行业资讯

加入亿拓客·流量大师 撬动财富之门!!!

Wendy's Research产业研究 | 造船业AI+端侧一体化技术路线演进趋势(2026)

wang 2026-11-20 行业资讯
Wendy's Research产业研究 | 造船业AI+端侧一体化技术路线演进趋势(2026)

造船业AI+端侧一体化技术路线演进

趋势研究报告

© 2026 Wendy's Research.  产业研究系列03 报告日期:2026.11.20

摘要:

造船业作为典型非结构化离散重工行业,云端集中式AI存在网络依赖强、延迟高、数据安全风险突出等天然短板——超大离散重工、工况非结构化、带宽受限、安全强约束行业,传统“云端集中推理”天然存在延迟、断连、数据安全、带宽成本短板。如各位读者所知,端侧一体化本质是云-边-端分级智能闭环:大模型在云端做规划、训练、知识沉淀;轻量化行业小模型/具身智能体下沉到车间终端、船载边缘盒、机器人本体本地推理,弱网/离线也可自主作业。AI+端侧一体化通过“云端大模型沉淀工艺知识+端侧小模型本地实时推理”的分层架构,系统性地解决舱室弱网、非标工件、高危用工三大核心痛点,或为当前造船业新质生产力落地的核心技术路线。其发展路线为:短期焊接、喷涂等单点工序将率先规模化复制,中期向车间级协同闭环演进,长期发展至贯穿船舶全生命周期。

Wendy's Research衍生推荐阅读:端侧AI产业深度研究报告:当智能从云端下沉到终端——技术逻辑、产业进展与市场化困局

目录

一、行业底层驱动逻辑

二、整体架构:云-边-端分层一体化

三、四大核心落地场景(造船全生命周期)

四、关键技术演进趋势

五、当前瓶颈与落地痛点

六、规范与认证:规则重心正从整船运营向上游建造端迁移

七、路线推演、国内外竞争格局、技术方案比对

八、赛道标的清单

九、从业风险提示

图为:“爱达·花城号”,于上海外高桥造船码头

一、行业底层驱动逻辑

① 劳动力结构约束:

焊接、涂装、舱内打磨等工种高危、环境恶劣,年轻用工缺口持续扩大,需要具身终端替代重复高危工序,把老师傅转向工艺调试、质检、模型调优岗位。

② 通信先天短板(基于AI应用的讨论):

船厂舱室密闭遮挡、远洋船舶卫星带宽昂贵、链路断续,大量实时控制、视觉检测、安全预警不能依赖云端回传,必须本地闭环。

图为:穿梭油轮与“深海一号”能源站对接输油。

③ 工艺离散化特征:

分段、板材、焊缝几乎无完全一致工件,标准化自动化设备适配差;端侧模型支持现场实时感知、动态调整,能够将“预设轨迹复刻”转向“看懂图纸、理解现场”的物理AI模式。

④ 合规与数据风控:

船体结构、图纸、试航数据属于敏感工程数据,端侧方案共同的设计取向是原始图像、传感数据不上云,端侧只回传结构化结果与特征,以降低数据泄露风险。

⑤ 交付与成本诉求:

缩短分段周期、稳定焊接/涂装质量、降低返工率;端侧方案衍生出按产能付费的服务模式,降低船厂一次性资本投入门槛。

二、整体架构:云-边-端分层一体化

① 云端(行业大模型+数字孪生底座):

船舶世界模型、工艺知识库、BIM/生产设计模型、仿真训练、全局排产、模型蒸馏微调、版本管理。

Tips:

典型代表:立德“定风波”造船世界模型、中船集团“智海·鸣鸿”船舶智能体平台;在虚拟孪生空间预演机器人作业路径,再下发到终端,缩短现场调试周期。

② 边缘层(车间边缘网关/船载边缘服务器):

由5G接入、多终端调度、本地数据汇聚、轻量孪生、故障协同、模型分发;车间内统一调度焊接、喷涂、巡检多终端,船载边缘统一接管机舱、航行、甲板感知。

③ 端侧(执行终端,一体化核心载体):具身作业机器人、手持智能终端、AR检验眼镜、舱内巡检机器人、船载感知盒、视频AI网关;搭载蒸馏后的船舶专用小模型,本地视觉识别、焊缝跟踪、漆膜检测、人员安全识别、故障诊断,离线自主运行,仅在联网时上传日志、异常样本用于迭代。

分工范式:云端做认知规划,端侧做实时执行,大模型调用端侧小模型完成感知与控制,是船舶工业主流落地范式。

图为:珞石(ROKAE)工业机器人调试现场。

三、四大核心落地场景(造船全生命周期)

1. 船体建造端侧具身作业(是为当前商业化最快赛道)

① 核心工序:小组立焊接、密闭舱室喷涂、拉毛打磨、焊缝探伤、尺寸检测。

图为:工作人员在海油工程天津智能制造基地观察机器人焊接情况。

② 典型方案:自主焊接终端、自主喷涂终端、拉毛终端,共用同一套行业世界模型底座,端侧实时识别坡口、焊缝形态、板材形变,动态调整焊接参数、喷涂路径。

Tips:

武船重工落地案例:2026年9月进场,小组立装焊线7天产出首件合格产品,首批任务为25900DWT化学品船B101至B107分段,累计完成焊缝4358米,单班焊接产能420米以上,替代多人轮班工位,规避舱内高温、烟尘、有毒涂料风险。

③ 辅助端:AR检验终端,端侧注册三维模型,现场比对分段尺寸、焊接缺陷,实时标注,减少纸质图纸比对(待深挖的技术方向)。

图为:立德(LIDE)自主焊接终端在2026中国海洋经济博览会现场展示。

2. 船厂现场安全与质量端侧感知

① 端侧视觉盒本地识别:未戴防护、进入高危区域、吊装越界、人员落水、动火违规;设计取向为不将原始视频上云,本地输出告警事件,更适配窄带宽场景。

② 质量端侧检测:通过三维扫描+端侧缺陷模型,识别气孔、夹渣、涂层厚度超标、板材变形,实时判定,减少送检滞后。

③ 能耗与设备端侧采集:网关本地采集空压机、喷砂、焊机数据,本地异常预警,能耗精细化管控。

Tips:

典型案例:内河船企(湖北宜昌秭归某船务公司)经AI工业数采网关与综合能源管理改造,重点生产设备能耗降低20%(人民网湖北频道2026年10月22日);另有福建船政冠海基地空压站AI综合能源管理项目,全场能耗指标下降超20%。

3. 船舶试航、运维与船载端侧智能(建造后延伸)

船舶交付后,船载边缘+端侧传感器构成船端一体化系统:机舱设备振动、温度、油液传感接入端侧故障诊断模型,本地预测性维护;航行态势感知、驾驶员状态监测、语音交互,断联卫星链路时依然保持安全预警、自主避障辅助;远洋船舶采用特征压缩传输,以节约卫星流量成本。

4. 设计-工艺协同端侧辅助

把轻量化图纸解析、干涉检查、工艺查询模型部署在设计员、工艺员本地工作站/平板;自然语言调取图纸、工艺标准、历史缺陷案例,不用频繁访问云端PLM,适合多分厂异地协同。

四、关键技术演进趋势

① 造船垂直世界模型+模型蒸馏轻量化:不再直接用通用大模型,而是基于船舶图纸、工艺规范、焊接机理、缺陷样本训练造船世界模型,理解工程约束;再蒸馏、量化成适合Jetson、工业边缘芯片的小模型,部署到终端;路径:虚拟孪生仿真预训练 → 蒸馏 → 端侧部署 → 现场采集数据回传云端微调闭环。

② 具身智能一体化,从视觉识别走向力控+视觉多模态闭环:早期端侧AI只做“看”;新一代终端融合视觉、激光、力传感,端侧实时感知形变、反弹、装配间隙,自主修正作业轨迹,适配船舶非标工件,即物理AI路线。

Tips:

国际同向案例包括:

  • 川崎重工与NVIDIA的数字船厂(2026年7月16日启动,基地坂出工场,官方表述为:以数字孪生与物理AI融合、先在仿真环境验证再下产线)

  • HD现代基于NVIDIA Isaac Sim研发Physical AI机器人并优先用于焊接、涂装、板材折弯(2026年6月)

  • 美国HII与Path Robotics及GrayMatter Robotics签署七年期绩效制生产协议,上限9亿美元,覆盖自动焊接、打磨、喷砂、涂装、装配、检验(2026年8月6日)。

图为:GrayMatter Robotics的机器人焊接单元在车间内作业,工件为带开孔与加强筋的金属构件。

③ 端侧智能体编排,多终端协同:单个终端是独立智能体,边缘层做调度:焊接、巡检、喷涂机器人自动避让、任务接力,适配船坞分段交错、空间拥挤的复杂现场。

④ 机理+数据融合的端侧模型(行业刚需):纯数据黑盒模型在船舶质检、结构监测、设备诊断中可解释性不足,行业共识是机理方程嵌入端侧推理,兼顾实时性、可靠性、船级社审检要求,是区别于消费端AI的核心差异点。

低代码、容器化模型分发:云端统一版本管理,一键下发模型更新到车间数百台异构终端,适配不同品牌机器人、网关,降低产线运维门槛。

五、当前瓶颈与落地痛点

① 样本稀缺、标注成本极高:

船舶缺陷、危险工况样本少,分段非标,模型跨船型迁移难度大;行业普遍用数字孪生仿真合成样本补充。

② 端侧算力与工业可靠性矛盾:

船厂潮湿、粉尘、震动、宽温环境,高算力芯片加固成本高;算力受限下,精度、推理速度、功耗三者权衡难度大。

③ 标准与认证错位:

虽整船交付后运营规则已成型——中国船级社《智能船舶规范》(2026版,R012-2026,2026年6月1日生效)覆盖智能航行、智能船体、智能机舱、智能能效、智能货物、智能集成平台、远程控制与自主操作等船舶端智能系统;

但在上游建造端的AI规范才刚刚在焊接方面有所抓手,《船舶智能制造焊接检验指南 2025》建立智能焊接设备 WL0–WL5 分级与能力认证路径,2026年1月1日生效。但涂装、拉毛打磨、舱内巡检、现场安全视觉与整线自主作业仍无对应依据,AI质检结论的替代范围多依赖申请方与船级社商定的项目级安排,缺乏通用尺度,质检责任界定复杂,制约从示范线走向大批量上船坞。

④ 异构设备碎片化:船厂机器人、焊机、扫描仪品牌繁多,协议不统一,一体化集成改造工作量大。

⑤ 人才缺口:既懂船舶工艺、又懂端侧AI调优的复合型工程师严重稀缺。

六、规范与认证:规则重心正从船端向建造端迁移

6.1 整船:规则已经成型,进入经验积累期

① 国内方面:

如上一章节所提及,中国船级社《智能船舶规范(2026)》2026年6月1日生效,新增自主船舶准入规则,新设智能靠离泊、智能桥梁避碰、智能监视三项智能作业条款,配套智能机舱、智能能效管理、油船与化学品船智能货物管理等专项检验指南。该规范2015年首版即为全球首部系统性智能船舶标准,其分级体系(远程控制R1/R2、自主操作A1–A3)与检验路径均作规定型处理。

②国际层面:

IMO 海上安全委员会第111届会议(2026年5月13—22日,伦敦)通过首个《海上自主水面船舶国际安全规则》(MASS Code),2026年7月1日生效,当前为非强制性目标型文书,仅适用于货船。该规则要求将风险评估纳入审批流程,规范远程控制中心(ROC)与船舶的交互,明确船长无论是否在船始终负最终责任;认证体系为 MASS 安全证书,加 MASS 记录(运行概念、任务分配、差距分析、ROC清单)与 ROC 证书。时间表为2026年起进入经验积累阶段(EBP),2028年启动强制性规则制定,强制性版本最早2032年1月1日生效。

图为:IMO《海上自主水面船舶国际安全规则》(MASS Code)。

EBP 将系统性收集运营数据、数据格式与各相关方对数据的访问情况,用于强制条文制定。

实际上,这一阶段的竞争关键,并不在于有无规则,而在于:哪一家竞争参与者的数据,能够成为规则样本。

6.2 建造端:焊接先行,涂装、打磨、巡检与整线作业当前尚无规范依据

中国船级社编制、人民交通出版社出版的《船舶智能制造焊接检验指南 2025》已于2026年1月1日生效,以智能焊接设备为对象建立智能水平分级衡准,规定设备能力认证、运行验证、焊接工艺数据库认可与现场应用检验四部分内容。

图为:中国船级社《船舶智能制造焊接检验指南》2025(GD030-2025)。

认证规则的具体口径:

  • 智能焊接设备按 WL0–WL5 分级,WL1 以上为智能设备;WL1 级设备操作者须持船级社接受的焊接操作者能力认证证书,WL2–WL4 级须取得培训证明,WL5 级无需操作者;

  • 采用 WL3 及以上设备焊接的焊缝,经验证可在部分区域以相控阵超声等先进超声检测替代射线检测;

  • WL1 及以上设备的焊缝经验船师仔细目视检查,可减少密性试验;设备具备焊接质量分析与诊断能力的,可由申请方与船级社商定,对判定可能缺陷的区域加大检测范围、对判定无缺陷的区域适当减小检测范围,分析诊断能力须与传统无损检测做对比验证。设备能力认证证书有效期5年,第3年接受检查,到期经检查可延续5年。

Tips:

首张证书已于2025年中国国际海事会展(Marintec China 2025)期间发出,中国船级社为芜湖行健智能的船舶小组立焊接机器人颁发智能焊接设备能力认证证书,企业方称这是国际范围内船级社首次针对船舶制造设备开展的专项认证。

图为:海油工程天津智能制造基地模块结构预制车间。

传统上,船级社规范管焊接生产工艺与程序、焊接材料、人员资质与检验制度,设备被视为工艺工具,并不在认证对象之内。而智能焊接检验指南首次将设备与模型纳入认可对象,AI 能力由此成为与焊材、焊工证书同等性质的可查验、可撤销资质项。

尚未空白的部分,显而易见:

① 涂装、拉毛打磨、舱内巡检、现场安全视觉与整线自主作业尚无对应规范;

② AI 质检结论能否替代人工与传统无损检测,目前主要靠项目级商定解决,没有通用尺度;

③ 责任切分亦无通例——传统体系下施工方对焊接质量负责、验船师检验不免责,AI 介入后责任主体更难界定。

④ 现有规范只到单点设备级,缺工序级与整线级认可,是制约应用大批量上船坞的原因所在。

与此同时,国际协调亦刚刚起步:

国际焊接学会(IIW)2026年5月14日发布 IIW-2026-18《造船用高强钢智能焊接工艺推荐》,将热输入窗口、多道焊层间温度控制曲线与 AI 实时熔深阈值等参数与全球船级社认可相衔接,是当前将AI 焊接参数纳入国际推荐性文件的首批尝试。

6.3 两条路线:目标型与规定型,决定准备哪套证据

船级社方面:

① 意大利船级社RINA ,走了一条目标型路线,并未规定技术做法,要求为申请方基于实际运营概念(ConOps)与运行设计域(ODD)提交详细风险评估,配套 GUI35 认证指南与 MASS 附加船级标志,并与船旗国协商定制安全与适航要求。其《海上自主水面船舶指南》(2021年10月发布)将人员角色变化、报警与指示器的管理、用户界面可用性与人机交互纳入评估,并要求覆盖数据的保密性、完整性与可用性,以及技术的可靠性、可用性、可维护性、可测试性与安全性。

② 中国船级社CCS,是走的规定型路线,以功能附加标志、自主等级分级与具体技术要求、检验规程为主。本报告将 RINA 与 CCS 并列为这两种框架的代表。

③ 挪威船级社DNV ,提供的是可直接复用的证据工具:DNV-RP-0510《数据驱动应用的保障》(2024版)按组织级、项目级与生命周期过程级提出要求与建议,用于为具体的数据驱动应用编制 assurance case(主张—论证—证据),涵盖经典 AI 与非 AI 模型,机器学习部分另见 DNV-RP-0665;DNV-CG-0557 给出数据驱动验证(DDV)的具体方法,包括内置测试功能、数字调查应用、算法代理、数字孪生与自验证系统,并建议产业界在开发与保留船级证书相关的 DDV 方法时引入 DNV 参与。

Wendy's Research小结:

(1)出口船,或与欧洲船东、欧洲船级社合作的项目,数据证据需要按运营概念与运行设计域驱动的风险项次来评估组织;

(2)国内项目需要按功能标志与分级符合性准备文件。同一产品的认证包通常需按目标港口与船旗做二次适配。

6.4 意义:船级社从最后一道检验进入产线定义环节

在科研与认证共建方面,意大利RINA 已参与 GSAB2 自主船项目(2024年5月—2027年4月,比利时安特卫普,协调方为 Grimaldi Deep Sea);欧盟资助的 ROBINS 项目是专门为船检机器人与自主检验系统建立认证方法,目标是使其成为验船师的常规工具。

商业合作方面,RINA 已于2026.10月与招商轮船就人工智能、数字化与数据驱动运营签署合作备忘录,此举措预示着减排与安全管理,正从船体设计转向运营方式。

另外,据英国劳氏船级社LR(LIoys's Register)报告披露:预测海上自主与 AI 保障市场规模一年增长超过50%,同时指出,按大型船舶的船级口径目前尚无被船级社保障的自主性。

图为:RINA 与招商轮船签署谅解备忘录后合影。(2026-10-12)。  

需要注意的是,合规性趋势必然前移为研发阶段的设计输入。所有本赛道参与者,都务必将规范话语权,作为市场动作的重中之重。

七、路线推演、国内外竞争格局、技术方案比对

7.1 路线发展推演

第一阶段——单点工序规模化复制:焊接、喷涂、舱内巡检、安全视觉四类端侧终端优先普及;模式以云端大模型做工艺大脑+标准化端侧小模型为主,按产能付费的服务模式扩张,头部船厂打造示范线。

第二阶段——车间级一体化闭环:单条分段生产线全终端协同,数字孪生和端侧感知双向实时映射;从单一工序提效,走向分段计划、物料、作业、质检一体化调度,形成数字船厂最小闭环单元。

第三阶段——全船生命周期一体化:设计、建造、试航、运维、检修一套模型体系;船厂端侧智能与船载端侧智能打通,实现建造数据随船交付、运维数据反哺造船工艺优化。

7.2 核心技术趋势

  1. 垂直世界模型蒸馏
    基于船舶工艺、机理、缺陷数据训练行业大模型,量化蒸馏后部署于工业级端侧芯片,形成“仿真预训练-端侧落地-数据回传迭代”闭环。
  2. 多模态具身闭环
    从单一视觉识别走向“视觉+激光+力控”多模态融合,端侧实时修正作业轨迹,适配非标工件,实现物理级智能。
  3. 机理数据双融合
    将船舶工程机理方程嵌入端侧推理,提升模型可解释性,满足船级社审检与质量追溯要求。

7.3 当前竞争格局

  • 国内厂商:侧重以垂直场景落地为核心,优先解决用工与产能痛点,交付灵活。包括立德(“定风波”造船世界模型,落地武船重工)与中船集团(2026年7月18日WAIC发布“智海·鸣鸿”船舶智能体平台等十大AI成果)。
  • 海外厂商:依托通用数字孪生与仿真平台做顶层设计,先仿真后落地,偏重资产长周期建设。例如:川崎重工与NVIDIA的次世代数字船厂(2026年7月16日启动,基地坂出工场)、HD现代基于NVIDIA Isaac Sim的Physical AI机器人研发(2026年6月)、美国HII与Path Robotics及GrayMatter Robotics的七年期绩效制生产协议(2026年8月6日,上限9亿美元)。

7.4 端侧一体化 vs 纯云端方案 对比表

对比维度

AI+端侧一体化方案

纯云端集中式方案

核心架构

云-边-端分级推理,大模型云端规划,小模型端侧执行

全量数据回传云端,集中推理后下发指令

网络依赖

弱网/离线可自主运行,仅联网时同步日志与模型更新

高度依赖稳定高带宽网络,断网即停止服务

响应延迟

本地推理,毫秒级响应,适配实时控制场景

数据回传+云端推理,受带宽与回传排队影响,时延显著高于本地推理,难以用于实时控制

数据安全

原始传感/视频数据本地处理,仅回传结构化结果,泄露风险低

全量原始数据上云,敏感工程数据存在合规与泄露风险

带宽成本

极低,仅传输特征值与事件日志

极高,多路高清视频/点云回传占用大量带宽,远洋场景成本剧增

核心适用场景

实时控制、高危作业、舱内/远洋弱网场景、质检闭环

全局排产、工艺仿真、模型训练、非实时数据分析

现场可靠性

单终端故障不影响全局,抗干扰能力强

网络中断或云端故障导致全链路瘫痪,可靠性低

部署适配

支持异构设备快速接入,适合存量船厂改造

需配套完善网络基建,新建厂区适配性更强

迭代效率

云端统一训练蒸馏,批量下发端侧更新

集中式迭代,需全量数据回传,数据合规约束下迭代受限

典型落地案例

焊接机器人(武船重工小组立装焊线)、船载故障诊断、厂区安全视觉

船舶数字孪生平台、全局生产排产系统、云端BIM协同

八、赛道标的清单

(以下为非完全统计,仅供市场策略研究参考)

国内核心标的

1. AI平台与解决方案商
  • 立德(深圳立德机器人)
    推出“定风波”造船世界模型,覆盖焊接、喷涂、打磨等核心工序,提供云端工艺大脑+端侧具身终端一体化方案,落地武船重工小组立装焊线,推出CaaS产能即服务模式。
  • 中船集团
    2026年7月18日WAIC发布「智海·鸣鸿」船舶智能体平台(面向船舶全生命周期的智能体平台)等年度十大AI创新成果,同期发布AI场景十大需求,其中包含船舶分段多机器人智能涂装、船舶舱室绝缘具身智能喷涂、密闭舱室AI哨兵等船厂端场景。智能化落地主体涉及中船信息、中船九院等集团内单位,具体分工以集团口径为准。
  • 其他跨行业工业互联网平台:海尔卡奥斯、徐工信息等,切入船厂生产管控、能耗管理场景(具体项目未见公开披露,潜在方向)。
2. 具身终端与硬件厂商
  • 焊接机器人厂商
    唐山松下、新松机器人、埃斯顿等;船用焊接端侧方案的联合开发未见公开披露,列为其潜在方向。
  • 喷涂/防爆设备商
    针对密闭舱室防爆、高防护要求,搭载端侧路径规划模型(该方向未见明确披露,如有补充,请与后台联络)
  • 工业视觉与边缘硬件
    海康威视、大华股份工业级视觉AI盒,提供端侧安全识别、质量检测硬件底座;英伟达Jetson系列为当前端侧算力主流选型,川崎重工2026年7月16日官方稿已将Jetson列入其物理AI技术栈。
  • 海外物理AI标的
    Path Robotics(自动焊接,Obsidian模型)、GrayMatter Robotics(Factory SuperIntelligence),2026年8月6日与HII签署七年期绩效制生产协议,上限9亿美元。
3. 头部船企与船级社
  • 中国船舶
    (外高桥造船、江南造船、武船重工):行业智能化标杆,率先落地焊接机器人、数字分段车间,是端侧AI方案的核心甲方。
  • 扬子江船业、新时代造船
    民营船企代表,出于降本增效与产能扩张需求,推进焊接、涂装端侧智能化改造。(请重点关注扬子江)
  • 中国船级社(CCS)
    《智能船舶规范》(2026版,R012-2026,2026年6月1日生效)覆盖智能航行、智能船体、智能机舱、智能能效、智能货物、智能集成平台、远程控制与自主操作等船舶端智能系统,是端侧AI船上合规认证的核心参与方;船厂建造端的AI质检与自主作业认证规范尚未出台。

海外代表厂商

  1. 川崎重工
    2026年7月16日启动与NVIDIA的次世代数字船厂项目,基地为坂出工场,使用NVIDIA Cosmos、Omniverse、Isaac、Metropolis、Jetson等技术栈,范围含焊接、涂装、检验、搬运机器人的导入环境建设与现场数据联动,并以Agentic AI支持设计、采购、制造、质量管理。
  2. HD现代
    基于NVIDIA Isaac Sim研发Physical AI机器人,优先用于焊接、涂装、板材折弯工序,目标2030年建成未来智能先进船厂(FOS);另与西门子、NVIDIA建设数字孪生船厂。
  3. HII(美国)
    2026年8月6日与Path Robotics、GrayMatter Robotics签署绩效制生产协议,七年上限9亿美元,覆盖航母、潜艇、驱逐舰、两栖舰、未来护卫舰与无人水面艇项目。
  4. 达索系统
    提供CATIA+3DEXPERIENCE数字孪生底座(其造船场景的具体边缘部署案例未见公开披露)。
  5. NVIDIA
    提供Jetson边缘算力平台与Omniverse仿真环境,是造船端侧AI的主要算力与仿真底座供应商。

九、从业风险提示
  1. 行业资本开支波动风险:船舶行业周期性强,船厂盈利波动可能影响智能化改造预算释放节奏。
  2. 标准与认证滞后风险:AI辅助质检、自主作业结果尚未形成统一船级社认可规范,责任界定机制待完善。中国船级社《智能船舶规范》(2026版)覆盖船舶端智能系统,建造端尚无对应规范。
  3. 跨场景迁移风险:船舶非标属性强,模型跨船型、跨工序迁移成本较高,规模化复制速度可能低于预期。
  4. 工业级端侧算力供给风险:高算力工业级芯片供货与成本波动,可能影响终端量产节奏。

结语:当前,造船业AI+端侧一体化的竞争格局,国内以垂直世界模型加具身终端实现快速落地与灵活交付,海外以数字孪生先行、重资产长周期建设;合规上,目标型(以 RINA 为代表,要求 ConOps 与 ODD 驱动的风险评估)与规定型(以中国船级社的功能标志与分级为代表)并存,两种规范路径的底层逻辑均为:将把工艺知识、机理约束与认证链条闭成一体。率先完成闭环的赛道参与者,显然将定义下一代造船的生产方式,在这一发展过程中,端侧设备正是这一闭环的落地载体。

免责声明:本报告由 Wendy's Research 根据公开权威资料整理、研究并撰写,仅供造船及船舶产业链相关从业者、投资者参考使用,不构成任何证券投资建议。

版权声明:本报告版权归 Wendy's Research研究机构所有,未经书面许可,任何机构或个人不得转载、摘编、复制本报告全部或部分内容,不得将其用于任何商业用途;对未经授权的商用行为,Wendy's Research将依法追究其法律责任。如需引用或转载,请事先与后台 Wendy's Research联络,获得授权,并注明出处。

© 2026 Wendy's Research.

产业研究系列 第三卷

猜你喜欢