人工智能与低空经济深度融合：数智底座托举低空产业规模化发展

政策驱动与战略定位

2025年8月国务院印发《关于深入实施"人工智能+"行动的意见》，标志着人工智能发展从技术突破阶段进入全要素赋能、全产业渗透的规模化落地新阶段。该文件明确将低空飞行列为AI融合创新重点方向，支持AI与低空飞行器开展技术融合、新产品形态研发，并鼓励依托AI重塑低空运行、管控模式。2025年9月交通运输部等七部委联合发布《关于"人工智能+交通运输"的实施意见》，设立智慧民航专项板块，提出搭建综合交通大模型，同步覆盖低空运行全流程智能管控能力建设。2026年6月，交通运输部、民航局等五部门进一步发布《"人工智能+交通运输"典型应用场景创新行动方案》，将低空智能运输列入首批优先级试点场景，要求建设低空数字孪生平台，落地全域"一网统飞"管理模式。

飞行端侧智能化架构

低空飞行器端侧智能化的核心是实现"感知-认知-决策-执行"闭环在机载端的本地化运行，其架构呈"端-边-云"三级协同。关键转变在于：传统无人机依赖地面站遥控或预编程航点，端侧仅做姿态稳定；而智能化端侧则要求在断网、高动态、复杂电磁环境下独立完成环境理解与实时决策。

多模态环境感知方面，端侧AI整合视觉、雷达、气象、北斗定位等数据，通过BEV+Transformer架构将多模态数据统一映射到鸟瞰图空间，实现自适应融合权重分配。感知模态涵盖视觉/光谱、深度/几何、射频/测距、热红外、声学、电磁/气象及时空基准七大类，分别对应目标识别、三维建图、全天候探测、夜间探测、近场避障、飞行安全边界判断及全局定位等核心功能。

自主决策与动态避障是端侧智能化的核心技术门槛。当前主流技术路径包括神经运动规划、深度强化学习及模型预测控制（MPC）+AI增强三类。神经运动规划通过监督学习模仿传统规划器输出，推理速度极快，可在10-50毫秒内生成近似最优路径；深度强化学习以马尔可夫决策过程为基础框架，让智能体在环境中通过"试错交互"学习策略；MPC+AI增强则具备滚动优化、硬约束、理论可解释性的安全特性，相对更易通过适航认证。

多机集群协同方面，AI推动集群从"集中式遥控的提线木偶"升级为"分布式自主协同的有机系统"。智能任务分配与全局调度采用多智能体强化学习（MADRL）及AI增强的市场拍卖机制，实现任务的快速接管与重分配；分布式协同感知通过多视角协同目标检测、集群统一BEV态势构建及联邦学习驱动的集群模型协同，实现1+1>2的全域感知能力；智能编队控制与冲突消解则采用分布式模型预测控制（DMPC）+强化学习的混合架构，实现编队智能保持与动态变换。

空域智能管理体系

数字空域与态势感知构成低空运行的实时数字底座。低空数字孪生解决"空间有统一标准、环境有完整复刻"问题，全域态势感知解决"全域看得见、动态抓得住"问题。AI助力真实空域数字化、动态化复刻，实现空域目标与状态的智能识别研判，推动从"堆砌数据"到"看懂态势"的升级。

统一时空基准体系方面，全部依据北斗地基增强网络搭建"一张网、一标准、一平台"架构，全域采用2000国家大地坐标系+北斗厘米级定位服务，依托北斗网格码将低空垂直分层、水平分块切分为标准化微网格，每个网格绑定空域权限、风险等级、最大飞行容量。

动态航线规划与冲突消解构成空域智能调度的核心闭环。相较以固定空间路径为主的传统航线规划，低空交通引入时间维度，形成"三维空间+时间"的四维航迹规划体系，其运行逻辑可概括为"空间分层、时序组织、动态调整"。动态航线规划分为战略规划与战术规划两个层级，前者侧重全局运行效率与空域资源配置，后者侧重运算实时性与控制可靠性。冲突消解方面，AI驱动实现冲突预判、分布式强化学习冲突解耦及分级处置策略，推动监管模式由被动处置向主动防御转变。

低空空域"一网统飞"通过统一资源、统一调度和数据共享，形成覆盖任务发起、飞行执行、数据回传及事件处置的完整运行体系，实现从分散审批走向平台化协同。其价值体现在提升空域利用率、降低运营成本、强化监管能力三个维度。

智能安全监管机制

安全垂域大模型构建低空安全智能中枢。随着无人机、eVTOL等航空器数量增加，低空安全风险由单机故障和违规飞行扩展至多机冲突、空域拥堵、通信失链、导航欺骗及跨系统风险传播。低空安全垂域大模型的知识底座至少包括法规标准库、运行规则库、适航及设备资料库、事故事件案例库、应急预案库五类内容，通过检索增强生成（RAG）、知识图谱、多模态模型及智能体调用等技术手段，实现专业化、实时化的安全监管。

全链路安全追溯体系贯穿"源头防控—过程管控—后端保障—动态优化"全过程。在数据采集端，利用多模态识别模型自动识别敏感信息并动态分级脱敏；在数据处理端，通过联邦学习、隐私计算实现跨主体数据"可用不可见"；在存储与溯源端，AI持续监测异常访问和数据篡改行为；在动态优化端，大模型根据威胁变化、法规更新自动调整防护等级和合规策略。

风险预测与主动防御形成闭环式安全治理。传统低空监管主要回答"当前是否违规"，智能安全监管则进一步回答"风险是否正在形成"。系统依据人口密度、障碍物分布、气象条件、通信覆盖、备降点、任务载荷、航空器可靠性等多维因素，计算空中碰撞风险、地面第三方风险及任务失效风险，并据此做出调整航线、缩小作业范围、增加冗余设备、延后飞行等建议。飞行中模型实时接收航空器状态、气象和空域流量变化，动态修正风险等级；飞行结束后将险情、异常操作和近失事件纳入训练数据，识别传统事故统计难以发现的早期风险特征。

产业场景赋能实践

AI+低空物流方面，京东物流在四川资中开通78条无人机进村配送航线，覆盖4个镇的78个行政村，服务5.5万村民。无人机从镇级配送站起飞，最快7分钟即可飞越山区。技术应用涵盖多模态融合感知与AI智能避障、AI智能航线规划与动态优化、多机集群智能调度系统，实现末端单票配送成本较人工模式大幅降低，日均配送快递超300单。

AI+低空工业巡检方面，杭州市城市高层建筑无人机自动巡检实现全面替代高危人工作业。依托航空级冗余飞控系统、首创4D航线与数字孪生平台、AI缺陷识别引擎等技术，精准识别幕墙空鼓、脱胶等隐患，较传统模式成本下降70%、综合效率提升10倍以上。

AI+低空应急救援方面，泸定地震应急响应采取"预测预警+无人机详查+卫星补充+AI分析"的多源协同策略。震后2小时内利用深度学习模型快速生成同震滑坡概率分布图，快速部署无人机对重点灾区进行抵近航拍，采用深度学习模型进行滑坡自动化识别，将传统需数天的工作缩短至小时级。

AI+低空农林植保方面，金华浙农信息技术构建"空天地"一体化农业数据采集与分析体系，搭载70余项自主研发的AI算法模型，通过无人机对农田进行全域、高频、全自动巡查，将原本需要数月的人工普查工作压缩至数天内高效完成，数据准确率超95%，目前数据已覆盖4600多万亩。

AI+低空采集测绘方面，自然资源部第一航测遥感院深入推进"AI+LiDAR点云"技术在实景三维建设中应用，突破传统生产软件仅能区分地面、非地面点的局限，做到自主精准识别移动物体、植被、建筑物、架空管线等多种地物，极大降低人工编辑工作量，实现数据量越大、密度越高、分类效果越优的良好成效。

产业链核心标的

中科星图依托AI遥感解译与数字孪生技术构建低空智联网数据平台，直接承接各地"实景三维+低空数字孪生"项目；深城交深度参与深圳国家低空经济产业综合示范区建设，负责低空起降场、航路网络及数字孪生平台的规划设计运营；海格通信构建低空CNS核心能力，是低空飞行器"飞得起、管得住"的通信底座核心供应商；纵横股份在机端集成AI避障、航线自动规划与集群协同能力，是工业级无人机AI化的直接受益者；超图软件依托SuperMap三维引擎支撑城市低空数字孪生底座建设，为各地"空域一张图"提供平台级软件支撑。