.jpg)
我对AI的认知，始于黄浦江畔梧桐树影下的交通大学。上世纪七十年代末，当我在《
科技英语》读本中第一次邂逅
“Artificial Intelligence”（AI）这个词组时，它像一颗来自未来的种子，落入了一名船舶与海洋工程专业学生的心田。彼时，我正沉浸于流体力学那精妙的
纳维-斯托克斯方程、概率论中变幻的随机场、以及矩阵论所描绘的抽象空间。这些高深的数学，是理解船舶与海洋的钥匙，而我未曾想到，它们也将成为数十年后解密一场技术海啸的基石。AI的飞跃，本质是
数学与算力的胜利。从早期模拟神经元的阈值逻辑单元（TLU），到训练多层网络的反向传播算法，再到处理序列数据的核心——
注意力机制，每一个突破都是一次精巧的数学建模。今天席卷全球的Transformer架构，其核心“自注意力机制”（Self-Attention），正是一个将输入序列中所有元素两两关联并计算权重的巨型矩阵运算。
大学毕业后，我投身于轰轰烈烈的造船事业，我从手绘图纸时代走来，亲历了CAD/CAM的普及、ERP的实施，亲历了中国造船业从设计到工艺技术、从分段建造到模块化预舾装的每一次
模式转移与
流程再造。我们用双手和智慧，将钢铁化作巨轮。然而，真正的管理启蒙，发生在上世纪九十年代末。我前往美国海文斯公司。当时，国内大多数制造企业还处在信息化的早期，而海文斯已经向我们展示了何为“数字化”的震撼：全公司业务流程运行在MES（制造执行系统）的经脉体系之上，生产状态、生产效率实时可视，指令与物料精准协同，那台沉默而强大的
IBM小型机，仿佛是整个工厂高效、可控运转的“神经中枢”，让整个企业如臂使指，高效可控。那是我第一次如此直观地感受到，将物理流程转化为数据流并进行系统化管理，所能释放出的巨大竞争力。那不仅是工具的升级，更是思维范式的革命——将物理世界的复杂流程，抽象为可度量、可优化、可复制的数据逻辑。
后来，在合资企业担任要职时，我将这套理念移植回国。当系统成功上线，所带来的生产效率提升、质量管理飞跃与市场竞争力增强，让我深刻体认到：
真正的优势，从来不在于孤立的技术，而在于将先进系统与产业实践深度融合的架构能力。这段经历，成为我理解此后所有技术浪潮的元框架：无论是信息化、数字化，还是今天的人工智能，其核心价值唯有在
重塑主业务流程中才能完全释放。
今天回望，那套系统虽远非今日的AI，但它无疑是
智能化的伟大雏形——它教会我们，真正的进步来自于用系统架构重塑工作流程。如今，正站在一场名为“人工智能”的、更深邃的技术海啸面前。我的工作，就是为企业的未来寻找航标。而今天，AI无疑是最亮也最复杂的那一座。
认知跃迁：从“硅基算力”到“灵巧架构”
Transformer架构及其催生的大语言模型（LLM），它通过海量数据（文本、代码等）训练，让机器获得了惊人的语言理解和生成能力。最新的GPT系列模型，参数规模已达万亿（Trillion）级别，训练所消耗的文本标记（Token）数以数十万亿计。可以说，人类现存绝大部分的数字化文本知识，都已被“喂”给了这些模型。
我欣赏其基于注意力机制的数学之美，它正是我们早年所学矩阵运算、概率论和神经网络计算法的登峰造极之作。然而，当GPT模型的参数从十亿级狂奔至万亿级，消耗掉人类几乎全部数字化文本时，一个问题愈发清晰：这究竟是智能的涌现，还是一场基于统计的、对算力无限依赖的“暴力计算”？这印证了我们的一个核心观点：当前的AI，其本质或许更应被称为 “
硅基智能” 。它是一部强大的模式识别与重组引擎，能替代我们工作中海量的重复性智力劳动，但它无法像人类设计师一样，从一次跨洋航行的事故中汲取灵感，原创性地提出一种颠覆性的抗风暴船型概念。
它能给我们近乎所有的答案，却提不出那个最初的问题。
这意味着，在造船这个复杂巨系统行业，AI的价值定位必须清醒：它是一场前所未有的
生产力革命，而非取代人类的
进化革命。我们的核心竞争力，必须从“知识储备”转向
“提问能力”与
“创新思维” 。
我们也敏锐地察觉到其“暴力计算”的范式危机——动辄万亿参数、依赖无尽算力的堆砌，这条路径固然辉煌，却也让智能化成为巨头游戏，并为整个产业套上“算力枷锁”。
这正是我们近期尤为关注
DeepSeek V4所代表突破的原因。它的最大创新，并非参数规模的又一次膨胀，而是走上了一条
“小模型+专业库”的颠覆性路径。其核心模型仅有数十亿参数，通过插入精心构建的行业专业知识库，即可获得媲美超大模型的垂直领域能力。
这一突破的战略意义，对中国高端制造业而言，不亚于当年从引进技术到自主创新的跨越：
1. 打破“算力卡脖子”的幻象：一个“满血”的专业化模型，可能仅需3-4张消费级显卡即可流畅运行。这使得广大
中小型船舶设计公司、配套设备商、科研院所能以极低成本，获得此前不敢想象的定制化AI能力。智能化的大门，从未如此开阔。
2. 催生“知识工程”新风口：未来竞争力的核心，将不再仅仅是训练大模型，而在于如何为特定行业（如船舶设计、流体力学、结构力学、动力系统）构建高质量、结构化的
参数化专业库。一个为“船舶结构规范与有限元分析”优化的专业库，其价值可能远超一个通用的万亿模型。
专业库的开发、适配与调优服务，或将成为一个全新的产业风口，让深耕行业的“老法师”们，将其经验转化为数字资产。
3. 加速国产化生态独占鳌头：这条路径更注重算法架构的创新与领域知识的沉淀，而非单纯比拼芯片规模。这为国产大模型及整个软件栈实现“架构级超越”提供了历史性窗口。当我们可以用更精巧的“中国架构”，更高效地解决实体经济中的复杂问题时，便真正掌握了发展的主动权。
我们的航路：在智能时代重塑“提问者”的价值。
站在这个技术与产业交织的奇点上，我的思考回归本质。AI，尤其是沿着DeepSeek V4所预示的“灵巧专业”路径发展的AI，将完美承担起
“超级效率引擎”的职责。它可以：
——在市场研究与产品定义上，AI可以瞬间分析全球船东订单、港口流量、能源价格，预测未来需求热点。但它无法替代决策者基于直觉和冒险精神，做出“押注”氨燃料动力等前沿路线的勇气。
我们的角色，是驾驭AI的分析结论，提出“我们为何要开辟这个新赛道”的根本性战略问题。
——研发与设计，是AI的“主战场”，也是数学模型的秀场。基于物理的仿真（PBS）与AI数据驱动模型正在融合。例如：
-计算流体力学（CFD）与神经网络的结合：用AI代理模型大幅加速船型线型的多目标优化迭代，将传统需数周的计算缩短至小时级。
-生成式设计：输入“重量最轻、强度最高、内部空间最大”等相互制约的目标，AI能生成出超越人类经验的全新结构拓扑形式。
-数字孪生：为每艘在建船舶建造一个贯穿全生命周期的数字镜像，使设计问题在生产、运维中实时反馈、闭环优化。
——供应链与生产管理：面对成千上万的零部件、遍布全球的供应商，AI是理想的“超级调度员”。它能动态预测瓶颈、模拟突发事件影响、优化全球物流路径。但面对“是否该为长期战略合作牺牲短期采购成本”这类涉及信任与价值观的决策，仍需人类拍板。在生产管理端，成为整个数字孪生工厂的“自主调度中枢”，实现资源利用的全局最优。
我们的工作，是将战略意图转化为AI可理解的优化目标与约束条件。
然而，AI依然是工具，是“硅基智能”的卓越体现。它的突破，恰恰将人类的独特价值衬托得愈发璀璨：
提出原创问题、规律的发现、知识的创造、进行跨领域洞察、承担终极责任。当AI能为我们生成一百份合规的设计图纸时，那位敢于质疑既有规范、提出全新减阻概念优化船体线型的工程师，才是进步的真正源头。当AI能优化每一分钟的生产排程时，那个决定投资一条颠覆性智能制造产线的战略抉择，才决定了企业的未来。
因此，我们的战略思考，深深植根于从造船工业到今日AI浪潮的连续观察之中：
1. 传承数字化核心：从“流程数据化”到“数据智能化”。MES实现了业务流程的数据化，这是数字化的“骨骼”。今天，我们要做的是让数据产生智能，为其注入“大脑”。投资建设企业级的数据平台与数字孪生，是比引进任何单点AI工具更根本的战略，这决定了未来智能的“营养”来源。
2. 重新定位自我：从“系统使用者”转型为“生态架构师”。过去，我们学习并引进优秀的系统；今天，我们必须有能力设计与架构适合自身的人机协同新生态。我们的核心价值，在于将船舶工程经验、市场战略嗅觉与人文思考，融合成AI能够理解并执行的
精准战略命题与复杂约束条件。
3. 保持历史耐心与战略主动：技术浪潮总是一波接一波。从信息化到数字化，我们用了数十年走向普及。AI的融合也将是“持续的循序渐进的过程”。不必追求一夜革新，但必须
系统规划，坚定投入。同时，必须清醒认识到，AI是服务于我们“建造更卓越船舶”这一终极目标的工具，战略的主动权与最终的价值判断，必须牢牢掌握在拥有“碳基灵感”的人类手中。
结语：以历史之锚，定未来之航
回首来路，从在大学用数学语言理解物理世界，到在实体企业通过研发设计用工艺流程塑造钢铁庞然大物，再到在海文斯用数据逻辑重构管理系统——我的职业生涯，始终在与“如何将抽象智慧转化为具象生产力”这一命题对话。
今天，我们迎来了具有强大威力的转化工具。DeepSeek V4所代表的“小模型+专业库”范式，不仅是一条技术路径，更是一种隐喻：
真正的智能，不在于规模的无限膨胀，而在于专业知识与通用智慧的精准耦合；不在于替代人类，而在于放大人类特有的创造力。
对于我们这一代亲历了行业所有深刻变革的“老船人”而言，使命已然清晰：运用我们深植于产业的“第一性原理”，去定义那些真正值得被AI解决的复杂问题；用我们跨越技术与管理的历史视野，去架构属于中国高端制造业的人机协同未来。
浪潮奔涌，方向比速度更重要。当工具变得前所未有的强大时，驾驭工具的思想与勇气，便是这个时代最稀缺的罗盘。我们准备好了吗？（供稿：陈建榕）
