文 | 晓枫说 文 | 晓枫说 在全球气候治理与😁能源革命的双重浪潮下，海运业这条全球贸易的“动脉”——正经历😊一场静默却深刻的革命。 IMO数据显示，航运业约占全球❤️温室气体排放量的2.89%，其脱碳进程直接关乎《巴黎协定》目😡标的实现。随着碳强度指标（CII）、欧盟排放交易体系（ETS😜）从政策蓝图转化为实际成本，一场围绕技术路线、运营模式与商业😢逻辑的全面竞赛已然拉开帷幕。在这场全球性的转型中，以ABB、🔥瓦锡兰为代表的国际技术提供商，以中国船舶集团、中远海运等中国😉领军企业及众多中小创新型科技企业，共同勾勒着“全船电气化”为❤️血脉、“系统智能化”为神经的未来船舶蓝图。这幅跨国产学研协同❤️绘制的蓝图描绘了清晰的愿景，但其落地之路却布满需要全球行业共😴同应对的复杂挑战。 一、系统重构：电气化是底层逻辑变革😁，而非简单动力替换 事实上，行业认知正经历一个深化的过😆程——船舶电气化的核心，并非仅是安装一套电池组那么简单，其本👏质是从“机械驱动”向“电力驱动”的范式转移，是对船舶能源分配😴与推进系统的彻底重构。 在这一领域，东西方的技术路径呈❤️现出有趣的对比与融合。ABB力推的车载直流电网（DC Gri😂d）概念，与西门子能源的直流港口方案、瓦锡兰的混合动力解决方😡案等代表了欧洲的技术思路，其核心优势在于构建了一个高度集成化👍的“能源平台”。相较于传统交流电系统，直流电网能减少高达10😅-20%的能源转换损耗，并显著节省设备空间与重量。更重要的是🙄，它作为一个开放的架构，能够灵活兼容当前的锂离子电池、正在兴😍起的甲醇/氨燃料电池以及未来的新型储能技术。这种设计哲学，为🙌船东提供了至关重要的“技术中立性”和“面向未来”的弹性，有效😁规避了因过早押注单一绿色燃料技术而导致的资产搁浅风险。 😊 视线回到国内，中国船舶集团在高端邮轮、大型液化天然气（LN😅G）船等领域展现的系统集成能力，以及宁德时代在船舶用锂离子电🤯池、钠离子电池方面的技术创新，则体现了中国在产业链中后端的快😀速追赶。特别是宁德时代针对内河航运推出的“船舶动力电池系统”👍，已应用于长江流域等多艘电动船舶，展示了中国在特定应用场景下🔥的市场化突破。 市场的选择清晰地揭示了现实的转型路径。😆根据挪威船级社（DNV）的统计，混合动力方案在新造船与改装船🥳市场中占据重要地位。这反映了行业在理想与现实间的权衡：混合动🎉力作为关键的过渡技术，允许船舶在排放控制区（ECAs）和港口🙌内实现“零排放”静音航行，以满足局部最严苛的法规并提升企业C💯SR形象，同时在开阔水域依靠主发电机保障续航与经济性。中远海😡运集团在旗下多艘大型集装箱船上实施的混合动力系统改造项目，正🚀是这种务实路径的体现——通过在现有船队上进行技术升级，而非全🤩部新建，以更具经济性的方式推进减排。 然而，技术的先进👍性无法自动跨越经济的鸿沟。核心挑战在于，这套系统重构所带来的😂高昂初始资本支出。一艘采用先进直流电网和电池系统的新造船，其😢建造成本可能比传统船舶高出20%-40%，绿色溢价最终需要在💯整个价值链中被消化。这催生了新的商业合作模式，例如一些航运公😡司开始与货主签订包含“绿色溢价”的长期运输合同，或寻求绿色金🙌融的支持。技术的普及速度，将不取决于其技术指标的巅峰，而取决🤯于其全生命周期成本的竞争力。在这方面，中国银行、进出口银行等😴金融机构对绿色船舶提供的优惠利率贷款，以及一些中国船厂推出的😜“能源管理合同”模式，正在尝试通过金融创新来降低技术应用的门😍槛。这种技术+金融的整体解决方案，可能成为推动技术普及的重要👏助力。 展开全文 二、从自动化到自主化：数据驱动💯运营模式的范式转移 智能化是脱碳的另一大支柱，其价值远😆超节省人力，其终极目标是通过数据驱动，实现全局能效最优和运营😘模式的重塑。 趋势正从“单船自动化”迈向“船岸一体化智😀能运营”。ABB Ability™、瓦锡兰的船舶效能管理系统🙌（EMS）等代表了西方公司在软件平台和系统集成方面的传统优势🙄。这意味着，传统的船长和轮机长角色正在演变，他们与岸上的专家😘团队共同构成一个“数字船队”的运营中枢。这种模式不仅能优化单😁船航速、航线以减少燃油消耗（据估计可带来5-10%的能效提升🤔），更能实现预测性维护，大幅降低故障停航风险。而中国公司则从😁不同维度切入：华为的5G技术、船载通信模块和云服务正在为智能🙄航运提供数字基础设施；上海国际港务集团打造的“智慧港口”系统😢，通过优化船舶在港口的作业效率，间接减少了船舶的等待时间和排🥳放；而国内诸如百舸新能这样的众多中小创新型企业，也在围绕船岸😎一体模式、新能源动力系统等加快研发和产业化进程。 在自😘主航行这一前沿领域，西方公司如康士伯与Yara合作的“Yar🎉a Birkeland”项目引人注目，而中国的进展同样值得关🤩注。交通运输部水运科学研究院牵头制定的智能船舶技术标准，青岛🤯无人船基地的测试验证平台，以及系统科技有限公司等企业在自主避😅碰、智能靠离泊等关键技术上的突破，显示中国正在构建自主可控的😆技术体系。特别是中船重工第716研究所开发的“船海智云”工业😂互联网平台，已应用于数百艘船舶，实现了设备健康管理、能效优化👏等功能的国产化替代。 然而，这片“新蓝海”也充满了“暗😢礁”。 一是法规与责任的空白。当智能系统做出决策导致事😅故时，法律责任的界定是全球监管机构面临的崭新课题。IMO正在🎉制定的《海上自主水面船舶（MASS）规则》进展谨慎，便反映了🙌这一复杂性。而中国机构和企业也正积极参与相关国际标准的制定，😘这种技术标准话语权的竞争，其重要性不亚于技术本身的竞争。 😊 二是网络安全的致命脆弱性。高度互联的船舶使其成为网络攻击😁的高价值目标，2020年某大型集装箱航运公司遭遇的网络攻击导😂致全球业务中断，已为全行业敲响警钟。 三是人机协作的挑🙌战。船员角色将从操作者转变为系统管理者和监督者，这一转型需要😜体系化的培训和文化适应，对航海教育体系提出了全新要求。 😍 三、脱碳的终极拷问：绿色燃料的抉择与全球基础设施的协同 😁 领先的电气化平台解决了绿色能源的输送和分配问题，但最根本🥳的挑战在于——绿色能源本身从何而来？这引出了脱碳征程中最具争🥳议和不确定性的领域。 目前，液化天然气（LNG）、甲醇🙌、氨、氢等选项构成了一个充满竞争的“燃料罗生门”。马士基巨资😀投入绿色甲醇船舶，中远海运集团积极探索氨燃料动力技术，而一些🔥欧洲船东则看好LNG的过渡作用，每一种选择都面临“Well-🙄to-Wake”（从油井到螺旋桨）全生命周期碳排放的严格审视🤯。因此，船舶电气化系统的真正绿色成色，最终取决于为其供电的能👍源来源是否在全生命周期内真正清洁。 更深层次的矛盾是“😆鸡与蛋”的全球基础设施困局。船东不愿投资某类绿色燃料动力船，🚀因为全球加注网络几乎为空白；能源公司不愿投资数百亿美元建设全🌟球加注站，因为市场上对应的船舶数量不足。破解这一死结，单靠市😊场力量远远不够。 在这方面，中国依托其强大的基建能力，🙌在国内长江流域、珠江三角洲等内河航道沿线加快建设船舶充电、加🙄注设施，这种“先内河、后沿海、再远洋”的渐进式基础设施布局策🔥略，为技术验证和商业模式探索提供了宝贵的试验场。然而，要将这🚀种国内经验复制到全球航线网络，仍面临巨大的投融资和国际协作挑😎战，亟需强有力的国际政策协调（如全球性碳税机制）、巨额的基础🥳设施投资以及形成行业共识的标准体系。这已超越技术范畴，成为对🌟全球治理智慧的考验。 然而，我们必须清醒地认识到，技术🤗方案的成熟只是漫长征程的起点。未来的成功将不取决于任何单一国😅家或公司的技术突破，而取决于整个全球生态系统的协同进化，比如😎技术路径的多元化与融合，能否形成尊重不同国家、不同航线条件下😎的技术选择，促进东西方技术方案的交流互鉴，而非形成新的技术壁❤️垒；比如商业模式的创新与共赢，能否建立合理分摊绿色溢价、覆盖🙌全生命周期成本的商业模式，确保发达国家和发展中国家的船东都能😁"用得起"绿色技术；再比如治理体系的包容性与有效性，在IMO🌟等多边框架下，能否构建平衡环保雄心、技术可行性和经济承受力的👍国际规则，等等。 可以说，未来十年，海运业这艘巨轮将航😴行在技术的“星辰大海”与现实的“惊涛骇浪”之间。这场转型，既🥳是对人类工程智慧的考验，更是对全球合作精神与商业创新能力的终💯极测验。唯有产业链上下同舟共济，方能在可持续发展的航道上行稳🥳致远。返回搜狐，查看更多

北京市:市辖区:(东城区、西城区、朝阳区、丰台区、石景山区、海淀区、门头沟区、房山区、通州区、顺义区、昌平区、大兴区、怀柔区、平谷区、密云区、延庆区)

天津市:市辖区:(和平区、河东区、河西区、南开区、河北区、红桥区、东丽区、西青区、津南区、北辰区、武清区、宝坻区、滨海新区、宁河区、静海区、蓟州区)

河北省:石家庄市:(长安区、桥西区、新华区、井陉矿区、裕华区、藁城区、鹿泉区、栾城区、井陉县、正定县、行唐县、灵寿县、高邑县、深泽县、赞皇县、无极县、平山县、元氏县、赵县、石家庄高新技术产业开发区、石家庄循环化工园区、辛集市、晋州市、新乐市)

唐山市:(路南区、路北区、古冶区、开平区、丰南区、丰润区、曹妃甸区、滦南县、乐亭县、迁西县、玉田县、河北唐山芦台经济开发区、唐山市汉沽管理区、唐山高新技术产业开发区、河北唐山海港经济开发区、遵化市、迁安市、滦州市)

秦皇岛市:(海港区、山海关区、北戴河区、抚宁区、青龙满族自治县、昌黎县、卢龙县、秦皇岛市经济技术开发区、北戴河新区)

邯郸市:(邯山区、丛台区、复兴区、峰峰矿区、肥乡区、永年区、临漳县、成安县、大名县、涉县、磁县、邱县、鸡泽县、广平县、馆陶县、魏县、曲周县、邯郸经济技术开发区、邯郸冀南新区、武安市)

邢台市:(襄都区、信都区、任泽区、南和区、临城县、内丘县、柏乡县、隆尧县、宁晋县、巨鹿县、新河县、广宗县、平乡县、威县、清河县、临西县、河北邢台经济开发区、南宫市、沙河市)

保定市:(竞秀区、莲池区、满城区、清苑区、徐水区、涞水县、阜平县、定兴县、唐县、高阳县、容城县、涞源县、望都县、安新县、易县、曲阳县、蠡县、顺平县、博野县、雄县、保定高新技术产业开发区、保定白沟新城、涿州市、定州市、安国市、高碑店市)

张家口市:(桥东区、桥西区、宣化区、下花园区、万全区、崇礼区、张北县、康保县、沽源县、尚义县、蔚县、阳原县、怀安县、怀来县、涿鹿县、赤城县、张家口经济开发区、张家口市察北管理区、张家口市塞北管理区)

承德市:(双桥区、双滦区、鹰手营子矿区、承德县、兴隆县、滦平县、隆化县、丰宁满族自治县、宽城满族自治县、围场满族蒙古族自治县、承德高新技术产业开发区、平泉市)

沧州市:(新华区、运河区、沧县、青县、东光县、海兴县、盐山县、肃宁县、南皮县、吴桥县、献县、孟村回族自治县、河北沧州经济开发区、沧州高新技术产业开发区、沧州渤海新区、泊头市、任丘市、黄骅市、河间市)

中国大模型，首登Nature封面。 9月17日，在最新😍一期的国际权威期刊Nature（自然）中，DeepSeek-😊R1推理模型研究论文登上了封面。该论文由DeepSeek团队😅共同完成，梁文锋担任通讯作者，首次公开了仅靠强化学习就能激发👏大模型推理能力的重要研究成果。这是中国大模型研究首次登上Na💯ture封面，也是全球首个经过完整同行评审并发表于权威期刊的🙄主流大语言模型研究，标志着中国AI技术在国际科学界获得最高认🎉可。 Nature在其社论中评价道：“几乎所有主流的大🤔模型都还没有经过独立同行评审，这一空白终于被DeepSeek😆打破。” 中国AI大模型的“Nature时刻” 😆自大模型浪潮席卷全球以来，技术发布、性能榜单层出不穷，但始终😘缺乏一个权威的“科学认证”机制。OpenAI、谷歌等巨头虽屡😅有突破，但其核心技术多以技术报告形式发布，未经独立同行评审。🚀 DeepSeek以其公开性和透明性打破了这一局面。D🥳eepSeek-R1模型的研究论文最早于今年年初发布在预印本⭐平台arXiv上。自今年2月14日向Nature投递论文至今😀，历经半年，8位外部专家参与了同行评审，DeepSeek-R🙄1推理模型研究论文终获发表，完成了从预印本到Nature封面🙄的“学术跃迁”。审稿人不仅关注模型性能，更对数据来源、训练方❤️法、安全性等提出严格质询，这一过程是AI模型迈向更高的透明度😀和可重复性的可喜一步。 因此，Nature也对Deep⭐Seek的开放模式给予高度评价，在其社论中评价道：“几乎所有😀主流的大模型都还没有经过独立同行评审，这一空白终于被Deep⭐Seek打破。”全球知名开源社区Hugging Face机器😡学习工程师Lewis Tunstall也是DeepSeek论😊文的审稿人之一，他强调：“这是一个备受欢迎的先例。如果缺乏这🤔种公开分享大部分研发过程的行业规范，我们将很难评估这些系统的🤗潜在风险。” 据了解，DeepSeek本次在Natur🤯e上发表的论文较今年年初的初版论文有较大的改动，全文64页，🙌不仅首次披露了R1的训练成本，而且透露了更多模型训练的技术细🎉节，包括对发布初期外界有关“蒸馏”方法的质疑作出了正面回应，😂提供了训练过程中减轻数据污染的详细流程，并对R1的安全性进行🤩了全面评估。 其中，在训练成本方面，R1-Zero和R🥳1都使用了512张H800GPU，分别训练了198个小时和8💯0个小时，以H800每GPU小时2美元的租赁价格换算，R1的😂总训练成本为29.4万美元（约合人民币209万元）。不到30👏万美元的训练成本，与其他推理模型动辄上千万美元的花费相比，可💯谓实现了极大的降本。 关于R1发布最初时所受到的“蒸馏💯”质疑，DeepSeek介绍，其使用的数据全部来自互联网，虽😂然可能包含GPT-4生成的结果，但并非有意而为之，更没有专门😅的蒸馏环节。所谓“蒸馏”，简单理解就是用预先训练好的复杂模型🎉输出的结果，作为监督信号再去训练另外一个模型。R1发布时，O💯penAI称它发现DeepSeek使用了OpenAI专有模型😂来训练自己的开源模型的证据，但拒绝进一步透露其证据的细节。 🤩 R2何时问世引发关注 自今年年初发布R1以来，D😆eepSeek在全球树立了开源模型的典范，但过去数月，外界对⭐于R2何时发布始终保持高度关注，相关传言一直不断。不过，R2🙄的发布时间一再推迟，外界分析R2研发进程缓慢可能与算力受限有😆关。 展开全文 值得注意的是，今年8月21日，D🙌eepSeek正式发布DeepSeek-V3.1，称其为“迈🎉向Agent（智能体）时代的第一步”。据DeepSeek介绍🤩，V3.1主要包含三大变化：一是采用混合推理架构，一个模型同😆时支持思考模式与非思考模式；二是具有更高的思考效率，能在更短🤩时间内给出答案；三是具有更强的智能体能力，通过后训练优化，新🤯模型在工具使用与智能体任务中的表现有较大提升。 由于R😢1的基座模型为V3，V3.1的升级也引发了外界对于R2“在路😘上”的猜测。V3.1的升级更深刻的意义在于，DeepSeek🙌强调DeepSeek-V3.1使用了UE8M0 FP8 Sc😊ale的参数精度，而UE8M0 FP8是针对即将发布的下一代💯国产芯片设计。这也表明未来基于DeepSeek模型的训练与推😅理有望更多应用国产AI芯片，助力国产算力生态加速建设。这一表🙌态一度带动国产芯片算力股股价飙升。 中国银河证券研报指💯出，DeepSeek从V3版本就开始采用FP8参数精度验证了🤯其训练的有效性，通过降低算力精度，使国产ASIC芯片能在成熟💯制程（12-28nm）上接近先进制程英伟达GPU的算力精度，🥳DeepSeek-V3.1使用UE8M0 FP8 Scale❤️参数精度，让软件去主动拥抱硬件更喜欢的数据格式，“软硬协同”😜的生态技术壁垒逐渐成为AI浪潮下新范式，未来国产大模型将更多😊拥抱FP8算力精度并有望成为一种新技术趋势，通过软硬件的协同😎换取数量级性能的提升，国产算力芯片将迎来变革。 责编：😉万健祎 校对：王朝全 版权声明 " Typ😁e="normal"@@--> 证券时报各平台所有原创😡内容，未经书面授权，任何单位及个人不得转载。我社保留追究相关😀行为主体法律责任的权利。 转载与合作可联系证券时报小助😉理，微信ID：SecuritiesTimes " Ty🤔pe="normal"@@-->返回搜狐，查看更多