对话行沙科技王宇：用AI优化民航地面运行，让机场更智慧、更节能

上海虹桥机场的滑行道上，数十架飞机缓缓排队，每一分钟的等待都意味着高昂成本与碳排放。对于前中国东方航空资深民航管理专家王宇来说，这些“看不见的浪费”二十多年来一直深深刺痛着他。

正是这种切身体会，让他萌生了用人工智能优化地面运行效率的想法，并最终创立了上海行沙科技公司，目标是打造一个既像人一样思考、又比人算得更快更准的航空器智能推出辅助决策系统，为管制员提供全局优化的地面运行方案。

今天我们有幸采访到了王宇，他分享了系统研发背后的理念、技术亮点与未来愿景。

问：您能先谈谈自己的职业经历吗？

王宇：我在民航从业20多年，包括八年飞行签派和十年机场运行管理经验，是从民航生产一线摸爬滚打出来的。期间我拿到了美国FAA和中国CAAC飞行签派资格，被评为上海市首席技师，获得过国资委全行业创新类一等奖。这些年的经历，让我对机场的运作有了非常深刻的理解——每一个细微的调度决策，都会直接影响飞机、机坪，甚至整个空域网络的效率。2021年，我从央企离职创业，开始专注于飞机指挥调度领域的人工智能算法研发。这条研发之路是极其艰难的，始终不变的是对民航的热爱和初心。

问：是什么契机让您创办上海行沙科技，研发智能推出辅助决策系统？

王宇：这源自长期的痛点积累。我们经常看到飞机在地面排队滑行，有时候要等一二十分钟，甚至更长。就拿一架A330机型来说，地面多等待一分钟，就意味着运营成本多出1000元（1分钟1张机票），此外还会产生大量碳排放。全国每天有上万架次航班，这种浪费是巨大的。于是我们就想，如果能把过去的经验和AI技术结合，打造一个能“像人一样思考，但比人算得更快更准”的数字化大脑，让飞机在地面运行更流畅，对于民航这个行业来说将能创造巨大的经济价值和社会效应。这就是行沙科技创立的初衷。

问：您觉得目前国内大中型机场在地面运行管理中主要面临哪些挑战？

王宇：概括起来就是三个词——“看不见、算不准、控不精”。

看不见：管制员只能依赖雷达和肉眼，无法全面、实时掌握机坪、滑行道、跑道以及机场临近空域的复杂情况，总会有盲区。

算不准：几十架飞机同时在滑行，涉及停机位、路线、冲突点、推出顺序、起飞顺序等，人工很难精确算清楚。

控不精：很多时候只能“走一步看一步”，管制员通常只能顾及眼前的冲突，很难做到前瞻性全局控制。结果就是燃油消耗增加，碳排放上升，效率也受限。

问：能否用通俗的方式介绍一下您公司的系统是如何工作的？

王宇：可以把它想象成“机场地面交通的超级智能大脑”，主要做两件事：

1、运筹规划：系统同时考虑机坪上所有飞机，知道每架飞机的位置、去向、机型、速度、间隔和规则，然后像高明棋手一样，为飞机规划错峰推出的时间表和最优滑行路线。目标是让飞机像流水线一样阶梯式到达跑道，而不是一窝蜂排队。这就是我们追求的“无扰滑行”。

2、冲突预判：系统可以提前预测两架飞机可能的路口“冲突”，并建议管制员调整推出时间或路线，把潜在冲突解决在发生前，让滑行更加安全顺畅。

这类计算极其复杂，决策空间之大，数字上可以表示为 10^1000，远超过人力所及。我们通过自主研发的 AIME 算法引擎——类似人脑神经网络的大模型，像 AlphaGo 下围棋一样，在海量可能性中快速找到最优解，几秒钟就能完成全局规划。

问：在实际应用中，这套系统取得了哪些成效？

王宇：我们在上海虹桥机场进行了 5G-AeroMACS 示范工程试点。2025 年春运前后的三个月试运行中（全年最繁忙时段），虹桥机场平均滑行时间显著缩短，并达到近几年的历史最好水平。同一时期，与虹桥体量相当的杭州、西安、昆明等机场，由于航班量激增，滑行时间指标普遍上升，而虹桥却实现了逆势下降。

更有说服力的是对比实验：试运行结束后，系统暂停使用了一段时间，滑行时间指标显著回升；系统重启应用，指标再次下降。这“一升一降”的对比，充分验证了系统效果。

理论上，系统全面应用可缩短机场平均滑行时间2-3分钟，降幅15%。按这些数据折算，每年可为虹桥机场运营的航空公司节省超 1 亿元，同时减少数万吨碳排放。

问：行沙科技的团队和技术实力如何？

王宇：我们团队最大的特点是“深度行业认知（懂民航）与尖端技术能力（懂 AI）的跨界融合”。我本人负责产品设计和战略，确保技术方案始终紧扣行业痛点。我们的算法工程师团队专注于核心算法研究，同时具备很强的产品转化能力，能够把复杂的技术落地为可用的系统。

2016 年，我们在国务院国资委熠星创新创意大赛中获得民航领域唯一一等奖，创新点是首次将“系统辅助决策”和“思维链多因素价值评价体系”应用于机场停机位动态管理，并实现工程化落地。评委会看中的不仅是技术本身，更在于我们把复杂 AI 技术与民航核心痛点结合起来，产生了明显的经济和社会效益。

问：与国际上知名企业相比，行沙科技的解决方案有哪些独特优势？

王宇：美国 FAA、NASA 以及雷神公司联合研发的 TFDM 系统是行业的标杆。我们的产品在理念上可以说“英雄所见略同”，但是在具体实现上，我们有后发优势，也有本土化优势。

首先，技术路径更前沿。TFDM 系统起步较早，其架构相对传统。我们起步晚，但直接采用了更先进的 AI 算法引擎，模型优化能力更强，计算效率也更高。

其次，更契合中国民航的实际。我们的系统拥有完全自主知识产权，从中国机场的实际运行特点、空管规则到机坪布局，都进行了针对性研发和优化，因此本土化适配程度更高，落地速度也更快。

最后是部署成本和周期优势。我们提供的方案更加灵活，性价比高，更适合中国机场的多样化需求。同时，方案也更符合关键系统、核心技术国产化的要求。

问：您认为先发优势和技术壁垒主要体现在哪些方面？

王宇：我们的技术壁垒主要有三个方面。

第一，数据与知识壁垒。我们的算法模型融合了我个人二十多年民航运行经验，这不是单纯的技术团队能在短时间内获得的。而且，我们已经深度嵌入虹桥机场的指挥系统，积累了宝贵、高质量的实际运行数据，用于不断优化和迭代。

第二，工程化与准入壁垒。民航行业安全至上，一个新系统要进入空管指挥体系，必须通过非常严苛的测试和认证。我们已经完成了这一艰难过程，实现了真正的“从 0 到 1”，赢得了用户的信任和认可，这也是竞争对手难以短期跨越的鸿沟。

第三，持续迭代壁垒。我们的算法已经持续迭代了四五年，每隔一到两周就会进行一次优化升级，在真实场景中越用越聪明。这种持续进化能力，形成了一个动态的技术护城河，让我们的系统在竞争中更具优势。

问：系统的推广计划和商业模式如何？

王宇：商业模式是“一次性内核部署费 + 年度运维服务费 + 碳交易”。

推广计划分三步：

重点突破：核心机场，如京津冀、长三角、粤港澳大湾区、成渝等。

区域辐射：以核心机场为中心，向周边千万级机场推广。

全面覆盖：未来几年覆盖全国 40 个主要大中型机场，打造中国民航智慧运行新引擎。

问：项目运营目前有什么难点吗？

王宇：项目的难点，其实已经从最初的技术攻坚，转向了更复杂的系统工程。

一方面，是规模化复制。虹桥的成功离不开特殊的机遇和深度合作，就像我们造出了一艘“航天飞机”，但它没法直接飞去别的机场。每个机场的“引力环境”都不同——机坪布局、运行规则、数据接口各不相同，需要大量本地化适配，成本高、周期长，也需要政策层面的推动。

另一方面，是商业上的“价值错配”。买单的是机场，但省下油钱的却是航空公司。所以，我们必须设计出一个能让机场也分享到效率红利的模式，比如缩短滑行时间、提升容量，或是碳交易收益。

前路不易，但价值毋庸置疑。虹桥的数据已经给出答案，虽然现在的系统只是“雏形”，但背后还有更广阔的 AI 空间和战略意义，这不仅是商业探索，更是一份社会责任。

我们真诚期待来自民航局、地方政府、机场、航空公司、科研院所和平台伙伴的关注与支持。希望能在政策上获得更多引导，为技术创新营造更好的土壤；也期待与志同道合的生态伙伴携手，共同破解商业模式的难题；同时联手顶尖科研力量，攻关下一代核心技术。我们希望创造一个机场受益、航司省钱、旅客满意、绿色低碳的多赢未来。

问：系统大规模推广后，可带来哪些经济和社会效益？

王宇：我们的愿景是“AI赋能：打造中国民航智慧运行新引擎”。覆盖全国 40 多机场后，每日可服务旅客 150 万人次，航班 1 万架次，航空公司日均节省运营成本 800 万元，年化约 30 亿元。每日节省燃油约 300 吨，减排约 1000 吨，为国家的“双碳”战略做出直接贡献。

问：您如何看待 AI 技术在未来民航运行管理中的发展前景？

王宇：我认为，AI 会开启民航运行管理的新模式。未来一段时间，辅助型和伴随型 AI 将成为主流。民航本身运行规模庞大，成本高昂，所以每一次能够与飞机运行深度结合的新技术出现，都会带来可观的经济效益、商业价值以及社会效应。

我想强调的是，航空器智能推出系统只是一个起点，它只是飞机运行过程中的一个小环节。未来，我们的目标是让 AI 深度融入整个指挥系统，逐步拓展到机坪作业集群信息联动、机场运行模拟仿真、机坪预战术规划、机载导航、飞行 4D 航迹预测与智能引导等领域。最终，我们希望构建一个全域、全时、全要素的智慧机场数字孪生体，实现机场资源的全局优化和自主智能调度。

我相信，AI 将成为民航高质量发展的新型生产力，而我们也有信心，在这个浪潮中扮演关键的角色。