化水平。 1. 低空算力网 低空算力网聚焦于算力资源的高效整合与智能调度。以分布式计 算架构为基础，通过云边端协同计算模式，将云计算中心的强大计算 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 基于算力互联网的通用能力，结合低空场景的行业诉求，低空算 力网体系正加速形成。低空算力网以算网协同为重点，旨在构建实时 泛在、互联互通、无感接入的低空算力网络。低空算力网能够统一纳 管泛在的云端及边缘侧低空算力集群，打破算力资源间的地理隔离， 构建跨节点、跨区域互联互通的算力资源池，支撑飞行器无感知地访 问就近算力节点，大幅降低传输时延，提升低空服务实时响应速度。 然而，当前低空场景主要由低空飞行器本身携带的终端算力支撑 飞行任务将趋于复杂，未来大规模、高密度、跨区域的低空飞行将成 为常态，完成单次飞行任务的算力需求将呈几何倍数增长。考虑到低 空飞行器自身有限的算力与电力供应，飞行计算任务势必将由飞行器 终端卸载到边缘与中心算力端。依托低空算力网能够充分实践以算赋 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、

能技术优化网络资源分配，如智能调度算法可根据无人机飞行路线预测网络负载，动 态调整网络资源，以保障关键任务的通信需求。为了提高数据处理的效率和降低延迟， 需要将边缘计算深度集成到低空经济的信息化架构中。通过在无人机或近地面站点 部署边缘计算节点，可以实现数据的快速处理和响应，同时结合云计算的强大计算能 力进行深度分析和存储。 请务必阅读报告末页的重要声明 9 行业报告│行业专题研究

OceanStor Dorado V6 ，医疗核心应用最佳承载平 台 1 永 快 2 永 稳3 永智 OceanStor Dorado 18500/18800 V6 云上通用智能 + 边缘个性化智能 93% 故障出现即给出方 案 资源全均衡 端到端 AA ，资源共享均 衡 业务 0 中断 控制器 8 坏 7 ，引擎 2 坏 1 故障 0 感知 控制器故障后

■ 基础设施层的关键技术： 低空通信关键技术、低空导航定位关键技术、低空感知探测关键技术、低空气象监测关键技 术、低空算力网络关键技术。 √ 低空通信关键技术： 5 G 低空专网、网络切片及边缘计算技术、端到端 SLA 保障技术； √ 低空导航定位关键技术：卫星导航定位技术、惯性导航技术、视觉导航定位技术、多传感器融合定位技术； √ 低空感知探测关键技术： 低空雷达探测技术、光电探测技术、 通感一体化技术、多传感设备融合探测技术； 低空气象监测关键技术：低空气象监测和实时感知技术、面向低空通航的灾害性天气预报预警技术、城市近地面大气边界层精 细 化数值模拟技术； √ 低空算力网络关键技术：弹性计算技术、边缘计算技术、分布式计算技术、安全及隐私保护技术。 ■ 低空空间数字化关键技术： 低空空域的总体思路“可视化建模、可度量分析、可计算决策”。包括空域数字化关键技 术、 基础设施数字孪生关键技术、数字低空规划及管理与运营关键技术。

这一看似可行且具有颠覆性的场景至今无法实现应用。本案 例充分说明，作业装备的缺位会直接导致一个潜在的高价值 场景被悬置。 当前，作业装备正朝着模块化、标准化、智能化方向加 速迭代。随着传感器微型化、边缘计算及人工智能等技术的 深度融合，未来作业装备有望实现“即插即用”，这将显著 增强载运装备在多任务场景下的适应性，而日益丰富的载荷 方案也将有效解决各行业的痛点与难点，从而开拓出更为广 阔的应用领域。 成长度等级 各要素特征 总体特征 行业分类（痛点价值） 实现功能（不可替代性） 政策法规（支持与引导力度） 安全风险（可控性） D1 (需求萌芽级) 解决的痛点较为边缘，或解 决方案的价值不明确，指向 未来产业或宏观概念，与当 前国民经济行业分类结合松 散。 旨在解决的理论痛点尚未被 社会广泛感知，存在多种替 代解决方案，低空技术或许 并非最优选。 监管态度以观望和研究为主， 基础设施（S3-S4）：基础设施体系包括全国在册通航机 场 449 个、民航运输机场 254 个；应急起降点（含临时起降 场地）、指挥调度中心、能源补给设施（加油/充电/换电）、 维修保障站点。机场和应急起降点布局于城市边缘、山区、 沿海等关键区域，指挥调度中心实现多平台数据整合与统一 调度，能源补给设施支撑航空器持续作业，共同构建应急救 援保障网络。 行业分类（D3-D4）：核心归属于“航空业”（G56）与

空器数据标准的统一管理、航空器组网管理存在阻碍、需建立传统监视网络与低 空监视网络数据协同机制。  第二阶段（中期）：声光电增强监视网络 技术深度融合与智能决策支持的监视网络结合了云计算、边缘计算、物联网、 人工智能等多种先进技术，实现了对监视数据的深度挖掘和智能分析，为决策提 供了强有力的支持，以应对低空飞行日趋频繁，尤其是城市低空飞行海量业务增 长的需要。该阶段监视网络的建设，重点加强城市区域监视能力，支撑精细网格

实施现场部署，逐步投入使用并收集反馈； 5. 根据实际使用情况，进行定期维护与升级。 系统的最终目标是形成一个高效、精准、实时的监控环境，以 支持低空公共航线的安全与顺畅运行。采用中央集中监控和边缘智 能相结合的方法，提升数据处理的即时性和决策的有效性，确保在 复杂的低空飞行环境中，能实时处理并响应各类飞行安全事件。 下面是系统结构的示意图，展示各模块之间的联系与数据流 向。 通过以 理等措施来降低 此影响。预计噪声级别变化可以使用下表进行总结分析： 航线类型 预计噪声级别 (dB) 影响区域 影响频次 货运航线 70-80 市区、村庄 高 客运航线 65-75 城市边缘 中 特殊航线 60-70 自然保护区 低 在社会经济方面，低空公共航线的设立可能对当地经济产生积 极影响，如提升交通效率、促进旅游；但同时，噪声和安全隐患也 可能影响居民的生活质量及地产价值。因此，应通过公众参与机