摘要：人工智能的迅猛发展正在推动海洋科技范式变革，为深海装备智能化、海洋资源开发与海洋治理能力提升注入新动能；与此同时，海洋科技也为人工智能发展提供绿色算力承载、海洋多模态数据、极端环境验证以及制度协同等重要支撑，二者正在形成双向赋能的互动关系。一方面，人工智能推动深海装备由单体自主向群体协同演进，重塑深海工程作业逻辑，并成为提升海洋治理能力和国家战略能力的重要变量；另一方面，海洋环境与海洋工程体系为人工智能提供潜在的绿色基础设施空间、复杂高噪声数据资源和极端工况下的算法验证场景。与此同时，人工智能与海洋科技的深度融合也将面临安全、生态、伦理与制度等多重风险挑战。未来应在科技向善和前瞻治理理念指引下，构建覆盖安全可控、生态约束、责任追溯与国际协同的多维规范体系，使人工智能与海洋科技的深度融合成为推动智能化发展和可持续海洋文明建设的重要力量。
习近平总书记指出：“要更加注重创新驱动，尽快突破关键核心技术，推动海洋科技实现高水平自立自强。”当前，以人工智能和海洋科技为代表的两大技术体系正成为全球科技竞争的焦点，纵观科技演进历程，两大体系长期处在两条相对独立的轨迹。前者的关注点在于算法突破与算力攀升，典型特征是数据驱动与指数级增长；后者则聚焦于深海装备、勘探与监测体系的逐步升级，典型特征是周期长、成本高、环境风险大。二者似乎泾渭分明，却在全球变局与技术转折的当下迎来意料之外的交汇：人工智能的发展对绿色能源、冷却空间和大规模数据提出了全新的需求，而这些需求恰恰与海洋环境高度契合。冷却资源、可再生能源与分布式节点，使得海洋成为未来算力布局的天然载体。同时，海洋科技本身面临兼具复杂性与极端性的挑战，如深海作业的高压低温、长期监测的能耗限制等，这些问题仅凭传统工程逻辑难以突破，而人工智能恰好为其提供新的算法支撑与系统性解法。由此，两大体系开始相互塑造，并逐渐形成深度耦合与协同演进的关系。
《中华人民共和国国民经济和社会发展第十五个五年规划纲要》（以下简称《纲要》）指出：“强化海洋战略科技力量，加强海洋科技创新，健全深海极地考察支撑保障体系，发展远洋气象导航服务。实施深海工程，提高深海进入、探测、开发、安全能力。”这凸显出前瞻布局新一代信息技术与海洋科技领域交叉融合的必要性与紧迫性。在国际层面，联合国“海洋十年”的《实施计划》、欧盟“地平线欧洲”计划等将人工智能、数字孪生海洋和智能化观测体系列为重点方向。在此背景下，亟须正视两个关键的平衡难题：既要在深海为人工智能算力的爆发式增长寻找绿色出口，又要严守生态安全的红线；既要鼓励前沿技术的突破与应用，又要防止技术垄断导致的全球治理碎片化。能否妥善化解这些涉及发展权与保护责任的深层矛盾，将直接决定未来海洋治理数智化格局。
人工智能驱动海洋科技的深度转型
人工智能的迅猛发展，正在以超越传统技术演进的速度，重塑人类与海洋的关系。在当前的全球科技变革中，人工智能不再仅仅是一个技术工具，而逐渐成为推动海洋科技转型的关键引擎。建设海洋强国不仅是我国科技战略的重要组成部分，更是国家综合竞争力与全球治理能力的集中体现。如何在深海装备、海洋工程体系、深海资源开发与海洋环境治理等领域全面释放人工智能潜力，已经成为推动海洋科技实现质的跃迁的关键命题。这一转型不仅是工程性能的提升，更改变深海作业中人-机关系、风险分配与决策权结构，对后续治理与制度设计提出新的挑战。
人工智能推动深海装备的智能化跃迁，成为建设海洋强国的硬核支撑。传统的海洋装备大都依赖机械性能与人工操作，而在深远海、高压、强腐蚀的环境中，这一模式面临性能瓶颈与安全风险。人工智能的引入则重构装备的运行逻辑，使其由传统的预设指令驱动，转向基于环境感知与自适应算法的动态决策。特别是在深海强衰减、高延迟的水声通信物理限制下，传统依赖集中式控制的作业模式易陷入“失联即失控”的困境。因此，将决策权下放至装备边缘节点，赋予其局部自主感知能力，成为突破物理枷锁的关键途径。以“潜龙三号”4500米级自主潜水器为例，该装备能够在复杂深海地形中按照预设任务开展自主航行、避障与近底探测，在水声通信受限条件下体现出深海装备自主作业能力。这一类单体装备的智能化发展，为未来多装备协同、分布式感知和群体作业模式提供了重要技术基础。在此逻辑下，分布式协同不再是简单的数量叠加，而是系统抗毁性的重构：通过强化学习等先进算法赋予多台装备自适应编队能力，进而突破单机作业的物理覆盖极限。同时，随着深海传感器网络的布设与边缘计算节点的深度嵌入，装备可在本地完成部分数据处理与任务决策，从而降低对远程集中控制和高频水声通信的依赖。这种从单体自主向群体协同的范式转型，使深海装备不仅具备自主感知与决策能力，更具备面向未来的演化潜力，成为深海立体综合开发的基础单元。
人工智能重塑深海工程作业逻辑，为海洋开发提供系统性解决方案。人工智能的深度介入，正在重塑深海工程装备与作业模式的演化路径。长期以来，深海开发依赖于人力与机械直接操作，处于机械化阶段，效率低下且风险高昂。随着自动控制与远程操纵技术的发展，装备进入自动化阶段，但依旧受制于环境感知不足与决策迟滞，无法突破深海复杂工况的瓶颈。而人工智能的引入，使深海工程装备具备深度感知、动态规划与群体协同的能力，从而在极端环境下依然能够高效与稳健运行。随着生态承载空间评估与数字孪生等新技术的融合，深海工程正迈向生态化阶段，即在开发过程中实现资源利用与环境保护的动态平衡。这一演进为深海采矿、天然气水合物开采、碳封存与氢能生产等任务提供系统性解决方案，更推动深海工程作业逻辑的转型，奠定“海洋立体综合开发”的实践基础。
技术创新是场景创新的关键支撑，在众多深海工程场景中，深海采矿无疑是人工智能赋能领域中最具代表性与战略意义的方向之一，人工智能的介入，有望推动其从机械化、自动化作业逐步向智能感知、协同控制和生态约束下的优化作业演进。作为深海资源开发的关键环节，深海采矿集成了智能装备、能源调度、数据治理与生态约束等多重要素，是检验人工智能驱动海洋科技系统性转型的理想载体。人工智能的深度嵌入，推动采矿体系从机械化走向智能化、从单体作业走向系统协同。在这一极端工程场景中，人工智能的介入并非旨在消除环境代价，而是求解工程收益与生态安全边界之间的“动态次优解”。深海底栖环境通常具有恢复缓慢、生态过程脆弱等特征，机械扰动可能造成长期甚至难以完全恢复的生态影响。智能作业网络通过融合数字孪生模型与强化学习算法，实现对采矿车姿态、射流强度等多维非线性变量的实时演算。其主要逻辑在于：通过算法不断寻找问题的约束条件下的近优解，在确保多金属结核剥离率的同时，精确控制矿浆输送能耗，并严格将履带与集矿头诱发的沉积物羽状流扩散范围限制在预设的生态承载红线内。在装备层面，人工智能通过对姿态、行驶速度、射流强度与离地高度等多维变量的自适应控制，实现采矿车的动态决策与精准作业；多车间的信息协同与路径优化，构成以“深海驻留型蜂群生态”为特征的智能作业网络，显著提升资源获取效率与系统韧性。在工程层面，人工智能通过强化学习与数字孪生模型，实现从采集、输送到尾水回收的全流程智能调度与风险预测；能耗分配、矿浆输送与生态扰动等关键参数得以动态优化，从而实现提升生产效率与维护环境安全的双重平衡。人工智能的持续学习能力为系统迈向“生态化”阶段奠定基础：通过实时监测尾水回收、沉积物扩散与噪声扰动等环境指标，系统能够在采矿过程中动态调节作业参数，最大程度降低生态扰动，标志着深海工程正从单点技术突破迈向系统智能协同。
人工智能不仅是技术升级的引擎，更成为重塑海洋治理格局、提升国家战略能力的关键变量。人工智能赋能下的装备演化，正在成为建设海洋强国和构建人海和谐关系的关键驱动力。伴随全球可持续发展议程的深入推进，人工智能对海洋环境治理的作用正日益凸显，为实现可持续发展注入新动能。在《纲要》与碳达峰碳中和目标的指引下，人工智能正成为推动海洋科技实现制度性变迁与全球治理创新的战略工具。从技术维度看，人工智能通过优化信息流动与资源配置效率，推动深海装备设计、数据处理模式和能源利用方式的系统转型；从制度维度看，人工智能强化海洋科技的开放性与共享性，形成以数据平台、标准体系和国际合作为基石的新型治理机制；从战略维度看，人工智能不仅为中国在全球海洋事务中提供了新的制度话语权与创新引领力，还有望助力我国在未来的全球科技竞争中占据主动，进而推动形成更加公正合理的海洋治理新秩序。从深海装备的智能化，到海洋工程开发模式的转型；从环境治理体系的智慧化，到战略格局的制度化，人工智能正成为海洋科技跨越式发展的决定性变量。这个过程不仅能够为建设海洋强国提供坚实的科技支撑，更能够以中国智慧为全球海洋治理贡献新方案，推动人类走向人与海洋和谐共生的智能化时代。
海洋科技对人工智能发展的支撑
人工智能持续迭代发展并非孤立进行，它对算力、能源与数据场景的高度依赖，使其发展路径受制于现实条件。随着大模型训练带来算力需求激增，陆地数据中心出现能耗结构失衡——近一半电力被用于冷却系统，导致碳排放持续攀升、土地资源紧张，并且人工智能训练数据主要来源于社会化与常规场景，难以满足复杂系统的建模需求。这些痛点共同构成制约人工智能跃迁的关键瓶颈。在这一背景下，海洋科技的快速发展为人工智能打开全新空间：深海冷却与可再生能源缓解能源压力，海量多模态观测数据丰富训练样本，极端环境提供算法测试场景，制度化的国际合作为治理注入新动能。质言之，人工智能与海洋科技之间正在双向赋能：人工智能推动海洋科技迈向智能化与绿色化，而海洋科技则为人工智能的发展提供算力、数据与场景的深层支撑。这种互动不仅是技术互补，更标志着人类正从“陆地智能”走向“海洋智能”的新阶段。
海洋为人工智能算力提供全新的绿色承载空间。陆地数据中心长期依赖高耗能制冷与有限电力调度，存在资源约束困境。相比之下，深海环境天然具备低温、隔音与风电直连条件，为算力承载提供独特空间。微软“Natick”海底数据中心实验在苏格兰近海部署两年后，设备故障率仅为传统陆地机房的八分之一，验证了海底封装、海水冷却与可再生能源供电条件下数据中心运行的工程可行性。与此同时，部分国家和企业正在探索海洋可再生能源融合海底数据中心方案，尝试利用海上风电、潮流能等资源为人工智能服务器提供低碳供能。相关国际报告显示，波浪能、潮流能、温差能等海洋可再生能源具有较大理论潜力，但其工程化利用仍受资源密度、设备可靠性、并网输电和维护成本等因素制约。因此，海洋可再生能源更适合作为未来海洋算力节点的潜在补充能源，而不宜简单等同于可直接支撑大规模超算中心的稳定电源。随着绿色能源与智能算力在海洋空间的深度融合，人工智能的发展不再受制于陆地有限的土地、电力与环境容量，而是构建起“海洋—算力—能源”一体化的新型基础设施体系。这不仅为人工智能带来可持续的发展路径，也预示着全球能源结构与智能化进程的耦合方式将发生深刻变革。
海洋科技为人工智能的发展注入独特的数据动能。若无新数据源的持续注入，人工智能的高速迭代便难以为继。算法与算力固然重要，但数据的广度与深度，才是真正决定其生命力的关键所在。长期以来，深海是人类知识体系中相对空白的区域。而今这一盲区正逐步转化为人工智能最具潜力的知识矿藏。作为覆盖全球的大规模海洋观测网络，“阿尔戈”（ARGO）计划目前已布设近4000个深海剖面浮标，持续获取水温、盐度与洋流数据。欧洲哥白尼海洋服务（Copernicus Marine Service）通过卫星与传感器网络开放数据接口，使人工智能能够在极端气候预测与环境建模中实现跨域验证。与陆地环境相比，深海数据具备高不确定性和高噪声特征，极大地锻炼了人工智能模型的适应性。深海多模态数据不仅能够拓展人工智能的知识边界，更能在高不确定性条件下锤炼算法的鲁棒性。更深远的意义在于，随着全球观测网络与数据平台的不断开放，海洋数据正逐步成为国际科研合作与治理规则重构的关键资源，推动人工智能的发展突破封闭格局，迈向开放共享的知识生产新模式。数据开放的制度安排，正在成为影响人工智能发展路径的重要社会变量。
海洋为人工智能提供极端环境下的实验与验证场景。陆地实验室无法完全模拟高压、低温、强腐蚀的深海环境，而这些条件恰恰构成人工智能算法演进的重要“试验田”。从算法验证角度看，深海可被视为人工智能的极端应用场景：在数千米海底，群体智能、边缘计算与自主决策等方法需要在高压、低温、通信受限和环境不确定条件下接受检验。美国国防高级研究计划局(DARPA) 研发的“反潜战持续跟踪无人艇”（ACTUV）项目旨在发展可在无人登艇条件下长期运行的无人水面平台，并通过自主系统管理、安全航行与持续目标跟踪等能力，展示分布式自主系统在复杂海洋环境中的持续运行潜力。在“分布式海上作战”概念中，无人系统能够与有人舰艇协同作战，将火力分散部署，增加作战的灵活性和隐蔽性，提高整个舰队的生存能力和作战效能。在深海采矿相关研究与原型系统设计中，路径规划、地形感知和能耗优化算法已被用于提升采矿装备在复杂地形条件下的作业稳定性。这些实验不仅推动人工智能在海洋领域从理论走向应用，也增强了人工智能算法对极端工况的适应性。
海洋科技为人工智能的发展提供制度与战略层面的支撑。随着人工智能在海洋资源开发与生态治理中的广泛应用，数据标准、算法规则与治理框架正成为全球竞争的焦点。国际海底管理局（ISA）近年来积极推动深海数据开放与人工智能应用标准的制定，旨在通过跨国共享与规则协同，避免因数据垄断导致的不平等竞争。对于我国而言，深海科技与人工智能的融合不仅是技术问题，更关乎制度话语权与战略布局。“十五五”时期，通过建立海底数据中心、绿色能源算力平台，构建国际海洋大数据合作机制，我国有望在全球人工智能治理格局中赢得更大的主动权，这种制度与战略的互动，进一步凸显海洋科技对人工智能发展的重要支撑。
人工智能的发展正以迅疾之势演进，但难以摆脱陆地的能耗瓶颈、数据匮乏与场景局限，若缺乏来自海洋的支撑，人工智能的发展或将只能在特定的边界内徘徊。海洋科技对人工智能的影响并非单点突破，而是系统性再造。在能源供给上，深海冷却与可再生能源为算力扩展提供绿色路径；在数据赋能上，海量多模态观测资料拓展模型训练的深度与广度；在场景验证上，极端海洋环境成为算法鲁棒性与适应性的试炼场；在制度保障上，国际化的数据共享与治理合作为人工智能的全球化发展奠定规则基础。这一体系性的支撑框架，使海洋成为人工智能突破陆地瓶颈、迈向可持续演进的战略新支点。
人工智能与海洋科技深度融合的机制与路径
人工智能与海洋科技的深度融合，是应用层面的扩展，更是理论建构上的创新。为了深入揭示这种双向赋能机制，这里提出两个关键概念——“海洋智能生产力”与“深海驻留型蜂群生态”。前者聚焦海洋环境对人工智能算力增长的支撑能力，后者指向群体智能驱动的深海作业新范式。需要严格界定的是，“海洋智能生产力”并非宏观经济与政策语境下的“海洋新质生产力”。“海洋新质生产力”是一个全局性的经济学范畴，涵盖从海洋生物医药到高端装备制造的产业跃迁；而“海洋智能生产力”则是一个聚焦基础设施生态的中微观技术概念，特指海洋物理环境为人工智能算力的指数级扩张提供物理承载与能源支撑的综合效能。前者侧重于最终的经济产出质量，后者则更关注支撑人工智能演进的客观工程与环境底座。与之相对应，“深海驻留型蜂群生态”是人工智能算法向深海装备端侧下沉后，多智能体通过分布式感知与协同决策所形成的新型作业模式。通过明晰这两个关键概念，能够系统阐释海洋环境支撑人工智能算力的独特能力，以及人工智能驱动的多装备协同机制，进而探析二者如何形成智能化、绿色化的协同范式，助力海洋科技实现范式转型。
海洋智能生产力是人工智能与海洋科技融合的重要理论基石。海洋智能生产力并非严格意义上的经济学生产力，而是用于分析人工智能发展所依赖的环境——基础设施承载能力。其可定义为海洋环境在物理空间、海水冷却及原位能源供给方面持续支撑人工智能算力的综合能力，同时强调必须在生态承载空间内保持可持续性。海洋智能生产力理论框架可分解为三个维度：一是空间承载，深海为分布式算力节点提供天然的布设条件，理论上可实现PB至EB级的数据存储与处理，从而缓解陆地数据中心的资源紧张；二是冷却效能，深层海水可显著降低能耗，为人工智能算力提供绿色降耗途径；三是原位能源供给，海洋温差能、波浪能与潮流能具有较大理论资源潜力，可为部分近海或海上算力节点提供可再生能源补充。评价这一生产力，需要整合空间利用率、冷却效率与能源可持续性等指标，并兼顾海洋热平衡与生物多样性等生态承载约束。
深海驻留型蜂群生态塑造人工智能驱动下深海作业的新模式。其关键在于利用群体智能与分布式算法，使多种深海装备，包括自主潜航器（AUV）、遥控潜航器（ROV）、无人船等，能够在极端环境中实现自主感知、动态决策与协同作业。这一机制借鉴了自然界蜂群或蚁群的分布式协作逻辑，通过强化学习、分布式计算与群体优化算法，实现任务分解、路径规划与负载均衡，从而构建动态自适应的作业网络。多智能体系统和群体智能算法已在无人机编队、无人船协同和多机器人任务分配等场景中显示出较强的分布式协作潜力。而深海驻留型蜂群生态则将这一逻辑迁移至极端的海底环境：水声通信与边缘计算的结合，缩短装备间的通信延迟；编队运行不仅提升作业效率，还显著增强系统的鲁棒性与环境适应性。在深海高压与复杂地形条件下，多装备的集群协作展现出单一装备难以企及的适应性与持续作业能力。
海洋智能生产力与深海驻留型蜂群生态的理论融合，通过蜂群互联范式实现人工智能与海洋科技的协同演进。当“海洋智能生产力”与“深海驻留型蜂群生态”形成互补关系时，便孕育出一种新的协同范式，即基于蜂群互联的智能化、绿色化体系。一方面，生产力框架为蜂群机制的运行提供算力、能源与环境的底层保障；另一方面，蜂群机制通过多装备的互联互通实现任务动态优化，进一步推动整体系统的效率提升与可持续演进。在这一逻辑下，分布式智能网络与图神经网络等方法，为装备编队的自适应调度提供了坚实的算法基础，确保系统能够在复杂与不确定条件下保持鲁棒性。随着全球对深海数据标准与装备协同规则的关注度提升，蜂群互联所代表的协同逻辑，正在从单纯的工程机理扩展为国际治理与战略格局的共同议题。
人工智能与海洋科技深度融合的治理挑战与实践转化。人工智能与海洋科技的深度融合，使智能化生产力与蜂群化协作逐渐成为驱动深海开发的新支点。然而，其融合演进过程将伴随深刻的内生性矛盾，这意味着人工智能并不能被简单视作纯粹的技术福音。全球人工智能治理的语境下，长期存在“先发展、后治理”的路径依赖，这种逻辑往往导致治理滞后与风险积累。西方治理模式往往强调分离式推进，但这种思路容易陷入内在悖论：当人工智能具备更高智能或更强价值判断能力时，人类社会本身未必能够真正接受。这一困境同样会投射到海洋领域的智能化实践中。我国的治理理念更强调科技向善与安全发展并重，主张在技术发展早期嵌入规则、责任和安全约束，以降低治理滞后导致的系统性风险。此外，随着人工智能规模化应用加速，带来高度自主性的同时，不可避免地放大算法“黑箱效应”，潜在风险也日益凸显，在远离人类实时干预的极深海域，一旦智能系统因环境噪点发生误判，其责任主体认定或将面临法理真空，可能导致系统安全失控、环境压力加剧、伦理真空出现以及大国竞争升级等。同时，海洋多模态数据作为人工智能大模型迭代的关键“燃料”，其获取能力的非对称性正在加剧全球技术鸿沟，如果不能在技术演进与制度约束之间实现动态平衡，智能化的红利极有可能演变为战略隐患。因此，未来智能海洋的发展必须在机遇与风险的双重张力中展开。这就要求我们将科技向善与前瞻治理的宏观理念，向下转化为切实可行的多维规范体系。
从治理层面来看，至少应当涵盖以下四个方面：在安全维度，防止智能化装备的军事化扩散，建立深海装备安全协议和网络防御体系，以确保其运行的可控性与稳健性；在生态维度，通过人工智能的实时监测与优化功能，严格把控海洋资源开发，确保不突破环境承载阈值；在伦理维度，建立责任认定、透明性与可追溯性机制，确保智能系统的运行符合人类社会的价值规范；在制度维度，依托《联合国海洋法公约》和国际海底管理局（ISA）等平台，推动跨国数据共享、绿色标准制定与责任共担。智能海洋治理不仅是技术风险的防控，更是大国竞争与制度话语权的前沿博弈。未来，谁能够提出具有普遍吸引力的治理框架，谁就有望在全球海洋秩序中占据主动。我国在相关领域更强调以绿色导向推动智能海洋与碳达峰碳中和目标衔接；以协同导向推动蜂群机制与生产力框架下的国际合作与标准制定；以制度导向倡导前瞻治理，避免先发展后治理的风险积累，探索技术与制度协同演进的路径。
未来的研究议程，应进一步推动理论深化与工程实践的互证。其一，构建“算力—能源—生态”的动态均衡模型，以跨学科方法论回答智能增长与环境阈值的兼容性问题。其二，推动蜂群智能的跨域验证，不仅要在深海极端环境中形成可复制的作业体系，还要与空天、极地等其他边疆场景形成方法论联动，开辟跨域智能的研究新范式。其三，重塑全球治理的知识结构，在人工智能治理与海洋治理的交叉地带，提出既能体现技术普适性、又能反映中国经验的制度方案，使“海洋智能生产力”与“深海驻留型蜂群生态”从学术话语走向国际规则。唯有如此，才能真正把人工智能与深海科技的双向塑造，从实验性耦合转化为文明性驱动，使其成为推动人类社会进入智能化、绿色化与可持续化新阶段的关键力量。
结语
人工智能与海洋科技的双向塑造，已经超越传统意义上的“工具—应用”关系，而演化为一种深层次的共生逻辑。人工智能推动深海装备的智能化跃迁、工程体系的逻辑再造、环境治理的智能化升级以及战略格局的重构；同时海洋科技则以绿色能源供给、多模态数据流、极端实验场景与制度化合作为人工智能的发展提供前所未有的环境支撑。这种交织关系不仅拓展两大技术体系的边界，也正孕育一种新的知识范式与理论框架。在此背景下，“海洋智能生产力”与“深海驻留型蜂群生态”两大关键概念，不仅是理论上的提炼，更是对于未来“技术—环境—制度”三重关系的系统性回应。前者从能源与空间的角度切入，回应算力增长与生态承载空间之间的张力，强调绿色化与可持续性的制度底色；后者则以群体智能和分布式协作为主，突破单一装备的性能边界，开辟深海作业智能化与生态化的全新路径。当二者融合为蜂群互联的智能化、绿色化体系时，有望真正实现深海工程开发与海洋生态保护的动态平衡。
展望未来，人工智能与深海科技的深度耦合至少在三个维度上具有演进潜能。其一，在技术范式层面，从“冷却—能源—算力”的一体化布局，到蜂群式装备的自主协作，海洋将成为全球智能化基础设施的关键承载体。其二，在治理逻辑层面，人工智能治理与深海治理的交织将形成新的复合治理格局。算法透明性与环境阈值、数据主权与国际合作，将构成新的竞合场域。其三，在战略格局层面，人工智能与深海的结合正在催生新的国家竞争单元。未来的竞争不只是陆地人工智能与陆地数据中心的比拼，更将延伸至海洋智能基础设施与深海群体智能等领域。对于我国而言，这意味着既要在技术前沿上保持创新活力，又要增强在国际制度设计中的话语权，着力形成我国海洋人工智能发展方案的独特战略优势。
陈旭光，中国海洋大学工程学院教授、博士生导师，山东省深海采矿技术与水下装备重点实验室主任。研究方向为海洋岩土力学与海底工程研究，主要论文有《海洋工程发展趋势与技术挑战》《深海水下技术装备发展研究》《深海采矿中层羽流被动输运阶段扩散及沉降特征数值模拟》《深部巷道围岩分区破裂三维地质力学模型试验研究》等。
来源：《学术前沿》杂志2026年第10期（注释从略）
