行业关注 | 人工智能与低空经济融合发展的内在逻辑与优化策略

关键词：低空经济；人工智能；融合发展；内在逻辑；优化策略

科技发展正驱动低空经济进入创新爆发期。在物流领域，２０２５年１月贵州首条“低空＋物流”无人机药物配送应用场景航线开通，顺丰丰翼方舟４０无人机，航时５分钟，飞行速度１２米每秒，相较传统配送模式，无人机配送节约了超５０％的时间成本。旅游场景中，深圳大鹏新区开通ｅＶＴＯＬ环湾航线，串联８大地标，１５分钟飞行中配备ＡＲ眼镜实现虚实融合讲解，游客留存时长从２.１小时增至４.５小时。美团数据显示，２０２５年以来，直升机观光、滑翔伞体验、无人机航拍等低空项目预订火热，上线低空旅游服务的景区、酒店数量同比增长超６３％。在财政激励方面，深圳市前海管理局发布了《深圳市前海深港现代服务业合作区管理局关于支持人工智能高质量发展高水平应用的若干措施（征求意见稿）》，明确表示“支持推进低空智能交通试点。对总部设在前海合作区，并取得ｅＶＴＯＬ机型适航证，经主管部门审定在空中交通、旅游观光、物流配送等领域在前海合作区开设航线的企业，予以一次性２００万元支持。”在基础服务保障方面，截至２０２３年，全国建成通用机场４４９个，完成国家信息管理系统、７个区域信息处理系统和３２个飞行服务站建设，上线民用无人驾驶航空器综合管理平台，实现低空飞行监管、服务全覆盖〔１〕。在行业标准及规范方面，中国国低空领域的国家标准发展逐渐呈现出体系化、全面化、专业化、前瞻性趋势。截至２０２５年４月，低空经济领域国家标准共计４６项（含计划项目）。这些标准将成为技术成果转化的有力推手，帮助行业快速高质量发展，加强行业粘性。

与此同时，人工智能技术的蓬勃兴起为低空经济发展注入了全新活力。二者协同发展趋势愈发明显，人工智能凭借强大的数据处理与智能决策能力，精准赋能低空经济各环节，从飞行器设计制造到空域管理优化，都展现出巨大的提升潜力。人工智能与低空经济的深度融合呈现三大技术特征：①低空飞行器设计革新。人工智能借助大数据分析与模拟技术，能够精准优化飞行器的结构与性能，大幅缩短研发周期，提升产品质量。为了提高气动外形优化设计的效率，人工智能将基于潜在扩散模型的翼型参数化方法（ＬａｔｅｎｔＤｉｆｆｕｓｉｏｎＭｏｄｅｌ，ＬＤＭ）拓展至翼段、短舱、风扇等复杂外形气动优化设计过程，为ｅＶＴＯＬ机翼结构的设计提供了新的思路〔２〕；②空域管理优化。人工智能通过实时收集和分析海量飞行数据，实现对空域资源的智能调配，显著提高空域使用效率。ＭＡＤＤＰＧ（多智能体深度确定性策略梯度）算法可以提高管理空域内无人机通行能力，降低管理空域内冲突发生频率〔３〕；③低空运营升维。人工智能驱动的智能决策系统能根据市场需求、气象条件等多因素，为农业等场景提供精准的运营策略，助力企业降本增效。基于深度学习和植被指数图的综合特征挖掘方法，农业企业可以通过无人机多光谱图像中的植被指数图深度特征精确预测农作物生育期动态，提高病虫害识别准确率，减少农药使用量〔４〕。人工智能与低空经济的协同创新，标志着中国正从“航空规则追随者”向“空天技术定义者”跨越。

然而，低空经济在快速发展进程中也面临一系列严峻挑战。低空治理体系尚不完善，监管存在诸多漏洞与空白区域，导致飞行安全难以得到充分保障；产业链上下游协同能力不足，存在信息断层与资源浪费现象，限制了产业的整体发展规模与效益；高端专业人才匮乏，使得技术创新能力受限，难以满足产业快速发展的需求。因此，借助人工智能对低空空域进行数字化建模成为了一种有效的解决方案。这种建模技术能够精确捕捉空域的结构特征和动态数据更新，为后续的管理和运营提供坚实的基础〔５〕。进一步地，通过低空空域的数字化和人工智能技术的引入，原本难以利用的空域资源变得可量化、可计算、可管理、可估值和可分享。这一转变不仅推动了低空空域从“可通达”向“可计算”再到“可运营”的转变，更为相关产业的发展打开了广阔的市场空间和新的发展机遇。基于上述分析，本文认为，借助人工智能等新技术不断优化低空产业链，是未来航空领域高端化、智能化、绿色化发展的重要方向。这不仅代表了安全、高效、环保的综合立体交通和低空融合飞行的核心理念，也是全球范围内争相布局、竞相抢占的重要发展领域〔６〕。

低空产业链以发展新质生产力为核心导向，数字技术与制度变革均是发展壮大新质生产力的重要推动力〔７〕。通过将人工智能等尖端科技深度融入产业全链条，着力培育战略性新兴产业集群，推动产业链向高端化、智能化、融合化方向延伸，构建现代化产业体系的重要支撑架构〔８〕。人工智能与低空经济的技术协同，本质上体现为对复杂空域环境感知、实时决策优化、自主控制执行等核心环节的系统性赋能，其作用机制可从技术耦合逻辑、产业赋能路径与协同发展范式三个维度展开深度剖析。

低空经济与ＡＩ技术集成体系为“感知－通信－计算－控制”。５Ｇ－Ａ通信技术凭借其１０Ｇｂｐｓ级高速率、１ｍｓ级低时延的卓越性能，构建了低空飞行器实时数据交互的“数字高速公路”，为具身人工智能（ＥｍｂｏｄｉｅｄＡＩ，ＥＡＩ）的落地应用提供了基础设施保障。ＥＡＩ作为融合物理实体与智能算法的新型技术形态，其核心优势在于实现智能体与复杂低空环境的动态交互：通过多模态传感器阵列（包含激光雷达、视觉摄像头、气象雷达等）构建高精度环境感知系统，可实时捕获毫米级障碍物（如无人机飞行中的鸟类、风筝等）、０.１ｍ／ｓ级风速变化及动态电磁干扰信号，形成包含地理信息、气象参数、空域态势的三维数字孪生模型。在技术创新的产业辐射效应方面，ＡＩ对低空经济的赋能呈现明显的溢出效应。一方面，ＡＩ推动飞行控制算法（如基于深度强化学习的路径规划算法）突破了传统航空控制理论的局限，使飞行器能效提升；另一方面，衍生的智能感知技术反向赋能新材料研发，催生了具备自感知能力的形状记忆合金在无人机框架中的应用，使结构重量减轻，载荷能力提升。这种跨技术领域的协同创新，实质构建了“基础研究－技术开发－产业应用”的全链条创新生态。

大数据与人工智能的深度融合，激活了低空经济领域数据要素的价值释放。在上游航空器研发环节，基于迁移学习的数据驱动模型可实现对万亿级飞行数据（包含历史气象数据、故障记录、飞行日志等）的深度挖掘，大大减少新型无人机的研发周期与研发成本降低。在无人机研发过程中，通过生成对抗网络（ＧＡＮ）模拟极端气象条件下的飞行场景，提前识别出飞行器潜在设计缺陷，可以使原型机试飞次数减少〔９〕。此外，大数据和人工智能技术的迅猛发展为低空经济领域的数据元件挖掘和利用注入了强大动力。低空经济上游产业通过大数据深度挖掘和利用数据元件，开发出更为智能化、高效化的航空器和服务，极大地提升了低空经济的运行效率，增强其安全性。通过区块链技术构建的低空数据共享平台，实现空域管理部门（如民航局）、飞行器制造商、运营企业之间的实时数据同步，使空域资源利用率提升。数据元件的流通和共享促进了产业间的紧密合作与创新发展，为低空经济的整体进步提供了有力支撑〔１０〕。

在以电动垂直起降飞行器（ｅＶＴＯＬ）为代表的低空载具领域，人工智能算法正在重构飞行控制范式。基于多智能体强化学习的分布式控制算法，使ｅＶＴＯＬ在城市峡谷环境中实现动态避障，其路径规划效率较传统算法大幅提升。在模拟环境中，ＮＡＳＡ研究了辅助检测与避让（ＡＤＡＡ）技术在城市空中交通环境中的应用〔１１〕，可有效规避突发障碍物（如高层建筑顶部的设备平台）带来的安全风险。在控制决策协同层面，终端ＥＡＩ系统通过高性能边缘计算芯片（如ＮＶＩＤＩＡＪｅｔｓｏｎＡＧＸ）实现毫秒级本地决策，解决紧急避障等实时性需求；云端算力则负责全局路径规划与流量调度，通过分布式优化算法（如交替方向乘子法）实现区域内多飞行器的协同管控，使空域容量有效提升。５Ｇ－Ａ通信技术在此架构中发挥关键纽带作用，其切片技术可为控制指令传输提供专用通信通道，保障指令传输的可靠性，降低时延抖动，实现了物理世界与数字世界的精准映射与实时交互。

人工智能在低空经济中的应用将深刻改变产业链的各个环节，从无人机的研发制造到运营服务，从软硬件设计到算法模型，人工智能将渗透到低空经济的各个领域和环节，推动产业链上下游企业的协同发展和资源共享，形成更加完善的产业生态体系。然而，当前ＡＩ技术协同仍面临多重挑战。①异构数据融合难题，不同传感器（如红外与视觉摄像头）的时空校准误差可达５ｃｍ，影响环境感知精度；②算力供给不平衡，边缘端算力受限导致复杂算法难以部署，云端依赖则存在网络中断风险；③伦理法律滞后，智能决策中的责任界定（如自动驾驶飞行器事故追责）尚未形成统一规范。未来，人工智能不仅作为工具赋能低空经济，更在重塑产业形态与价值创造模式。随着数字孪生、数字线程等新技术的融入，这种协同将从单一环节赋能转向全产业链智能化重构，为低空经济这一新兴产业形态的爆发式增长奠定技术基石，构建“技术创新－制度设计－场景应用”的协同推进体系。

在产业链上游的无人机研发制造环节中，人工智能彻底革新了飞行器的设计仿真流程。借助先进的机器学习算法，能够对飞行器的结构与性能进行深度优化。以空气动力学模拟为例，ＡＩ算法可通过海量数据运算，精准模拟飞行器在不同飞行条件下的气流状态，进而对飞行器的外形进行精细优化。这种精确模拟能有效减少飞行阻力，显著提升燃油效率，使飞行器在飞行过程中更为节能高效。同时，大幅缩短了研发周期，提高了设计效率与质量。在材料选择环节，人工智能发挥着关键的辅助作用。通过对海量材料性能数据的深度挖掘，ＡＩ算法能够快速筛选出兼具轻质、高强度与高耐用性的材料。例如，在众多金属与复合材料中，ＡＩ综合考量材料的强度、重量、耐腐蚀性以及成本等多方面因素，为飞行器的不同部件精准匹配最为适配的材料，从而显著提升飞行器的整体性能与安全性。此外，通过ＡＩ技术的引入，实现了制造过程的自动化与智能化升级。利用ＡＩ驱动的机器人进行精密加工与装配，能够最大程度减少人为误差，确保产品质量的稳定性与一致性。在无人机零部件的制造过程中，ＡＩ机器人能够精准完成钻孔、焊接、组装等精细操作，大幅提高生产效率，降低生产成本，同时提升产品的良品率。

在产业链中游的低空运营服务中，人工智能凭借强大的数据分析能力，能够对历史飞行数据与实时环境信息进行深度剖析。通过大数据与机器学习技术，人工智能综合考虑天气变化、空域使用状况、地面障碍物分布等多种因素，为无人机规划出最为快捷、安全的飞行路线。在飞行过程中，还能根据实时动态智能调整飞行路径，确保无人机始终处于最佳飞行状态，有效规避各类风险，保障飞行的安全性与可靠性。此外，针对不同的任务需求，ＡＩ展现出卓越的智能调配能力。ＡＩ依据飞行任务的紧急程度、货物重量、目的地位置以及交通状况等因素，智能安排无人机的配送顺序与时间表。通过优化路线，减少配送时长，提高配送效率，极大提升客户满意度。在城市复杂的低空飞行环境中，人工智能能够迅速规划出避开拥堵路段与人口密集区域的最佳路线，确保飞行任务高效完成。

在产业链下游的软件设计与算法模型中，人工智能赋予其更高的智能化水平。利用ＡＩ算法开发的智能飞行控制软件系统，能够实现无人机的自主飞行、智能避障以及在复杂环境下的精确操控。在面对复杂的地形和障碍物时，智能飞行控制系统通过ＡＩ算法实时感知周围环境，迅速做出决策，控制无人机安全、灵活地避开障碍，完成飞行任务。此外，ＡＩ算法模型在数据分析与预测方面优势显著。通过机器学习算法对大量飞行数据进行分析，能够准确预测飞行器的故障发生概率以及维护需求。根据飞行器的飞行时长、飞行环境、部件使用情况等数据，人工智能可以提前预测出某个部件可能出现故障的时间，从而提前安排维护保养，减少停机时间，提高飞行器的可用性与运营效率。

３.１.１低空经济产业链上游信息传递断层 在低空产业链上游的低空飞行器领域，零部件的制造与维修构成了一个高度复杂且精细的系统，该系统深度融合了多种材料、先进工艺及精密检测技术。这一过程对技术水平、设备配置、人员专业能力以及环境控制均提出了极高的要求。近年来，随着上游关键技术的飞跃，如芯片技术、电池储能、微型电机优化、高清摄像头研发以及机体结构材料的创新〔１２，１３〕，无人机行业在降低生产成本的同时，实现了产品性能的显著提升。然而，当设计与制造部门之间的信息传递出现断层时，这一技术进步的红利便可能大打折扣。具体而言，若两部门间缺乏有效的沟通渠道和共享机制，设计部门可能未能充分考量制造工艺的可行性与材料使用的局限性，导致设计出的零部件在实际生产中遭遇“水土不服”，难以实现预期目标或成本激增。同样，制造部门若未能获得完整的设计意图与详细规范，也可能在理解与执行设计要求时产生偏差，影响产品质量与生产效率。

此外，低空飞行器零部件的多样性与高数量级，加之不同部件间寿命差异显著，进一步加剧了维修保障的复杂性。特别是面对罕见或已停产的零部件，若信息流通不畅，往往导致维修周期延长，甚至可能因零部件无法及时获得而影响飞行器的正常运营。这种情况在低空飞行服务日益普及、对高效维修响应要求日益提高的背景下，显得尤为棘手。因此，在低空飞行器制造业中，加强设计与制造部门之间的信息流通与共享，建立高效的信息协同机制，成为提升零部件制造效率、缩短维修周期、保障飞行器稳定运行的关键举措。

３.１.２低空产业链上游的人工智能优化路径 在研发设计方面，遗传算法（ＧＡ）的应用对于开发集成更多功能的低空新产品至关重要。例如，ＧＡ很早就被用于部分自动化设计，洛斯阿拉莫斯国家实验室用ＧＡ分析卫星图像，ＧＡ算法很有效的解决了航空设计的需求和约束中创建复杂的产品设计，使得工程师在更短的时间内探索多种选择。知名遗传算法专家ＪａｓｏｎＬｏｈｎ曾评价：“遗传算法是探索设计死角的伟大工具。此外，ＡＩ和３Ｄ打印的技术结合将会是如虎添翼，更高效实现过去无法想象的飞行器设计。

在集成测试方面，借助机器学习ＡＩ智能化手段，应用于海量的测试日志分析工作基于ＰＢ级研发过程数据，构建研发知识网络，ＡＩ辅助端到端集成验证测试活动。通过分析代码结构、函数调用关系和输入输出，ＡＩ可以智能地生成全面而有效的单元测试用例和集成测试用例。这不仅提高了测试覆盖率，还减轻了开发人员的负担。例如，ＡＩ技术应用于集成测试阶段，测试人员可以提供测试需求和关键词，ＡＩ便能自动生成符合需求的测试用例，节省了手动编写的时间，提高了测试效率。

在零部件制造方面，ＣｈａｔＧＰＴ和其他类似的语言学习人工智能模型擅长根据大量信息立即提供相关且准确的输出。ＡＩ可以提供给上游设计者们建造和认证一架航空器所需零部件信息，为提升机身的空气动力学性能提出建议，甚至为特定的航空器零部件生成维护时间表。然而，虽然ＣｈａｔＧＰＴ和其他生成式人工智能模型可以访问互联网上公开提供的所有信息，但它们无法访问各公司宝贵的私有知识产权库。因此，让ＡＩ访问这些受到高度保护的信息，将为低空经济的人工智能开辟一片新天地。

３.２.１传统空域管理系统的脆弱性 在低空产业链中游，空域管理成为支撑无人机及各类飞行器高效、安全运行的基石。深入探索空域的时空特征，解析其相互间的关联与演化规律，是构建智慧空域管理体系的关键。规划调配作为空域管理的核心环节，旨在通过优化策略解决空域使用冲突，恢复并维持良好的空域秩序。①强化空域系统的韧性与适应性。面对低空经济中复杂多变的飞行需求，传统基于计划的飞行管理模式在遭遇突发事件（如恶劣天气）时，往往因“蝴蝶效应”导致系统延误迅速放大，显露出其脆弱性。因此，空域管理亟需增强对系统“规律认知”的研究，以提升其鲁棒性和快速响应能力。通过引入人工智能技术，深入挖掘空域系统的时空运行规律，不仅能够为规划决策提供科学依据，还能在“态势感知”阶段实现精准预警与干预，从而有效缓解单点故障对整体系统的影响；②优化无人机物流与载人航空的空域共享。无人机物流运输与载人通用航空在低空域内的共存，既是低空经济发展的必然趋势，也带来了空域使用上的新挑战。无人机物流的长距离机动需求与灵活多变的航线选择，要求空域管理必须实现更高效、更灵活的资源配置。为此，需加强空域使用规划的科学性，通过动态调整空域分配、优化航线设计等措施，减少无人机物流与载人航空之间的空域冲突，实现两者和谐共生；③简化审批流程，提升管理效率。当前，低空空域管理存在的效率问题，如航行航线规划复杂、出行申请流程繁琐、审批周期长等，已成为制约低空经济发展的瓶颈。解决这一问题，需从简化审批流程、提升管理效率入手，利用数字化、自动化手段优化管理流程，缩短审批时间。同时，加强空域运行规律的深入研究，为管理决策提供有力支持，使空域管理更加精准、高效。

３.２.２低空产业链中游的人工智能优化路径 低空产业链中游的人工智能优化需要着力解决三个问题：①构建正向研究循环，推动空域管理智能化。通过人工智能技术持续发现空域系统的时空运行规律，并将这些规律应用于“态势感知”与“规划决策”中，是空域管理智能化的重要路径。在此过程中，应不断丰富空域运行规律的知识库，使感知与调配更加精准有效。同时，通过实践反馈不断优化算法模型，形成正向研究循环，推动空域管理水平的持续提升，为低空经济的繁荣发展奠定坚实基础；②在空域配套管理方面，运用网络化、数字化和智能化技术构建的智能化数字网络体系，是推进低空产业化发展最重要的基础设施，是发展低空经济的重要配置要素。地面基础设施具备重构城市面貌的潜在颠覆力，亟需监管机构确认发展框架。低空产业链中游想要发挥威力最核心的部分就是地面基础设施的完善，包括城市起降平台，飞行器型号及联网，还有城市立体交通网的管理软件。这几部分当前分散于航空、通信和智慧城市等不同领域中独自发展，目前在低空经济试点和名义下进行统合。但这样的统合很难，并且理论上的时间窗口很短，因为一旦放任这几部分继续市场化自由发展，后续整合难度将程指数型上升；③在无人机方面，以低空空域为依托繁荣无人机产业将成为主导低空经济中游的中流砥柱。在民用领域，无人系统已经从在结构化环境程序式作业转变为在非结构化动态环境下自适应作业，如无人驾驶车所行驶的道路越发复杂动态多变、无人机能够自动规避环境动态障碍物等。在军用方面，无人系统已广泛应用于各种复杂场景与任务场合，如无人机群自主协同作战、ＡＩ战机等。要使得无人系统具备复杂场景下的自主作业能力，强烈依赖人工智能技术的发展。

３.３.１低空市场培育、技术创新与监管审定的机构性错配 ①市场培育机制与政府采购依赖的订单结构错配。目前，低空产业链下游市场需求多为Ｂ端和Ｇ端，Ｃ端需求未能有效刺激。经笔者不完全整理统计各地政府网站公开信息，２０２５年１月初至２月２４日与低空相关政府招标采购金额超过２７亿元。美国弗若斯特沙利文咨询公司测算表示，全球消费级无人机市场增速显著放缓，２０１９—２０２４年仅增长２倍，而同期工业级无人机市场规模则呈现爆发式增长，激增１０倍。《２０２４全球无人机市场洞察报告》中统计表明，工业无人机自２０２１年起已实现对消费级产品的市场份额反超，其中２０２３年中国工业无人机产业规模占据民用无人机市场６５.３％的份额，且该领域正加速向产业主导地位迈进；②“内卷式竞争”与技术创新的结构错配。企业为竞标政府项目，陷入“续航里程军备竞赛”，农业无人机平均续航从４０分钟提升至６５分钟，但作业效率仅提升１２％，边际效益锐减。国内ＴＯＰ２０工业无人机企业中有１７家主推“长续航＋大载重”机型，差异化功能（如ＡＩ病虫害识别、多机协同）开发投入不足；③监管审定与商业化成本的结构错配。飞行器需通过ＴＣ（型号合格证）、ＰＣ（生产许可证）、ＡＣ（适航证）等多重审批，且适航标准“一事一议”，流程冗长。企业因认证周期长难以快速迭代产品，错失市场先机。因此，导致ｅＶＴＯＬ等新型飞行器成本远超市场承受能力，如亿航ＥＨ２１６－Ｓ海外售价达２３９万元／架，导致下游运营企业难以通过规模化应用摊薄成本。起降点多由企业自建且标准不一（如深圳企业自建起降点无法复用），导致重复投资。同时，通用机场分布不均（２０２４年中西部仅占１６％）〔１４〕，偏远地区运营维护成本陡增。

３.３.２低空产业链下游的人工智能优化路径 ①工业无人机技术已迈入高级阶段，纠正市场结构错配。根据用途的不同，无人机主要分军用和民用两大类。其中，民用无人机进一步划分为工业级和消费级无人机。然而，尽管技术层面趋于成熟，其商业模式的构建与成熟化进程尚待加速。人工智能技术的深度融入，为构建和优化无人机物流运行网络提供了强大助力，旨在通过智能化管理实现网络覆盖的广度和深度的双重提升，进而解锁规模效率的红利，显著提升运营效能与经济效益。无人机物流过程中产生的大量数据，为人工智能技术的应用提供了丰富的资源。通过对这些数据的深度挖掘和分析，企业可以不断优化运输网络、提升运营效率，并发现新的商业机会。同时，数据驱动的决策模式也使得企业能够更加精准地把握市场需求和竞争态势，为未来的发展提供有力支持；②跳出参数内卷，锚定真实需求，纠正技术错配。低空载人出行未来借助ｅＶＴＯＬ航空器等新型交通工具，在复杂的城市空间内进行垂直起降，利用不同水平高度的低空空域，移动路径更加灵活的载人飞行〔１５〕。然而，ｅＶＴＯＬ的载重能力受到其设计和能源系统的限制，目前尚难以满足大规模商业运输的需求。人工智能技术可以集成到ｅＶＴＯＬ的智能制造生产线中，开发“场景专用机”。通过实时监控和数据分析，ＡＩ系统可以调整生产参数，优化生产流程，提高生产效率和产品质量。例如，大疆Ｔ６０农业无人机搭载多光谱传感器，实现施肥量精准控制，降低３０％农药使用量。中信海直正在探索“直升机＋ｅＶＴＯＬ”商业联运模式，并尝试将ＡＩ技术应用于ｅＶＴＯＬ的智能驾驶、自主飞行、态势感知等方面。此外，通过人工智能技术可以建立低空经济开源社区（类似安卓系统），中小企业可共享导航算法、电池管理等模块，降低重复研发成本（如长沙“天枢低空ＯＳ”平台）。

在人工智能技术的推动下，低空产业链各环节之间的联系更加紧密，协同效应更加显著。上游的航空器制造环节，通过引入人工智能技术，可以实现更加精准的设计和生产，提高产品质量和效率。中游的低空飞行服务环节，利用人工智能技术可以实现更加智能的飞行调度和监控，提高飞行安全性和效率。下游的低空应用领域，则可以通过人工智能技术提供更加便捷、高效的服务，满足用户多样化的需求。

目前，中国的低空信息化治理框架尚未完全确立，尚不能为低空飞行器的顺畅运营提供充分保障。为此，低空飞行器的进一步发展将有力推动低空治理体系的完善。

４.１.１低空飞行器通过智能化技术实现自主飞行，成为提升飞行效率与安全性的关键力量 无人机领域无疑是最引人注目的，它正经历着技术突破与应用扩展的繁荣时期，无疑将成为推动低空经济蓬勃发展的核心动力〔１６〕。ｅＶＴＯＬ飞行器的设计与制造涵盖了电池技术、电动机、先进复合材料以及自动驾驶等多个关键技术领域。这些技术的突破与发展，对于提升ｅＶＴＯＬ飞行器的性能起着决定性作用。如同新一代汽车技术追求高度智能化与自主化，ｅＶ⁃ＴＯＬ飞行器也致力于实现这一目标。智能驾驶技术作为ｅＶＴＯＬ智能化和自主化飞行的核心，涵盖了从起飞、飞行到降落的整个过程。先进的飞行控制系统能够在复杂气象条件下实现自动驾驶，确保飞行的安全与稳定。此外，ｅＶＴＯＬ飞行器采用视觉系统、激光雷达、４Ｄ雷达／毫米波雷达等先进的传感器技术，以及新一代通讯技术，大大增强了环境态势感知能力。四是通过多源信息融合技术，结合ＡＩ、大数据、云计算以及高性能机载芯片，ｅＶＴＯＬ飞行器能够实时分析处理环境信息，形成准确的飞行决策。各大厂商正逐步推进从有人驾驶到有人驾驶与简化航空器操纵（ＳＶＯ）的过渡，再到半自主飞行，最终实现ｅＶＴＯＬ飞行器的完全自主飞行，这将是未来低空交通领域的重要里程碑。不过，实现自主飞行还需要相当长的一个过程，进度相对较快的ＷｉｓｋＡｅｒｏ计划在２０２８年试运行ｅＶＴＯＬ载人自主飞行。

４.１.２无人机正在迅速演变为网络环境下数据驱动、多任务并行的空中智能平台 无人机技术发展的核心趋势体现在信息传输的网络化、运行空间的数字化以及飞行平台的智能化〔１７〕。在低空经济蓬勃发展的背景下，云计算、物联网、大数据处理、人工智能算法以及先进的移动终端技术等前沿信息技术的融合与应用，结合数据元件的高效运用，将共同加速构建更加完善的低空智联网络空间体系。同时，为了为支持无人机在产业应用中的广泛部署，需要对网络容量、覆盖范围、智能控制机制、安全管理框架以及多样化的业务类型等多个核心领域进行突破性的创新。在这一过程中，数据元件作为关键的信息载体，将发挥至关重要的作用。利用数据元件优化无人机系统的精准控制，提升空域资源的管理效率，全面保障飞行与行业的安全，以及推动低空经济产业的持续健康发展。

智能空域整合技术涵盖了多元化的核心组件，其中最为显著的是智能地基探测与风险规避系统、智能无人机适航验证流程，以及精细化的智能空域管理规范。

４.２.１传感器网络 在智能地基探测与风险规避方面，在低空空域管理中，一种普遍且高效的方法是利用广泛分布于地面的传感器网络。这些网络能够实时追踪空中无人机的飞行状态，确保对空中交通的全面监控。基于这些实时数据，系统能够生成精确的空域使用建议，以优化空域资源的分配。同时，这种方法还能有效预防空中潜在的风险，如无人机之间的接近或碰撞事件，从而极大地提升低空空域的安全性〔１８〕。为了适应未来航空领域的发展趋势，特别是在无人机平台日益普及、用户需求趋于多样化和服务提供愈发个性化的背景下，空域管理的模式正在经历一场深刻的变革，逐步向着更加精细化和分层化的治理方式发展。

４.２.２数据驱动的空域管理 算力、算法和数据资源的持续增强与累积变得尤为关键。数据驱动的人工智能技术正逐步为多层级的空域系统注入强大动力。特别是深度学习技术，诸如卷积神经网络（ＣＮＮ）、循环神经网络（ＲＮＮ）、递归神经网络（ＲＮＮ的一种变种）以及长短时记忆神经网络（ＬＳＴＭ）等高级网络架构，以及它们各自独特的算法训练策略，均取得了显著的进步，并在多个领域内初步证实了其广泛的应用潜力。微软在２０１５年推出的ＲｅｓＮｅｔ系统，在ＩｍａｇｅＮｅｔ图像识别大赛中表现卓越，成功摘得桂冠。这款网络以其独特的１５２层深度设计而著称，其目标识别性能卓越，错误率已降至令人瞩目的３.５７％〔１９〕。这一成绩甚至超越了人类平均６％的错误率，充分展示了深度学习技术在低空经济的巨大潜力和应用价值。这些显著的成果，是借助了尖端的高速计算平台和海量的数据资源，通过长时间的精心训练和学习所取得的。它们在特定的领域，如蓬勃发展的低空经济领域，展现出了极其广阔的应用前景。然而，随着人工智能在低空经济领域的深入应用，我们更应聚焦于在数据稀缺、计算能力受限的情境下，如何模拟人类认知过程，设计出高效的人工神经网络及其对应的训练算法。这不仅能够显著提升神经网络的适应性，更能推动其应用场景的进一步扩展至低空领域，实现更为广泛的应用价值。

４.２.３分层治理 分层治理在亚轨道飞行、低空枢纽运输等空域活动中有深渊意义，对于推动低空作业优化、缓解空域资源紧张起到了关键作用。①应实施空域分层治理策略结合数据驱动的研究模式。通过运用优化学习、知识图谱及深度学习等前沿的人工智能技术，深入挖掘和利用空域运行的海量数据。必须深入审视并全面评估各类飞行活动对空域资源的需求，以及这些活动之间错综复杂的相互关系。同时，云端计算也可以为空域分层治理提供有力支持。利用云端计算不仅有助于提升各类航空用户的飞行效率，更能实现国家空域资源的高效利用和价值的最大化。因为云端具有强大的计算能力，可以提炼出更多具有指导意义的信息和知识作为支持〔２０〕；②探索如何通过先进的时空数据感知技术来深刻洞察低空空域运行态势，已成为推动低空空域智能化管理的前沿议题。随着低空用户群体的多样化协同演进以及数据采集技术的持续进步，开始面临空管数据量急剧增长，这些数据具有大体量、多维度与高时效性等显著特征。海量历史低空空域数据需要融合卷积神经网络（ＣＮＮ）在图像识别上的优势、递归神经网络（ＲＮＮ或其变种如ＬＳＴＭ）在时间序列分析上的专长，以及迁移学习在跨领域知识应用上的能力深度挖掘其中蕴含的复杂运行规律。此过程旨在实现跨时空维度的空域态势精准预测，不仅预测精度更高，还能有效捕捉短期波动与长期趋势。基于此，为政策制定者、管理部门及航空公司等决策方提供了科学、前瞻的态势洞察，其应用价值广泛覆盖城市空中交通流的动态调控、枢纽机场飞行流量的优化管理等多个关键领域，助力实现空域资源的高效配置与利用。为了应对未来空域使用需求的日益复杂多元和动态灵活，智能空域管理需要持续推动人工智能技术的应用，包括空域态势感知预测、空域运行时空规律认知以及实时计算求解调配方案在内的方面都需要优质的数据元件以及高效的数据驱动力。

低空经济的基建架构需要由硬基建与软基建共同构成。硬基建涵盖机场、起降站、通讯、导航和监测系统，并配备雷达、高精度地图、气象监测等尖端设备。软基建分为空中与地面两部分：空中保障服务涉及多级飞行服务平台与空管系统，地面保障服务则涵盖维护、检修、保养与能源补给等。当前，通航机场与起降点的建设热情很高，预计这将激发建筑领域对低空经济基础设施的旺盛需求。以广东省为例，近期发布了《广东省推动低空经济高质量发展行动方案（２０２４—２０２６年）》，旨在到２０２６年实现低空经济规模突破３０００亿元〔２１〕。该方案强调“适度超前规划低空基础设施，完善地面起降网络”，并加快《广东省通用机场布局规划（２０２０—２０３５年）》中提及的通用机场建设。同时，推动停机库、能源站、气象站、固定运营基地和航材保障平台等地面保障设施的建设。各城市还将结合本地实际，制定无人机起降设施布局规划，建设小型、中型和大型起降点，形成多元化、多层次的起降网络。随着各地低空经济基础设施建设支持政策的出台与实施，相关的规划设计与建设将得到进一步的强化。

４.３.１构建一体化的低空智能基础设施规范 旨在优化地面、空域和频谱资源的共享利用，消除冗余建设，从而推动产业的整体进步。针对低空飞行器在监管上的“盲区”，我们将通过先进技术来强化监控与管理，确保低空空域的安全开放。未来将运用数字化策略，应对低空经济中高密度飞行所带来的安全、效率与成本挑战，助力低空经济实现高效、优质的发展（张伟等，２０２４）。〔２２〕

４.３.２低空经济繁荣与进步的核心基石在于完善且成熟的低空交通基础设施网络 这些设施不仅为低空交通提供了高效、有序、安全的运行环境，更因低空交通运行于无附着物的自由空域，对数字化技术产生了强烈的需求和依赖。因此，构建低空交通的数字化飞行保障体系显得尤为重要。

４.３.３随着低空飞行活动的日益增多，低空交通的保障体系愈发凸显其重要性 政府和产业界的投入不断增加，加速了相关数字系统的建设。这些数字及智能技术的应用，已经形成了一个覆盖多个方面的低空交通数字化体系，包括低空基建的数字化网联、空域的数字化管控、低空的数字化监管、协同的数字化服务、算力的数字化支撑以及安全的数字化保障，为低空交通的未来发展奠定了坚实的基础。

智能低空产业链除了需要基础设施建设的持续优化外，还需构建先进的智能化技术平台。构建智能低空产业链技术平台，旨在汇聚顶尖智能科技人才与先进的基础设施资源，从而为企业应对日常运营中的多样化挑战提供强有力的支撑。该平台通过促进智能化技术与产业深度融合，助力企业高效解决生产经营中的复杂问题，推动整个产业链向更加智能化、高效化的方向发展。

４.４.１低空产业链的智能升级不仅依赖不断革新的智能设备，还需确保智能化人才资源的稳定供给 当前，面对工业４.０与智能制造升级，劳动力出现了显著差异。低空产业链上游对于智能制造的需求使得高级技能型劳动力短缺，普通劳动力过剩。为此，一方面，针对低空经济领域内的现有中低技能劳动力，实施强化型在职培训与转岗技能提升计划，旨在精准提升其技能水平，使之与智能化转型的需求相匹配。另一方面，着眼于未来，通过增加教育资源投入、优化课程设计，并着重培养学生的创新思维与实践能力，在高等教育体中系强化低空智能化相关学科的建设，为行业输送既具备深厚研发功底又善于解决实际问题的专业智能化人才，奠定长远发展的坚实基石。

４.４.２为确保低空产业链智能化的长远发展，政府需出台财政补贴政策 鉴于上游智能化设备与技术成本高昂，企业在应用上面临挑战。政府应出台补贴政策，激励中小企业加速智能化转型。实施时，政府需综合考量企业基础、市场潜力及创新能力，实施精准分类与评估，特别加大对潜力大但资金紧张企业的支持力度，助力其智能化升级，激发行业创新动力。此外，政府应建立健全补贴资金监管体系，实施动态监控与评估，确保资金有效使用，避免浪费与不当操作。此举旨在确保补贴政策实效，最大化其促进低空经济智能化发展的作用。

４.４.３完善产业链协同机制 低空产业链的顺畅运行，需要各环节间构建紧密的协同机制，确保高效运作。借助人工智能技术，构建数字化、智能化的管理平台，实现产业链各环节的信息互通与协同作业，从而增强整个产业链的效率和竞争力（夏杰长等，２０２４）。〔２３〕同时，加快ＡＩ基础架构建设，比如高效服务器与先进算法，为大数据共享平台构建坚实网络底座，以技术创新驱动低空产业壮大和升级。

在科技加速迭代的时代浪潮中，人工智能技术对低空产业链产生了深远的影响，既带来了诸多新机遇，也提出了严峻的挑战。展望未来，人工智能技术的持续演进将继续塑造低空经济的面貌，智能飞行器与多种应用场景融合后为低空经济提供更多可能。一方面，人工智能将进一步优化低空空域系统管理，在日益复杂空域环境中的处理难度与复杂度显著提升的环境中，飞行平台可以进一步自主化、无人化与智能化发展。另一方面，基于多维度、复杂结构与海量细分的低空空域数据，人工智能将会进一步打造优质低空数据原件，为多为空域运行规律及复杂空域态势感知提供重要依据，推动大规模、强基础、高效率的低空空域规划调配策略。基于上述分析，本文认为随着低空经济智能化水平的不断提升，最终将实现安全高效的“智慧无人管理”。人工智能技术的融入使得低空产业链各环节之间的连接更加紧密，协同效果更为显著。

展望未来，人工智能的持续创新将为低空经济带来更多变革。智能飞行器将向高度自主化、无人化和智能化方向发展，进一步提升飞行效率与安全性。同时，人工智能对低空空域系统管理的优化将更为深入，通过对多维度、海量低空数据的挖掘与分析，打造高质量低空数据元件，为复杂空域态势感知提供精准依据，推动大规模、高效率的空域规划调配策略的实施。因此，低空产业链需进一步加大技术研发与创新力度，完善产业链协同机制，积极拓展应用领域和市场空间，并强化政策支持和监管，从而推动整个产业链持续、健康、稳定的发展。