21世纪经济报道 吴立洋

7月1日，《海上自主水面船舶国际安全规则》（MASS Code）正式生效。这份由国际海事组织（IMO）历时九年制定的框架性文件，为智能航运补齐了最后一块产业化应用的拼图。

在此之前，智能船舶与辅助驾驶系统产业，长期处于各国自主进行技术探索的阶段，缺乏统一的监管框架作为国际标准、法律依据。随着涵盖自主船舶的通信导航、远程操控、消防安全以及搜救等关键领域的MASS Code落地，智能航运业正加速从早期技术试点，踏入合规化、规模化商用的全新周期。

在此背景下，迈润智能科技董事长张兵华接受了21世纪经济报道记者采访。他指出，AI视觉感知的快速发展，大幅提升了AIS（船舶自动识别系统）的识别率，为全球船东、船企推进智能船舶及核心装备研发应用，提供了清晰的降本提效预期。中国拥有全球最复杂的航行场景，因而拥有更丰富的训练数据与更快的迭代速度，随着MASS Code正式实施，中国智能航运企业有望在此过程中实现“换道超车”，掌握行业技术发展乃至规则制定的更高话语权。

迈润智能科技董事长张兵华（受访者供图）

多重因素推动

从2017年8月开始制定，到今年5月IMO通过，MASS Code的出台是多方因素共同作用的成果。

首先，日益严峻的人力老龄化困境，是倒逼全球航运业加速智能航运发展最关键的动因。

以航运需求大国日本为例，其船员队伍中 50 岁以上群体占比高达60%，60岁以上占比达25%。作为一个拥有六千个岛屿、其中四百个岛屿有人常住的国家，日本的渡轮与沿海航运需求庞大，但人力已难以为继，行业亟需通过技术手段降低对船员数量的依赖。欧美等国这一现象同样比较普遍。

其次，AI视觉感知技术的快速发展，则为智能航运的大规模落地奠定了技术基础。

张兵华告诉记者，在感知技术层面，传统船舶依赖雷达与 AIS（船舶自动识别系统）的组合方案，已经触碰到物理天花板。交通运输部水科院的相关测试显示，雷达加AIS的综合目标识别率在高密度繁忙水域仅能达到85%，且无法再通过技术升级大幅提升。

此外，AIS依赖对方船舶主动发射信号，繁忙水域存在信号时序冲突，天然存在约25%的信号丢失率；雷达依靠电磁波反射识别目标，对木质渔船等小目标、弱反射目标的识别能力极差——这些都是物理原理决定的技术上限。

AI视觉感知的出现和快速发展，则打破了这一天花板。视觉识别不仅能大幅提升目标识别率，还具备 “所见即所得” 的直观性，船员无需专业知识就能判断系统是否有效工作，产品迭代的反馈效率远高于雷达等专业设备。

从商业层面看，识别准确率与效率的快速提升，为船东、船企提供了更明确清晰的收益预期。

张兵华指出，与汽车智能驾驶技术以无人化为最终目标不同，船舶智能化无需一步到位做到全无人。一艘远洋船舶通常配备20至28名船员，若能通过辅助驾驶和半自主航行减少一半船员，就能为万吨级船舶降低15%至25%的运营成本。

“在航运这种薄利、强周期的行业，15%以上的成本优势已经具备颠覆性。”他进一步表示，这种 “减员即可变现” 的市场逻辑，让船舶智能化的商业落地路径比无人车更平滑，推广阻力也更小。

数据决胜

值得注意的是，谈及智能航行，公众很容易将其与陆地自动驾驶做类比。但在行业从业者看来，船舶智能航行与无人车技术各有难点，甚至在核心维度上，船舶的技术挑战更甚于汽车。

一个行业共识是：当前大型海船的智能航行，严谨来说仅处于L1.5至L2级的辅助驾驶阶段。

张兵华表示，智能航运技术的首要难点在于船体控制。陆地车辆遇到障碍大多直接刹车直至静止，且操控响应迅速；但船舶在水面上一旦失速就会彻底失控，失去方向控制能力，因此在航行中无法将相对速度降为零。

一艘二三十万吨的超大型船舶，完成一次减速避让可能需要1.5海里（约2.8公里）的缓冲距离。因此面对航行风险，船舶的第一反应不是刹车，而是提前转向避让。这种操控特性，类似于在冰面开车，对控制模型的预判能力和控制精度要求都更高。

第二个难点在于感知范围与数据量级的差距。陆地自动驾驶的感知距离，在城市道路为50至100米，高速场景为100至200米，平均百米级即可覆盖需求。而大型海船的感知范围需要覆盖360度全域，前方目标观测距离可能需达到6海里（约11公里）是车辆感知距离的上百倍。

视觉感知是面状数据，距离提升百倍，意味着画面覆盖面积提升万倍，单帧数据量也随之达到车辆的上万倍。这直接对算法效率、算力承载提出了量级上的挑战。

此外，海事卫星的海上带宽仅约1兆/秒，通讯成本是陆地的数百倍，大量航行数据无法通过网络实时回传，只能依靠船端本地处理。高盐雾环境则对硬件可靠性、防护等级提出了远超消费电子和车载设备的要求。

“不同于车辆数据可以实现实时采集和传输，航运数据的采集难度更高、迭代周期更长。” 张兵华表示，一条跑中欧航线的集装箱船，往返一次需要55天，研发团队往往只能等船舶靠港后，才能人力从船上取回硬盘数据。

因此，航运数据积累量、数据质量以及由此生长的AI识别能力，就成为决定智能船舶与辅助驾驶系统应用成效最关键的因素，也将是中国智能航运企业在本轮产业化落地过程中的优势所在。

以迈润智能科技为例，公司年初船端航行数据积累已超过2PB，目前设备装船量位居全球第二，具备充足的数据积累和采集渠道。

另一方面，中国的航运市场环境为企业提供了难以比拟的场景优势——放眼全球，中国拥有全球最繁忙的内河与沿海水域，长江货运量占全球内河航运的七成以上，长江口、宁波舟山港等水域船舶密度、航运复杂度远超他国场景。

“复杂的应用场景倒逼技术快速迭代，让中国智能航运企业的技术方案在功能完备性、极端场景适配性上，具备全球最强的泛化能力。” 张兵华表示。

话语权提升

航运是一个特殊的行业。一些对大多数产业的利空因素，反而是航运某种程度上的“利好”。

“航运是逆周期的。”张兵华分析称，地缘冲突、航线绕行、贸易格局变化，往往会拉长航运距离、推高船舶需求，也会带动航运企业的安全保障与资本开支意愿，间接推动智能化设备的推广。

这为智能航运设备提供了清晰的商业逻辑。

目前，国内市场主流采用 “硬件销售+年度维保” 的模式，一套船端感知系统的售价为100万至200万元人民币，而一艘大型集装箱船造价近2亿美元，单次货值可达10亿美元。

相比之下，智能设备的成本“九牛一毛”，但其带来的运营成本下降和运营模式的变化，已经足以对航运业带来颠覆性影响，尤其能在航运格局剧烈变动的环境下为行业提供稳定性保障。

当前全球海运船舶约10万艘，已安装智能感知系统的不足3000艘，渗透率不到5%。随着2024年中国船级社《智能船舶规范》将部分智能航行功能设为强制要求，及2026年MASS Code的生效，IMO更明确计划将其从非强制规则向国际强制规则发展，市场需求正从“准刚需”向“真刚需”跃迁。

中国企业的窗口期正在打开。中国拥有全球规模最大的船队（约占17%），造船完工量占全球50%以上，修船量同样过半，新船订单量更超过60%。这意味着，中国企业无需远渡重洋，即可覆盖全球一半以上的新增与存量船舶客户。

在智能航运领域，市场规模即意味着标准适用性，最终体现为行业话语权。据张兵华介绍，迈润智能2025年订单量相当于此前所有年份的总和，2026年预计再翻一倍。

在标准话语权层面，迈润智能参与了2024年及2026年中国船级社《智能船舶规范》的制定；国际方面，张兵华担任IMO MASS规则制定工作组代表、ISO/TC8专家及国际自主船舶技术联盟One Sea理事会副主席，2025年牵头向ISO/TC8提交了两项标准提案，占当期中国提案数量的40%。

张兵华表示，参与国际规则制定不仅是为了掌握话语权，更是通过规则制定了解关键点和难点在哪里。当标准由中国企业主导制定，全球产业链的注意力便会向中国倾斜——从设备采购、系统集成到数据服务，整个智能航运产业链有望跟随标准出海。

当然，挑战依然存在。海外市场需要更灵活的商业模式（如设备租赁、分期付款），如何将PB级数据转化为更高阶的自主决策能力，仍需持续的算法投入，这些都需要企业进行长期的研发投入与有针对性的市场推广。

“对于行业参与者而言，MASS 规则的生效不是终点，其背后是千亿乃至万亿级的市场空间，中国企业凭借场景复杂度、造船产业链优势，正从本轮产业升级中掌握从产品输出到标准输出的主动权。”张兵华说。