深圳海洋大学（筹）VLA端到端自动驾驶无人船完成真实海域验证，海洋具身智能“全球首发”

深圳海洋大学（筹）联合南科大团队采用VLA端到端架构，在真实海域完成无人船验证，绕开传统“感知—规划—控制”分层架构的时延瓶颈。

海经社获悉，近日，深圳海洋大学（筹）联合南科大研发的 VLA 端到端自动驾驶无人船，在 2026 “圳港杯” 涉海实战赛真实海域环境中完成全程零人工干预的目标搜索、动态绕行与精准返航，获得水面无人船自主避障赛二等奖，这项技术方案为全球首发。

大赛期间，借助大铲湾的风浪与回流、密集浮标障碍，构成了这次验证的真实海况背景，但奖项之外，更值得关注的是这艘船背后的技术路径选择。

为什么 “感知 - 规划 - 控制” 的旧架构走到了瓶颈

传统无人船的自主航行方案，沿用的是模块化分层架构—— 感知系统先识别环境，再将数据传递给规划模块生成路径，最后由控制模块执行舵角和推力指令。这套逻辑很清晰、可解释性强，但存在一个结构性问题：模块间的信息传递必然产生延时。当无人船面对风浪中突然漂移的浮标、或高速靠近的船只时，这种延时可能意味着碰撞。

据南京大学联合团队在《Frontiers in Marine Science》发表的研究，当前 USV 系统主要遵循两种范式：USV-1.0采用传统的模块化感知 - 规划 - 控制堆栈，而USV-2.0尝试端到端神经网络策略但需要大规模训练数据。模块化架构各环节独立运作，信息传递存在损耗；端到端策略依赖海量训练数据，获取成本高昂。两条路径各有局限。

深圳团队的切入点正在于此，他们将VLA 具身智能应用于无人船，把“感知 — 规划 — 控制” 纳入统一闭环。VLA（视觉 — 语言 — 动作）模型的核心机制，是让系统在接收到视觉信息和任务指令后，直接输出控制动作，而非经过多级模块的 “接力翻译”。据团队披露，其无人船在大铲湾真实海域环境中实现了毫秒级环境感知、智能推理决策与机动避障。

把“毫秒级”这个数字放在船舶操控的语境中，一艘以 10 节航速行驶的小型无人船，每毫秒位移约 5 毫米。看似不多，但在连续决策场景下，每减少 100 毫秒的决策时延，意味着多出半米的避障余量 —— 在密集浮标水域，这半米可能决定成败。

“新型研究型大学 + 企业” 的协同路径

比较值得关注的还有团队的组织形态。

该项目在深圳海洋大学（筹）/ 南科大海高院讲席教授陈永顺指导下，由南方科技大学博士生李佳林带领，依托智能海洋地球物理实验室，联合深圳市太一海洋智能科技有限公司开展产学研攻关，团队由博士、硕士、本科生组成跨梯队研发队伍。太一海洋智能注册于深圳宝安区大铲湾蓝色未来科技园，经营范围涵盖海洋工程装备研发与关键配套系统开发。企业注册地与赛事海域高度重合，地理半径极短。

这种模式不同于传统高校实验室中的“论文导向”研发，深圳海洋大学（筹）由南方科技大学牵头筹建，定位为新型研究型海洋高校，一期工程预计于 2026 年底建成，规划全日制在校生规模 8000 人。2024 年 10 月，深圳市委编办正式批复设立深圳海洋大学（筹）。学校尚未正式去筹招生，但科研团队已经带着成果进入了产业赛事的实战赛道。有着一种“先上场再挂牌”的节奏，新型研究型大学的科研组织方式，正在从 “建好实验室再做研究” 转向“边建设边输出”。

从竞速赛道到产业海域：距离还有多远

从赛事验证到产业部署，中间隔着工程化、可靠性与成本的多重考验。

据 The Business Research Company（一家总部位于伦敦的商业市场研究机构）发布的《2026 年全球无人海洋自主航行器市场报告》，该市场预计从 2025 年的 32.6 亿美元增长至 2026 年的 34.8 亿美元，复合年增长率为 6.7%，到 2030 年有望达到 44.9 亿美元。增速稳健但不爆炸，说明行业仍处于商业化早期的爬坡阶段。

以海上风电运维为例，江苏华瀚耀星海洋科技有限公司已在盐城大丰港投资建设无人艇海上风电运维基地，基地投运后传统人工出海巡检模式将全面升级，依托无人艇等智能装备可高效开展海缆扫测、桩基检测、环境监测等高危作业，无人船技术在海上风电运维场景中已开始从概念验证走向基地化部署。

但 VLA 端到端架构的产业化，仍面临几道现实门槛。云边协同系统的带宽与延迟能否满足远海作业需求？端到端模型的“黑箱” 特性在安全关键场景中如何通过监管审核？竞赛级的避障能力与工业级的长时可靠运行之间，还隔着大量工程化工作。

接下来的问题不是技术能不能做到，而是谁来为从 “能” 到 “可靠” 之间的路程买单。

想获取海洋产业领域的更多独家动态？欢迎在浏览器中搜索 海经社-中国海洋经济与产业创新服务平台，访问我们的官网，订阅更多专业资讯。