聚焦智慧民航 | 对话DeepSeek 看模型迭代如何“智驱”民航业？

【视频】智慧民航导刊（策划：王丽杰 制作：王艺超 剪辑：李佳为）

既能深度思考，也能联网搜索，今年1月，杭州深度求索人工智能基础技术研究有限公司（DeepSeek，以下简称“深度求索公司”）在世界经济论坛2025年会开幕当天发布了最新开源模型R1，引发全球关注。DeepSeekR1模型在技术上实现了重要突破——用纯深度学习方法让人工智能（AI）自发涌现出推理能力。伴随着AI在民航业越来越广泛而深入的应用以及模型的不断迭代，其不仅影响着智慧民航建设，也在算力和算法的更新中衍生出对智慧民航建设的新看法。

当记者与DeepSeek来一场深度对话，问它“请告诉我人工智能将如何影响智慧民航建设？如同你一样的人工智能模型的不断迭代将会怎样影响民航业的发展？”时，DeepSeek给出了这样的思考逻辑和答案。

DeepSeek（已深度思考，用时20秒）：

（嗯，用户问的是我将会怎样影响民航业的发展。首先，我需要理解用户的具体需求。可能他们想知道AI在智慧民航中的具体应用，或者想了解我作为AI助手能带来哪些改变。用户可能是民航从业者、学生，或者对这个行业感兴趣的人。

接下来，我得拆解智慧民航建设的关键方面，比如安全、效率、服务和环保等。然后，每个方面都要考虑AI的可能影响。比如在安全方面，数据分析可以预测故障；在效率方面，优化航班和资源分配，可能需要提到机器学习模型；在服务方面，个性化推荐和自动化客服，但要注意隐私问题；在环保方面，优化飞行路径，减少碳排放，这涉及实时数据分析和天气预测。

此外，还要考虑用户可能没有直接提到的深层需求，比如成本节约、旅客体验提升或者应对突发事件的能力。然后要验证这些想法是否可行，比如现有的AI技术是否已经应用于这些领域，还是仍处于研究阶段。例如，航空公司已经使用预测性维护，但AI的进步优化空间在哪里。另外，数据安全和隐私保护是必须考虑的，特别是在处理旅客信息时。

还要想到可能的挑战，比如技术应用的难度、行业接受度、法律法规限制等。航空业的监管严格，新技术的应用可能需要较长时间验证。此外，AI的决策透明度和可靠性也是关键，特别是在安全相关领域。

最后，需要将思考整理成结构化的回答，分点说明，同时保持语言自然易懂，确保覆盖用户可能关心的各个方面，同时不回避潜在挑战。）

人工智能（AI）对智慧民航建设的影响是全方位、多层次的，从提高运行效率到优化旅客体验，再到推动行业创新，AI已成为民航业转型升级的核心驱动力之一。作为人工智能助手，DeepSeek可能通过以下方式为民航业发展提供助力，并在技术与服务的交叉点上产生潜在影响。

技术应用 ：

AI深度融入民航全场景

DeepSeek：

• 空管系统利用AI实时分析飞行数据，辅助决策以减少延误和优化航线。

• 深度学习优化进近曲线，减少飞行器燃油消耗。

• AI优化航空运输的货物运输路径和仓储管理。

在推进数智化、绿色化转型过程中，人工智能正在发挥重要作用，帮助塑造民航业未来竞争新优势。目前，智慧民航建设正持续推进全流程运行场景试点，借此东风，人工智能也正在民航领域实现全方位渗透。

早在2019年北京大兴国际机场投运时，就已经为旅客提供了“刷脸”值机、“刷脸”安检、“刷脸”登机等一“刷”到底的乘机体验；2024年7月，国内首次基于5G-AeroMACS通信技术的车辆跑道防侵入能力测试在上海虹桥机场进行，显著提高了机场、空管、航企之间的通信效率，生产运行态势的感知能力助力“机—车—场道—设施”协同运行；2024年12月，南航在乌鲁木齐一北京大兴航线上圆满完成了基于航迹运行（TBO）双机验证工作，在实现航班起飞、爬升、巡航、近进、着陆等全阶段空间三维和时间维度精细化控制的同时，航班航行时间也更加精确可控。

人脸识别、5G-AeroMACS、四维航迹……当这些技术与AI结合在一起时，将发生怎样的“化学反应”？DeepSeek等AI模型未来也将在智慧民航建设的实践中占据一席之地。

效率提高：

从数据驱动到决策优化

DeepSeek：

• 可通过实时分析全球航空数据，优化航班调度、资源分配和航线规划。

• 整合机场设施、地勤车辆等资源，实现动态调度。

• 处理海量航班数据，生成智能化的机位分配方案和旅客服务建议。

2024年，我国民航完成运输总周转量1485.2亿吨公里、旅客运输量7.3亿人次、货邮运输量898.2万吨；增加繁忙机场容量，加强时刻资源供给，6个协调机场时刻容量每周增加4123个；运输飞机总数达4394架，飞机日利用率达8.9小时。

如何提高我国民航业的整体运行效率？技术与理念的更新正当其时。2024年底，天津滨海机场通过所需导航性能（RNP AR）程序实现独立平行进近（EoR），使每两分钟可同时降落两个航班，效率提高了一倍。而在我国应用机场协同决策系统（A-CDM）的千万级以上机场以及一些中小机场中，“协同、共享、联动”的理念已经得到广泛认同，如今正向全机场管理（TAM）转型升级。

从气象业务协同到空管业务运行一体化，从流量管理精细化到深化运行数据共享应用，在多部门、多主体、多单位的联合作战中，人工智能有了大显身手的机会。通过多维度数据整合和深度学习算法，人工智能将带来数据交互速度、协同决策效率、空域资源利用率的提高，同时降低航班不正常率，助力打造全局优化的智慧运行生态。

安全保障：

从被动响应到主动预防

DeepSeek：

• 实时分析飞行器状态、天气数据和机场跑道情况，提前预警潜在风险。

• 构建风险预测模型，整合报告数据，识别潜在机械故障模式，提前触发维护预警。

• 在实施灾害救援时，快速生成多目标优化模型，协调运输机队与物资配送路径。

安全是民航业的生命线。在扎实推进民航高质量发展过程中，坚持安全第一不动摇的理念体现在方方面面。

引入人工智能后，发动机维修变得更加智能。机务维修人员只需要戴上一副眼镜，场景化工作指引就能显示在眼前的屏幕上，还能进行签署、拍照、测量等操作，请后方专家“云会诊”。这不是拍电影，而是民航维修工程技术研究中心基于AR（虚拟现实）的智慧维修新方式的创新应用。目前，所有航空发动机相关方都在积极寻找与基于模型的系统工程方法、数字孪生、数字主线有关的解决方案，力求在发动机预测性维护中化被动为主动。

在飞机可靠性管理、鸟击防范、跑道防侵入、外来物探测等领域，民航各单位同样在积极探索新技术与人工智能的结合路径，为安全保驾护航。值得注意的是，DeepSeek不仅提到了应用创新技术保障安全，还提到了人工智能技术本身的安全。它表示，首先，需要构建规章阐释AI框架，确保算法决策透明性；其次，要在提高效率与保障隐私间寻求平衡，实现数据在一定程度上的可用不可见；最后，要保留人类决策终审权，特别是在安全相关领域设定AI建议的可信度阈值。

服务重构：

提供个性化与无感化服务

DeepSeek：

• AI通过“一脸通关”、自助值机、行李实时追踪等技术简化旅客出行流程。

• 基于旅客历史行为分析，在值机时自动推荐最优座位。

• 行李追踪系统结合图像识别，使行李错配率大幅降低。

入境游、低空游、研学游、亲子游、银发游……如今，航空产品供给越来越丰富，航旅产业融合越来越深入，民航服务品质也在科技的加持下不断提升。

2024年6月，深中航空港与深中机场专线完成全流程保障测试，来自中山的旅客乘坐航班从上海虹桥机场飞抵深圳宝安机场，下飞机并提取行李后，经深圳机场为深中专线旅客设置的专属流程和候乘区，体验了信息系统升级后“一体高效”的空地联运服务。2024年11月，海口美兰机场推出旅客行李全流程跟踪服务，利用无线射频识别（RFID）技术实现了托运行李从值机、安检、分拣、装车、装机以及最终到达目的站的全程实时跟踪。在成都新津天府智能制造产业园，正在利用工业机械臂、视觉识别、人工智能等技术研发识别和抓取托运行李的机器人，未来将根据行李大小自动完成行李“登机”。

无论是智能客服机器人24小时回应旅客咨询，还是航空公司根据AI分析旅客偏好，推荐航班、座位和餐饮选择，并通过生成式AI提供定制化旅行报告，AI正让航空出行变得越来越便捷，AI也正在重构民航服务，让其更加智能、贴心，更具个性化。（中国民航报 记者张人尹）

专家谈

AI推理激起的“涟漪效应”

值得深度思考

在与DeepSeek的对话中，它认为，未来人工智能对智慧民航建设的影响可能呈现“涟漪效应”：初期在后台运维环节显现，并逐步向旅客服务端扩展，最终推动行业全链条的智能化转型。这种演变不仅可以改变技术实现方式，更可能催生新的航空服务生态。对于DeepSeek的分析，我们应当以发展的眼光理性看待。

当前，DeepSeek有三种模式，分别是基础模型V3、联网搜索模型和深度思考模型R1。其中，V3作为通用模型，更适用于大多数“规范化”的任务；联网搜索模型基于RAG（检索增强生成），让DeepSeek不仅能依赖自身的知识库，还能根据互联网实时搜索相关内容来回答问题；而本文采用的R1模型作为DeepSeek的深度推理模型，适用于需要复杂推理和深度思考的“专家级”问题。从DeepSeek对智慧民航相关问题的解答来看，也确实体现了一位AI专家对行业智能化发展理解的水平。

DeepSeek作为一种前沿的大语言模型（LLM），其运行机制涵盖知识建模、问题解析与推理、信息整合与内容生成、答案校准与价值对齐等多个步骤，也就是学知识、读问题、写答案、检查答案等过程。

其中，知识建模是让模型具有行业知识的机器学习（Machine Learning，ML）过程，模型通过海量文本数据的训练，构建参数化的知识库，并通过注意力机制（Transformer架构）和知识图谱等技术，建立专业概念间的非线性关联。比如在与DeepSeek的对话中“民航安全”概念会激活“飞行器状态”“维护预警”等相关知识概念节点。问题解析与推理是对用户所提出问题的深入剖析，通过对文本语义、语境以及隐含需求等要素的解析，打造全面、深入的推理链。在与DeepSeek的对话中，其对问题用户身份的预测，以及从技术驱动和应用场景入手回答的思路选择，都体现了模型对用户需求的精准挖掘和把握。信息整合与内容生成侧重于回答问题，涉及专业内容生成、文本结构生成、术语控制等技术。这一过程在与DeepSeek的对话中体现为其采用“技术应用、效率提高和服务重构”的回答框架，并在回答文本中通过对权威和热点信源的加权机制，重点关注空管优化、航空货运、“一脸通关”等场景。

答案校准和价值对齐也是大模型发展的重要方面，更是未来确保AI合规、可控的关键，包括逻辑审查、价值注入等方法。DeepSeek在这方面表现得很好，比如在思考阶段专门考虑了民航业特点，提出了“旅客信息隐私保护”“航空业监管严格，新技术的应用可能需要较长时间验证”等需要着重考量的要素。

综上，以对智慧民航的理解为例，DeepSeekR1模型在专业知识整合深度、推理能力、核心场景覆盖度、行业痛点及发展潜力分析等方面体现了很强的智能能力。当然，由于人工智能技术的天然属性，模型在数据实时性、专业特定领域数据训练、算法可解释性和可追溯性等方面仍有提升的空间。可以预见，随着技术和应用场景的持续迭代，以及行业相关标准规范的完善，AI模型将逐步成为未来民航智能化发展的关键技术与主导力量。（作者刘一，系中国民航管理干部学院大数据与人工智能系主任）

（本文刊载于中国民航报2025年2月12日5版）

《智慧民航》导刊每周三

与广大读者见面

让我们一起

聚焦智慧民航建设热点

擘画全新未来

期待您的来稿！

投稿邮箱：icanews@163.com

编辑|张 彤

校对|李季威

审核|韩　磊