解決，那就是智能船的經濟性問題。

武漢理工大學馬楓博士表示：“船舶智能化的研發遭受了機械性思維的桎梏，總認為所有環節都應像齒輪一樣，一環套一環地向前發展，但實際情況不然。什么意思？例如，如果想要把船舶控制好，行業就認為必須使動力可控性、軌跡控制要達到100%。如果想要把避障做好，必須將感知做到100%沒錯誤。如此一來，盡管船舶智能化了，但因此更改了船舶的動力形式，加裝了大量昂貴的感知設備，本身的經濟性就大幅拉低，甚至有可能會為企業帶去虧損。這樣做的結果只會使得研究方與市場形成互相逆合的狀態，這反而會阻礙齒輪的正常運轉。”

的確，船東最終還是要用效益說話，如果成本問題得不到有效解決，一切都是空談。如果智能的代價是燃油成本提高50%，維護成本提高100%，那么，減少那點人力成本并沒有實際意義。除開人力成本外，業界最關心的還有持續看漲的環保成本，如EEDI等相關規定。馬楓博士表示：“在當前的減排壓力下，低速機加單機單槳，才是大型運輸船的首選形式。當前提供船舶自主控制方案的廠商，則普遍要求電力驅動、全回轉推進器以降低控制難度。這兩者之間就出現了一個巨大的中間地帶，沒有人愿意到中間來。這就是為什么智能研究如此艱難。

船舶智能研究的困難，還在于門檻太高。相比于汽車平臺幾十萬的成本，一艘船造價動輒數千萬甚至上億，試錯成本過高，也讓行業探索相對保守。以智能航行的研發為例，想要尋找一艘大型船舶作為控制對象，涉及動力、槳舵、電氣、法規、安全等方方面面，牽扯到很多設備供應商、電氣協議、商務協調。事實上，幾乎沒有哪一個團隊能單獨控制一條真實的大型貨船。這非常不利于行業的發展。所以我們行業實際上最需要的是把這個壁壘降下來，讓更多的團隊有一個相對統一的研發平臺，為船舶智能研發貢獻力量。”

在2019年上海海事展CCS智能船技術論壇上，武漢理工大學發布了最新的船舶智能操作系統平臺。據介紹，該平臺是世界上首個面向船舶智能的操作系統平臺，核心技術完全自主可控。該平臺基于中國工程院嚴新平院士“航行腦”系統理念打造，該系統建立了船舶底層電氣的兼容通訊模式；打造了導航感知數據的智能輔助協議；建立船舶完整的數字孿生對象，包括仿真和實體；建立了船舶研發智能的統一研發環境。有了這樣一個操作系統，智能船舶的軟件開發和工程部署就可以相對分離。船舶智能的研發團隊，就可專心使用PYTHON等高級語言進行開發，不需再關心底層電氣如何運行。這中間所有工作，由船舶智能操作系統平臺代勞。這樣，就能讓不同團隊更好地協作，讓更多的研發團隊獲得更真實的研發資源，大幅提高效率。基于該平臺，武漢理工大學先行研發出了世界領先的船舶遠程駕駛技術（跨域遠程駕駛技術），可以使用公網鏈路實現船舶遠程駕駛，并在荷蘭、南京、上海等多地對武漢的實驗船舶進行了遠程操控，打破了駕駛員必須在船上駕駛的邊界，為船員適任能力提升提供了新的解決方案。同時，武漢理工大學團隊還展示了其內河自主航行技術，該技術可以模擬人工操作，用極小的驅動力操控一艘大質量的實驗貨運船，進行自主航行、自引自靠。

馬楓博士表示：“我們的研究就是想告訴業界，傳統型線也能做到智能，傳統動力系統也能做到智能。當然，這個有可能只有很內行的人才能看出來。但我堅持認為，能夠幫企業省錢的智能才是業界所需的真智能，這樣的智能才是有實際意義的智能。”

探尋“小馬拉大車”的奧秘

“船舶經過多年的發展，有一個很強的特點，就是它具有較強的經濟適用性和自持力。表現在哪里呢？俗話稱‘小馬拉大車’，用相對弱的動力去推動一艘巨大的船，如此，這艘船才可能創造效益。” 馬楓博士表示。

對于當下的半自主、自主航行研究來說，除了動力弱，還必須面對通訊鏈路的可靠性問題。目前而言，無論是4G網絡或者衛星通訊都不太穩定，經常會出現斷線的情況，這種情況即使5G、低軌道衛星技術來了，也不會有本質性改善。因此，具備遠程駕駛能力的船舶本身需要具有較強的自主性，不然這個船根本無法使用。換言之，我們的遠程駕駛需要可用，就要用“隨時中斷的鏈路去實現小馬拉大車”。

舉個例子，我們開的私家車，功率大約是100千瓦，車重兩噸（實際約一噸多一點）。而在內河里，200千瓦已經可以推動一艘大概300噸左右的船舶。“欠驅動”是船的基本特色，也是船經濟性的來源。馬楓博士解釋道：“正是因為船舶的質量很大，但是動力很小，所以表現出來的就是船舶很難開。船舶由于質量大所以慣性大，想停停不住，想動動不起來，這也就是我們特別強調欠驅動，或者叫低推動力，超小推動力。”

很多研究智能的團隊，會選用無人艇或者海工船等大功率小噸位船做實驗，例如康斯伯格選的就是海工船和拖輪。在馬楓博士看來，這是一個相對取巧的思路。因為海工船或者拖輪的動力很大，那么就意味著它的操控性很好，好控制就會很好做試驗。“但如果你的船變大了，動力變小了，操控性也會變差，感知-控制難度提升將呈指數級上升。例如，在一條10米的窄航道，操控小動力的小型貨船，任何一個操作失誤都會造成碰撞，拉都拉不回來，容錯率極低。其次，欠驅動船舶，也很難靠泊。碼頭岸線有限，常規貨船要自主靠上去，且平平地靠上去是非常難的。業界很多人認為這個問題是無解的，包括羅羅公司和瓦錫蘭也公開表示這個問題根本解決不了，需要改變動力形式。”

“而我們提出的方案就是想告訴業界，這個問題是可以解決的。我們實驗船的型線參考的是大型油輪，母型船是30萬噸KVLCC，槳、舵、比例等等都和真實的貨船完全一樣。我們用大比例模型船實現狹窄航道的自主航行，就是告訴世界，低推重比，貨船的自主航行、自主避障、自主靠泊是可以實現的。回歸到本源來看，人的智能其實就是能在眾多的不確定性中做出準確判斷。例如船長并不準確知道船的噸位，不知道船的運動模型，但他依然有能力靠上去。這就是人的智能推測能力，它能在一些不完備的信息上做決定。我們這艘船也一樣，不完備體現在驅動不好控，感知不好做，我們把這種最新的人工智能用到船上，包括識別、系統辨識、模型預測等等，于是，大家便可看到這艘船可以自己開，自己靠，自己出港。”

據介紹，2020年末，武漢理工大學團隊將把同樣的技術放到更大的船舶上做實驗。該船為雙尾船，總長28米，寬4.8米，型深3.2米，吃水2.4米，方形系數為0.86，航速22千米每小時，動力形式為雙機雙槳雙舵，其型線推重比與運河貨船完全一致，并且具備自主航行、自主離泊、自主靠泊、自主系泊、超低能耗、徹底零排放（低速）、超強通過能力的特色。這條船的順利推進，將為船舶綠色自主航行時代的早日到來奠定堅實基礎。

船舶智能研究需從封閉走向開放

實際上，智能早已存在于船舶行業，但為何一直發展緩慢，制約船舶智能化發展的技術瓶頸是什么？在馬楓博士看來，過高的行業壁壘，讓研究人員之間、研究人員與企業之間難以協作是根本原因。

參考其他領域，機器視覺智能的快速發展，得益于幾大互聯網公司，如微軟、臉書的推動，他們將人臉或者其他目標的圖像，標注好放到網上平臺，供大家一起研究，從而推動了機器視覺跨越式發展。大家的研究有了公共的平臺，效果好壞有了統一的標準，互相之間也形成了良性競爭，讓企業選擇也有了客觀的標準。各個初創公司在比拼視覺識別率、語音識別準確率，也讓這個行業有了長足發展。我們船舶領域缺的就是這樣一個面向智能研發，統一的平臺、框架、數據集。

再回到產品本身，“軟件定義產品”也成為任何產品走向智能的必經之路。今天，我們普遍認為手機是當下最智能的產品。而回望十幾年前，情況完全不同。當時，各個品牌手機的系統各不相同，功能也千差萬別，各有特色。為什么會出現這種現象？正是因為在當時各家都是分離狀態，各家干各家的活，軟件開發被各個手機廠所壟斷。而如今，隨著Android和iOS兩大生態的出現，情況不同了。手機生產商、軟件生產商產生了新的分工。手機生產商不再決定手機的功能，而是由軟件廠商決定。這樣的分工，進一步加速了軟件行業的競爭，也讓手機從一個通訊工具，向更多應用領域拓展，這是一個行業內協作的成功案例。

馬楓博士表示：“這就反映出一個關鍵問題，智能化的發展需要有一個帶頭者將行業生態整合好，把平臺搭建好。我們的想法就是把船舶各環節的縱深打穿，做一個類似的平臺軟件。將智能研究的各個分支都以模塊形式放到平臺軟件上，平臺用戶需要什么中間件，直接下載使用即可，也可以將自己的算法提交給平臺，與其他用戶共享。我們團隊目前研發的智能船舶操作系統平臺就是基于此。目前，平臺僅有智能航行部分的功能，還需要長期的發展與完善，需要更多的合作者。希望明年能達到最終的效果，就是讓我們智能船的研究從封閉走向開放，如果能把所有東西全部打通，不僅可以提高行業智能研究的效率，減少重復勞動。同時，還將對整個行業的智能化發展起到鯰魚效應。”

顯然，這將形成一個新的智能業態，所有模塊都放在那里，如何拼裝、如何玩，由你自己決定，就好像玩智能LEGO一般。

“當然，不可否認的是，牽頭建立整合行業生態并不是一件容易的事，非常苦又不討好。但是，一旦這個平臺建立起來，將對行業的智能化發展有著極大的助推力。屆時，大家都專心研究自己的專業領域就可以了，而且，越專注某一領域的團隊將做得越好。”馬楓博士坦言。

據了解，目前全球范圍內，把智能研究平臺化做的最成功團隊，當屬美國的Open AI。它由Elon Musk、Peter Thiel、Infosys和亞馬遜等共同承諾捐贈10億美元成立的，專門研究服務于人類的泛化人工智能。Open AI建立了世界最著名的“人工意識”的研究平臺GYM，里面包括了約28個標準的測試場景，包括倒立擺、機械臂、人體骨骼等。GYM作為一個開源軟件，誰都可以無償使用、無償下載。這讓全世界研究“人工意識”的團隊，有了一個公平競賽的場地，從而大幅度促進了該研究的進展。如今，我們看到的機器人“大狗”、仿生機器人等，都是從這個平臺上獲得了極大支持。

Open AI的GYM是一個純軟件仿真環境，可以基于它開發各種仿真環境，直接使用重力、摩擦、流體等各種難以建模的模型，還針對人體軀干、機械臂做了很多DEMO。值得一提的是，當前“人工意識”研究，普遍依靠增強學習反復嘗試來獲取經驗。所以，在實際控制對象上訓練意識幾乎不可能。所以Open AI提供的GYM環境，給增強學習提供了一個“仿真訓練”環境。可以說，GYM已經成為當下“人工意識”、增強學習的事實標準。

然而，GYM屬于純軟件，目前并未與實體形成互相聯動。其特點是大而全，包羅萬象。也正因為此，其在具體的小場景上并不深入。例如，GYM對船舶的支持就很差，沒有專門支持船舶的模型和仿真環境。“因此，未來我們的平臺，將成為一個船舶版的GYM，比現在Open AI的GYM還要強大。”據馬楓博士介紹，他所帶領的團隊，正在“船舶智能操作系統平臺”的基礎上打造“航行腦虛實融合測試平臺（PALLAS）”。該平臺，從目標上與GYM有類似的地方，區別在于該軟件是個一專門面向船舶的環境，內置了船舶運動模型、航行規則、船舶型線、航行環境、風浪流耦合模型等。同時，該平臺將是一個可以與實際數據形成聯動的環境，這也是GYM沒有做到的。目前，馬楓博士的團隊已經在南京、舟山等地建立了多個實體數據采集平臺，并把收真實數據實時推送到了云端。PALLAS一旦運轉起來，便可以直接與實體數據聯動。

“行業有分工，大學的本質工作在于研究與教育，所以我們更關注的是研究領域，我們所做的試驗僅限于技術驗證。我們所研究出的技術或產品需要孵化平臺、轉換平臺才可走向商業化，走向市場。而這些則需要船級社和其他業內企業或組織去進一步推進和完善。那么，誰有能力來做這個事情呢？大家想想，Android是由谷歌牽頭，因為谷歌在那個行業里具有絕對的影響力。我們是大學，自然是沒有可以比擬谷歌的影響力，但中國船級社可以擔當類似的角色。我們很高興中國船級社成立了科創中心，我們可以依托中國船級社這個平臺，把這個愿景做成船舶行業的一個規劃。2020年，我們希望與中國船級社等伙伴一起合作，將該操作系統和測試平臺進一步規范化、開放化、云端化，為更多組織機構服務。團隊期待與業內外其他團隊合作，共同推進船舶智能的發展。”