[{"data":1,"prerenderedAt":236},["ShallowReactive",2],{"news-list":3},[4,74,123,187],{"id":5,"title":6,"body":7,"category":63,"cover":64,"date":65,"description":66,"extension":67,"featured":68,"meta":69,"navigation":68,"path":70,"seo":71,"stem":72,"__hash__":73},"news\u002Fnews\u002Fcomputing-power-and-ocean-model.md","算力与大模型如何服务海洋产业",{"type":8,"value":9,"toc":54},"minimark",[10,14,18,21,24,27,30,33,36,39,42,45,48,51],[11,12,13],"p",{},"海洋产业的智能化环境与普通互联网场景存在明显差异：设备分布范围广、网络质量不稳定、数据类型复杂，业务又涉及安全生产和应急响应。要让大模型在海洋场景中发挥作用，必须同时考虑算力部署、数据治理和业务闭环。",[15,16,17],"h2",{"id":17},"中心算力负责训练与持续优化",[11,19,20],{},"中心侧算力用于汇聚历史数据、训练视觉模型、构建行业知识库，并对不同版本模型进行评估。模型是否可以上线，不能只看通用测试集，还要结合目标海域、天气、摄像机角度和业务规则进行验证。",[15,22,23],{"id":23},"边缘算力负责实时推理",[11,25,26],{},"在渔港、网箱、船舶和海上设备现场，边缘节点承担视频分析、传感数据预处理和实时告警。这样既能降低原始数据回传量，也能让关键能力在网络不稳定时继续运行。",[11,28,29],{},"中心训练和边缘推理并不是相互独立的两套系统。现场误报、漏报和新场景样本需要回到中心侧进行分析，更新后的模型再经过灰度验证下发到边缘节点。",[15,31,32],{"id":32},"多模态数据提高判断可靠性",[11,34,35],{},"海洋业务通常需要同时分析视频、AIS 船位、北斗定位、气象水文和历史轨迹。单一数据来源可能出现缺失或误差，多源数据可以互相校验。",[11,37,38],{},"例如，当视频识别到一艘船进入港区后，可以结合 AIS 身份、历史轨迹和进港计划判断其身份与行为是否正常，而不是只输出一个孤立的检测框。",[15,40,41],{"id":41},"大模型承担知识组织与辅助决策",[11,43,44],{},"行业大模型可以连接规章制度、设备手册、历史事件和实时数据，帮助管理人员快速理解告警原因、查询处置流程和生成分析摘要。",[11,46,47],{},"在实际项目中，大模型更适合作为专业人员的辅助工具。涉及安全控制和关键生产操作时，仍需要设置明确的权限、审核与人工确认机制。",[15,49,50],{"id":50},"从小场景开始验证",[11,52,53],{},"海洋智能化项目适合从数据条件较好、业务价值清晰的场景开始，例如船舶进出港识别、电子围栏、人员安全行为检测或水质异常预警。通过试点验证数据质量、模型效果和处置流程，再逐步扩展业务范围。",{"title":55,"searchDepth":56,"depth":56,"links":57},"",2,[58,59,60,61,62],{"id":17,"depth":56,"text":17},{"id":23,"depth":56,"text":23},{"id":32,"depth":56,"text":32},{"id":41,"depth":56,"text":41},{"id":50,"depth":56,"text":50},"技术观察","\u002Fmedia\u002Fnews\u002Fsmart-ocean-model.jpg","2026-08-06","从数据采集、模型训练到现场推理，梳理海洋智能化建设的关键路径。","md",true,{},"\u002Fnews\u002Fcomputing-power-and-ocean-model",{"title":6,"description":66},"news\u002Fcomputing-power-and-ocean-model","4kX-eQ6Bdzr29Fiy6QgOT1EcfhQ70qa3bpH9ziWGq1A",{"id":75,"title":76,"body":77,"category":115,"cover":116,"date":65,"description":117,"extension":67,"featured":68,"meta":118,"navigation":68,"path":119,"seo":120,"stem":121,"__hash__":122},"news\u002Fnews\u002Fofficial-website-project-launch.md","通宏智能官方网站建设项目启动",{"type":8,"value":78,"toc":109},[79,82,85,88,91,94,97,100,103,106],[11,80,81],{},"2026 年 8 月 6 日，通宏（广东）智能科技有限公司官方网站建设项目启动。网站将围绕“算力驱动海洋，大模型赋能产业”的核心主张，系统展示公司技术能力、行业解决方案与业务场景。",[15,83,84],{"id":84},"建设目标",[11,86,87],{},"新官网不仅承担企业品牌展示功能，也将成为客户理解通宏智能业务能力的重要入口。网站内容重点覆盖智慧海洋、智慧工厂和智慧电力三大方向，并围绕智慧渔港、深海牧场、渔船安全、海上风电、水产品加工、冷链物流、质量溯源、电力运维、能源管理和电力算力协同建立独立页面。",[15,89,90],{"id":90},"内容结构更加清晰",[11,92,93],{},"每个行业页面围绕产品介绍与设计思路、方案架构、核心功能和重点场景组织；场景页面聚焦场景介绍、专属架构与核心功能。通过清晰的信息层级，让客户能够快速判断方案是否适合自身业务，也便于搜索引擎和 AI 搜索系统理解页面主题。",[15,95,96],{"id":96},"采用静态预渲染技术",[11,98,99],{},"网站一期采用 Nuxt 4、TypeScript、Ant Design Vue 和 Nuxt Content 开发。页面在构建阶段生成完整 HTML，在保证交互体验的同时提升加载速度和内容可抓取性。",[15,101,102],{"id":102},"分阶段完善服务能力",[11,104,105],{},"一期将完成全部前台页面、响应式适配、表单校验和 SEO 基础能力。后续阶段将逐步接入咨询提交、邮件通知、内容管理、案例管理和资质管理等功能。",[11,107,108],{},"通宏智能将持续完善官网内容，以更具体、透明和专业的方式呈现技术能力与项目价值。",{"title":55,"searchDepth":56,"depth":56,"links":110},[111,112,113,114],{"id":84,"depth":56,"text":84},{"id":90,"depth":56,"text":90},{"id":96,"depth":56,"text":96},{"id":102,"depth":56,"text":102},"公司动态","\u002Fmedia\u002Fnews\u002Fwebsite-launch.jpg","以清晰、专业、结构化的内容体系，全面展示公司技术与行业解决方案。",{},"\u002Fnews\u002Fofficial-website-project-launch",{"title":76,"description":117},"news\u002Fofficial-website-project-launch","NPaoBVBaNUx5wxL6oFr547dWf4ngqrAUHNQVgb9fD0M",{"id":124,"title":125,"body":126,"category":179,"cover":180,"date":65,"description":181,"extension":67,"featured":68,"meta":182,"navigation":68,"path":183,"seo":184,"stem":185,"__hash__":186},"news\u002Fnews\u002Fsmart-fishing-port-digital-transformation.md","智慧渔港数字化转型：从“人防”走向“智防”",{"type":8,"value":127,"toc":173},[128,131,134,137,140,143,146,149,152,155,158,161,164,167],[11,129,130],{},"渔港是船舶、人员、渔获、设备和监管业务高度集中的复杂场景。传统管理方式往往依赖人工登记、视频轮巡和线下沟通，信息发现慢、处置链路长，多个系统之间的数据也难以互相印证。",[11,132,133],{},"智慧渔港建设的重点，不是简单增加摄像头或建设一块大屏，而是建立从感知、分析、预警到处置的完整闭环。",[15,135,136],{"id":136},"先解决数据连接问题",[11,138,139],{},"渔港现场通常包含 AIS、北斗终端、视频监控、道闸、称重设备、气象水文传感器和业务管理系统。不同数据有不同的时间频率和空间坐标，需要在统一平台中进行时空对齐。",[11,141,142],{},"当船舶身份、位置、视频画面和业务记录能够互相验证后，系统才能形成更可靠的船舶进出港记录，并为异常行为分析提供数据基础。",[15,144,145],{"id":145},"将实时分析放到边缘节点",[11,147,148],{},"港区网络条件、视频数量和实时性要求决定了所有原始数据不适合全部回传中心。边缘计算节点可以在现场完成视频解码、目标识别、事件过滤和结构化处理，仅把重要事件和必要数据上传平台。",[11,150,151],{},"这种方式能够减少网络带宽压力，也可以在网络短时中断时维持重点区域的识别和告警能力。",[15,153,154],{"id":154},"用行业模型理解业务语义",[11,156,157],{},"通用视觉模型只能识别“人、车、船”等基础目标。真正面向渔港业务，还需要理解船舶是否处于进港状态、人员是否进入危险区域、作业行为是否违反规则，以及告警应该通知哪个岗位。",[11,159,160],{},"行业模型需要结合现场样本、区域规则、时间条件和业务知识持续优化，才能把算法结果转化为管理人员可以直接处置的事件。",[15,162,163],{"id":163},"建立可追溯的处置闭环",[11,165,166],{},"每一条有效告警都应记录发现时间、关联设备、现场截图、处置人员、处理结果和复盘意见。只有形成完整留痕，系统才能帮助管理方分析高频问题、优化点位和调整管理规则。",[168,169,170],"blockquote",{},[11,171,172],{},"智慧渔港的核心价值，是让管理人员更早发现问题、更快理解问题，并通过统一流程完成处置。",{"title":55,"searchDepth":56,"depth":56,"links":174},[175,176,177,178],{"id":136,"depth":56,"text":136},{"id":145,"depth":56,"text":145},{"id":154,"depth":56,"text":154},{"id":163,"depth":56,"text":163},"行业洞察","\u002Fmedia\u002Fnews\u002Fsmart-port-transformation.jpg","解析多源感知、边缘计算与海洋大模型如何形成渔港安全管理闭环。",{},"\u002Fnews\u002Fsmart-fishing-port-digital-transformation",{"title":125,"description":181},"news\u002Fsmart-fishing-port-digital-transformation","M9HRyKJPVhntZsbr7dGvWL5pNU08wGGYG5fAUh_8H0M",{"id":188,"title":189,"body":190,"category":63,"cover":228,"date":65,"description":229,"extension":67,"featured":230,"meta":231,"navigation":68,"path":232,"seo":233,"stem":234,"__hash__":235},"news\u002Fnews\u002Fvessel-positioning-data-governance.md","船舶定位系统建设中的数据治理要点",{"type":8,"value":191,"toc":222},[192,195,198,201,204,207,210,213,216,219],[11,193,194],{},"船舶定位平台不仅要在地图上显示位置，还要保证定位数据连续、身份可信、轨迹可查询，并能够支撑电子围栏、异常行为和应急搜救等业务。",[15,196,197],{"id":197},"统一不同定位来源",[11,199,200],{},"实际场景可能同时存在 AIS、北斗、GPS、岸基雷达和视频辅助定位。不同来源的数据频率、精度和身份编码并不一致，需要建立统一船舶标识和数据优先级规则。",[15,202,203],{"id":203},"识别异常轨迹数据",[11,205,206],{},"漂移、跳点、重复上报和长时间静止都会影响轨迹分析。平台需要通过速度、距离、时间间隔和航行区域进行质量判断，并保留原始数据以便追溯。",[15,208,209],{"id":209},"电子围栏需要结合业务规则",[11,211,212],{},"禁渔区、航道、养殖区和国境线对船舶的管理要求不同。围栏告警应结合船舶类型、航行方向、停留时间和管理等级，避免只要进入区域就产生大量无效告警。",[15,214,215],{"id":215},"行为分析需要持续校准",[11,217,218],{},"滞航、折返、异常靠近和失联等行为，需要结合历史规律和具体水域特征判断。模型上线后仍要根据管理人员反馈持续校准，逐步提高事件有效率。",[11,220,221],{},"可靠的数据治理是船舶智能监管的基础。只有先保证数据可信，后续的模型分析和业务决策才具有实际价值。",{"title":55,"searchDepth":56,"depth":56,"links":223},[224,225,226,227],{"id":197,"depth":56,"text":197},{"id":203,"depth":56,"text":203},{"id":209,"depth":56,"text":209},{"id":215,"depth":56,"text":215},"\u002Fmedia\u002Fnews\u002Fvessel-positioning.jpg","从定位来源、轨迹质量、电子围栏和异常行为分析四个方面梳理船舶数据治理方法。",false,{},"\u002Fnews\u002Fvessel-positioning-data-governance",{"title":189,"description":229},"news\u002Fvessel-positioning-data-governance","49s7yjwJRvvv3xhoxckKRsSxy5zm3d7G-eyW-pFoEeY",1786627242210]