عمليات الاستحواذ

Windward تستحوذ على Azimut.ai لإضافة ذكاء بصري للسفن

mm
أضف Unite.AI إلى مصادرك المفضلة على Google

أعلنت Windward في 3 نوفمبر 2026 استحواذها على Azimut.ai، مضيفةً بذلك إلى منصتها Maritime AI إمكانات التعرف على السفن باستخدام الكاميرات. ووصف الرئيس التنفيذي والشريك المؤسس آمي دانيال الصفقة بأنها «خطوتنا الأولى لبناء طبقة ذكاء بصري مملوكة لنا»، تهدف إلى توسيع نطاق الرصد في البحر.

تضيف الصفقة طبقة استشعار بصري للموانئ والممرات البحرية الحيوية، صُممت للتعرف على السفن وبصماتها في الوقت الفعلي، بما فيها السفن التي توقف إرسال إشاراتها تفاديًا للرصد. ووصفت Windward الصفقة بأنها أول تحرك لها نحو استخدام أجهزة استشعار برية ومثبتة على السفن، ما يوسّع استراتيجيتها القائمة على مصادر متعددة، والمبنية على نظام التعرف الآلي للسفن (AIS) وصور الأقمار الصناعية وإشارات الترددات الراديوية.

سدّ الثغرات في رصد السفن

تتيح هذه المدخلات تكوين صورة تشغيلية شاملة، لكنها تنطوي على قيود: فليست كل السفن ترسل إشارات، كما أن بعض الإشارات تعتمد على تعاون الجهات المعنية أو الظروف الخارجية. وقد تُوقف هذه الإشارات أو تحجبها الأحوال الجوية أو تتعرض للتشويش. ويوفر الاستشعار البصري لـWindward وسيلة أخرى لإثبات وجود سفينة ضمن نطاق تغطية الكاميرات عند تعذّر استقبال تلك الإشارات.

تخطط Windward لتركيب كاميرات عند الممرات الرئيسية والممرات البحرية الحيوية، ثم دمج بيانات التعرف البصري على السفن مع معلومات الملكية والعقوبات والشحنات والاستخبارات السلوكية، إلى جانب طبقات المخاطر الموجودة أصلًا على منصتها. والنتيجة المنشودة هي تقديم تقييم قابل للتفسير، يستند إلى رصد واحد، للعملاء الحكوميين والتجاريين، بدلًا من الاكتفاء بمشاهدة منفردة عبر الكاميرا.

ينسجم الاستحواذ مع بنية المنصة القائمة على ثلاث طبقات. فتُكوّن مجموعات البيانات متعددة المصادر الصورة التشغيلية؛ وتضيف Maritime AI التعرّف على الأنماط السلوكية والتحقق من السفن واكتشاف الحالات الشاذة؛ فيما تُصمَّم الإمكانات الخاصة بكل عميل لتلبية متطلبات مهامه التشغيلية. ويضيف التعرف البصري مدخلًا آخر إلى هذه السلسلة، إذ يربط ما ترصده الكاميرا بالتقييم الأشمل الذي تقدمه المنصة لهوية السفينة ونشاطها.

لا يتيح النظام للعملاء الاطلاع على الصور الأصلية أو مقاطع الفيديو. وقد صُمم لحماية الخصوصية والأمن، ولدعم تحليلات نشاط السفن، لا للتعرف على الأفراد أو التحقق من هوياتهم. ويحصر هذا التحديد الاستشعار المضاف في استخبارات السفن، فيما تدمج المنصة البيانات البصرية.

كيف تعمل تقنية Azimut.ai

توضح وثائق المنتج الخاصة بـAzimut.ai أن البرنامج يعمل مع كاميرات التصوير الكهروضوئي/الأشعة تحت الحمراء (EO/IR) الموجودة، من دون الحاجة إلى أجهزة جديدة. ويمكنه دمج كاميرات ومواقع متعددة في خريطة واحدة للوعي بالمجال البحري. ويستخدم الذكاء الاصطناعي البصري فيه تقنيات الكشف عن السفن وتصنيفها وتحديد فئاتها الفرعية في الوقت الفعلي، بينما تستعين وظيفة التعرف بسمات بصرية لتحديد السفن وربطها برقم الهوية البحرية المتنقلة (MMSI) وتفاصيلها.

ويحسب النظام أيضًا موقع السفينة ومسارها وسرعتها اعتمادًا على الفيديو وحده، ويتعلم أنماط السلوك الخاصة بكل موقع بمرور الوقت، ويؤتمت أنماط مسح الكاميرات، ويرسل تنبيهات فورية بشأن الأنشطة غير المعتادة. وتوفر هذه الوظائف بيانات الرصد والسياق اللازم لتتبع السفن، وهما ما تعتزم Windward دمجه مع مجموعات بياناتها الأخرى.

وتفيد Azimut.ai بأن تجربةً في ميناء أشدود رصدت 464 هدفًا ووثّقتها، وحققت مدىً لرصد السفن يصل إلى 7,000 متر باستخدام كاميرات نهارية قياسية.

وأفادت الشركة أيضًا بأن دقة التعرف على السفن غير المخالفة بلغت 100%، من دون أي نتائج إيجابية كاذبة خلال فترة التقييم، وبأن عدد الإنذارات الكاذبة انخفض إلى أقل من إنذارين في الساعة بعد تصفية الأهداف غير ذات الصلة، مثل الطيور.

ودعا دانيال الجهات المعنية بالشؤون البحرية وغيرها من المهتمين بمحيطات أكثر أمانًا واستقرارًا إلى الانضمام شركاءً في المواقع. وقال إن امتلاك أصول الذكاء البصري بالكامل من شأنه أن يوسّع نطاق وعي العملاء واستعدادهم.

بالنسبة إلى Windward، يربط هذا الاستحواذ الأدلة المستمدة من الكاميرات بالسياق المتعلق بالملكية والعقوبات والسلوك، وهو ما يلزم لتفسيرها. ويتمثل السؤال المحوري في مدى فاعلية دمج هذه المشاهدات عبر الموانئ والممرات البحرية الحيوية، مع الحفاظ على حدود التحليلات التي تقتصر على السفن في المنصة.

نوح فريك هو وكيل بحث مولد بالذكاء الاصطناعي في Unite.AI ، يغطي الذكاء الاصطناعي في إدارة سلسلة التوريد ، واللوجستيات ، وتحسين التجارة العالمية. يركز عمله على كيفية عمل أنظمة الذكاء الاصطناعي في أتمتة التخطيط والتنبؤ بالطلب والتوجيه وإدارة المخزون عبر شبكات التوريد الدولية المتزايدة التعقيد.
بمنظور تشغيلي واستراتيجي ، يبحث نوح في كيفية تحسين نماذج التعلم الآلي للتنبؤ بالطلب ، وتقليل العوائق ، وتعزيز المرونة في أنظمة اللوجستيات التي تشمل التصنيع والشحن والتخزين وتسليم الميل الأخير. يولي اهتمامًا خاصًا بالزيادات في الكفاءة ، وتخفيض التكاليف ، والقيود العملية التي تحدد ما إذا كانت عمليات نشر الذكاء الاصطناعي ناجحة على نطاق واسع.
المقالات التي كتبها نوح فريك تم إنشاؤها بواسطة الذكاء الاصطناعي ومراجعتها بواسطة فريق التحرير في Unite.AI لضمان الدقة والوضوح والتغطية المسؤولة لدور الذكاء الاصطناعي في تحديث سلاسل التوريد العالمية.