在航旅纵横行业发展总监赵楠的眼中，以大模型为代表的“新技术要素”，正成为民航业运行与旅客服务中的新质生产力。赵楠认为，民航业正在进行数字化和智能化转型，人工智能等新技术在这一过程中起到重要作用。在具体的技术应用上，大模型能通过机器学习算法对庞大的数据源进行运算，将民航业内的数据要素进行深度整合与创新，从而改善民航业信息分散的问题。在利用新技术要素提升民航运营效率的同时，技术的快速迭代和成本投入是需要面对的挑战。

有效缓解安检排队情况

“今日截至目前，北京大兴国际机场流量正常，航班量共有554班，进港航班量227班，进港准点率95.15%，进港延误11班，进港取消92班，平均进港3分钟/班，未来1小时预计进港2434位旅客；出港航班量为327班，出港准点率83.49%，出港延误54班，出港取消10班，平均出港1.7分钟/班，未来1小时预计出港4826位旅客。”

5月7日下午，当北京商报记者向航旅纵横App的千穰大模型询问“北京大兴国际机场的延误情况如何”时，它这样回答。

千穰大模型是航旅纵横开发的首个民航领域垂直大模型。作为团队的负责人之一，赵楠见证了民航大模型从无到有，也见证了以大模型为代表的“新技术要素”对民航业的强力推动。

赵楠表示，包括人工智能、大数据、云计算等在内的“新技术要素”都是民航业运行与旅客服务中的新质生产力。在民航运行方面，新技术要素对于民航业主体的助力显而易见。以上述千穰大模型提供的实时数据为例，赵楠介绍，在民航运营过程中，每天机场航班计划、旅客量以及天气情况等都容易受各种因素影响而发生变化，旅客到机场的时间也会有波峰和波谷的变化。通过大模型对机场到港旅客及航班量与时间的关系进行测算，机场可以更加有效地组织安排生产运行，提前准备接机、放行或安检等资源，有效缓解旅客排队或航班保障等待的情况，提升工作效率。

“新技术要素推动了民航业各领域数字化转型，通过引入多元要素和新技术手段来识别生产运行状态，预测运行态势、客流分布等信息，以此支持各机场与航空公司在航班运营、机场管理、旅客服务等方面的智能化和自动化。”赵楠说道。

此外，在民航服务方面，依托于这些技术，无纸化出行、空中互联网等新技术场景逐步实现，民航业C端的旅客可以自主在线上选择、购买航空公司提供的机上WiFi、机上选餐等个性化服务。赵楠表示，随着新技术逐渐应用于民航业，民航服务发展的趋势将越来越贴近“自助化”和“个性化”。

机器学习和算力是核心

那么，新技术要素是如何应用在民航业内的？赵楠也用大模型举例进行了介绍。

公开资料显示，大模型即具有大规模参数和复杂计算结构的机器学习模型，核心技术是生成式人工智能，这是一种能够根据输入的条件或者需求，自主地创造出新内容的技术。

已投入使用的民航大模型“千穰”能基于1300多个异构数据源原始信息，实时加工生成覆盖旅客出行全流程所需的行业信息。“大模型的核心就是基于庞大的数据源进行运算，其加工过程并非简单的‘整合’，而是一种融合创新。”在描述大模型的功能时，赵楠特别强调了“融合”一词。

赵楠表示，过去民航业运行中产生的诸多数据要素内容专业性强，使用领域垂直专一，很难跨领域发挥作用，也经常有一些看似没有直接关系的数据要素被忽略。但大模型的分析计算能够帮助业内发现更多数据之间的新纽带。

赵楠以“航班动态预测”为例进一步解释，在传统认知中，航班客货邮的装载量与航班的准点率并没有直接关系，但实际中这些数据对航班放行、航路选择都会产生一定程度影响，大模型能够通过大量数据分析，全面、具体地呈现各类数据要素对航班准点率的影响情况，从而对整个飞行过程作出更加精准的预测计算。

具体而言，首先可以用大模型的机器学习或深度学习算法对多元数据要素进行特征提取和处理，然后再利用算法对模型进行训练，通过不断调整模型的参数和结构来建立各类要素和航班准点率之间的联系，并依据最新的实时数据进行自我修正和强化预测分析能力。

“正如上述案例，大模型等新技术将民航业内方方面面的数据要素融合裂变出新内容。”赵楠表示，在掌握多元数据和航班预测之间的联系后，机场能更合理地进行资源调度，避免因时间差出现资源浪费的情况，从而提升航班保障效率；旅客也能更加有效地建立出行预期，合理安排自身的行程。

降低边际成本仍需时间

当数据之间有了更多联系，原有的壁垒被打破，全行业的信息也就会逐步构成一张立体的多维“数据网格”。

赵楠认为，在民航业中，民航信息服务平台的作用就是将行业信息社会化、行业服务网络化。他表示，航旅纵横作为源自民航、服务民航的互联网科技公司，对接处理规模庞大的行业实时数据——“不同来源的数据具有不同的生成结构和血缘关系，在不同的场景下，数据的置信度（即对某个统计结果可信度的衡量）也会不一样。新技术要素的引入会令航旅纵横计算平台的规模变得越来越大，由此更好助力其成为民航业的数据平台基础。”赵楠说道。

赵楠坦言，技术的快速迭代和成本投入是航旅纵横目前面临的挑战。“技术发展是无止境的，即便千穰大模型仍是民航领域唯一的大模型，但要保持行业前列的位置，需要我们时刻准备好更新技术。”

他表示，新技术从诞生到应用存在一个周期，在早期的投入相对较大。尽管千穰大模型已经投入商业化运营，但距离其真正产出更大收益、边际成本极大降低，仍需要一段时间。“大模型背后对计算资源的耗费也高于传统技术方案，且整个行业还处在一个快速发展阶段，较难预测这个时间会持续多久，但方向是明确的。”赵楠表示。

对于接下来的发展计划，赵楠透露，在行业的态势感知方面，航旅纵横还会布局智能化机场设备，包括对场内场外视觉图像的实时分析处理已经在一些机场落地，通过将数据计算和图像视频识别有效结合，可以为机场提供基于AI机器视觉的解决方案，能更加精准地识别机坪上全景飞行器的状态和航站楼内旅客群体的行为，由此帮助机场进一步提升日常运营管理的工作效率。