目录

一、机遇：国家战略加持与行业迫切需求

1. 政策支持力度空前

2. 航空大模型"群雄并起"

3. 航空业的独特场景优势

二、挑战：落地难题与行业特性并存

1. 数据壁垒与安全限制

2. 行业保守、安全第一特征明显

3. 标准体系尚未建立

4. 大模型应用深度不足，核心业务渗透有限

三、对策：立足行业特点，稳步推进落地

1. 扎实做好航空高质量数据集建设

2. 以场景为驱动，推进"试点-验证-推广"闭环

3. 培育产业生态、共建标准体系

四、结语

---

近日，交通运输部会同国家发展改革委、工业和信息化部、国家数据局、国家铁路局、中国民用航空局、国家邮政局联合印发《关于"人工智能+交通运输"的实施意见》，明确提出：到2027年建成综合交通运输大模型体系，到2030年形成世界领先的智慧交通体系。这一政策红利，为民航行业与人工智能深度融合提供了制度保障和发展方向，相信后续民航局、航空公司、机场等支持"人工智能+航空"的具体措施都会陆续出台。

然而，在机遇与挑战交织的背景下，我们必须思考：航空大模型能否真正成为行业升级的"智慧大脑"，而不是停留在概念上的"智能客服"？笔者将从机遇、挑战与对策三个层面谈一些想法。

一、机遇：国家战略加持与行业迫切需求

1. 政策支持力度空前

此次实施意见由七大部委联合推动，充分体现了包括航空在内的交通运输与人工智能深度融合的国家战略高度。民航局正在制定的《智慧民航建设路线图》更是将大模型作为重点发展方向。

各地也在积极跟进：北京、上海、广州、成都等航空枢纽城市已将航空大模型写入智慧机场建设方案，航空公司、空管局等单位也在积极布局相关试点项目。

这意味着，未来几年，航空大模型将在政策驱动下加速发展，成为智慧民航建设的关键支撑。

2. 航空大模型"群雄并起"

从技术和产业格局来看，航空大模型已进入快速发展期。行业内不仅有中国民航大学、北航、南航等高校发布的航空大模型，也有国航、东航、南航等航空公司依托行业知识构建的专业大模型，还有中航信、华为、百度等科技企业依托通用大模型能力构建的航空行业解决方案。

民航局数据公司牵头成立的航空大模型创新实验室，正聚焦航班调度、运行控制等核心场景开展技术攻关。

可以说，航空大模型正处于"群雄并起"的阶段，各方力量积极参与，产业生态正在形成。

3. 航空业的独特场景优势

与其他交通方式相比，航空业具有运行复杂度高、数据质量好、安全要求严等特点，为大模型技术落地提供了优质土壤。

例如，航班运行的智能调度与动态调整，空域资源的优化配置，机务维修的预测性维护，旅客服务的个性化推荐，均是典型的高价值场景。

目前各大航空公司、机场集团的多个航空大模型相关项目正在陆续启动，涉及智能客服、运行控制、机务维修等多个领域。希望通过实际应用，验证航空大模型在"提升运行效率、保障飞行安全、优化旅客体验"方面的实际价值。

二、挑战：落地难题与行业特性并存

1. 数据壁垒与安全限制

航空数据分散在航空公司、空管局、机场等多个主体，涉及运行控制、飞行数据、旅客信息等不同系统，数据标准不一，共享机制缺乏。由于涉及运行安全和商业机密，核心运行数据往往要求严格的访问权限和控制措施。

这种"数据难共享、系统难打通"的现状，严重制约了大模型的训练效果与应用深度。

2. 行业保守、安全第一特征明显

航空业具有强监管、高安全要求的特性，新技术应用需要经过严格验证和审批流程。在大模型应用中，航空公司、空管局等单位对新技术持谨慎态度，更倾向于采用成熟可靠的技术方案。

航空从业人员长期形成的"安全第一"文化，使得他们在面对创新技术时，首要考虑的是风险控制和责任界定，而不是技术先进性。

这意味着，航空大模型的推广应用需要更长的验证周期和更严格的审批流程。

3. 标准体系尚未建立

目前航空大模型缺乏统一的技术标准、数据标准和评测体系，各家单位研发的大模型架构各异、能力不一，航空专业语料和训练方法各不相同，既造成重复建设，也影响系统间的协同效能。

很多应用还处于"试点探索"阶段，缺乏成熟的商业模式和推广路径。

4. 大模型应用深度不足，核心业务渗透有限

当前多数航空大模型应用集中在智能客服、知识问答和简单的数据分析层面，而对于真正能够提升运行效率的核心业务，如航班调度、航路规划、机组排班、故障预测等深层次场景的应用，仍然较少。

换言之，大模型"会回答旅客问询"，但"会调度航班运行"的能力还有待提升。

三、对策：立足行业特点，稳步推进落地

1. 扎实做好航空高质量数据集建设

大模型的价值高度依赖数据。既要推动行业内各主体间的数据共享，建设覆盖航班运行、机务维修、旅客服务等环节的高质量航空数据集；也要针对具体应用场景，建设面向飞行调度、机务维修等专用场景的专项数据集。

在此过程中，要建立航空数据标准体系，完善数据安全管理机制，确保数据在安全可控的前提下发挥最大价值。

2. 以场景为驱动，推进"试点-验证-推广"闭环

航空大模型应用不要盲目追求大而全，而应从具体业务场景入手，循序渐进。例如，可以将复杂的航班调度场景，拆分为航班计划评估、流量预测、异常处置等多个子任务，先用大模型赋能其中的部分环节，验证价值后再逐步扩展。

随着大模型技术的成熟和应用经验的积累，逐步扩大应用范围，最终形成航空"智慧运行大脑"。在应用过程中，要建立"业务反馈-模型优化-场景拓展"的良性循环，让大模型在实际业务中持续进化。

3. 培育产业生态、共建标准体系

航空大模型需要航空公司、机场、空管局、科技公司等多方参与，共建产业生态。可以依托行业联盟和标准化组织，加快形成航空大模型技术标准、数据标准和评测体系，建设航空AI测试验证环境，推动各方能力共享与协同创新。

同时，要建立健全的安全保障和治理机制，确保大模型应用安全可靠、风险可控。

四、结语

航空大模型对行业从业者来说，既是挑战更是机遇。在政策支持、行业需求与技术进步的共振下，它具备巨大的发展潜力：既有国家层面的战略重视，又有各方力量的积极参与，还有航空业独特的高价值场景。

但与此同时，数据壁垒、标准缺失、安全要求、应用深度等问题仍是必须面对的现实挑战。唯有在数据集建设、场景深耕、技术融合等关键环节持续投入，才能在智慧民航建设的浪潮中把握先机。

从"会聊天"的智能客服到"会调度"的业务专家，航空大模型还有很长的路要走，但这正是技术创新与行业进步的动力所在。