9月,黄渤海区结束了为其4个月的伏季休渔期,正式开海。每日,威海渔港千余艘渔船竞相出海,码头上则挤满熙熙攘攘的人群,等待着采购从渔船上卸下的第一批海鲜。近处是生鱼活虾的鱼市码头,远眺是波光粼粼的海平面,听烟火气、闻海风咸,人间最值得!与以往不同的是,为了维护渔业秩序,杜绝违规出海、规范安全管理,曾经需要40分钟才能完成的人船核验,如今仅需5分钟便能完成,大大提高了渔政部门的管控效率,在休渔期更能高效支撑渔业资源保护工作。这一切,离不开联通数科为其开发的智慧渔政AI平台,每条船、每位船员、操作风险和非法行为等都能通过数字化手段被有效核验和监测,实现了AI智能化作业。

工作人员现场识别渔船、船员身份
40VS5,人工 VS 人工+智能
我国渔政部门普遍面临着渔船、渔民管控难问题。一方面,违规出海捕捞、套牌船只横行、无证上岗捕鱼的现象比较普遍,不仅对我国海洋资源的可持续发展造成了严重的影响,而且存在重大的渔业作业安全隐患;另一方面,渔政执法人力有限,取证手段相对单一落后,检查靠眼,判断靠脑,且由于港口环境复杂、不同渔船外观结构相似度较高、渔民登记混乱,面对如此多数量的渔船渔民和有限的核验时间,几乎很难做到全面有效管控。
今年8月,山东联通威海分公司接到了当地渔政部门的平台建设需求,即将到来的开海期将为渔港管控工作带来巨大的挑战,迫切需要以数字化手段提高人船核验效率。
“之前,我们的核查工作大多依赖于工作人员,除了要查证渔船的身份,包括船号、船证外,还要比对渔民的身份信息,防疫常态化期间还要确认每个人是否绿码等。听起来工作确实不难,可一旦开海后大量工作都会集中进行,人手不足的问题就会凸显出来”,相关部门工作人员透露到。
联通数科AI团队第一时间参与到该项目中,在实地考察威海渔港实际情况和调研客户痛点需求基础上,不到一个月时间便完成了渔政AI平台的上线。如今有了AI的助力,威海市海洋发展局现场实测:此前平均需要40分钟才能完成的每条船人船核验时间直接缩短至5分钟!
自研算法,识别独一无二渔船身份
该平台的核心是联通数科自研的船号识别、船外观识别、人脸识别等AI技术。实现了核验过程的数字化,为后续进一步提高渔船管控效率、规范渔船执法、强化渔船安全管理奠定了坚实基础,有效助力智慧渔政建设。
• 通过应用基于深度学习的计算机视觉技术,每条渔船独一无二的特征可以被提取,并与数据库中存储的渔船特征库进行多维度的比对,从而得知该渔船是否是已登记入库的渔船。
• 同时,通过使用OCR技术自动识别船舷号,并与数据库中查询到的渔船的船舷号进行比对,可判断出该渔船是否套牌其他证件齐全的已登记的渔船。
• 通过对渔船特征和船舷号的交叉比对,可对渔船的身份信息进行综合研判。
此外,渡口人车检测、渡口人流密度估计、船数统计、泊位检测、停泊合规监测、闸上人员合规监测等与船舶航运相关的AI能力亦可以被实现。
目前,联通AI已拥有超40项自研原子能力,其中2D/3D场景分割、场景文字识别、人脸识别、音频分类、情感识别、交通路况感知等多项算法在国际/国内评测中排名前五;面向细分行业领域,历经100+真实场景沉淀打造了多种具备“职业技能”的细分行业AI,渔政AI便是联通数科AI团队打造的“职业技能”之一。

我们将持续以联通云网为基础,以业界领先的快速定制化能力为抓手,联合客户及伙伴共同构建多方可参与的AI运营成长机制,集约化赋能政企行业客户,实现细分行业AI“越用越聪明”,为客户持续创造价值。
好文章,需要你的鼓励
ServiceNow宣布将以超过10亿美元收购身份安全平台Veza,这是该公司2025年一系列AI和数据重点收购的最新举措。此次收购正值企业加速部署AI代理之际,而如何管理这些非人类身份的访问权限和输出已成为普遍难题。该交易将为ServiceNow的AI控制塔提供关键的身份治理能力,帮助企业建立统一的控制平面来定义上下文相关的权限、监控代理行为并大规模执行最小权限访问策略。
达尔豪斯大学研究团队系统性批判了当前AI多智能体模拟的静态框架局限,提出以"动态场景演化、智能体-环境共同演化、生成式智能体架构"为核心的开放式模拟范式。该研究突破传统任务导向模式,强调AI智能体应具备自主探索、社会学习和环境重塑能力,为政策制定、教育创新和社会治理提供前所未有的模拟工具。
在生成式AI热潮中,只有英伟达和台积电真正赚到钱,其他AI产业链公司要么亏损要么利润被稀释。博通虽然在数据中心网络领域有不错的利润率,但为了不被AI浪潮抛弃,也选择进入AI业务。博通拥有730亿美元的AI积压订单,但被迫成为AI系统集成商,进一步稀释利润。第四季度博通收入180亿美元,同比增长28.2%,AI芯片收入达65亿美元。
HSE大学研究团队开发出革命性的AI图像生成加速技术——广义对抗求解器(GAS),能将传统需要几十个计算步骤的图像生成过程压缩至4-6步,速度提升十倍而质量几乎不变。该技术通过重新设计求解器架构和引入对抗性训练,在多个数据集上验证了显著的性能提升,为AI图像生成技术的普及应用奠定了重要基础。