上海虹橋機場的滑行道上，數十架飛機緩緩排隊，每一分鐘的等待都意味著高昂成本與碳排放。對于前中國東方航空資深民航管理專家王宇來說，這些“看不見的浪費”二十多年來一直深深刺痛著他。

正是這種切身體會，讓他萌生了用人工智能優化地面運行效率的想法，并最終創立了上海行沙科技公司，目標是打造一個既像人一樣思考、又比人算得更快更準的航空器智能推出輔助決策系統，為管制員提供全局優化的地面運行方案。

今天我們有幸采訪到了王宇，他分享了系統研發背后的理念、技術亮點與未來愿景。

問：您能先談談自己的職業經歷嗎？

王宇：我在民航從業20多年，包括八年飛行簽派和十年機場運行管理經驗，是從民航生產一線摸爬滾打出來的。期間我拿到了美國FAA和中國CAAC飛行簽派資格，被評為上海市首席技師，獲得過國資委全行業創新類一等獎。這些年的經歷，讓我對機場的運作有了非常深刻的理解——每一個細微的調度決策，都會直接影響飛機、機坪，甚至整個空域網絡的效率。2021年，我從央企離職創業，開始專注于飛機指揮調度領域的人工智能算法研發。這條研發之路是極其艱難的，始終不變的是對民航的熱愛和初心。

問：是什么契機讓您創辦上海行沙科技，研發智能推出輔助決策系統？

王宇：這源自長期的痛點積累。我們經常看到飛機在地面排隊滑行，有時候要等一二十分鐘，甚至更長。就拿一架A330機型來說，地面多等待一分鐘，就意味著運營成本多出1000元(1分鐘1張機票)，此外還會產生大量碳排放。全國每天有上萬架次航班，這種浪費是巨大的。于是我們就想，如果能把過去的經驗和AI技術結合，打造一個能“像人一樣思考，但比人算得更快更準”的數字化大腦，讓飛機在地面運行更流暢，對于民航這個行業來說將能創造巨大的經濟價值和社會效應。這就是行沙科技創立的初衷。

問：您覺得目前國內大中型機場在地面運行管理中主要面臨哪些挑戰？

王宇：概括起來就是三個詞——“看不見、算不準、控不精”。

看不見：管制員只能依賴雷達和肉眼，無法全面、實時掌握機坪、滑行道、跑道以及機場臨近空域的復雜情況，總會有盲區。

算不準：幾十架飛機同時在滑行，涉及停機位、路線、沖突點、推出順序、起飛順序等，人工很難精確算清楚。

控不精：很多時候只能“走一步看一步”，管制員通常只能顧及眼前的沖突，很難做到前瞻性全局控制。結果就是燃油消耗增加，碳排放上升，效率也受限。

問：能否用通俗的方式介紹一下您公司的系統是如何工作的？

王宇：可以把它想象成“機場地面交通的超級智能大腦”，主要做兩件事：

1、運籌規劃：系統同時考慮機坪上所有飛機，知道每架飛機的位置、去向、機型、速度、間隔和規則，然后像高明棋手一樣，為飛機規劃錯峰推出的時間表和最優滑行路線。目標是讓飛機像流水線一樣階梯式到達跑道，而不是一窩蜂排隊。這就是我們追求的“無擾滑行”。

2、沖突預判：系統可以提前預測兩架飛機可能的路口“沖突”，并建議管制員調整推出時間或路線，把潛在沖突解決在發生前，讓滑行更加安全順暢。

這類計算極其復雜，決策空間之大，數字上可以表示為 10^1000，遠超過人力所及。我們通過自主研發的 AIME 算法引擎——類似人腦神經網絡的大模型，像 AlphaGo 下圍棋一樣，在海量可能性中快速找到最優解，幾秒鐘就能完成全局規劃。

問：在實際應用中，這套系統取得了哪些成效？

王宇：我們在上海虹橋機場進行了 5G-AeroMACS 示范工程試點。2025 年春運前后的三個月試運行中(全年最繁忙時段)，虹橋機場平均滑行時間顯著縮短，并達到近幾年的歷史最好水平。同一時期，與虹橋體量相當的杭州、西安、昆明等機場，由于航班量激增，滑行時間指標普遍上升，而虹橋卻實現了逆勢下降。

更有說服力的是對比實驗：試運行結束后，系統暫停使用了一段時間，滑行時間指標顯著回升;系統重啟應用，指標再次下降。這“一升一降”的對比，充分驗證了系統效果。

理論上，系統全面應用可縮短機場平均滑行時間2-3分鐘，降幅15%。按這些數據折算，每年可為虹橋機場運營的航空公司節省超 1 億元，同時減少數萬噸碳排放。

問：行沙科技的團隊和技術實力如何？

王宇：我們團隊最大的特點是“深度行業認知(懂民航)與尖端技術能力(懂 AI)的跨界融合”。我本人負責產品設計和戰略，確保技術方案始終緊扣行業痛點。我們的算法工程師團隊專注于核心算法研究，同時具備很強的產品轉化能力，能夠把復雜的技術落地為可用的系統。

2016 年，我們在國務院國資委熠星創新創意大賽中獲得民航領域唯一一等獎，創新點是首次將“系統輔助決策”和“思維鏈多因素價值評價體系”應用于機場停機位動態管理，并實現工程化落地。評委會看中的不僅是技術本身，更在于我們把復雜 AI 技術與民航核心痛點結合起來，產生了明顯的經濟和社會效益。

問：與國際上知名企業相比，行沙科技的解決方案有哪些獨特優勢？

王宇：美國 FAA、NASA 以及雷神公司聯合研發的 TFDM 系統是行業的標桿。我們的產品在理念上可以說“英雄所見略同”，但是在具體實現上，我們有后發優勢，也有本土化優勢。

技術路徑更前沿。TFDM 系統起步較早，其架構相對傳統。我們起步晚，但直接采用了更先進的 AI 算法引擎，模型優化能力更強，計算效率也更高。

其次，更契合中國民航的實際。我們的系統擁有完全自主知識產權，從中國機場的實際運行特點、空管規則到機坪布局，都進行了針對性研發和優化，因此本土化適配程度更高，落地速度也更快。

最后是部署成本和周期優勢。我們提供的方案更加靈活，性價比高，更適合中國機場的多樣化需求。同時，方案也更符合關鍵系統、核心技術國產化的要求。

問：您認為先發優勢和技術壁壘主要體現在哪些方面？

王宇：我們的技術壁壘主要有三個方面。

第一，數據與知識壁壘。我們的算法模型融合了我個人二十多年民航運行經驗，這不是單純的技術團隊能在短時間內獲得的。而且，我們已經深度嵌入虹橋機場的指揮系統，積累了寶貴、高質量的實際運行數據，用于不斷優化和迭代。

第二，工程化與準入壁壘。民航行業安全至上，一個新系統要進入空管指揮體系，必須通過非常嚴苛的測試和認證。我們已經完成了這一艱難過程，實現了真正的“從 0 到 1”，贏得了用戶的信任和認可，這也是競爭對手難以短期跨越的鴻溝。

第三，持續迭代壁壘。我們的算法已經持續迭代了四五年，每隔一到兩周就會進行一次優化升級，在真實場景中越用越聰明。這種持續進化能力，形成了一個動態的技術護城河，讓我們的系統在競爭中更具優勢。

問：系統的推廣計劃和商業模式如何？

王宇：商業模式是“一次性內核部署費 + 年度運維服務費 + 碳交易”。

推廣計劃分三步：

重點突破：核心機場，如京津冀、長三角、粵港澳大灣區、成渝等。

區域輻射：以核心機場為中心，向周邊千萬級機場推廣。

全面覆蓋：未來幾年覆蓋全國 40 個主要大中型機場，打造中國民航智慧運行新引擎。

問：項目運營目前有什么難點嗎？

王宇：項目的難點，其實已經從最初的技術攻堅，轉向了更復雜的系統工程。

一方面，是規模化復制。虹橋的成功離不開特殊的機遇和深度合作，就像我們造出了一艘“航天飛機”，但它沒法直接飛去別的機場。每個機場的“引力環境”都不同——機坪布局、運行規則、數據接口各不相同，需要大量本地化適配，成本高、周期長，也需要政策層面的推動。

另一方面，是商業上的“價值錯配”。買單的是機場，但省下油錢的卻是航空公司。所以，我們必須設計出一個能讓機場也分享到效率紅利的模式，比如縮短滑行時間、提升容量，或是碳交易收益。

前路不易，但價值毋庸置疑。虹橋的數據已經給出答案，雖然現在的系統只是“雛形”，但背后還有更廣闊的 AI 空間和戰略意義，這不僅是商業探索，更是一份社會責任。

我們真誠期待來自民航局、地方政府、機場、航空公司、科研院所和平臺伙伴的關注與支持。希望能在政策上獲得更多引導，為技術創新營造更好的土壤;也期待與志同道合的生態伙伴攜手，共同破解商業模式的難題;同時聯手頂尖科研力量，攻關下一代核心技術。我們希望創造一個機場受益、航司省錢、旅客滿意、綠色低碳的多贏未來。

問：系統大規模推廣后，可帶來哪些經濟和社會效益？

王宇：我們的愿景是“AI賦能：打造中國民航智慧運行新引擎”。覆蓋全國 40 多機場后，每日可服務旅客 150 萬人次，航班 1 萬架次，航空公司日均節省運營成本 800 萬元，年化約 30 億元。每日節省燃油約 300 噸，減排約 1000 噸，為國家的“雙碳”戰略做出直接貢獻。

問：您如何看待 AI 技術在未來民航運行管理中的發展前景？

王宇：我認為，AI 會開啟民航運行管理的新模式。未來一段時間，輔助型和伴隨型 AI 將成為主流。民航本身運行規模龐大，成本高昂，所以每一次能夠與飛機運行深度結合的新技術出現，都會帶來可觀的經濟效益、商業價值以及社會效應。

我想強調的是，航空器智能推出系統只是一個起點，它只是飛機運行過程中的一個小環節。未來，我們的目標是讓 AI 深度融入整個指揮系統，逐步拓展到機坪作業集群信息聯動、機場運行模擬仿真、機坪預戰術規劃、機載導航、飛行 4D 航跡預測與智能引導等領域。最終，我們希望構建一個全域、全時、全要素的智慧機場數字孿生體，實現機場資源的全局優化和自主智能調度。

我相信，AI 將成為民航高質量發展的新型生產力，而我們也有信心，在這個浪潮中扮演關鍵的角色。