本报告系统梳理了航空公司、机场、空管、货运航空、监管机构及前沿技术六大领域的40余个AI应用案例，结合ICAO、EASA、FAA等国际监管机构的最新路线图与标准制定进展，提炼关键数据与经验，为国内民航业AI发展提供参考。

一、全球监管框架：从“观望”到“主动构建规则”

全球民航AI监管框架正在2026年进入密集构建期。ICAO、EASA、FAA三大监管机构分别从全球协调、分级认证、安全保证三个维度推进AI监管体系建设。

1.1 ICAO：全球AI治理框架的顶层设计

ICAO在2026年将创新定位为《战略计划2026-2050》中的“高优先级推进器”[1]。第42届大会（A42）审议了多份AI相关文件，包括A42-WP/234（AI在国际民航中的负责任和战略性整合）、A42-WP/375（利用AI实现标准化和增强的航空监管）、A42-WP/389（AI对航空业的影响）等，大会认识到需要首先制定AI在航空中使用的战略愿景和高层框架[1]。

2026年1月13日，ICAO正式启动全球AI治理框架调查，面向各成员国和行业征集AI发展战略的现状与需求，调查于2026年2月28日截止[1]。ICAO同时建立了AI联络点网络，以促进全球范围内的协调与合作[1]。

值得注意的是，ICAO附件19（安全管理）第2修正案已于2025年6月获理事会通过，将于2026年11月26日生效，其中纳入了与AI安全监管相关的内容[1]。第42届大会还建议秘书处在EUROCAE WG-114和SAE G-34标准制定完成后，开始起草关于航空业采用AI的通知、手册或规定[1]。

ICAO认为AI在飞行运行优化、空中交通管理和交通预测三大领域具有核心应用潜力，并指出AI系统具有学习、改进和预测的能力，能够将知识应用于此前未遇到的新情况[2]。

1.2 EASA：分级认证框架与路线图2.0

欧洲航空安全局（EASA）的AI路线图2.0提出了以人为本的AI认证框架，将AI分为三个等级：Level 1（辅助人类）、Level 2（人机协作）、Level 3（高级自动化）[11]。2026年的关键节点是完成Level 1和Level 2的最终指南，2028年将最终确定Level 3的指南[11]。

EASA于2026年6月3日发布了AI概念文件Issue 3的征求意见稿，将讨论范围从机器学习扩展到强化学习和符号AI等额外AI技术[6]。EASA还引入了“W型流程”作为传统V模型的改进，为AI工程的新挑战设定监管框架[11]。EASA积极与EUROCAE WG-114和SAE G-34合作制定ED-324标准，同时与ISO/IEC SC42和CEN CENELEC JTC21保持协调，以确保AI指南与AI特定标准之间的一致性[11]。

1.3 FAA：AI安全保证路线图与SMART系统

FAA于2024年7月发布了首份《人工智能安全保证路线图》，确定了七个指导原则，包括在航空生态系统中工作、聚焦安全保证与安全增强、避免拟人化、区分“已学习AI”与“持续学习AI”、采取增量方法、利用安全连续体、利用行业共识标准[8]。

FAA路线图的核心洞察在于：AI系统的“学习”特性打破了传统系统工程中需求可追溯性的链条——设计者无法推导出直接描述AI实现的需求，也无法通过展示其覆盖更高层级需求来验证这些需求[8]。FAA提出通过“总体属性”（Overarching Properties）框架来应对这一挑战，涵盖意图（Intent）、正确性（Correctness）和无害性（Innocuity）三个维度[8]。

FAA路线图明确区分了两类AI实现的安全保证策略[8]：

FAA预计，高关键性已学习AI系统的统一安全保证方法可在3至5年内实现，而持续学习AI的安全保证则可能需要超过3年的探索期[8]。

1.4 三大监管机构AI审定策略对比

二、航空公司：AI驱动运营决策与维护

2.1 运营控制与机组管理

(1)易捷航空：Jetstream生成式AI工具

英国易捷航空在卢顿机场附近新建的集成控制中心中部署了名为Jetstream的生成式AI工具。该工具整合了8本运营手册的信息，为控制中心的250余名专家提供即时的政策、程序和操作信息查询服务。中心7×24小时运行，管理超过340架飞机、每日约2000个航班。Jetstream的核心价值在于加速地面运营问题的解决，同时系统还能对后备机组需求进行预测，并为每次航班运营推荐最优机组选择。易捷航空CEO透露，公司正在推进250个AI用例的快速部署[10]。

(2)瑞安航空：与Google Cloud签署5年AI合作

2026年8月，欧洲最大低成本航空公司瑞安航空与Google Cloud签署了为期五年的数据与AI合作协议。合作核心是部署Google Cloud的代理式AI平台Gemini Enterprise，用于开发定制化AI代理，实现部分运营决策的自动化、优化机组人员排程并降低运营中断风险。瑞安航空还计划将Google DeepMind模型（包括AlphaEvolve和WeatherNext）应用于机队管理和维护计划安排，并采取双云策略以降低单一平台故障风险[10]。

(3)新航牵手OpenAI：全球知名航司首个GenAI合作

2025年4月25日，新加坡航空宣布与全球人工智能领军企业OpenAI合作，利用先进的生成式人工智能（AI）技术提升旅客体验、优化运营流程，并进一步提高员工工作效率。

这是OpenAI首次与大型航空公司合作。双方将率先升级新航网站现有的人工智能虚拟助手，使其达到更高的智能水平，不仅能回答常见问题、推荐航班，还能根据用户需求提供个性化建议，例如推荐目的地、安排最优路线、实时推送航班动态等，帮助旅客更轻松地规划和管理行程，提供更智能、更具个性化的服务。与此同时，OpenAI的技术也将运用到新航内部系统中，优化运营流程，提高员工日常工作效率。增强型人工智能虚拟助手可以自动完成日常任务，并为员工提供操作建议和解决方案，帮助员工快速获取所需信息，更高效地完成工作。

此外，新航还希望将OpenAI先进的人工智能模型与解决问题的能力整合到现有工具中，在机组人员排班等更复杂的任务中优化流程，同时兼顾监管要求、运营限制和人手等考量，提出优化方案。

2.2 预测性维护

(1)易捷航空：预测性维护避免重大延误

易捷航空的预测性维护项目自2014年启动，目标是超越传统的“反应式可靠性系统”。通过与空客的长期合作，易捷航空目前运营22个Skywise SPM模型，另有60个模型在校准中。2019年1月至2025年9月期间，预测性维护直接避免了171次重大延误、662次轻微延误和1343次取消[10]。

(2)大韩航空：预测性维护预防超100次中断

大韩航空通过其预测性维护策略，2024年预防了超过100次运营中断。该公司与空客签署协议，采用Skywise Fleet Performance+预测性维护方案，应用于A321neo、A330、A350和A380机队[6]。

(3)Azul航空：每月预测并预防约150起事件

巴西Azul航空与AE Studio合作，将AI应用于预测性维护、网络规划、动态定价和航班利润预测等领域。通过AI系统，Azul实现了每月预测并预防约150起事件，减少了航班取消，提升了飞机可用性和网络规划稳定性[7]。

(4)印度航空：AI提升近300架飞机运营表现

印度航空正利用AI提升其近300架飞机的运营表现，该技术支持维修环节的预测性决策，并能在运行中断演变为大规模延误之前提前识别问题[10]。

(5)维珍澳大利亚航空：E190-E2机队部署AHEAD预测性维护系统

巴西航空工业公司与维珍澳大利亚航空签署长期协议，为其E2机队配备AHEAD（飞机健康分析与诊断）系统，利用运营数据识别并预测潜在故障[10]。

(6)Wizz Air：AI数字孪生优化重型基地维修规划

Wizz Air与Aerogility合作，利用基于AI的数字孪生解决方案优化其未来重型基地维修规划，管理快速增长机队的重型基地维修，并规划新飞机的整合[10]。

(7)皇家文莱航空：Collins Aerospace FlightSense与Dispatch服务

Collins Aerospace与皇家文莱航空签署两项12年合同，为其波音787机队提供FlightSense和Dispatch服务，利用AI驱动的数据分析提升机队健康管理能力[10]。

(8)加拿大越洋航空：从数字化到“AI原生”

加拿大越洋航空正在经历数十年来最大的转型——从旅游运营商模式向“AI原生航司”演进。公司将核心运营系统迁移至汉莎技术的数字生态系统，成为北美首家全面过渡至汉莎集团系统的航司。AVIATAR预测性维护平台于2025年6月上线，实时监控飞机健康状况，在故障发生前推荐部件更换。公司COO用一个生动的比喻描述了AI系统的引入过程：“就像带一位新同事入职，你得带他熟悉环境，教他公司怎么运作，然后他才开始表现出色。”[10] 

2.3 客户服务与旅客体验

(1)维珍航空：OpenAI驱动的AI礼宾服务

维珍航空与OpenAI和Tomoro合作，推出AI Concierge服务，覆盖其数字渠道的语音、图像和文本交互。该AI旅行助手能够进行自然对话、预测需求，并提供个性化旅行规划和客户服务[6]。

(2)芬兰航空：AI客服24/7支持

芬兰航空部署了基于Salesforce Agentforce的AI客服代理“Sisu”，80%的聊天客户服务问题现在由AI代理解决，实现了全天候支持[6]。

(3)南航：智慧出行管家智能体

南航数科基于大模型技术打造了国内率先覆盖旅客出行全流程的智能体应用。旅客在南航APP中仅需输入“帮我改签到明天最早去北京的航班”等自然语句，系统即可自动完成购票、值机、退改、选座等全流程操作，将多步流程简化为一次对话[10]。

(4)济州航空：AI聊天机器人使用量激增

济州航空的生成式AI聊天机器人“Hi-Jeco”在2025年1至5月期间处理了超过16万次咨询，是去年同期的2.6倍[6]。

(5)美联航：AI提升客户服务与运营效率

航班信息智能沟通。早在生成式 AI 兴起之前，美联航便启动了 “每一次飞行都有故事”（Every Flight Has a Story）项目，由专门的 “故事讲述者” 团队收集运营数据，为航班取消等情况撰写客户通知。

为解决人工撰写难以规模化的问题，美联航引入生成式 AI，将航班数据、内部聊天记录、天气信息等输入 AI 模型，并通过提示词工程让模型贴合美联航的沟通风格，在不引起乘客恐慌的前提下强调安全等核心信息。AI 模型不仅能生成规范的客户信息草稿，还能回顾历史飞行数据，补充人类 “故事讲述者” 未曾包含的航班延误原因等关键信息。

该应用使通过完整 “故事讲述者” 流程处理的信息比例从 5% 提升至 35%，在故事讲述者数量不变的情况下，信息处理量增长了 700%，同时将客户满意度提高了 6%，截至相关节点已发送 10 万多份数字通知。此外，美联航基于大语言模型推出的人工智能客服聊天机器人，能够自动生成航班延误原因解释，并通过应用程序和短信及时推送至乘客，解决了以往航班延误通知缺乏详细说明的问题。

转机服务优化。美联航针对美国航空市场中转出行频繁的特点，测试了一项助力转机乘客的 AI 技术。该技术依托计算机系统对转机乘客信息、航班到达时间、停靠廊桥位置等数据的精准掌握，当识别到乘客存在误机风险时，及时通知下一程航班。若乘客可快速抵达，航班可适当等候；若确认无法赶上，则避免无谓等待，未来还计划实现廊桥的优化安排，以减少乘客误机频率。

移动端 APP 智能功能升级。美联航在其官方 APP 中上线了多项 AI 支持的全新功能：虚拟登机口（Virtual Gate）功能可实时显示登机组别及登机进展，让乘客无需反复关注登机口广播；针对 United Club 贵宾室用户，APP 新增 “Closest and Best” 推荐功能，根据登机口位置与贵宾室当前容量智能推荐最合适的休息室，该容量信息提醒功能率先在芝加哥奥黑尔机场推出，并计划逐步扩展；升级后的行李追踪功能采用类快递物流的显示方式，让乘客实时掌握托运行李在各阶段的位置；同时，APP 还能根据旅客行程与需求提供个性化提醒，包括婴儿车 / 轮椅出行指引、旅行证件提示、目的地天气及打车指引等，通过智能导航与内容推荐提升出行便捷性。

个性化出行解决方案探索。美联航计划推出 “Get Me Close” 工具，利用 AI 技术在航班延误时为乘客自动寻找转飞附近机场等替代方案，进一步提升乘客在突发状况下的出行体验。此外，美联航还在探索利用生成式 AI 协助飞行员撰写更自然友好的乘机公告，尤其为性格内向的飞行员提供支持，同时研究通过 AI 总结复杂技术文档，间接为乘客出行安全与服务质量提供保障。

2.4 航空配餐优化

(1)汉莎航空：餐盘追踪AI系统

汉莎航空、维珍大西洋航空和美联航等航空公司，已经率先利用AI技术开展旅客餐食消耗追踪相关实践。

汉莎航空集团开发了AI支持的“餐盘追踪”解决方案，用于测量和减少机上餐食回收量。该移动技术在洗碗机作业流水线上扫描回收的餐盘，借助AI识别餐食是部分食用、全部吃完还是完全未动，分析过程还会纳入航线以及客舱等级信息。该技术于2024年在法兰克福机场上线，并已扩展到慕尼黑机场[6]。

图 汉莎航空利用其餐盘追踪AI系统来记录航班上的食物消耗情况。

(2)维珍大西洋航空：空客Smart Catering测试

空客研发的“智能配餐”解决方案将餐食消耗自动追踪搬到了航班上。维珍大西洋航空在两条跨大西洋航线上对该方案开展测试。该方案将基于摄像头的AI识别功能集成至机组平板电脑与手机设备，在餐食从餐车取出时实时记录信息，数据回传地面开展分析[6]。

(3)美联航：AI摄像技术测试餐食消费

美联航在特定航班上进行AI摄像技术测试，研究旅客餐食消费习惯。“测试结果很有启发，让我们充分了解哪些餐品被食用、哪些被剩下。我们据此调整了部分餐食配备方案，在不降低旅客体验的前提下减轻了飞机重量，压缩了部分成本。”[6]

三、空管机构：AI赋能流量预测与空域管理

3.1 FAA SMART系统：空管AI的标志性部署

2026年9月21日，美国联邦航空管理局在华盛顿特区周边空域正式启动SMART（空域、航线与航迹战略管理系统）的有限试运行，首批覆盖里根国家机场、杜勒斯国际机场和巴尔的摩/华盛顿瑟古德·马歇尔国际机场。该项目以12年期、8.75亿美元的合同采购，由Air Space Intelligence公司提供技术支持，目标2028年底前完成全美推广[10]。

SMART系统整合200项数据流，涵盖气象模式、飞行航路、交通流量以及管制员人员配置指标等信息，依托AI引擎对全部数据进行综合分析。核心突破在于将传统空管约15分钟的冲突预警窗口延长至2小时，实现从“被动响应”到“主动规划”的根本转变[10]。

SMART系统主要优势有：

- 减少航班延误与取消：旅客在停机坪等待、在目的地机场上空盘旋、遭遇备降的情况将有所减少。

- 优化空域利用：通过绕开恶劣天气与拥堵区域规划更高效航线，释放更多空域容量。

- 运行更具可预见性：提前化解运行扰动，减轻管制员工作压力，使其可以聚焦“保障飞行安全”这一核心使命 。

- 机票价格下降：航司燃油消耗降低、员工加班减少、航班准点率提升，运营成本随之下降，最终让消费者省钱。

SMART系统工作原理

每日伊始，大量计划航班会先天面临延误风险，根源在于空域需求可能超出机场承载能力。当过多航班被安排在同一时段使用同一片空域，拥堵便会产生，继而引发延误。而天气会进一步压缩可用空域容量，迫使FAA调整航班航线，甚至大面积关闭部分空域。这套传统模式往往只能在中断发生后被动应对，造成旅客不必要的延误。

SMART 系统则改变了这一现状，推动FAA由被动处置转向预判式管理。该系统不再坐等拥堵形成，而是依托数据帮助FAA预判空域需求、天气状况与空域限制条件，提前数小时、数日乃至数周进行规划。

9月21日，FAA已在华盛顿特区周边空域启动 SMART 系统有限范围试运行，并计划逐步向全美其他地区推广。该系统不能替代空管人员的核心职能，也无法接管飞机操控权。系统给出的全部建议均需要FAA工作人员复核，各地空管设施的现场主管有权选择采纳或舍弃这些调度建议。

美国交通部长肖恩・达菲表示：“想要真正改善美国民众的飞行体验，我们就需要 SMART 这类面向 21 世纪的调度工具。SMART 将从根本上重塑空域管理模式，做到防患于未然，大幅降低恼人的航班延误，减轻空管人员负担，同时压低出行成本。特朗普政府致力于让航空出行重新变得顺畅、经济。”

美联航CEO评价称，如果系统达到预期效果，“它带来的改善将是过去数十年间之最”[10]。 

3.2 华东空管局：AI嵌入空管运行链条

中国华东空管局通信网络公司研发了多项AI创新成果：智慧语音识别系统可实时捕捉错漏指令和操作冲突等隐性安全隐患；电磁干扰监测定位平台通过自研AI算法实现精准排查；空管运行品质分析系统已在上海区管试点；覆盖200余项核心指标的指标管理系统也已投入使用[10]。

3.3 中南空管局：通导AI运维专家系统

中南空管局以3套自主创新系统重塑通导设备运行保障模式：设备业务运行支撑系统打破了“信息孤岛”，成为中南智慧通导的“总指挥部”；设备综合监控系统和通导人工智能运维专家系统（仪表着陆系统分支）已在海口美兰国际机场、三亚凤凰国际机场部署安装，预计可将超过30%的潜在故障消除在萌芽状态[10]。

3.4 航班时刻AI大模型

民航局空管局运行管理中心航班时刻协调室联合科研团队研发的航班时刻AI大模型，以技术创新打破传统管理壁垒。该智能体聚焦核心业务，有效提升了空管运行单位的安全冗余[10]。

3.5 仁川机场：集成管制员工作平台

仁川国际机场正在开发“集成管制员工作平台”，旨在利用AI增强机坪和机场管制能力[6]。

四、机场：AI重塑旅客服务与运行效率

4.1 厦门翔安机场：AI“超级大脑”

厦门翔安国际机场智能联合运控中心基于“全机场管理”理念，将航班流、旅客流、行李流、货邮流、综合交通流全部打通，依托三维数字孪生技术实现整座机场的立体还原[10]。

系统核心创新在于事件全流程闭环管理：一旦发生异常事件，系统自动识别并派发指令和任务，指挥层级从以前5级“层层下传”压缩至2级“直线传递”。系统内置11个核心算法，应用于航班进出港动态预测、航班运行保障等关键环节。系统设计强调“人兜底”原则——算法只给建议，事件处理的最终决策权牢牢握在值班人员手里[10]。

4.2 杭州机场：飞行区智能管控平台升级

杭州机场指挥中心联合数科公司完成飞行区智能管控平台升级。语音识别方面，累计采集真实通话音频超200万条、总时长逾2000小时，语音识别字准率由90%提升至94%。角色识别方面，算法由向量相似度比对升级为机器学习SVM模型，角色识别准确率由89%跃升至97%，显著提升了复杂通话场景下的指令解析可靠性[10]。

4.3 深圳机场：AI全场景应用标杆

深圳机场在民航局《千万级机场智慧民航建设综合评价报告》中荣获全国42家千万级机场综合排名第二。机位智能分配系统通过AI算法将每日航班分配耗时从4小时压缩至1分钟，靠桥率提升至85.44%。AI辅助判图技术精准识别锂电池、充电宝等物品，搭配毫米波成像设备，提升安检效率30%以上。深圳机场还建立了全国首个网约车全链条管理体系，通过AI智能调度实现“预约迎客+政企协同”模式，服务车次超854万、旅客约1276万，地面交通服务测评指标跃居全国首位[10]。

4.4 上海机场：智能行李转运机器人

由虹桥机场公司、中航信、中电科联合研发的智能搬运机器人，整套系统由协作机械臂与无人搬运车移动机器人组成，实现行李周转箱的收集、堆迭、转运，全程自动一体化作业。中国航信智能行李转运机器人以柔性机械臂为基础，融合视觉识别神经网络、智能码垛算法、数字孪生及大模型等前沿技术。以青岛胶东国际机场为例，运行一年多来，一台机器人就可以节省近三分之一的班组费用[10]。

4.5 重庆江北机场：AI机器人集群

重庆江北国际机场启用了2台机械手自动装载系统和13台自主移动机器人，实现了托运行李的精准分拣和大件行李智能运送，有效降低了地服搬运人员的劳动强度[10]。

4.6 乌鲁木齐天山机场：多语言AI数字人

乌鲁木齐天山国际机场上线多语言AI数字人旅客问询应用。该智能服务打破了传统人工问询的单一服务模式，扩大了适配范围，可更好满足不同地区旅客的问询需求[10]。

4.7 新疆机场集团：大模型本地化部署

新疆机场集团率先完成大模型本地化部署，将其应用于气象智能解析、风险自动预警以及运行辅助决策，显著提高了航班保障精准度，构建了“快速处置”的智慧安防体系[10]。

4.8 伦敦希思罗机场：AI旅客流预测

希思罗机场部署Databricks数据智能平台后，旅客流预测能力实现质的飞跃：预测洞察时间从两周缩短至四小时，误差率从30%降至10%[6]。

4.9 仁川国际机场：AI旅客流管理

韩国仁川国际机场的AI旅客流管理系统成功实现了从“现场响应为中心运营”到“数据驱动预测为中心运营体系”的转型。在去年中秋假期期间，尽管旅客数量创历史新高（日均21.7万人次），但通过AI基础预测信息实施了有效的拥堵缓解措施，稳定维持了机场运营。经济性分析显示，2026—2030年五年间预计产生约810亿韩元效益[6]。

4.10 罗马菲乌米奇诺机场：AI流量管理规模化部署

罗马菲乌米奇诺机场与Outsight合作，在申根共用区域大规模部署物理AI解决方案，将实时激光雷达数据转化为关于人流、排队形成和拥堵模式的可操作洞察。该方案已从试点阶段进入规模化部署，为机场管理者提供数据驱动的决策支持[6]。

4.11 印度斋浦尔国际机场：AI排队管理系统

斋浦尔国际机场实施了AI驱动的机场排队管理系统（AQMS），用于在高峰旅行时段高效管理两个航站楼的旅客流量[6]。

4.12 雅典国际机场：AI服务机器人生态

雅典国际机场实施了AI驱动的服务机器人生态系统试点，集成热成像摄像头和5G无线连接，用于旅客流管理。正式试验评估于2025年4月进行，扩展运营监控从2025年4月持续至6月[6]。

五、货运航空：AI优化运力与装载

5.1 国货航：安检AI识图与智能装载

中国国际货运航空的安检AI识图项目已在京津杭蓉四地安检站全面部署，显著提高危险品检出率至93%左右。全球智能装载监控系统已覆盖国内外20个货机航站，航班完成率达100%，通过实时数据复核有效防止了漏装错装[10]。

5.2 UPS：Gateway技术平台节省2400万美元

UPS在其全球航空枢纽Worldport部署了Gateway技术自动化平台，通过智能化数字集装设备和Ramp Chat通信平台实现货运资产跟踪和地面作业自动化管理。系统利用AI和机器学习优化资源配置，2024年为UPS节省了1350万美元成本，预计2025年将节省2400万美元[6]。

5.3 Menzies Aviation：AI货站装载检验

Menzies Aviation在伦敦希思罗机场启动AI驱动的货物测量和组装技术验证项目，与计算机视觉专家CIND合作。该技术在货物装载到集装设备（ULD）过程中创建实时可视化模型，并即时对照批准的飞机轮廓进行检验，旨在提高货物数据准确性、装载效率和飞行安全性[6]。

5.4 达美货运：Pulse预测性智能平台

达美货运与Trackonomy合作推出Pulse平台，提供实时可见性和预测性智能。该平台使达美能够在货物运输中断发生之前进行检测和处理，提高可靠性、减少延误并提升客户信心[6]。

5.5 CMA CGM航空货运：AI装载规划

CMA CGM航空货运实施了CHAMP Cargosystems的AI驱动Cargospot重量与平衡解决方案，使用先进算法和AI，通过“Autoload”功能在几秒钟内生成燃料优化且安全的装载计划[6]。

5.6 沙特航空货运：AI降低运营成本超15%

沙特航空货运利用算法预测需求、管理运力并优化货物重量与装载分配。通过AI和算法管理货物装载及冷链，运营成本降低超过15%，在全球电商市场波动中提升了交付时间准确性[6]。

六、监管机构AI应用：从“监管AI”到“用AI监管”

6.1 EASA：AI辅助监管流程

EASA在自身监管流程中探索AI应用，包括：表单和文档的自动文本校正、招聘过程中的信件和简历分析、合同和法律文件分析、规则制定中的自动法律检查（一致性、可读性、法律确定性）、基于数据的组织和标准化审计以及认证和组织批准过程中利益相关方数据的评估。这些用例将作为EASA数字化转型计划的一部分进行评估和管理[11]。

6.2 FAA：AI安全保证路线图的实施

FAA路线图识别了五个关键行动领域：合作、FAA劳动力准备、保证AI安全、在安全生命周期中使用AI、航空安全研究[8]。FAA已聘请首席AI/ML科学与技术顾问，并建立了AI实践社区，以促进持续学习和为面临AI相关安全保证项目的专家提供同行支持[8]。

6.3 ICAO：AI辅助风险监管试点

印度尼西亚民航总局在第61届亚太地区民航局长会议上提出了AI辅助风险为本监管试点项目。该项目利用AI和大语言模型整合安全数据、识别风险趋势，并基于运营人风险画像对监管检查进行优先级排序。该试点与ICAO附件19即将于2026年11月生效的修订内容保持一致[1]。

七、前沿技术展望：量子计算与AI安全

7.1 量子计算在航空AI中的应用

量子计算与AI的结合正在航空领域开辟新的研究前沿。德国航空航天中心（DLR）的研究提出了一种混合学习代理方法用于飞行轨迹优化，该方法利用量子通信信道加速强化学习算法的训练过程。飞行轨迹优化属于NP-hard问题，量子计算在此类组合优化问题上展现出超越经典系统的潜力[7]。

2026年3月发表的研究提出了QISASI（航空航天安全智能量子信息系统）框架，将量子智能和自然语言处理方法应用于航空安全智能和预测性运营[7]。瑞典Mälardalen大学启动了NEXT-QCM项目，研究下一代量子计算如何与可解释AI结合，为更安全的空中交通管理提供支持[5]。

7.2 航空AI网络安全：被忽视的关键风险

AI/ML在航空中的应用引入了新的网络安全威胁。航空工业协会（AIA）民航网络安全小组委员会指出，AI/ML面临两类独特风险：训练数据投毒（数据中毒）和模型绕过。数据中毒是指故意篡改训练数据集以影响模型输出；模型绕过则是通过创建特定条件来规避模型的调用，从而改变系统响应[9]。

ICAO法律顾问论坛2026年的报告将网络和AI风险列为全球航空业面临的首要挑战，指出“代理式AI将成为主流，以规模、速度和精度塑造攻防行动”。报告还警告，地缘政治因素将推动更多APT组织针对AI基础设施和关键基础设施进行间谍活动、破坏和干扰[10]。

航空AI安全的“三个旋钮”平衡框架提供了应对思路[9]：

八、中国民航AI应用专题

8.1 政策框架：从“概念探索”到“规模化落地”

中国民航局已印发实施推进“人工智能+民航”高质量发展指导意见，明确推动人工智能从概念探索、技术试验转向规模化落地、常态化应用。指导意见提出到2027年率先实现人工智能与民航安全、运行、出行、物流、监管、规划建设等领域融合发展，民航高质量数据集、基础设施平台、行业模型算法等AI核心支撑要素建设初见成效[10]。

“十五五”期间要着力打通机场、航司、空管等多主体数据壁垒，推动实现运行数据互联互通、业务协同联动，同时坚持“稳中求进、安全可控”，人工智能赋能民航“核心不是替代人工，而是补齐短板、强化能力、筑牢防线”[10]。

8.2 南航：AI创新成果集中发布

南航正式发布“智慧出行管家”“天机预测大模型”“天策航空求解器”“天盾安全大模型”等一批AI创新成果。其中，“天策航空求解器”为航班调度、机队规划、资源优化等核心运营场景提供了完全自主的决策引擎，应用后累积优化航班276万班，效率提升70%，机组搭班效率提升70%[10]。

南航与阿里云联合发布的“天盾”安全大模型，基于千问多模态大模型与南方航空安全管理体系打造，主要用于飞行训练、航班预警和故障检修，具备多模态风险识别、飞行操作评估及故障智能处置等核心功能[10]。

8.3 厦门航空：大模型赋能航行通告解析

厦门航空借助大模型技术，实现了对航行通告的分类、结构化解析和评估三个关键步骤的智能化赋能。大模型的应用推动了情报解析从人工处理向“AI解析+人工核校”的人机协同模式转变，预计可提升效率50%以上，机场、跑道等关键场景的解析准确率超95%[10]。

8.4 东航：QEC错漏装检测机器人

东航创新研发了国内首套基于“5G+AI”技术的发动机QEC错漏装检测机器人，能够对发动机零件“错漏装”智能识别，对10毫米以上的错漏装问题检出率超过90%。东航还依托中国移动“九天”安全可信大模型构建，推出“睿擎”航空维修大模型[10]。

8.5 Ameco：机轮全自动总装生产线

北京飞机维修工程有限公司展示了民航业内首个全国产化定制、全流程无人化作业、全要素数字化的机轮维修产线。该产线覆盖A320、C919等主流机型所使用的共11种型号机轮，可实现24小时不间断运行，单班制标准年产能可达3765件，预计每年节省人工成本500多万元[10]。

8.6 国航：AI订与AI原生智能客服

中航集团携旗下中国国航、国货航、深圳航空、山东航空、Ameco集中展示了智慧运行、智能维修、智享服务等多个领域的创新成果。国航“AI订”“AI原生智能客服”、国货航“货物AI安检”、深圳航空“客户服务全息虚拟数字人”等多项应用首次公开亮相[10]。

8.7 民航二所：机场一体化智能AI分析平台

民航二所电子公司“机场一体化智能AI分析平台”获2025年度四川省重大技术装备首台套认定，目前该平台及其产出算法已成功落地应用于首都机场、大兴机场、天府机场等多家国内重点机场[10]。

九、趋势研判与国内民航AI发展建议

9.1 全球AI应用七大趋势

趋势一：从“单点试验”到“系统部署”。 IATA数据显示，航司AI用例数量正在快速增加，近半数航司已拥有AI用例，17%的航司正在开发超过20个项目[6]。易捷航空250个AI用例、瑞安航空全网络部署等案例表明，AI正从局部工具演变为系统性能力[10]。

趋势二：从“被动响应”到“主动预测”。 FAA SMART将冲突预警窗口从15分钟延长至2小时[10]，希思罗机场将预测洞察时间从两周缩短至四小时[6]，AI的核心价值正在于将决策从“事后处置”转向“事前预判”。

趋势三：“人兜底”原则成为共识。 无论是SMART系统强调所有建议需人工复核[10]，还是厦门翔安机场明确“算法只给建议，决策权握在值班人员手里”[10]，全球民航AI应用普遍坚持人类最终决策权这一安全底线。EASA AI概念文件也强调“以人为本”的AI等级划分，从Level 1（辅助人类）到Level 3（高级自动化）逐步放开[11]。

趋势四：监管框架加速构建。 EASA的AI分级认证框架（2026年完成Level 1&2指南）[11]、FAA的安全保证路线图[8]、ICAO的全球AI治理调查[1]，表明全球监管机构正从“观望”转向“主动构建规则”。FAA与EASA在2026年正在并行且协调地推进AI认证框架建设。

趋势五：数据基础设施是前提。 越洋航空COO的观察具有代表性——“必须先完成全面数字化，才能有效引入AI”[10]。IATA 2026数据成熟度调查显示，大多数航空公司仍处于数据战略的早期阶段，数据治理和数字基础设施是AI应用的基础条件[6]。

趋势六：网络安全成为AI部署的关键约束。 AIA民航网络安全小组委员会明确指出，现有标准（DO-178C/ED-12C、DO-326A/ED-202A等）可支持保护飞机上的AI/ML软件应用，但无法提供对飞机的完整保护[9]。数据中毒、模型绕过、模型逻辑威胁等AI特有风险尚无标准应对方案[9]。ICAO法律顾问论坛将网络和AI风险列为全球航空业面临的首要挑战[10]。

趋势七：中国民航AI从“跟随”走向“并跑”。 南航“天策求解器”累积优化航班276万班、厦门航空大模型解析效率提升50%、东航QEC检测机器人检出率超90%等案例表明，中国民航在AI应用的部分领域已达到国际先进水平[10]。民航局“人工智能+民航”指导意见为规模化落地提供了清晰的路线图[10]。

9.2 国内民航AI发展建议

第一，加快空管AI辅助决策系统建设。 FAA SMART的部署模式值得借鉴：以AI整合多源数据流，将流量预测和冲突预警提前至小时级，同时保留管制员的最终决策权[10]。华东空管局已在智慧语音识别、电磁干扰排查等方向取得进展，中南空管局通导AI运维专家系统可将超过30%的潜在故障消除在萌芽状态[10]，建议进一步向航班流量预测和空域态势感知方向拓展。

第二，推动机场AI从“服务端”向“运行端”延伸。 深圳机场和厦门翔安机场的经验表明，AI在机位分配、行李追踪、安检判图等环节已产生显著效益[10]。下一步应重点推进全机场管理理念下的AI协同调度，打通航班流、旅客流、行李流、货物流和交通流的数据壁垒。

第三，货运航空应加速AI在装载优化和运力管理中的应用。 国货航全球智能装载监控系统已覆盖20个货机航站，危险品检出率提升至93%[10]；Menzies Aviation在希思罗机场的AI货站装载检验试点也值得关注[6]。建议向智能装载和运力预测方向深化，同时关注AI在冷链监控和特殊货物运输中的应用。

第四，关注监管框架的前瞻性构建。 EASA的AI分级认证框架（Level 1/2/3）[11]和FAA的安全保证路线图（已学习AI vs 持续学习AI的区分）[8]为国内提供了重要参考。建议在推进AI应用的同时，同步研究AI在民航安全关键领域的审定标准和监管框架，特别是可解释AI在适航审定中的应用路径。FAA路线图强调的“总体属性”（意图、正确性、无害性）框架可作为建立AI安全保证方法论的重要参考[8]。

第五，重视“人机协同”而非“人机替代”。 全球领先案例均强调AI是辅助工具而非替代方案。民航局副局长韩钧明确表示“核心不是替代人工，而是补齐短板、强化能力、筑牢防线”[10]。厦门翔安机场的“人兜底”原则[10]、FAA SMART的人工复核机制[10]、EASA的以人为本AI分级[11]，都是值得国内民航AI建设参考的设计理念。

第六，将网络安全纳入AI部署的前置条件。 AIA民航网络安全小组委员会建议标准制定组织在AI/ML认证标准的第一版中就纳入网络安全指导[9]。国内在推进AI应用的同时，应同步建立AI系统的网络安全评估机制，覆盖训练数据保护、模型部署环境安全、模型行为监控等方面，防范数据中毒和模型绕过等AI特有威胁。

第七，加大研发投入，推动规模化落地。 Wind统计显示，过去一年南航、国航、东航累计研发投入逾17亿元。2026年上半年，各大航司的AI布局已从平台建设、场景规划阶段，迈向规模化应用[10]。建议行业进一步加大投入，推动AI从“示范项目”向“常态化运营”转变。

参考文献

[1] ICAO. Aviation Data and AI in the Sky. 16th IAEG-SDG Plenary Meeting, Kitakyushu, Japan, 5-7 November 2025.

[2] ICAO. AI in Civil Aviation. Interview with Salvatore Sciacchitano, President of the ICAO Council, 1 April 2020.

[3] UK Civil Aviation Authority. CAP3019: AI in Aviation: A Technology Outlook. August 2024.

[4] Exploring AI's Impact on General Aviation. (General Aviation AI Impact document)

[5] Funk P, Sohlberg R, Sundelius N, Olsson E, Bovet-Emanuel P. How Artificial Intelligence (AI) is Transforming the Aviation Industry. FT2025, Mälardalen University, Sweden.

[6] IATA. Overview of AI in IATA - 2026. Katharine Leney, Principal Data Scientist, IATA.

[7] Ahmed W. Artificial Intelligence in Aviation: A Review of Machine Learning and Deep Learning Applications for Enhanced Safety and Security. Premier Journal of Artificial Intelligence 2025;3:100013.

[8] FAA. Roadmap for Artificial Intelligence Safety Assurance, Version I. 2024.

[9] AIA Civil Aviation Cybersecurity Subcommittee. Securing Artificial Intelligence and Machine Learning in Aviation. February 2024.

[10] 根据公开信息及行业报道整理（包括IATA 2026技术趋势雷达、民航局公开文件、各航司及机场官方发布等）。

[11] EASA. Artificial Intelligence Roadmap 2.0: Human-centric approach to AI in aviation. 2023.

获取全文PDF报告及各国AI最新进展详细报告，请联系

关注我们

观看更多内容

进民航业内群交流

扫描上方二维码加入民航专业人士（飞行、机务、空管、签派、安检、空乘、地勤、低空经济等）学习研讨群、就业群交流，以及无人机资料共享群交流！！