怎么连飞机也开始用生成式AI了吗？谈谈航空业与生成式AI...

过去这半年，但凡部分实现电子化和数字化的领域，普遍都喜欢谈生成式AI——毕竟谁都想蹭一蹭以ChatGPT为代表的生成式AI的热度，其中也包括了航空（与航天）。美国航空公司在去年9月份的互联航空智能峰会（Connected Aviation Intelligence Summit）上就说航空业很快就要AI everywhere了。

这事也并不奇怪，我们在很多生成式AI相关的技术发表会、研讨会上都听过，应用领域多少都要挂到一点航空航天。抛开金融市场可能想做多AI或航空业的问题不谈，AI和航空航天有什么关系？

即将于5月22日在成都举办的首届“中国国际航空电子（低空经济）产业创新发展大会”议程中，我们就看到有嘉宾打算谈AI驱动下的航空技术。关注低空经济与航空电子的读者千万不要错过，涵盖空客、巴西航空工业公司、吉利沃飞长空、Vicor、沃兰特航空、翼龙无人机等在内的企业与政府机构都将参与交流，欢迎点击这里报名。

可能关注电子产业发展进度的读者多少能列举一些航空与AI相关的用例，比如说预测分析（predictive analytics）。毕竟但凡和工业生产挂钩，加上民航面向客户的服务业，还有飞行途中的计算机视觉CV需求，没有用AI技术应该是不好意思跟人打招呼的。

举一些简单的例子：瑞士国际航空（Swiss International Airlines）已经开始用AI技术来提升生产力了，据说去年因此节约了500万瑞士法郎的开支；往上游，通用电气航空部门（GE Aerospace）基于数字孪生AI技术，监测、分析航空发动机的实时数据，属于典型的预测性维护应用；

空客和IBM一起做了个Airbus Smarter Fleet云服务平台，主要是面向空客的客户，提供不同的解决方案，比如说飞行效率、燃油经济性、智能维护和工程工具；IBM Watson也在做基于AI的故障根因分析，辅助飞机制造商做预测开发...

这些都是AI，但还不算是生成式AI。那这波生成式AI热潮和航空有什么关系呢？这里我们不打算列举电子领域常见的人工智能技术，比如说基于生成式AI做电子设计——毕竟EDA厂商普遍都在谈自家的工具能用在航空市场，其中出现生成式AI技术也就没什么稀奇的。除此之外还有些什么？

借着本次Aspencore即将举办的这场活动，我们来谈谈航空与生成式AI的关系，及其发展前景。

有应用场景落地了？

现在能搜到有关航空与生成式AI的文章，大多是以前瞻姿态去谈的。毕竟生成式AI于大部分企业和行业，都仍处在发展早期。不过还真有一些已经落地的案例。比如说今年美联航尝试将生成式AI用到航班延误问题上：以前航班延误，旅客也就收到一条短信通知。

美联航借助生成式AI，扫描飞行系统与数据，随后给旅客发出信息告诉你航班为什么延误——据说延误原因解释得清晰自然，提升了用户满意度。在今年启用这项技术以后，大约6000次航班收到了由生成式AI帮助发出的信息，航空公司计划未来要扩大应用范围。

美联航方面表示还在探索生成式AI的其他应用可能性。比如说他们内部搞了个UnitedGPT；还在尝试用AI来读邮件、回邮件，节省解决问题的时间。不过这个例子估计不能令大部分人信服，毕竟它和飞机关系也不大。

它实际上代表的是航空公司借助生成式AI来做通信和客户服务，是运营相关的。这类型的应用还包括为客户提供文字自动翻译、市场材料生成、撰写副本等。全球开始采用生成式AI参与客户服务和日常运营的航空公司应该应该远不止美联航。

不过这还不是我们所见飞机+生成式AI的核心。“生成式AI”所谓的“生成”可能比更多人想象得有价值。今年初的英伟达GTC开发者大会上，黄仁勋提了个有趣的观点“万物皆可token化”——或者万物皆可生成。

可能大部分人对于“生成式AI”的理解主要在ChatGPT对话机器人、Stable Diffusion文生图、Sora文生视频的程度的。由AI生成内容，涵盖文字、图像、视频等，所以叫“生成式AI”。但“内容”的概念，或许还能做进一步的扩展。但凡能数字化的东西，就能token化，比如脑波、蛋白质、基因等。生成的下一个token未必是文字，也可以是机械臂的下一个动作。当然我们不打算谈这么远。

说近的，比如文生图形（text-to-graphics）或图生图形，像是此前英伟达演示的基于一个工厂的2D方案图，多个生成式AI模型协作就能打造该工厂全3D，且物理级精准的数字孪生。这个过程里，操作者只需要发出自然语言指令，而不需要具备多少有关图形与数字孪生的专业知识。

此类应用是大幅扩展了“生成式AI”的可能性的。这里我们再谈两个生成式AI于航空的潜在可能性场景。

生成式AI设计飞机？

去年的Sustainable Aerospace Together Forum（可持续航空协作论坛）上，波音首席技术官Todd Citron在圆桌讨论环节提到，研究者已经在用AI模型来优化飞机设计了。流程也很好理解，模型可以内化有关空气动力学和工程的一切，然后给出设计方案。

我们之前就撰文探讨过，即便不谈飞机，这也是HPC AI典型的应用方向之一。据说英伟达自己数据中心的风冷散热方案，散热器的具体形态就是借助基于物理的AI模型来最终敲定的，主要相关流体流动和热传递。有人将应用于设计的这类技术称作generative design。

Citron说一般人类在设计一种结构的时候倾向于基于经验，重复现有的模式。比如说桁架结构已经是历史上被先人重复验证过的现成方案了——飞机设计的大部分组成部分，在过去一个世纪大同小异。相对的，AI在做设计的时候更像是从头来过，而不必受制于历史方案——即便AI模型的构成仍然是先验的。“因为AI考虑的东西，比人更复杂，它能够在更广的空间里寻求优化。”

某些机器学习优化过的结构，看起来相当的与众不同。“甚至很像外星人的宇宙飞船，因为它们并不遵循人设计的常规简单结构。”Citron表示。虽然波音现在肯定不会把飞机都造成“外星人宇宙飞船”的样子，工程师仍然是可以去使用AI生成设计，寻求一些新的想法的，尤其是在设计飞行器的个别组件时。

2018年Autodesk应该是最早展示generative design方案的企业，当时项目源起是用AI来造车的。不过就大方向流程来看，不同领域的应用思路还是类似的。工程师明确好产品需求，比如说三围、重量、强度需求、某个位置需要的力等等，这些性能需求与限制明确之后，AI就能生成设计，工程师可做修正或增加细节。

从我们能找到的资料来看，生成式AI设计的飞机形态之所以比较奇特，主要是因为模型考虑物理学上的最优解，呈现最终设计，有时可能会给出多种设计方案。理论上设计师和工程师可以从中挑选，或者再做调整。

这其中的问题在于，至少现阶段AI还没有过多将制造工艺和现实问题纳入考量。据说一般AI给出的设计都相当复杂，借助传统技术根本难以量产。而能够与之匹配的就是所谓的增材制造（additive manufacturing）了，一般就是3D打印，昂贵且耗时。另外这是典型的HPC AI，即需求数据中心集群的算力密集型工作，也是成本问题需要考虑的一环。

但也不能说generative design在航空业还是空中楼阁。前些年空客A320客舱隔板（carbin partition）的轻量化就是由Autodesk AI实现的——空客称其为仿生隔离（bionic partition），主要相关于骨架设计交叉角度之类的问题，在确保轻量的同时也依旧坚固。国外媒体此前报道该设计减轻了30kg；空客在宣传中说，每年还减少最多46.5吨的二氧化碳排放。当时似乎有提到，2050年之前要实现完全的bionic aircraft仿生飞机。

从飞机或低空飞行器的层级来看，很多研究机构都在做生成式AI的研究。比如German Aerospace Center（DLR）德国航天中心就在尝试研究AI能够在特定任务的战斗机中扮演何种角色；无人机设计在这方面的应用可能会更简单；再往高空去，NASA也有generative design的研究，各类星球lander登陆者设计相关，不过那就不是“低空经济”了...

波音对于生成式AI的预期似乎更乐观一些，Citron说2040年就能看到飞机在机身形状和引擎方面的一些变化，“可能会发现机翼很薄，基于波音和NASA之间的合作，达成更高的气动效率、更少的排量。”“引擎也可能会看起来不同，可能会看到开放式涡轮发动机（open-rotor）风扇实现更高的效率和更少排量。”“我觉得在这个时间线内，应该会看到不少新技术。”

2040这个时间点也得到了圆桌现场其他人的赞同，他们认为生成式AI会改变设计参数，改变飞机的样貌。可能在航空这类相对需要保守的行业提出2040的时间点，还是会让人感觉到激进。不过就航空业来看，还有个相关应用场景也被认为将在近未来获得深度变革。

空运维护的潜在机会

麦肯锡今年4月撰文特别探讨了生成式AI在航线维护（airline maintenance）或者说空运维修方面的机会。这一问题的探讨，主要立足于自COVID恢复以来，航空业的发展势头大好，商业航空旅行现在都是二位数增长，相对的MRO（aircraft maintenance, repair, and overhaul；维护、修理与大修）服务需求大增。

MRO顾名思义即要确保飞机可用、可靠和更久的服务生命周期。但行业内劳动力面临紧缺，成本还在增加，据说自2019年起飞机技术员和维护工程师的时薪增加了超过20%；而且此前还出现了一波退休潮。所以麦肯锡预计2033年，航空业1/5的维护与技术员岗位面临空缺。

不管这个数字预期是为了做多生成式AI市场价值，还是的确如此，生成式AI都是绝对有机会的。一般我们考虑生成式AI在某个特定领域的初级应用，首先一定是基础模型guardrail以后的研究小助手——比如医疗行业、芯片设计领域，现在都是这么干的。比如把Llama基础模型，塞进企业的一堆数据，fine-tune个新模型，就变成行业小助手了。英伟达自己就已经在内部初级芯片工程师那里普及这东西了。

MRO领域的很多参与者就需要对于大量不同格式、来源的信息做分析和阐释，不管是飞机制造商和运营商服务手册、维护工作单，还是维护工作的细节性描述、技术笔记，以及各种传感器和器件收集到的数据。这就有了LLM大语言模型的立足之地，用以提升维护工作的质量、一致性和精度。

麦肯锡总结现阶段生成式AI在航空公司和MRO提供商那里的潜在应用，可能包括（1）虚拟AI维护与维修专家——也就是企业定制的copilot，相当于可以和数据直接对话了；（2）AI加强的可靠性工程工具——AI是将很多非结构化维护记录做筛选，进行模式识别，以及分析——目前美国已经有团队在这么干了，主要是从维护日志中发现失效模式，并且自动规划维护任务，这会大大节约技术专家的时间；

（3）填报告之类的工作，归档各种活动的相关报告；而且可以自动生成和提交工作，针对需要替换的零件、额外的服务做订单支付。如此，技术员就能把真正的时间放在技术工作上。另外这部分还涉及后勤相关的效率提升，记录维护自动化与审计，相关采购、财务、HR、员工管理、违规问题发现等。麦肯锡提到，已经有航空公司在做类似的事情。

（4）还有质量控制监督、供应链管理之类的。比如有航空公司用摄像头记录维护工作、监测发生的错误和技术员是否省略某些步骤，AI可以对视频做分析，标记事件交给管理者做评估——管理者可以直接和AI对话，做出反馈。供应链管理相关于分析不同的沟通过程，识别供货和物流问题等等...

有家提供航空服务的AAR Corp公司，就在考虑用生成式AI优化库存管理、提供预测性维护、提升仓库运营效率、自动化零件订单等，还有一些应用此处没有涉及的，像是技术技能培训之类。IBM在博客文章中提到，和设计相似，MRO领域也可以应用数字孪生技术，进行虚拟测试和问题发现。这大概也是个思路。

其实各环节的生成式AI应用，现阶段普遍是减轻不同人员的工作负担。麦肯锡的量化数据是技术员分析设备问题时间减少35%，非计划中的维修时间减少25%。

转化为生产力的障碍

从我们掌握的资料，包括前面的叙述来看，航空业虽然整体是个需要小心谨慎的行业，但生成式AI在某些点应用上的确是有零星的落地的。前面我们主要提了三个落地方向，其一是客户服务与日常运营，其二是飞行设备的制造，其三在于MRO服务。

我们认为，抛开民航的客户与运营这类主要和对外服务相关的部分（这部分我们甚至看到飞行过程中客户服务个性化的探讨），其应用当有三个大方向：（1）飞行中的运行与安全相关，包括起飞落地、飞机维护与预测性分析等；（2）飞机设计与制造；

（3）飞航管理，或者说航空交通管理，这其中还涉及飞行路径优化与规划，地面的规划等——本文内容不曾涉及，不过中国国际航空电子（低空经济）产业创新发展大会有个题为“空天地一体化AI质控平台，构建低空互联立体指挥体系”的演讲应当是与此有关的，届时欢迎关注。

最后还是要谈一谈航空业关注的安全问题。去年5月EASA（欧盟航空安全局）发布AI路线图第二版，提供航空业AI技术融合的综合规划，其中特别强调了安全、网络安全、伦理问题等考量。这表明行业至少是能够意识到AI的风险的，不管是模型幻觉，还是可能存在的各种失误。

其实航空领域对新技术的采用一直都非常谨慎，还需技术本身创造价值是否真正盈利之类的问题。大概20+多年前，诸如预测维护之类的AI技术就出现了，但大量航空公司都在迟疑这东西真正的价值；期间还要经过长时间的试用和错误发现。对生成式AI而言，情况也是类似的。对此，麦肯锡也在报告中提了一些发展建议，这就不是本文要关注的重点了，有兴趣的可以去看一看。

最后再次提醒，为了准确把握航空电子在低空经济产业中的创新发展方向，建立健全高效协同的创新体系和产业链交流渠道，由ASPENCORE联合多家机构组织举办的“2024年中国国际航空电子(低空经济)产业创新发展大会”及同期活动将于2024年5月22日在成都举办。大会将以主峰会、主题论坛、创新应用现场展示交流等多种形式，全方位、多角度、立体化的呈现航空电子产业的新发展格局，欢迎报名。