电磁弹射的直线感应电机轨道是核心,12 万吨航母的弹射轨道需更长(适配 6 代机的起降速度),约 110-120m,长轨道的精度控制、热变形、机械磨损是难题:
① 轨道需保证毫米级的平行度,否则会导致弹射车卡滞,长轨道的加工和安装精度已接近工业极限;
② 弹射时直线电机的瞬时电流达数万安培,轨道会产生剧烈的焦耳热(温度瞬间升高 100℃以上),需设计高效的冷却系统(如轨道内部水冷),且轨道材料需兼具耐高温、抗疲劳、低摩擦特性,目前全球仅少数国家能研发该级别特种合金;
③ 弹射车与轨道的密封结构需防止盐雾、海水进入,否则会导致轨道短路、腐蚀。
AI 数据中心的核心是GPU/TPU 算力集群,其功耗和散热是天文数字:一台 A100 GPU 的功耗达 400W,一个千卡算力集群的功耗超 400kW,散热需每秒带走数万焦耳的热量。而航母的空间有限、冷却水源受限(海水需淡化、防腐处理),需设计紧凑型液冷散热系统,且数据中心的服务器需做抗振动、抗摇摆加固(减震支架、无接触式固定),否则会导致硬盘、显卡等设备频繁故障。
战场气象预报需要高分辨率(1km 以下)的海气耦合模型,结合海洋、大气、洋流、海浪、台风等多源数据,而大模型的训练和推理算力需求是顶级的:一个全球高分辨率气象模型的训练需百亿亿次浮点运算(E 级算力),而航母的 AI 数据中心算力仅能达到千万亿次浮点运算(P 级算力),无法满足实时预报的需求。
此外,大模型的轻量化是核心:云端气象大模型的参数达万亿级,需压缩到十亿级才能在船用 AI 数据中心运行,而模型压缩会导致预报精度大幅下降,且战场环境下气象数据的获取受敌方干扰(如卫星被干扰、传感器被摧毁),大模型需具备数据不完整情况下的容错预报能力,这对算法的要求是顶级的。
战场气象预报的结果需实时融入航母的作战决策系统(如舰载机起降调度、编队机动、武器发射),这要求 AI 大模型与航母的弹射系统、舰载机调度系统、编队指挥系统实现无缝对接,而各系统的接口协议、数据格式差异极大,需设计一体化的智能决策中台,目前全球尚无成熟的航母 AI 作战决策系统工程案例。