AI大模型在航运业应用面临的挑战，是模型落地航运的关键障碍，构成上包括航线与船员信息的数据安全风险、黑箱模型可靠性不可控、设备接口标准不兼容、2023年5月暂行办法后法律规则仍待完善、复合型人才与培养机制缺失，解决的是评估航运AI落地可行性的问题，并不解决航运业高度监管的属性。
船舶航线、货物配载、客户信息和船员私人信息等都是航运大模型需要收集、整理和分析的数据信息。数据在存储、传输和处理过程中可能会遇到网络攻击、数据篡改、数据丢失等问题，导致信息的泄露和扩散，进而可能造成系统不能正常运转，给企业和个人带来不利影响[2]。
模型准确性与可靠性问题
AI大模型是“大数据+大算力+强算法”融合的成果，包含了复杂的算法和各种类型的数据信息。很多企业采用的大数据模型是黑箱模式，系统的组织架构和数据处理的过程是不透明的，模型的准确性不可控并可能存在一定的偏离，导致结果输出有一定的不确定性和不可解释。同时，智能设备的软硬件系统如果存在故障宕机，也会影响到模型输出的准确。航运业的营运成本高，需要的安全冗余系数大，对AI大模型提出了更高的安全可靠性要求。
技术标准与兼容性问题
船舶现有设备和管理系统存在不同种类的技术标准、接口协议和认证标准，为提升数据质量就必须统一技术标准，录入标准数据类型，以便模型能够得出更加准确和适用的结果。更换船舶原有系统的成本较高，若新设备系统不能兼容原有设备系统的数据信息，就会提高AI大模型推广应用成本，影响系统的整体性能和兼容性。
法律政策不完善
目前，AI大模型的应用正处于快速发展期，相关的法律法规尚不完善。截至2023年11月，北京、上海、广东、安徽等地均已发布与AI大模型相关的政策，从计算能力支持、应用场景开放、技术突破、产品生态等多个方面推动AI大模型的应用实施。2023年5月，我国发布了《生成式人工智能服务管理暂行办法》，以促进生成式人工智能健康发展和规范应用。但是AI大模型仍存在着数据治理规则、知识产权保护和信息内容治理规则不完善等大量问题尚待解决。航运业是一个高度监管的行业，涉及许多国家和地区的法律法规。在航运业应用AI大模型时，需要确保其符合船舶登记、船舶设备、船舶操作规定等相关航运法规要求。
缺乏专业人才与相应培养机制
目前，AI技术进入了发展的快车道，但航运业对相关专业人员的培养相对滞后，缺乏具备相关技能的人才。新型船舶管理需要多学科、多技能的复合型专业人才，既要能够胜任传统船舶相关岗位，还要掌握AI大模型相关知识。目前还没有系统的培养机制体制和成熟的经验可以参考学习。
数字化转型网人工智能研习社包含哪些内容
