低空AI应用

场景、技术方案、基础设施与关键技术

一、概述

（一）低空空域管理和飞行服务发展现状对AI的原生需求

1.   政策与产业背景

      低空经济的战略地位近年来持续提升。2021 年，"低空经济"概念首次写入《国家综合立体交通网规划纲要》；2023 年 12 月，中央经济工作会议将低空经济列为战略性新兴产业；2024 年，低空经济首次写入《政府工作报告》；同年 12 月，国家发展改革委设立低空经济发展司，顶层设计与统筹协调机制全面强化。与此同时，《无人驾驶航空器飞行管理暂行条例》自 2024 年 1 月 1 日起施行，低空飞行活动进入依法管理的新阶段；空域管理改革深入推进，低空空域资源正加速有序释放。

二、落地应用AI的低空场景和技术方案

（一）低空空域管理场景和落地技术方案

1. 空域智能划设与动态配置。
         传统空域划设以静态为主、调整周期长，难以匹配低空飞行需求的时空波动。落地方案：构建时空网格化数字空域底座，将空域划分为精细化管理网格；基于时空图神经网络等模型对网格需求进行预测；通过运筹优化实现空域资源的动态开放、关闭与再配置，做到"需求牵引、动态适配"。
2. 飞行冲突探测与解脱（CD&R）。
         高密度运行下飞行冲突呈组合爆炸态势，人工管制难以应对。落地方案：基于四维轨迹（三维空间 + 时间）的冲突探测算法提前识别潜在冲突；采用深度强化学习生成解脱策略，毫秒级输出避让建议；对涉及载人航空器的处置保留"人在回路"最终决策权。
3. 空域容量评估与流量管理。
         利用时空序列预测模型对空域拥堵状态、容量上限进行滚动预测，提前实施流量控制与动态限流，变"被动疏导"为"主动预防"。
4. 违规飞行管控。
         融合视觉识别、射频侦测等多源手段识别"黑飞"目标；结合知识图谱实现目标溯源与处置链路联动，对禁飞区、限飞区闯入行为实时告警。             表 2  低空空域管理场景与技术方案对照

   典型场景	落地技术方案	落地要点
   空域智能划设	时空网格数字空域底座 + 需求预测模型	空域"可计算"，动态开放/关闭
   冲突探测与解脱	四维轨迹探测 + 深度强化学习策略生成	毫秒级响应，人在回路
   容量与流量管理	时空序列预测模型	提前预判，主动限流
   违规飞行管控	视觉识别 + 射频侦测 + 知识图谱	识别—溯源—处置联动

1.    飞行计划智能申报审批。
         海量申报逐条人工审核效率低下。采用"规则引擎 + 大模型"联合审查——结构化数据由规则引擎自动核验，非结构化材料由大模型进行自然语言解析与合规审查；低风险飞行自动秒级批复，高风险飞行转人工复核，全流程留痕可追溯。
2.    智能航路规划。
         构建四维航路规划引擎，将改进 A* 算法与强化学习相结合，综合考虑空域限制、气象条件、障碍物分布与航空器性能约束，生成兼顾效率、安全与公平的航路，并随运行环境变化实时动态调整。
3.    低空微气象服务。
         低空气象受局地地形与城市环境影响显著，传统预报分辨率不足。落地方案：AI 气象大模型与地面微气象站实测数据同化融合，实现百米级、分钟级的温度、风速、降水要素预报，重点提供风切变、湍流等危险天气预警。
4.    低空通信导航监视与飞行情报。
         融合 5G-A 通感一体基站、ADS-B、雷达、光电等多源监视数据，实现低空连续覆盖的态势感知；AI 辅助生成并推送个性化飞行情报。             表 3  低空飞行服务场景与技术方案对照

   典型场景	落地技术方案	落地要点
   智能申报审批	规则引擎 + 大模型联合审查	秒级批复，全流程留痕
   智能航路规划	改进 A* / 强化学习四维航路引擎	效率、安全、公平兼顾
   微气象服务	AI 气象大模型 + 实测数据同化	百米级、分钟级分辨率
   多源融合监视	5G-A /   ADS-B / 雷达 / 光电融合	低空连续覆盖态势感知

   （三）低空运营管理场景和落地技术方案

三、低空AI公共基础设施建设

（一）建设需求

1. 算力设施需求。
         训练侧需要大规模异构算力支撑行业大模型与专用算法的训练迭代；运行侧需要低时延边缘推理算力就近部署于起降场、监视站点等设施，满足毫秒级实时决策要求。算力布局应与低空飞行活动的空间分布相匹配。
2.  数据资源需求。
         空域、飞行器、航迹、气象、地理、监管等多源数据的汇聚、治理与共享交换，是低空 AI 应用的前提和燃料。亟需建立统一的数据标准与共享机制，打破部门与行业数据壁垒，在保障安全与隐私的前提下实现数据要素价值释放。
3. 模型与算法平台需求。
         需要开放的行业大模型、算法工具链与统一评测基准，降低全行业的 AI 应用门槛，避免重复建设，促进最佳实践扩散。
4. 标准规范需求。
         数据接口、模型评测、人机权责划分、安全可信等标准体系亟待建立健全，为 AI 产品的互操作、准入与责任认定提供依据。
5. 安全保障需求
         低空 AI 涉及关键信息基础设施与飞行安全，必须坚持数据安全、隐私保护与AI 可控可信并重，建立全生命周期的安全评估与持续监测机制。

四、关键技术

（一）小型化、便携式机载、地面小型AI应用系统

1. 模型轻量化技术。
         通过剪枝、量化（INT8/FP16）、知识蒸馏与神经架构搜索，将大模型能力压缩到机载、便携等资源受限平台，在精度与算力、功耗之间取得平衡，是端侧 AI 落地的第一前提。

1.   低空数字孪生。
         对空域、飞行器、环境等全要素进行实时映射，支持仿真推演与预案验证，实现"先仿真、后运行"，为管理决策提供低成本试错空间。
2.  四维轨迹预测。
         融合 LSTM、Transformer、图神经网络等多模型进行飞行意图识别与轨迹推演，提前预判冲突与拥堵，是主动式流量管理的技术核心。
3.  大模型运行助手。
         以检索增强生成（RAG）与智能体（Agent）技术为基础，提供自然语言交互的运行监控、事件处置与决策支持，成为管制员与运营人的"AI 副驾"。
4.  多智能体协同与人机混合增强智能。
         空管、运营、监管等多主体通过多智能体框架协同决策；按照权限分级实现人机混合增强，并强调决策可解释性，确保运行安全可控、责任清晰。

五、发展展望

（一）总体趋势

      趋势一：大模型与低空经济深度融合。行业大模型将深度耦合低空场景，"AI 管制员""AI 运行助手"逐步规模化落地，管理服务能力实现质的跃升。

      趋势二：标准与法规体系加快完善。AI 应用的标准体系、适航审定框架与责任认定规则将持续健全，推动低空 AI 从"能用"走向"敢用""好用"，安全可信、权责清晰。

      趋势三：基础设施互联互通。国家公共基础设施与市场化服务设施协同组网，形成全国低空"一张网"，能力开放、数据共享、一网通办。

      趋势四：产业生态全链条协同创新。"芯片—模型—平台—应用"全链条协同创新格局加快形成，低空 AI 产业生态加速成形，成为低空经济高质量发展的重要引擎。

（二）发展路径综合

      技术成熟度与管理接受度判断，低空 AI 应用大体经历三个发展阶段，各阶段演进递进、长期并存：

            表 6  低空 AI 应用发展路径三阶段阶段

（三）结语

      低空经济的蓬勃发展，对飞行管理服务提出了前所未有的要求；人工智能恰好提供了与之匹配的感知、预测与决策能力。以场景为牵引、以技术方案为支撑、以公共基础设施为底座、以关键技术为突破，低空 AI 应用将稳步走深走实。

      展望未来，随着技术迭代与制度完善的双轮驱动，一个"可计算、可预测、可协同"的智能低空运行管理体系将逐步建成，为低空经济的安全、高效、可持续发展提供坚实支撑。