提到海洋专业，或许很多人脑子里浮现的画面还停留在这几样东西：研究船、采水器、显微镜，以及一群穿着冲锋衣的人迎着海风记录样本。
这些当然仍然是海洋研究的重要组成部分。但如果你现在去看国际海洋机构的研究计划、大学课程和实验室招聘，会发现另一套词出现得越来越频繁：
机器学习、计算机视觉、遥感数据、自动驾驶水下机器人、生态建模、云计算、生物信息学。
简单来说，今天研究深海的人，可能上午还在看珊瑚和沉积物，下午就开始调Python代码。船还是要坐，样本也还是要捞，只不过回到实验室以后，面对的很可能是几百万条传感器记录、海底影像和物种数据。
海洋专业正在发生一场不算高调，却相当彻底的变化。
2026年8月，国际海底管理局发布了新一轮联合研究征集，主题直接落在深海大数据。
图源：https://isa.org.jm/news/new-research-call-on-big-data-under-the-isa-china-joint-training-and-research-centre/
国际海底管理局是依据《联合国海洋法公约》建立的国际组织，负责国际海底区域矿产资源活动的组织与管理，同时承担相关海洋环境保护职责。它建立的DeepData数据库，收录了与国际海底区域资源勘探及环境研究有关的数据。
这次研究征集设置了两个主要方向。
第一个方向是深海生境中的科学与生物数据分析及管理。研究内容包括审查DeepData等数据库、梳理分类学研究重点、分析生物多样性指标、验证生境适宜性模型，以及建立区域物种清单。
第二个方向则更加直接，要求研究团队处理历史数据和新增数据，并利用机器学习改进DeepData的数据分析能力。工作内容涉及数据清理、质量验证、统计建模和人工智能方法。
项目最高支持金额为26万元人民币，约合3.66万美元，最长研究周期为20个月。它面向中国以及国际海底管理局发展中成员国的联合团队，尤其鼓励最不发达国家、内陆发展中国家和小岛屿发展中国家的科研人员参与。
这里最值得关注的，不只是又多了一个AI研究项目，而是AI已经开始进入国际深海数据治理的实际环节。
这已经不是给海底照片套个滤镜，也不是让聊天机器人讲讲鲸鱼，而是要处理是物种识别、数据质量、生态指标、生境模型和长期环境监测。
这意味着海洋科学对人才的要求也在改变。
01、深海为什么特别需要AI
有人可能会问，海洋数据不就是温度、盐度、水深吗，为什么一定要用AI？
因为真正做起来，数据量和复杂程度都比想象中大得多。
一台水下机器人完成一次调查，可能带回连续数小时甚至数十小时的影像。研究人员需要从中识别鱼类、珊瑚、海绵、沉积物类型和海底地形。如果全靠人盯着视频逐帧标注，眼睛先申请退休，项目可能还没做完。
海洋浮标、卫星、声呐、水下滑翔机和自动潜航器还会持续产生不同格式的数据。这些数据可能存在缺失、噪声、位置偏差和时间不一致。把它们直接倒进一个表格里，并不会自动变成科研结论。
AI和计算方法的价值，主要体现在几个环节。
第一是图像识别。
计算机视觉可以协助识别水下影像中的生物、垃圾、珊瑚病变和海底地貌。它不能完全替代海洋生物学家，因为模型经常会把长得相似的物种认错，但它可以先完成大规模筛选，把研究人员从重复劳动中解放出来。
第二是异常检测。
传感器长期部署在海上，难免出现漂移、故障和数据中断。机器学习可以帮助寻找异常值，判断某个变化来自真实海洋过程，还是仪器突然闹脾气。
第三是环境预测。
研究人员可以结合海温、盐度、洋流、营养盐、海底地形和历史物种记录，建立生境适宜性模型，分析某类生物可能出现在哪里，以及环境变化会怎样影响其分布。
第四是自主航行。
美国伍兹霍尔海洋研究所专门介绍过AI与自主水下机器人的结合。传统调查往往需要研究人员先设计固定路线，设备按计划采集数据。更智能的水下机器人则可以根据环境变化调整行动，例如发现特殊信号后改变航线，或者把有限的采样时间集中在更值得调查的区域。
图源：https://www.whoi.edu/ocean-learning-hub/ocean-facts/can-ai-help-us-explore-the-ocean/
第五是跨数据源整合。
卫星看到的是海洋表面，声呐看到的是水下结构，传感器记录的是环境变化，DNA数据反映的是生物组成。真正困难的地方，不是缺一张图，而是怎样让这些来源不同、尺度不同的数据互相说得上话。
这也是为什么海洋科学越来越需要懂数据的人。
02、现在读海洋专业，究竟会学些什么
当然，不是所有海洋项目都突然变成计算机专业。
海洋科学的基础仍然包括物理海洋学、化学海洋学、生物海洋学、地质海洋学和海洋生态学。只是很多课程开始把编程、建模和数据分析加入原有训练。
以英国南安普顿大学为例，学校的Oceanography MSc依托英国国家海洋学中心所在地开展，内容覆盖从海岸到深海的海洋系统。学校同时开设Ocean and Earth Science by Research MSc，让学生在国家海洋学中心的设施和科研环境中完成研究项目。
图源：https://www.southampton.ac.uk/courses/oceanography-masters-msc
真正能看出变化的，是具体课程。
南安普顿大学2026至2027学年开设Computational Data Analysis for Ocean and Earth Scientists，课程使用Python处理海洋学、气象学、地球物理和遥感数据，训练内容包括数据处理、分析和建模。
图源：https://www.southampton.ac.uk/courses/2026-27/modules/soes6025
学校还开设Biological Data Science in R，面向生物数据的分析与可视化。换句话说，选择海洋生态方向，不代表可以绕开代码。有时你以为自己来研究鱼，结果先被R语言研究了一遍。
图源：https://www.southampton.ac.uk/courses/2026-27/modules/soes6092
美国伍兹霍尔海洋研究所也把Computational Frontiers in Oceanography列为战略研究主题，明确提到人工智能、机器学习、云计算和先进数据方法正在加快海洋科学与工程研究。
因此，今天的海洋专业大致可以分成几条路线。
第一类是传统海洋科学路线。
重点是物理、化学、生物和地质过程，适合想做海洋环流、气候系统、海洋生态、古海洋或海底地质研究的人。数据能力会成为工具，但研究问题仍然来自海洋科学本身。
第二类是海洋工程与机器人路线。
重点涉及水下机器人、传感器、声学、控制系统、机械设计和自主航行。这类方向对数学、编程、电子工程和机械基础的要求更高。
第三类是海洋数据与计算路线。
重点是遥感、GIS、统计建模、机器学习、计算机视觉和科学计算。适合数学、统计、计算机或数据科学背景，希望进入环境与海洋场景的同学。
第四类是海洋生态与生物信息路线。
研究内容可能涉及环境DNA、物种分布、生物多样性监测和生态预测，通常需要把生物学、统计和编程结合起来。
第五类是海洋政策与治理路线。
国际海底资源、海洋保护区、渔业管理、气候政策和海洋法都需要大量科学证据。懂数据的人可以参与环境影响评估、政策分析和国际海洋治理，但这条路线不等于天天写代码，还要理解制度、法律和利益相关方。
03、海洋专业的就业，也不只剩下科研船
海洋相关岗位仍然高度依赖具体国家、机构和项目经费，但方向已经比传统印象广得多。
毕业生可能进入大学和科研机构，从事海洋生态、气候、地质与工程研究；也可能进入环境咨询、海上能源、遥感、测绘、水下机器人、海洋仪器和数据平台企业。
政府部门、国际组织和非营利机构也需要海洋数据分析、资源管理、环境评估和政策研究人才。
需要提醒的是，海洋AI不是一个读完就自动获得明确职业名称的新专业。很多岗位仍然会以数据科学家、遥感分析师、机器人研发、环境顾问、研究助理或海洋科学家的名称招聘。
真正形成竞争力的，通常不是专业名称，而是你同时掌握了什么。
懂海洋但完全不会处理数据，会受到限制；会写模型但不了解海洋场景，也容易停留在表面。能够连接科学问题、观测数据与计算方法的人，才是这轮变化真正需要的人。
04、最后想说
海洋专业没有告别研究船，也没有告别样本瓶。只是多了水下机器人、卫星、传感器、代码和模型。过去研究人员担心样本捞不上来，现在还要担心服务器跑不动。工作方式变了，但核心没有变，仍然是在认识一个人类至今了解并不充分的空间。
