能力、边缘计算节点的低延迟处理能力以及终端设备的本地计算资源 进行有机结合。边缘计算节点靠近数据源，可对低空实时数据进行快 速预处理与初步分析，减少数据传输延迟与云端压力；云端则承担大 规模数据存储、复杂模型训练等任务。 同时，借助智能算力调度算法，依据任务优先级、资源需求特点 以及网络状况等因素动态分配算力资源，实现计算任务在不同层级算 力节点间的灵活调配，确保低空各类应用在不同场景下均能获得高效、 智，形成一批面向特定场景的小模型以及行业大模型，支撑未来多元 复杂的低空场景。 图 5 低空算力网架构图 具体来看，低空算力网包括算力网基础设施、算力资源互联互通、 算力任务调度、算力服务，低空大模型五大核心能力：  低空大模型充分利用低空飞行器在日常作业过程中采集的导航、 感知、通信、气象等数据，建立数据共享机制，以低空算力网为 底座持续开展训练，建立一批面向特定场景的小模型以及面向低 空飞行的行业大模型。 空飞行的行业大模型。  算力服务旨在根据低空应用场景对感知、导航、监测等领域的需 求，提供相应的算力服务，辅助低空飞行器进行自动化作业，提 高飞行器智能化水平。 低空智联算力网应用实践研究报告 17  算力任务调度旨在将飞行任务转化成不同类型的算力需求，并按 照区域内的低空算力资源分布情况进行任务定义，并由低空算力 互联互通平台进行任务分发和调度。  算力资源互联互通依据低空算力标识网关，感知区域内所有低空

低空经济政策规划，为低空经济繁荣提供了有力指引和保障。 技术革新与产业基础：我国航空器动力装置、机载系统等加快升级换代，现 代航空产业体系基本形成。通信感知一体化、北斗 +5G高精度导航定位、AI+ 大 模型等新技术广泛应用，电动垂直起降航空器（eVTOL）等新产品研发进程加 速，彻底改变传统通用航空业态。国内有一定规模的无人机与 eVTOL 制造企业 超250家（截至2024年5月），工业无人机制造商达到1 参与到系 统的运行和决策过程中，对系统的输出进行监督、评估和干预。 (2) 人在回路外：是与“人在回路中”相对的概念，指在系统运行和决策过程中，人类不直接参与或干 预，系统完全依靠自身的算法、模型和预设规则进行自主运行和决策。 (3) 秩序保障：确保空中交通管理活动能够在一种稳定、规范、有序的状态下进行。涵盖了空中交通的各 个方面，包括飞机的飞行路线、高度、速度的管控，通信的顺畅，导航的准确等，以维持整个空中交通系统 度飞行场景，开展高密度、大容量飞行场景下的自主运行保障探索。针对此类运 行具有高频次、高密度、高复杂性、有人/无人混合的特点，采用空地协同的自主 运行模式，通过平台积累的大量飞行数据和智能算法模型，赋能航线网络立体化 布局、空域精细化管理、飞行协同化管控，实现低空航空器与地面保障设施的协 同自主运行。 航空器具备高可靠性与全面智能网联能力；地面保障设施具备高带宽低延时网 络通信空域全

2、技术研发创新 技术研发创新主要集中在目前低空发展的技术痛点，包括通导监技术（尤其是5G-A通感一体、高精导 航等）、行业大模型、低空管服平台/低空智能大脑、行业技术标准统一、数据库搭建等，目前一些典 型项目包括： 长春发布国内首个低空行业大模型“紫东长空”：该模型由长春市与中科院自动化所产业化公司中科紫东太初联合打造，将多模态感 知、智能预测、实时决策等能力应用于低空经济的核心场景，面向社

字化空间层：指通过对低空空域自然环境、飞行活动、基础设施等进行数字化重构，构建数字低空的数字孪生系统 或数 字低空元宇宙，实现对空域的模拟仿真、规划管理、运营调度和应用支撑等。 √ 建立一套体系性的计算模型方法， 生成基于人工智能模型或规则模型的低空运行方案： 达成目标：实现低空空域及交通路线的动态规划、空域与交通管制的协同管理效能优化、低空态势感知和异常警告等功能，全面 提 高空中交通等空域管理实时性及响应能力。

”， 为公司率先落地的国内首个省级、也是首个军民地三 方协同的低空飞行服务平台标杆项目。 AI进展方面，2025年2月，莱斯信息自研“天牧”系 列低空产品与国产大模型DeepSeek完成深度技术融合， 首次将大语言模型的智能决策能力引入低空管理领域。 2024年起公司在民航及低空领域落地多个重大订单及合作 日期 重要中标/合同/合作 地区 2025/1/17 中标中国民用航空飞行学

考虑到未来无人驾驶的大面积应用，需要早 期通过端到端的大量数据收集分析，训练飞 行器自主驾驶模型。然而，由于景区观光旅游 的场景的复杂程度相对单一，绝大多数路线 仅涉及单点的飞行，飞行的时间较短，飞行高 度也较低，采集到的数据的多样性和体量不 足以支撑未来城市空中交通出行的场景的复 杂模型训练需求，因此从长期发展角度出发， 进入市场的应用场景越接近未来的终极应用 场景，越快能够实现城市空中交通的大规模

考虑到未来无人驾驶的大面积应用，需要早 期通过端到端的大量数据收集分析，训练飞 行器自主驾驶模型。然而，由于景区观光旅游 的场景的复杂程度相对单一，绝大多数路线 仅涉及单点的飞行，飞行的时间较短，飞行高 度也较低，采集到的数据的多样性和体量不 足以支撑未来城市空中交通出行的场景的复 杂模型训练需求，因此从长期发展角度出发， 进入市场的应用场景越接近未来的终极应用 场景，越快能够实现城市空中交通的大规模

eVTOL 将替代部分短途货运航班，助力实现城际物流“2 小时达”；2040 年后， eVTOL 或将形成千亿级的客运市场。灾害监测和医疗转运的需求激增也将成为 eVTOL 的主要应用领域。基于模型测算，非 eVTOL 试点城市的生态协同能力平 均得分约 59.2 分，而成为 eVTOL 试点城市则平均高出约 18.3 分。在这方面，深 圳、合肥、杭州、苏州、成都、重庆六个城市掌握高度的自主权。因而，eVTOL