国际航空电讯集团北亚区航空业务部高级业务经理 汪澍：有人把AI定义为是第四次的工业革命，因为第一次我们都知道是蒸汽机，第二次是电力以及内燃机的发明。第三次是计算机，那么第四次就是人工智能，中国其实应该是学习了前面的三次，那么在第四次我们能够加入到整个的人工智能的竞争当中。

人工智能其实改变了各个行业的行业规则，在航空业来说，重新定义了航空业的方方面面。最近人工智能各个方面的新闻，还有实际的应用案例，处于一种涌现的状态。

在深入阐述之前，有三个问题，第一就是人工智能的投资是巨大的，因为这个都是万亿级的级别的投资。第二个问题，很多AI的模型其实是处于在测试和试用阶段，并不是十分成熟。另外就是监管方面，人工智能发展特别迅猛，最近几年各个国家和政府以及监管机构都在加紧制定能够跟上这个AI发展的这样的一个步伐，主要体现在三个重要的方面。第一就是安全性，第二就是数据的隐私保护，第三就是AI的偏见以及它的公平性。目前全球主要的AI竞争主要在中美之间，大家有各自的优势和特点。

第三就是我们在训练大模型的时候，其实是要消耗大量的能源和算力，也会带来更多的碳排放。我们训练大可AI的大模型会排放几百吨的二氧化碳。如果训练一个GDP3小的模型，预估增加二氧化碳排放量是500吨。这三点是我们想提醒大家使用人工智能之前所要思考的问题。

当前正处于航空业转型或者转折的关键的点，AI跟其他的技术是不一样的，他不是在整个技术架构中又加了一层，他将会成为旅游业运营模式的统筹者。有三点，屏幕上打出来，它可以主动预测，而非被动的应对，它能够提供个性化的服务，而非是标准化的服务，那么它是赋能于人，而并非给人类造成一个负担。那么旅游业其实永远是不会缺乏愿景的。刚才东航的李总也提出了，就是说东航又有227个高价值的应用场景，所以说AI方面的应用场景是非常多的。

刚才南航的同事也举例举了9个比较重要的应用场景。真正的挑战是在于你的应用规模如何。第二就是说因为民航有大量的这种我们叫LC的系统，就是传统的系统以及运营的复杂性，

这三点其实都是需要考虑的。而往往这个正是AI它的潜在的一个能力所在，也就是它能够帮我们把这些复杂的东西把它理顺，变成清晰和简单的事情。

当AI真正能帮助我们解决实际问题的时候，他才真正的具有意义。接下来是SITA在做AI的一些探索的时候有三个。

有三个案例，第一个关于行李，我们知道每年因为行李处理不当，特别是为航司带来50亿美金的这样一个损失。现有的技术，比如说像SITA有一个全球叫不正当行李追踪系统，现有的技术已经为之带来了很大的改变，不正当行李找回率在72小时能够达到80%—90%。

要把这个行李处理，提升一个质的飞跃。这个时候如果把AI能够把它引入进来，就有可能做一个质的提升。那么比如说我们可以预测就是说潜在的心理处理问题，改进延误心理的找回的流程，并且为旅客提供实时的协助，有效的预防行李的遗失，帮助航司在主动调整延误行李的运输的线路，及时的通知旅客，降低赔偿成本。

第二个场景在机场环境，我们现在其实已经能够比较容易的去知道旅客现在在哪里？但是比较困难我们要知道旅客将来在哪里？将来的20分钟在哪里是非常有意义的。设想一下在人群扎堆之前，你可以提前得知在20分钟之后53号登机口将会出现大量的旅客聚集，这是非常有意义的事情。现在SITA也在将一些计算机视觉分析，预测分析以及AI定制的智能体相结合，前者可以用来构建旅客移动的模型，后者可以自动执行一些任务，从而可以实时优化航站楼的管理。

第三是数字人，SITA也推出数字人的驱动，辅助类的工具，帮助客服人员解决一些问题。我们内部有一个系统，解决我们航司和机场客服售后的问题。带来的好处，第一是速度快，更加智能，不需要提供大量的一些原始数据。第三7*24小时服务，没有偏见的，没有主观臆断的。很重要的一点，SITA是全球化的公司，要为全球200多个国家的客户提供服务，人工智能的翻译功能需要加强的，你输入的可能是中文，但是对方就是在服务台那边收到的英文，我们在印度服务台收到印度文，回是用当地的语言回复给你，展现在你面前是中文，这个就大大提升了整个效率。

展望未来，我们没有太多大规模的一些想法，其实我们只是聚焦了三个方面。第一个叫全面预测，第二个叫无缝身份识别，第三个自主的地面运营，这也是刚才有嘉宾提到，数字机坪等诸如此类的应用场景。

全面预测主要是由人工智能所驱动的数字孪生，这个技术可以为整个行业带来比较大的一个应用。展望未来5—10年的愿景，为整个机场和航司的网络、运营流程进行实时的高保真的模拟。预测系统将成为决策的副驾驶，可以让机场和航司及时调整运营方案，避免连锁性的故障，优化长期战略。

第二就是无缝身份识别，大家都非常熟悉，就是刷脸登机，AI+生物识别旅客体验，目前做的比较完美的融合，应用比较早，在国内机场，中国民航走在世界前列。为旅客的出行效率提升30%。

关于身份识别，目前阿亚特（英）仅仅是在机场的范畴，全球国际上还有DTC，数字身份验证，这个会应用在全行业，包含机场、航司、政府甚至是旅行社，整个的航空的生态链。

第三点是地面运营，借助AI的辅助工具，至于什么样的工具，这背后带来的价值我可以分享一下。航班的周转速度会加快，人为失误更少，停机坪作业更安全，燃油和资源规划更加合理。地面冲突发生前我可以预先得知，防患于未然。

我们要坦诚的面对人工智能所带来的挑战，人工智能是非常好、非常方便，已经深入到我们生活的方方面面。

航空业要非常有负责任的来应用。首先要确定人工智能，它不会在压力下发生失效。第二不会做出具有偏见性的一些决策。第三，它不应该将安全与隐私置于风险之中。

刚才中国电信嘉宾也提到高质量数据，人工智能所基于的基础是高质量数据，而不是一些脏数据，脏数据训练出来的一定是一些脏的结果。所以数据的高质量是重中之重。我们要做好数据收集，数据的清洗和保护。

第三，因为机场是非常复杂的生态系统，同时航空公司也是动态运转的集体，我们不能将一个简单的AI模型放在整个运行生态系统里面，让其自主运行。

下面有三个近期应用案例，国外其实对人工智能的应用还是比较保守的，这三个案例对我们国内的机场也好，航司来说，都是比较简单的一些案例。

第一个是新加坡航空公司，我们知道人工智能化排班以及地服的优化管理，我们在10年前有类似的系统在做了。新加坡航空通过引入OPENAI的技术，构建了全新一代的航班运营和机组排班，通过实时的决策，减少了航班的延误，引入AI的这样的一个系统，比之前的系统更加的准确，更加的实时。

第二个例子就是法荷航，他们是通过无人机来检测被雷击以后的飞机的一个外部机身的漆面以及它的标识标牌，原先的检测时长可能是3—5小时，而现在就缩短至20分钟，并且对整个的检测是具备可塑性，稳定性一致。

最后一个案例是汉莎货运，汉莎货运用人工智能做自动化预定，通过部署人工智能的工具，扫描解读客户的一些邮件，并且把这些邮件及时转化为结构化的可以预定的信息，进一步降低了后台办公的一个工作量，减小了这个操作的误差，且加快了收入的速度。