智慧渔业高质量数据与数据集调研分析报告
1. 摘要
本报告围绕"渔业领域哪些才算高质量数据和数据集、能做什么、如何积累应用变现、国内外谁在做、怎么做"五个核心问题展开系统调研。研究采用桌面研究方法，检索并分析了2024—2026年间国内外学术文献、行业报告、企业公开信息及政策文件共计60余份资料。
核心发现：渔业高质量数据并非简单的"数据量大"，而是需同时满足规模大、安全牢、规范正、效果好、应用广五维标准的多模态数据集合。当前渔业数据可分为图像、视频、音频、三维点云、文本五大类型，其中水下图像与视频是AI模型训练的核心燃料，但面临浑浊环境、高密度遮挡、标注成本高等普遍挑战。
在应用层面，高质量数据已从基础的水质监测预警，延伸至精准投喂、病害早期识别、生物量估算、品质溯源、市场预测乃至数据资产质押融资等全链条场景。国内已出现连江智慧海洋平台数据资产评估1306万元获1000万授信、湛江海洋牧场数据知识产权质押1.28亿元、粤海饲料数据产品上线广州数据交易所等标志性案例。
企业格局方面，国内形成了以海康威视（视频物联+渔港AI）、励图高科（北冥智渔大模型，融合2000+养殖企业数据）、中国农业大学（范蠡大模型4.0+全球首个智慧渔业公开数据集）为代表的第一梯队；通威、海大、恒兴、粤海等产业链龙头依托自有养殖基地积累生产数据；湛江湾实验室、水科院等科研机构则在百万级鱼类标注数据集上持续突破。国外以挪威三文鱼产业最为成熟，AKVA Group、Aquabyte、Optoscale、ReelData等企业构建了从传感器平台到AI应用的完整数据栈，监管驱动是其数据标准化的关键推力。
本报告的局限在于：部分企业数据积累规模为公开披露口径，实际内部数据资产可能更大；国外案例以三文鱼和虾类为主，其他品种的数据实践覆盖不足。建议读者结合自身业务场景选择性采纳。
2. 研究背景与问题界定
全球一半的食用鱼类来自养殖业，中国是全球最大的水产养殖国，产量占世界60%以上。然而，我国渔业长期处于"经验养殖"阶段——靠老把式的感觉投料、凭肉眼判断鱼病、看天吃饭。数字化转型的核心瓶颈不在于传感器或算法，而在于缺乏高质量、标准化、可共享的数据资产。
2026年8月，中国农业大学发布全球首个智慧渔业公开数据集（11.6万帧图像、69.8万条任务标注）和范蠡大模型4.0，标志着渔业数据基础设施建设进入新阶段。与此同时，数据要素市场化政策加速推进，海洋数据资产入表、质押融资、交易流通在多地落地。在此背景下，系统回答"什么是渔业高质量数据、谁在积累、怎么变现"具有紧迫的现实意义。
本报告的研究问题包括：
1.渔业领域哪些数据才算高质量数据和高质量数据集？评判标准是什么？
2.这些数据能支撑哪些应用场景？价值如何量化？
3.在日常工作（尤其是售前与项目交付）中，如何系统性地积累、应用并变现数据？
4.国内哪些智慧渔业公司已经积累了高质量数据？各自的路径和特点是什么？
5.国外有哪些值得借鉴的先进案例和做法？
研究方法：本报告为桌面研究（desk research），资料来源包括学术期刊（大连海洋大学学报、电子与信息学报等）、行业研究报告、企业官网与新闻稿、政府公开文件、国际组织（FAO）资料。检索时间范围为2024年1月至2026年8月。对于企业数据规模等关键数据，均标注公开来源；无法核实的数据以"公开披露"限定，不做外推。
3. 渔业高质量数据与数据集的定义、分类与标准
3.1 什么是渔业高质量数据与数据集
养殖鱼类数据集是指经过系统采集、标注或结构化处理，能够反映养殖鱼类个体或群体状态及其所处环境的多源、多模态数据的集合。而"高质量"并非模糊形容词——依据《高质量数据集建设指引》及行业实践，高质量渔业数据集需同时满足以下五维标准：
维度 | 核心要求 | 渔业领域具体体现 |
规模"大" | 覆盖主养品种、主产区、全养殖周期的全产业链数据；包含多模态数据 | 草鱼/鲫鱼/鳙鱼/鳜鱼/鲈鱼等主养品种；长江/珠江/环渤海等主产区；苗种—成鱼—越冬全周期；水质+气象+底质+行为+摄食+病害+生长+市场等多维度 |
安全"牢" | 遵守数据安全法规，脱敏处理，权限分级 | 养殖户信息、企业经营数据脱敏；遵循《数据安全法》《渔业法》《水产养殖质量安全管理规定》；访问可控、使用合规 |
规范"正" | 统一采集标准、传感器校准、标注规范、元数据模板；遵循FAIR原则 | "烂鳃病"等病害识别标准统一；塘口ID、放养密度、水草覆盖率、投喂记录等元数据完整；可查找、可访问、可互操作、可重用 |
效果"好" | 能显著提升模型性能，有可量化的效果指标 | 病害预警准确率>85%；溶氧预测误差<0.5mg/L；饲料转化率优化降低0.2；生物量估算误差<5% |
应用"广" | 支持多场景、服务多主体 | 水质调控、病害预警、精准投喂、生长预测、繁殖管理、品质溯源、市场分析；服务养殖户、合作社、企业、政府、金融机构 |
此外，2026年发布的团体标准《数字渔场多模态数据采集与应用技术规范》（T/GXAS 1273—2026）对数据质量提出了可操作的量化指标：关键数据项采集完整率达到100%，具备数据缺失自动识别与告警能力；支持远程校准与数据校正；实时控制类数据需近实时采集与快速告警。
3.2 五大数据类型详解
根据大连海洋大学学报《养殖鱼类数据集生命周期及质量控制探讨》的系统梳理，当前养殖鱼类数据集主要归纳为五大类型，各有其独特价值与挑战：
数据类型 | 核心应用 | 价值与特点 | 主要挑战 |
图像数据 | 物种分类、病害识别、体型测量、小目标检测 | 记录体型、颜色、鳞片纹理等外观特征；是AI模型训练的核心燃料；典型数据集如FishSeg（3万张病斑分割）、DeepFish（1.2万张小目标检测） | 水下浑浊导致图像质量差；高密度遮挡；标注成本高 |
视频数据 | 摄食活动监测、群体行为分析、应激反应检测、种类识别 | 捕捉动态行为的时间维度信息；YOLO+DeepSORT等算法可实时分析鱼群聚集度、抢食活跃度；Fish4Knowledge数据集含27万段视频 | 高密度鱼群黏连、个体行为分离困难；1小时4K视频需A100运行8小时，实时性难保障 |
音频数据 | 鱼群行为监测、环境噪声识别、摄食强度分析 | 水下声学传感器捕捉鱼群活动声、投喂水面波动声；多模态融合（音频+视频+溶氧）可将摄食强度分类准确率提升至97.6% | 环境噪声干扰大；标注体系不成熟；单独使用价值有限 |
三维点云数据 | 鱼体三维重建、体长体重精确测量、数字孪生、空间利用率优化 | 激光雷达/深度相机获取精确空间几何信息；Point Transformer网络分类准确率可达91.9%；是数字孪生的基础 | 动态目标运动模糊；设备成本高、部署难度大；数据处理复杂度高 |
文本数据 | 物种知识库、历史生态基线、养殖日志、市场行情、知识图谱 | 结构化存储鱼名、生态习性、形态特征；FishBase整合3万图+文本；历史文本可揭示生态基线变化；是大模型知识注入的关键 | 非结构化文本提取难度大；标准不统一；养殖户记录不完整 |
需要特别指出的是，多模态融合是当前渔业数据集建设的核心趋势。单一模态的数据价值有限，而将水质时序数据、水下视频、声学信号、养殖日志、市场数据等融合后，才能支撑真正的智能决策。例如湛江湾实验室基于YOLOv8训练百万级海洋鱼类标注数据集，搭建渔业IndustryGPT垂直大模型，融合视觉识别与环境数据，实现鱼群种类、个体尺寸、摄食饱饿程度、病害应激行为乃至总生物量的精准统计。
3.3 数据质量全生命周期控制
高质量数据不是"采到就行"，而是需要全生命周期的质量管控。参考学术研究与行业标准，数据质量控制应覆盖以下环节：
1.采集质量控制：传感器定期校准（水质传感器至少每月一次）；采集点位科学布放（避开强逆光和淤泥翻滚区）；帧率15-25fps、分辨率1080p起步；实时质量规则检查，对无效或可疑数据自动标记并告警。
2.标注一致性控制：建立统一的金标准标签体系（如病害分类、摄食行为分级）；开发支持多人协同的标注平台，集成分歧裁定机制；多人标注差异率应控制在10%以内（行业实践可从30%降至10%）；关键数据需经过至少三轮人工复核。
3.结构标准化：统一元数据模板（塘口ID、品种、放养密度、投喂记录、水质参数等）；遵循COCO、Pascal VOC等通用格式；档案保存期限不少于2年。
4.定期质量审计：每季度或每生产周期开展全面数据质量审计，涵盖完整性、准确性、时效性等维度，形成书面审计报告并追踪整改。
4. 渔业高质量数据的应用场景与价值
4.1 养殖生产端：从经验到数据驱动
高质量数据在养殖端的应用已形成"感知—认知—决策—执行"的完整闭环，核心场景包括：
应用场景 | 数据需求 | 可量化价值 |
水质监测与预警 | 溶氧、pH、氨氮、水温、盐度等时序数据；气象数据 | 溶氧预测误差<0.5mg/L；提前24-72小时预警缺氧风险；减少因缺氧导致的暴亡损失 |
精准投喂 | 水下视频（摄食行为）、水质数据、饲料配方、生长数据 | 饲料浪费减少30%；饲料转化率（FCR）优化降低0.2；eFishery实测投喂效率提升、收获生物量增加约20% |
病害早期识别 | 病害图像数据集、行为视频、水质异常数据、用药记录 | 提前3-5天预警病害风险；识别准确率>85%；减少用药30% |
生物量估算 | 立体水下图像/视频、三维点云、历史生长数据 | 个体体重估算误差在物理采样的几个百分点内；驱动投喂决策、出栏时机和放养密度优化 |
生长预测与出栏决策 | 历史生长曲线、水质、投喂量、市场价格 | 预测准确率达85%以上；优化上市时机，提升销售收益 |
智能装备控制 | 实时水质数据、设备状态数据、控制指令反馈 | 无人值守智能托管；远程一键开启增氧、调温设备；降低人工成本 |
典型案例：嘉兴油车港智慧虾谷产业园，养殖户通过"虾助手"小程序实时查看塘口水温、溶氧量、pH值，水质异常自动弹窗预警，远程一键开启增氧设备，实现无人值守智能托管。某矿坑变渔仓项目依托5G专网和物联网设备，已积累养殖数据超50万条、市场数据20万条，预测准确率达85%以上。
4.2 产业链协同：从塘口到餐桌
高质量数据的价值不止于养殖端，沿产业链延伸可释放更大价值：
•品质溯源：融合大数据与区块链技术，为每尾鱼生成唯一"数字身份证"，采集育苗、养殖、加工、物流全流程数据，消费者扫码即可追溯完整生命周期。三文鱼等高端品种已实现十万级生食标准的智能加工生产线，加工效率提高40%。
•市场分析与供需预测：整合捕捞产量、市场行情、消费反馈数据，分析供需关系，指导养殖计划和销售策略。西北冷水鱼全产业链大数据服务平台整合养殖环境监测、生产控制、质量追溯、加工物流、市场分析功能，实现全流程信息共享与智能决策。
•育种优化：Mowi与Tidal合作，利用水下成像和AI系统在无物理标签的情况下持续追踪个体鱼的生长、抗病性和福利数据，提升亲鱼选择精度。
4.3 金融与数据资产化：数据变"海产"
这是近年来最具突破性的应用方向。随着数据要素市场化政策推进，渔业数据已从"成本中心"变为"资产中心"，核心变现路径包括：
4.3.1 数据资产质押融资
多地已落地实操案例，数据资产可作为质押物获得银行授信：
案例 | 数据类型 | 评估/授信金额 | 时间 |
福建连江智慧海洋平台 | 养殖监测、渔船应急、渔港调度数据（1.63亿条） | 评估1306.23万元，获银行1000万元授信 | 2024年 |
广东湛江全联集采 | 海洋牧场核心数据资产 | 建设银行授信1.28亿元 | 2025年12月 |
浙江舟山涉海企业 | 船舶轨迹、潮汐等海洋数据知识产权 | 分别获500万元、4000万元质押授信 | 2025年 |
山东威海文登 | 贝类碳汇指数保险保单质押 | 全国首笔渔业贝类碳汇指数保险质押贷款 | 2026年 |
4.3.2 数据产品交易
2025年8月，江苏中农物联网科技有限公司将水产物联网数据集以82.68万元售卖给江苏移动，完成国内水产行业数据产品交易"第一单"。2026年1月，粤海饲料集团"客户信用风险评估数据产品"在广州数据交易所上线交易，成为全国水产行业首个上线交易的数据产品，破解水产养殖信用评估难题。
4.3.3 数据平台运营与SaaS订阅
部分平台通过构建"渔业数据银行"，将脱敏后的水质变化、鱼群行为、消费偏好等数据打包出售给科研机构与快消品企业，开辟第二增长曲线。数据服务商通过"按效果付费"与"数据资产化"模式，从超额收益中提取15%-25%作为技术服务费，边际利润率高达60%以上。
4.4 政府监管与宏观决策
对政府而言，高质量渔业数据支撑：
•动态监测：全国主要养殖区的面积、产量、病害发生情况实时掌握
•灾害预警：区域性大面积缺氧、疫情传播的提前预警
•产业调控：分析市场供需，指导产业布局与政策制定
•渔政监管：渔船动态监控、渔港AI巡检、禁渔期执法
海康威视依托视频智能分析系统，在养殖水域监控、病害早期识别及投喂行为建模中规模化落地，已覆盖全国17个省份，2025年落地渔港智能监管项目47个，平均单项目合同额1286万元。
5. 日常工作中数据积累、应用与变现的方法论
5.1 数据积累的场景驱动方法论
数据积累不能"为采而采"，必须采用"场景驱动+生态协同"模式：
1.场景驱动，反向设计采集方案：围绕"高温季节暴亡""鳜鱼传染性脾肾坏死病防控""大黄鱼越冬管理"等真实痛点，反向确定需要采集哪些数据、什么频率、什么精度。例如要做病害预警，就需要病害图像+水质异常+行为变化+用药记录的多模态数据，而非单纯的水质数据。
2.生态协同，共建共享：联合高校、科研院所、龙头企业、地方政府、物联网厂商共建数据资源，避免重复建设。中国水产科学研究院已发布首批重点合作企业名录，海康威视、通威、中水集团等均在列，通过产研合作加速数据积累。
3.从项目交付中沉淀数据：每个智慧渔业项目交付后，项目运行产生的数据就是最宝贵的资产。应在合同中明确数据权属和使用权限，建立项目数据回流机制。售前工程师在方案设计阶段就应考虑数据采集点位、频率、格式的标准化，为后续数据沉淀打好基础。
4.建立数据标注流水线：标注是数据变资产的关键环节。建议搭建基于Web的协同标注平台，支持多人标注和自动一致性校验；建立金标准数据库，定期开展标注质量审核；可探索AI预标注+人工复核的模式降低成本。
5.2 售前工程师视角的数据沉淀策略
作为智慧渔业领域的售前工程师，日常工作中可从以下维度系统性积累数据资产：
工作环节 | 可沉淀的数据资产 | 积累方法 |
需求调研 | 客户养殖品种、规模、模式、痛点、现有设备、数字化水平 | 建立标准化客户画像模板，每个项目录入CRM；按品种/区域/规模分类统计 |
方案设计 | 传感器布点方案、网络拓扑、设备清单、系统架构、报价模型 | 建立方案库和组件库；按养殖模式（池塘/工厂化/网箱/海洋牧场）分类沉淀最佳实践 |
投标控标 | 招标文件参数、评分办法、竞品信息、中标结果 | 建立竞品情报库（如海康威视等近30家公司动态）；跟踪中标价格和技术路线 |
项目交付 | 现场水质基线数据、设备运行数据、用户操作日志、问题反馈 | 项目验收后数据回流；建立运行数据看板；定期回访收集效果数据 |
行业调研 | 政策文件、技术标准、学术论文、行业报告、标杆案例 | 建立知识库；按主题（尾水处理/数字孪生/大模型/碳汇）分类整理 |
关键提醒：数据积累的前提是合规。在客户现场采集数据时，需在合同中明确数据权属、使用范围和保密义务；涉及养殖户个人信息和企业经营数据时，必须脱敏处理。建议参考《数据安全法》《个人信息保护法》及农业农村部相关规定，建立数据合规审查流程。 |
5.3 数据变现的五条路径
基于国内外实践，渔业数据变现可归纳为以下五条路径，按从易到难排列：
1.SaaS订阅与增值服务：将数据能力封装为软件服务，按塘口/设备/用户数收取订阅费。这是最基础的变现方式，如"虾助手"小程序、智慧渔场管理平台等。增值服务包括精准投喂建议、病害诊断报告、市场行情分析等。
2.数据产品交易：将脱敏后的数据集或数据API上架数据交易所（如广州数据交易所、上海数据交易所），面向科研机构、金融机构、产业链企业销售。粤海饲料的信用风险评估数据产品、江苏中农的水产物联网数据集均属此类。
3.数据资产质押融资：将数据资产进行评估、登记后，作为质押物向银行申请融资。连江、湛江、舟山等地已有成功案例。关键步骤：数据梳理确权→资产评估→登记凭证→银行授信。
4.数据驱动的金融服务：基于养殖数据为养殖户提供信用贷款、保险产品、供应链金融。eFishery在印尼通过投喂数据和水质数据为养殖户提供嵌入式金融服务；国内温州洞头以大黄鱼地理标志商标+年产值数据获得2亿元集体授信。
5.数据要素生态运营：构建行业级数据平台，连接数据提供方和需求方，通过交易撮合、数据加工、合规咨询等服务获利。青岛国实科技集团建成全国首个海洋大数据交易服务平台，采用"加密存储+资产凭证+区块链溯源"模式，锚定数据使用权和收益权。
6. 国内智慧渔业公司数据积累现状
6.1 第一梯队：平台型与大模型企业
6.1.1 海康威视
作为视频物联龙头，海康威视依托其在AI视觉领域的深厚积累切入智慧渔业。2022年与中国水产科学研究院东海水产研究所达成战略合作，联合研发嵌入式AI一体化精简设备、一体化气象视频融合设备、海水温盐感知设备和船载感知智能终端，2024年入选农业农村10大新装备。
数据积累特点：以视频数据为核心优势，在养殖水域监控、病害早期识别、投喂行为建模中规模化落地。旗下海康农业科技2025年智慧水产解决方案签约基地达217个，市占率16.9%，居行业首位。渔港智能监管项目已落地47个，平均单项目合同额1286万元。视频智能分析系统覆盖全国17个省份。
6.1.2 励图高科（北冥智渔大模型）
青岛励图高科是智慧海洋领域的代表性企业，其自主研发的"北冥智渔"渔业大模型是国内渔业垂直大模型的标杆产品。该模型基于720亿参数训练，融合全国2000余家养殖企业实时数据与10万养殖户经验数据，构建"水—饵—病"AI决策网络。2025年12月入选山东省首批人工智能大模型"百景智能"典型应用场景，2026年8月入选山东省首批100个重点推广垂直领域大模型。
数据积累特点：
•多模态数据融合：整合水质监测参数（水温、溶解氧、pH值）、视频图像、历史养殖日志等多源信息
•全周期覆盖：涵盖水产个体识别与追踪、体征检测、实时体重估算、疾病风险预测、智能投喂管理、育种全生命周期档案
•落地验证：在微山湖现代渔业产业园落地"智慧渔业数字化管理平台"，集成池塘与工厂化循环水两种养殖模式；病害预警可提前3-5天
•智能体矩阵：打造感知、诊断、决策、执行四大智慧渔业智能体，打通水质监测、水下视觉、生产台账、设备管控全数据链路
6.1.3 中国农业大学（范蠡大模型+公开数据集）
2026年8月17日，中国农业大学在2026国际智慧渔业和水产大会上发布范蠡大模型4.0和全球首个智慧渔业公开数据集。该数据集涵盖11.6万帧图像和69.8万条任务标注，构建了系统完整的图像和视觉认知数据集，向全世界开放使用、评估、共建、共享。
范蠡大模型4.0算力跃升，全面覆盖水质、品种、饲料、健康、运营、设备、能源、经济八大养殖核心维度，整合101个主要水产养殖品种的专业知识，构建行业内最完整的垂直领域知识图谱。国家数字渔业创新中心主任李道亮教授领衔该项目。
6.1.4 湛江湾实验室（IndustryGPT）
湛江湾实验室基于YOLOv8训练百万级海洋鱼类标注数据集，搭建专属渔业IndustryGPT垂直大模型。该模型能自动识别鱼群种类、个体尺寸、摄食饱饿程度、病害应激行为，甚至精准统计整片网箱鱼类总生物量。核心突破是解决了深海复杂水环境（风浪、水体浑浊、光照变化）下的识别干扰难题。"湛江湾1号"智慧养殖平台已实现"自己养鱼"的自动化运营。
6.2 第二梯队：产业链龙头企业
企业 | 数据积累路径 | 特点与进展 |
通威集团 | 依托56座"渔光一体"基地（累计装机超5.1GW），积累光伏发电+水产养殖的复合数据 | 全球唯一同时涉足农业和光伏的龙头企业；渔光一体模式下可同时采集水下养殖数据和水上光伏数据；与水科院淡水渔业研究中心合作 |
海大集团 | 饲料+养殖+动保全产业链，通过服务养殖户积累生产数据 | 水产饲料龙头，服务网络覆盖全国主产区；动保业务积累病害和用药数据 |
广东恒兴 | 下属优鱼（广州）科技专注可溯源技术，构建渔业智能化测控平台、智慧大数据采集与分析平台 | 有机融合养殖品、池塘、渔港、人员、交易等数据；聚焦华南对虾等品种 |
粤海饲料 | 基于客户养殖数据开发信用风险评估数据产品 | 2026年1月上线全国水产行业首个数据产品（广州数据交易所）；率先打通水产领域数据资产化路径 |
全联集采（湛江） | 海洋牧场核心数据资产 | 2025年12月以数据资产质押获建设银行1.28亿元授信，全省首单海洋牧场数据知识产权质押融资 |
江苏中农物联网 | 水产物联网数据集 | 2025年8月以82.68万元售卖数据集，国内水产行业数据交易"第一单" |
6.3 科研机构与开源数据集
科研机构是渔业高质量数据集的重要建设者，其开源数据集为全行业提供了基础资源：
•中国水产科学研究院：首批重点合作企业名录发布，联合海康威视、通威、中水集团、宁德富发等企业推进产研数据合作
•海德直营平台FishBench：联合水科院、沿海各省海洋所，整理十余年渔捞日志、科考航次、环境监测站数据，构建国内最大的渔业多模态数据集，包含超1PB水下图像、声学信号、温盐剖面、遥感影像，以开放许可发布
•大连海洋大学：系统研究养殖鱼类数据集生命周期与质量控制，梳理了Fish4Knowledge、FishSeg、DeepFish、FishPose、FishNet、WildFish、FishBase等9个典型开源数据集
6.4 国内企业数据积累的共性特征与不足
共性特征：
1.数据积累与项目交付强绑定，"以项目养数据"是主要模式
2.视觉数据（图像/视频）是积累重点，水质时序数据次之，音频和点云数据较少
3.大模型成为数据整合的新载体，垂直大模型竞赛加速
4.数据资产化处于早期探索阶段，案例集中在政府主导的区域平台
主要不足：
1.数据标准不统一，不同企业、不同项目的数据格式和元数据差异大，难以共享和融合
2.标注质量参差不齐，缺乏行业统一的金标准标签体系
3.数据孤岛严重，科研机构、龙头企业、养殖户之间的数据流通机制不畅
4.中小养殖户的数据采集率低，数据覆盖的广度和深度不足
5.数据安全与合规体系尚不完善，数据确权和收益分配机制待建立
7. 国外先进案例与做法
7.1 挪威：全球最成熟的三文鱼数据栈
挪威生产全球一半以上的养殖大西洋三文鱼，由Mowi、SalMar、Leroy Seafood、Cermaq四家巨头主导。这四家企业集体资助了大量应用研究，培育了全球最成熟的水产AI供应商生态。2026年挪威三文鱼养殖场的标准生产数据栈包括：
•水下摄像头（边缘推理）：生物量估算和行为监测
•水声传感器：鱼群位置和饲料颗粒追踪
•环境传感器：溶氧、温度、盐度、水流
•海虱计数摄像头：已替代挪威当局历史要求的人工计数协议
7.1.1 AKVA Group：平台层霸主
AKVA Group是全球最大的水产养殖设备供应商，通过Fishtalk和AKVAconnect产品成为主导平台厂商。其平台位于挪威养殖场大多数第三方AI供应商的底层，整合饲料驳船、环境传感器聚合、向挪威食品安全局（Mattilsynet）的监管报告和运营仪表板。公司已从纯硬件供应商转型为"硬件+软件平台"供应商，2024年营业额36亿挪威克朗，在12个国家设有公司。
7.1.2 Aquabyte：计算机视觉标杆
总部位于旧金山和挪威卑尔根，融资3900万美元。提供水下摄像头和订阅制软件平台，交付生物量估算、海虱计数和鱼类福利的实时数据。2021年自动海虱计数获挪威食品安全局批准豁免，2022年累计计数鱼达2.5亿尾。2023年推出WISE Welfare产品监测鱼类福利。其企业平台生态将健康评估与农场管理数据整合，使视觉发现可无缝纳入生产计划和干预方案。
7.1.3 Optoscale：生物量估算领导者
创立于挪威科技大学（NTNU），使用立体水下摄像头和计算机视觉，将个体鱼体重估算误差控制在物理采样的几个百分点内。到2026年已部署于Mowi和SalMar的大多数挪威养殖场，并在智利、苏格兰、法罗群岛扩张。生物量估算直接驱动投喂决策、收获时机和放养密度，经济价值显著。
7.1.4 ReelData：陆基RAS专家
加拿大水产AI公司，聚焦陆基循环水养殖系统（RAS）。其ReelAppetite（智能投喂）、ReelBiomass（生物量监测）、ReelWelfare（福利监测）产品针对RAS场景的特定问题——水箱中自由采食导致水质快速恶化、循环水中生物量估算、更高放养密度下的福利监测。
7.1.5 Stingray Marine：海虱激光治疗
独特的"硬件+计算机视觉"双栖企业，水下激光节点识别并中和三文鱼身上的海虱。该组合系统已在挪威养殖场替代了相当比例的化学和浴疗海虱处理方案，正在智利和加拿大扩张。
7.1.6 Kvarøy Fiskeoppdrett：区块链+数据智能
行业内首家使用区块链技术的企业，消费者和食品买家可访问从源头采集的不可篡改数据。与挪威系统供应商Manolin合作安装数据智能平台，支持AI机器学习驱动的数据访问、分析和利用。
挪威模式的关键成功因素：①经济集中度高——少数大型纵向一体化企业有能力资助应用研究；②监管压力——挪威和智利当局强制要求可记录的环境和福利监测，创造了数据需求；③物理环境——网箱中的三文鱼比散养牛或大田作物更容易用固定摄像头和传感器监测，且单位价值足够高以支撑传感器投资。 |
7.2 智利：数据平台化与远程运营
智利是全球第二大三文鱼养殖国，其数据实践呈现两个特点：
•Aquabench / Salmobench Digital：总部位于蒙特港的水产咨询公司，推出Salmobench Digital网络平台，将PDF和Excel报告整合为交互式平台，支持筛选、可视化和直接下载，涵盖从海水养殖开始的生产周期信息模块。
•Mowi智利AI远程投喂：Mowi在智利100%的养殖中心实施基于AI的远程投喂系统，从奇洛埃岛的运营中心远程监控所有生产，该技术从挪威总部引进，是智利水产行业首个全覆盖的AI远程投喂系统。
智利Sernapesca监管机构要求死亡率报告、抗生素使用披露和环境影响评估越来越多地与传感器数据绑定，与挪威的"红绿灯"（trafikklys）产能管控制度概念相似。
7.3 印尼eFishery：全栈数据生态
eFishery是东南亚水产科技独角兽，总部位于印尼万隆。其核心产品eFeeder是智能手机控制的IoT投喂设备，利用实时鱼类行为数据精准投喂，减少饲料浪费高达30%，提升收获生物量约20%。截至2025财年，eFishery已服务280个城市的20万+活跃养殖户，构建了全球最大的水产养殖生态。
数据积累与变现模式：
1.投喂器持续将食欲、水质和生长指标流式传输到eFishery平台，支撑精准投喂和预测分析
2.基于数据提供饲料和水产品交易市场（marketplace），通过网络效应提升交易流动性
3.嵌入式金融服务：基于养殖数据为养殖户提供信贷
4.2026年进一步整合IoT用于虾类养殖，实现环保高效的精准水产养殖
7.4 日本UMITRON：卫星遥感数据服务
UMITRON是日本水产科技公司，使命是"在地球上安装可持续水产养殖"。其核心产品UMITRON PULSE是基于卫星遥感的海洋环境数据监测服务，提供高分辨率地图视图，每日更新水质参数（温度、叶绿素、溶氧等），为鱼类、贝类和海藻养殖户提供近实时的环境测量。
该模式的特点是不依赖现场传感器，通过卫星遥感数据+AI模型为养殖户提供环境预警，特别适用于难以部署现场设备的开阔海域养殖。与欧盟哥白尼海洋服务（Copernicus Marine Service）合作，数据来源权威可靠。
7.5 加拿大XpertSea：虾类AI数据平台
XpertSea总部位于加拿大魁北克，专注虾类养殖的AI数据管理平台。利用AI、计算机视觉和机器学习提供实时洞察和预测分析，帮助养殖户准确监测和管理水生作物的健康、生长和运营效率。其竞争差异化在于专用水下成像系统，在不同光照条件、水体浊度和标准商用相机无法捕获可用画面的操作场景下提供一致质量。固定和移动相机系统覆盖从孵化场到养成池的全生产周期。
8. 国内外对比与关键启示
维度 | 国外（挪威为主） | 国内 |
驱动力量 | 监管强制+高价值品种经济驱动；企业自发投入大 | 政策引导+项目驱动；政府平台和大模型竞赛是主要推力 |
数据标准化 | 监管报告要求统一格式；AKVA等平台形成事实标准 | 团体标准陆续发布（T/GXAS 1273等），但执行率低；企业各自为政 |
数据深度 | 单品种（三文鱼）全链条深度数据；生物量、海虱、福利等细分维度成熟 | 多品种覆盖但深度不足；水质和视频数据为主，行为和福利数据少 |
商业模式 | SaaS订阅为主；数据嵌入生产决策，按效果付费 | 项目制为主；数据资产化（质押/交易）处于探索期；SaaS渗透率低 |
生态成熟度 | 平台层（AKVA）+AI应用层（Aquabyte/Optoscale/ReelData）+养殖企业，分工明确 | 企业倾向全栈自建；平台层和应用层边界模糊；科研与产业衔接待加强 |
开源共享 | FishBase等全球数据库长期运营；学术数据集丰富 | 2026年才发布首个智慧渔业公开数据集（中国农大）；开源文化薄弱 |
关键启示：
1.监管是数据标准化的最强推力。挪威的海虱计数、环境影响报告等监管要求，直接催生了标准化的数据采集和AI替代方案。国内可借鉴"以监管促标准"的思路，在养殖尾水排放、用药记录、疫病上报等领域建立强制性数据上报规范。
2.高价值品种是数据投资的切入点。三文鱼单位价值高，能支撑昂贵的传感器和AI系统。国内应优先在大黄鱼、石斑鱼、鳜鱼、对虾、甲鱼等高价值品种上做深数据，而非追求品种全覆盖。
3.平台层与应用层分离是效率最优解。挪威AKVA做平台、Aquabyte做AI应用的分工模式值得借鉴。国内企业应避免"什么都自己做"，可聚焦自身优势环节，通过API和数据接口构建生态。
4.数据资产化需要"确权—评估—登记—融资"全链条服务。连江、湛江的案例表明，数据资产质押融资可行，但需要政府、评估机构、银行、企业多方协同。青岛作为海洋名城，可依托青岛国实的海洋大数据交易平台，打造渔业数据资产化的"青岛模式"。
5.开源数据集是行业基础设施。中国农大发布全球首个智慧渔业公开数据集是重要一步，但11.6万帧图像相对于行业需求仍远远不够。应鼓励更多企业和科研机构开放脱敏数据集，共建行业数据底座。
9. 行动建议与趋势展望
9.1 对智慧渔业企业的行动建议
1.建立数据资产意识，从项目第一天开始规划数据沉淀。在售前方案中明确数据采集标准、格式和权属；在交付合同中约定数据回流机制；设立数据资产管理员岗位。
2.聚焦高价值品种做深数据。选择1-2个主力品种（如大黄鱼、对虾），建立从苗种到出栏的全周期多模态数据集，打造"数据+模型+服务"的闭环竞争力。
3.积极参与数据资产化实践。梳理自有数据资产，尝试在数据交易所上架数据产品，或申请数据资产质押融资，将数据从成本中心转为利润中心。
4.拥抱开源与生态合作。与高校、科研院所共建数据集和标注标准；基于中国农大公开数据集等基础资源做二次开发；通过API对接行业平台，避免数据孤岛。
5.构建数据合规体系。建立数据分类分级制度，明确敏感数据范围；对养殖户信息和经营数据做脱敏处理；定期开展数据安全审计。
9.2 对售前工程师的具体建议
1.将"数据积累能力"作为方案差异化卖点，向客户说明项目数据如何沉淀为企业资产、如何用于后续模型优化和增值服务
2.在需求调研阶段使用标准化模板，确保每个项目都能产出结构化的客户画像和场景数据
3.跟踪范蠡大模型、北冥智渔等行业大模型的开放接口，在方案中集成大模型能力，降低自研成本
4.关注数据资产化政策动态，在政府项目投标中突出数据运营和资产化方案，提升中标竞争力
5.建立个人知识库，将项目案例、技术方案、竞品情报、政策文件系统化整理，这本身就是高质量的文本数据资产
9.3 未来趋势展望
1.渔业大模型从"能用"到"好用"：随着公开数据集扩大和企业数据积累，垂直大模型的准确率和实用性将快速提升，"感知—认知—决策—执行"全链路智能体将成为标配。
2.数据资产化进入规模化阶段：随着数据要素X三年行动计划推进，更多渔业企业将开展数据资产入表、质押融资和交易，数据将成为企业资产负债表上的新科目。
3.多模态融合成为技术主流：水质时序+水下视觉+声学+文本+遥感的多模态融合数据集将取代单一模态数据，成为模型训练的标配。
4.边缘计算+5G推动实时智能：5G专网和边缘AI设备的普及，使水下视频分析、生物量估算等从"离线批处理"走向"实时在线"。
5.碳汇数据成为新蓝海：渔业碳汇（贝类、藻类、海水养殖）的监测、核算和交易数据将成为新的高价值数据品类，山东威海已落地贝类碳汇指数保险质押贷款。
6.数据空间（Data Space）兴起：参考欧盟数据空间模式，行业级渔业数据空间将建立，在保障数据主权的前提下实现可信数据流通和共享。
10. 参考来源
1.大连海洋大学学报. 养殖鱼类数据集生命周期及质量控制探讨. 2025
2.中国农业大学. 2026国际智慧渔业和水产大会——范蠡大模型4.0及智慧渔业公开数据集发布. 2026年8月
3.pdpspectra.com. AI Aquaculture Tech in 2026: ReelData, AKVA, Optoscale and the Norwegian Salmon Stack. 2026年5月
4.证券日报. 从沉睡资源到抢手硬通货 海洋数据成为一门"大生意". 2026年8月
5.无锡市人民政府. 国内首单水产物联网数据集交易. 2025年8月
6.湛江市人民政府. 全省首单海洋牧场数据知识产权质押融资落地湛江. 2025年12月
7.南方+. 粤海饲料上线全国水产行业首个数据产品. 2026年1月
8.中国经济网. 蓝色粮仓装上AI引擎——励图高科发力智慧海洋全产业链创新. 2025年12月
9.新浪财经. "湛江湾1号"智慧养殖平台实现"自己养鱼". 2026年8月
10.海康威视官网. 入选农业农村10大新装备，海康威视助力渔业场景数字化. 2024年10月
11.AKVA group. Annual Report 2025 / NASF Presentation 2025
12.Aquabyte. About Us — Data-driven technology for sustainable aquaculture. 2026
13.广西标准化协会. 数字渔场多模态数据采集与应用技术规范 T/GXAS 1273—2026
14.FAO. Big Data Platform for Smart Aquaculture. 2026
15.电子与信息学报. 全球尺度下的海洋鱼类图像智能分类研究进展. 2026
16.央视网. 福州首单海洋数据资产"身价"明确（连江案例）. 2024年6月
17.山东省发展和改革委员会. 蓝色金融看威海 金融活水赋能海洋渔业强链延链. 2026年8月
18.businessmodelcanvastemplate.com. eFishery Competitive Landscape & How It Works. 2026
19.Copernicus Marine Service. UMITRON PULSE: high-resolution ocean data map for aquaculture farmers. 2026
20.DNV. Kvarøy Fiskeoppdrett — Digital aquaculture. 2026
