国际航空电讯集团（SITA）亚太区商务与解决方案总监 Yi Su（张哈斯巴根/摄）

航空旅行人工智能应用探索

Yi Su（国际航空电讯集团（SITA）亚太区商务与解决方案总监）：大家好，我是来自SITA的Yi Su，今天我要跟大家分享的话题是航空旅行当中人工智能的应用。今天这个议题我想从三个视角来跟大家分享，首先我们要从宏观的视角来看人工智能的应用。

宏观的视角主要是供给和需求上面的分析，首先我们要看需求端，根据国际上的一组数据，我们可以看到GDP的增长，2024年GDP的增长，我们的着眼是亚太地区和国际全球航空业发展比较，2024年到2025的GDP预测亚太地区的增长占了47%，旅客增长量同期也是增长47%，但是我们的盈利，航空整个领域的盈利只有7%，占全球所有航空盈利的7%，这就说明一个问题。

在需求端的态势下我们看一下供给端，需求端旅客增长的比例，亚太地区占69%，整个亚太地区东南亚是83%居于榜首，中国增长量是77%，国际预测的数据到2029年我们整个增长会达到50亿。

我们看三个方面的数据，机场的容量受到了很大空间的限制，自2024年统计新增的机场只有五座但是新增的旅客人数已经达到3.55亿，到2040年仍然会有2.5亿的运力缺口。未来十年在亚太地区需要92000名的飞行人员，对地勤人员有60%的需求。机队的交付，2024年我们有11%的延迟交付，这个问题会持续到2026年。

这些问题我们要使供给和需求达到平衡一定要提升生产力，提升生产力的关键是技术，因为科技是生产力。接下来我们从技术视角看看，到底什么样的技术可以给我们提供这样的一个契机。

过去10几年，刚才大家分享了很多不同的技术不同的案例，我们可以看到在科技生产力方面航空应用方面都出现了很多创新，总体来说是两条主线数据技术和机器学习，这两方面的综合应用产生了人工智能，人工智能里面有很多分支和学科，航空领域所有的板块都有不同的应用，今天我们主要看三个方面：计算机视觉、狭义的人工智能（应用人工智能），生成式人工智能。

在当前的科技领域，人工智能无疑是最受关注的焦点，这个是Gartner2024年所给出的一个特别针对与人工智能的模型，这个模型Hype-Cycle概述了每一项人工智能技术所走过的历程，从它出生到结束一个周期，这个周期列举了整个科研领域正在发生发展的不同人工智能技术，我们单独挑出三个领域，在航空领域应用比较广泛。

第一个是计算机视觉，按照这个理论Hype-Cycle是分五个阶段，第一个阶段是创新，初创的一个阶段，第二个阶段是期望值爆棚的阶段，第三个阶段幻灭回归，有一些技术经过行业的洗涤大家都在寻找这么一个实际的应用场景的过程。第四个阶段是启蒙式，大家似乎找到了感觉慢慢开始应用，最后上升到生产期的阶段而且趋于成熟。计算机视觉是在第五个阶段，这个行业里面技术本身比较成熟，而且行业应用里面发展相当广泛。

第二个我想探讨的是狭义人工智能，所谓的狭义人工智能是垂直领域，比如说SITA做的关于机场整个调度人工智能技术，专注于机场营运调度，还有很多不同的垂直人领域。

第三个是生成式人工智能，按照Gartner的分析目前生成式人工智能的状态处于期望值爆棚的阶段，在这种情况下我们来看看应用型人工智能狭义人工智能和生成式人工智能具体的信息，总的结论是应用型人工智能正在快速成熟，生成型人工智能还有很长的一段路要走。

这是麦肯锡发布的一个报告，向量评分，采用了6个维度来衡量狭义人工智能目前的状态，从股权投资、人才应用、新闻、搜索、研究、专利，从中大家可以看到关于狭义人工智能已经非常成熟，发表了很多的专利和研究，专业领域的搜索基本上趋于收缩的阶段，大家对这个行业比较了解，真正大家想要知道的信息已经推广，它是比较成熟的技术。

这个是对于生成式人工智能同样六个维度分析，基本上处于行业搜索，投资力度、人工投入包括专利和研究相对来说是一个非常启蒙的阶段。

就航司和业界来说是什么状态呢？SITA2023年、2024年提供了一个洞见报告，洞察表给了一组数据，通过这组数据大家可以看到，我们对机场的CIO进行调查，把投资趋向进行分类，第一个大家趋向的比例大于80%我的投资是优先级，第二个分值是60%—80%，第二个是小于60%，第一类最多的投资是倾向于AI，使用人工智能解决我运营上的挑战，包括生物技术也含了很多的人工智能技术。

SITA今年发布了一个报告分享了我们SITA本身在探索人工智能AI应用中的一些经验和建议，这个建议基本上分五点，从2024年的计划按照我们调查的数据来看有65%的机场CIO有具体的AI投资计划，有82%的航司CIO有具体的AI计划，AI计划成功的关键要素是你一定要有一个非常明确的业务场景，要解决业务的问题，而不是说我就投资AI我去探索，探索的前提是你一定要有一个明确的业务问题。

第二点是数据，我们讲了之前比较流行的名词是大数据，我需要数据需要量，SITA从整个研发过程中我们觉得数据在你采集过程中有两点，一点是尽量广泛采集数据，第二点要遵守法律法规，这就是平衡的问题，数据采的不是越多越好，很多数据要删除，最后一个问题是采集和删除之间的平衡。

第三点是数据的广度和深度，大数据前几年是非常热门的词，但是现在这个词已经开始慢慢的销声匿迹，因为新的模型是小宽数据，我专注于宽度和深度，当然数据量越多越好，专注点应该倾向于数据的广度和深度，结合小宽数据和数据编制技术我们就可以打造一个非常有利AI的平台基础。

第四点在我们的研发过程中我们发现投入需要平衡数据科学家和人工智能工程师，比如说做深度学习，数据模型和AI模型这两方面要进行平衡和结合，数据科学偏向分析非常复杂的数据，机器学习走的方向不太一样，你要做AI研究一定要把这两方面进行有机结合。

最后一点特别是针对航空公司，航空公司因为它的架构需求，航空公司业务就是分布全球，本身的业务就是分散型的业务，AI数据跟它的物理分布是完全紧密结合的，数据自然也是全球分布的。全球分布牵扯到一个问题，数据的采集问题，一定要遵守它的法律法规管理、共存和存储，这些都必须要进行分布式的管理，这些分布式的管理跟第三个方面也是契合起来，一定要采用一个小宽的数据结构，利用数据编制几乎把数据有机整合起来。这就是SITA对业界分享的我们自己本身的一些经验。

讲过宏观的角度我们讲过技术的视角，接下来我们的核心关注是从应用的视角来看，具体来说在我们航空领域AI到底怎么用？按照我们之前讲的数据，基本上是分三个领域的应用场景，第一个场景是无缝体验，按照SITA的洞察报告，第二个场景是机场的运营，有效管理，第三个也是跟乘客出行有关智能化的出行。

因为我们把整个全过程、全链的旅客出行一个个分解，按照在每一个连接上我们看人工智能对某一个方面会产生怎样的影响，会怎么应用这个技术，从旅客订票怎么把这个信息喂给人工智能系统，每一个环节我们都会有一些应用场景生成，这个市场非常大，我们预测全球市值到2028年会有120亿美金，亚太地区的份额大概有33亿美金。

第二个应用是机场的运营管理，目前管理是有数百种，一般来说一个大的机场有数百种工具运营机场，而且这种工具的整合是没有集中在一个方面，人工智能可以有效把这些数据结合起来，SITA在这方面投资了很多航班计划、航班调度通过人工智能去管理。我之前去调度资源我是通过某一种垂直的工具，调度的时候它的指标KPI通常是关于机场运营的KPI，跟旅客的体验是没有关系的，跟业务投资关系不是很大，人工智能可以把这些全部连起来，我的投资我的体验作为一个参数通过大模型我们可以解决这个问题。

最后是智能出行，SITA这方面也做了很多的探索，我们之前在探索的初期已经想过有不同的媒介，比如说机场的设施和设备，或者某一些大屏或者是某个APP，某种小的程序，这方面做过一些探索。新的趋势是不太一样的，我们不会借助于某一种特定的媒介，而是把人工智能穿透在不同的应用里面。举个例子，如果我去出行我不再需要某一个航司给我一个APP，给我一个硬件或者软件帮我实施这个东西，我可以借助它本身现在已经有的一些工具，比如说你的微信，你通过这个就可以实现人工智能，我要去订票不需要找专门的工具，我通过应用穿透，大家用苹果手机就是通过这样的一个概念，把整个的人工智能通过应用的穿透来提供给大家，也就是说大家最后会通过平台来实现这个功能。

今天时间有限，我不能具体分享更多，非常感谢大家给我提供这样的一个机会，谢谢！