42岁的聂婕，是中国海洋大学信息科学与工程学部的“筑峰工程”特聘教授、博士生导师。2024年，她获得国家自然科学基金委优秀青年基金项目。2026年8月，她主持的“跨尺度多模态时空大数据智能分析和预测关键技术研发及应用”获山东省技术发明奖一等奖。
从互联网大数据到海洋科学大数据，从多媒体信息处理到AI for Ocean Science，聂婕完成了一次跨越。她要做的事，用一句话概括：让人工智能“听懂”海洋的语言，为这片深蓝“解码”。
一次“跨界”的触发
聂婕的专业底色是计算机科学与技术。中国海洋大学本硕博连读，美国匹兹堡大学联合培养博士，清华大学博士后——一路走来，她的研究领域是互联网多媒体与大数据挖掘，与海洋并无交集。
改变发生在她回到海大之后。一次与教育部海洋化学重点实验室的合作，让她接触到陆海一体化数据库和信息系统项目。“海洋数据和互联网数据差别太大了。”她发现，海洋科学大数据尚未形成成熟的技术体系，探索新技术的空间广阔，而海洋科研工作者“务实”的作风也深深感染了她。
真正让她“入海”的，是学校的青年交叉培育项目。“海洋科学的门槛非常高，如果没有这样的平台支持，仅靠个人摸索很难深入。”依托有组织的交叉学科培育，聂婕正式开启了“AI+海洋”的研究道路。
两种范式的交互
一脚踏入交叉领域，聂婕很快发现，摆在自己面前的是两种截然不同的科学范式。
传统海洋科学计算基于第一性原理——物理过程写得出方程，计算机就能推演。但海洋是开放的跨尺度复杂系统：环流、涡旋、湍流相互纠缠，海-气、海-陆界面持续交互，鱼群游过、船舶驶过都会产生扰动。当计算网格从公里级缩小到米级，大量小尺度过程的方程根本写不出来。
人工智能则是另一套逻辑。它不依赖物理方程，而是从数据中学习映射关系，擅长对随机过程建模。聂婕的思路是把物理模型和AI模型耦合在一起——大尺度用物理方程把控基础趋势，小尺度用数据驱动刻画随机扰动。两种计算系统协同工作，这正是海洋智能计算的前沿方向。
攻克“最后一公里”
前沿的探索，最终要落到应用上。聂婕团队瞄准的是海洋环境保障的“最后一公里”——当前区域海洋预报多为公里级分辨率，而港口引航、航运调度、海上风电等实际业务需要米级甚至十米级的精细化感知。
在青岛港，团队部署了公里级微气象环境保障系统。起初预报效果并不理想，他们融入港口地形、岸线特征等知识，新增上百台环境传感设备，经过近半年数据积累与模型迭代，准确率逐步达标，已能支撑泊位分配和引航调度。青岛港是全国首批、交通运输领域唯一的国家人工智能中试基地，这套系统正是在中试场景中反复打磨才实现落地。“人工智能模型不能拔苗助长，必须留给系统充足的时间完成验证、迭代与优化。”聂婕说。
目前，团队构建的海洋环境智能预警体系已在多个场景投入应用。风暴潮风险评估系统可提前5天捕捉到高风险水位的“苗头”，预测误差控制在20厘米以内。与青岛气象台联合研发的海雾预报智能体，通过大模型读取卫星云图等多模态数据模拟预报员工作，今年雾期已成功预报多处海雾。海洋生态系统健康评价大模型也已与国家海洋环境监测中心和山东省海洋资源与环境研究院合作应用。
三个瓶颈，协同突破
成果落地令人振奋，但聂婕心里清楚，AI赋能海洋的深层瓶颈远未突破。她列出三个关键词：数据、算法、算力。
数据首当其冲。人类对海洋的整体认知尚不足5%，观测站点、浮标、卫星数据相对于海洋体量仍是“零星点点”。垂向剖面数据尤其稀缺，极端过程样本匮乏，直接限制AI模型的训练与泛化。算法方面，当前海洋AI大多是把通用深度学习算法直接迁移套用，缺少面向海洋物理约束的原生设计，“很多模型只能拟合观测，对未见过的海洋现象外推能力差”。算力层面，传统海洋模式依赖CPU科学计算集群，AI训练依赖GPU集群，二者架构相互独立，而未来海洋智能计算需要二者深度耦合，当前的硬件与软件栈的支撑还不够成熟。
“三者之中数据是首要瓶颈，但算法要走向海洋专属化，算力要走向智算融合，三者协同突破，海洋人工智能才能真正释放潜力。”聂婕说。
数字海洋的山东机遇
挑战在哪里，机遇就在哪里。聂婕认为，山东发展“AI+海洋”具有独特优势：空天地海一体化观测的基础、超算与智算联动的平台、崂山实验室等高能级科研载体，以及港口航运、海洋牧场、海上风电等丰富的产业场景。山东港口集团集装箱吞吐量居世界前列，全国71个国家级海洋牧场中山东占多数——这些场景都对精细化海洋环境保障提出了现实需求。“补齐高质量垂向观测数据，发展海洋原生物理-AI融合算法和算力，打通科研与产业转化，这是下一步的关键。”
视野从产业图景收回来，落到人身上。对投身海洋人工智能交叉研究的年轻人，聂婕给出五条建议：夯实交叉底色，拒绝做算法搬运工；学会与不完美的海洋数据共处；立足真实问题，面向实际场景做研究；聚焦物理-AI融合与智算融合方向；接受交叉学科的慢周期。“把个人研究和海洋强国、海洋强省的现实需求相结合，时间会给你答案。”
