FAA AI 空中交通管制是一场价值 8.75 亿美元、押注预测而非自主化的尝试

FAA 正在启动一项价值 8.75 亿美元的 AI 项目，旨在让系统在管制员必须在高压下处理前，提前预测交通冲突。FAA AI 空中交通管制计划将首先在华盛顿特区周边启动，把新软件引入美国最繁忙的航空区域之一。

该系统名为 SMART，全称为 Strategic Management of Airspace, Routes, and Trajectories。它将把航班时刻表、天气、机场容量、空域状况和运行限制整合到一个预测平台中。

这一描述听起来比计划中的系统实际自主程度更高。SMART 不会取代管制员、独立指挥飞机，也不会消除升级雷达和通信设备的必要性。

相反，它将建议更早调整航线和起飞时间。人工交通管理人员和管制员仍将对运行决策负责。

这一区别界定了真正的考验。FAA 正在押注，更好的预测能够减少管制员面临的冲突，即使人员短缺和基础设施老化的问题仍未解决。

Air Space Intelligence，即 ASI，于 2026 年 6 月获得这份为期 12 年的合同。其软件如今必须从航空公司规划环节进入一个每天管理超过 80,000 个航班的公共系统。

此次部署也为政府 AI 设立了一个棘手的衡量标准。成功将取决于更少的延误、可用的建议、可靠的数据和管制员的信任，而非是否贴上 AI 标签。

FAA AI 空中交通管制部署从华盛顿开始

SMART 改变了处理交通问题的时机，将决策从后期的运行应对转向更早的规划。

根据最初的部署细节，FAA 计划首先在华盛顿都会区部署 SMART。初步实施完成后，系统将扩展至其他地区。

华盛顿提供了一个严苛的验证环境。该地区汇集了多个商业机场、军事活动、限制空域、密集交通以及频繁的天气干扰。

这些条件带来的限制，并不能通过在地图上寻找一条更短的路线来解决。一项有用的建议必须兼顾跑道容量、扇区工作负荷、天气、空域限制和航空公司的运行计划。

SMART 旨在于航班起飞前分析这些变量。随后，它可以识别预计出现的拥堵，并建议调整时刻表或飞行轨迹。

飞行轨迹是飞机在空间和时间中的计划路径。及早协调飞行轨迹，可以避免多架各自看似合理的航班争夺同一有限容量。

FAA 表示，SMART 将持续评估航空公司时刻表、天气、机场容量、空域状况和运行限制。其模型将预测交通流量，并在潜在冲突发生前发出提示。

这一能力属于 Flow Management Data and Services，即 FMDS。FMDS 旨在成为 FAA 空中交通管制系统指挥中心的数据和软件骨干。

两个系统之间的区别很重要。FMDS 提供共享的运行基础，而 SMART 则利用这些数据增加预测性规划能力。

该机构的项目公告称，FMDS 将估算当前及预期的交通流量。指挥中心管理人员可利用这些估算调整时刻表和飞行轨迹。

SMART 则将这一过程进一步延伸至未来。FAA 表示，该软件可在一次运行前数天、数周甚至数月帮助识别容量问题。

并非所有预测在接近起飞时间时仍然有效。天气变化、维护问题、跑道关闭以及航空公司的决策，都会持续改变运行态势。

因此，该平台需要的不只是令人印象深刻的长期预测。它还必须快速更新建议，并向运行人员说明基础态势为何发生变化。

首次部署应能揭示 SMART 能否在实时环境中完成这项工作。它也将显示该系统需要多少培训和工作流程再设计。

过晚到达的建议几乎没有运行价值。过早到达却缺乏可信度的建议，则会被忽视。

这使华盛顿不仅仅是一个有限的首发市场。它是 FAA 能否在不增加又一层运行摩擦的情况下整合预测性 AI 的首次公开测试。

SMART 试图让决策早于延误发生

该项目的核心理念很简单：在飞机离开登机口前预防拥堵，而不是在空中处理其后果。

空中交通管理往往会变得被动，是因为系统无法充分预判各项独立限制将如何相互作用。一地的风暴可能扰乱其他地区的航线、飞机轮换、机组、登机口和机场到达率。

航空公司和 FAA 已会针对这些情况进行规划。然而，它们的数据、优先级和工具并不总能形成对未来容量的一致看法。

SMART 的目标就是建立这种共同视角。它将汇总运行数据，并计算需求可能在哪些地方超过可用空域或机场容量。

该软件可能识别出多架起飞航班在恶劣天气期间汇聚到一条受限航线上。交通管理人员随后可在这些飞机进入流量之前调整起飞时间或飞行轨迹。

这种干预不同于战术间隔，即即时确保飞机安全分离的工作。管制员仍将通过既定系统和程序处理战术决策。

FAA 局长 Bryan Bedford 将现有问题描述为每天有数千个时刻安排冲突进入系统。这些冲突最终会表现为拥堵、改道、地面停飞或延误。

SMART 针对的是部分冲突产生的规划层面。它不会增加跑道空间、带来晴朗天气，也不会认证新的管制员。

它的价值在于更连贯地分配有限容量。该平台还可能发现现有流程在复杂运行中忽略的未充分利用航线。

FMDS 通过飞行计划、时刻表和实时位置更新支持这一目标。预测模型可以将预期需求与国家空域系统内不断变化的容量进行比较。

对于恶劣天气，FAA 表示该平台将支持局部改道。这一点很重要，因为广泛限制可能会延误原本根本无需进入受影响区域的航班。

更精准的干预可能减少这些不必要的影响。航空公司也将获得更可预测的信息，用于管理登机口、机组、燃油和旅客转机。

然而，优化会带来相互竞争的优先事项。对全系统而言最短的方案，未必能为每家航空公司、机场或单个航班带来最佳结果。

因此，FAA 必须明确建议如何平衡效率、公平性、安全余量和运行韧性。这些规则不能隐藏在模型输出背后。

交通管理人员还需要了解连续两次建议之间发生了什么变化。缺乏这一背景时，频繁更新可能看似不稳定，而非信息改善。

这正是 FAA AI 空中交通管制项目面临人为因素挑战的地方。系统必须传达不确定性，同时不能让已经在管理复杂运行的人员不堪重负。

置信度估计可能有所帮助，但前提是用户理解它代表什么。再精美的分数也无法弥补不完整的天气信息或不准确的时刻表数据。

最理想的结果不是自动遵从每一项预测，而是让 FAA、航空公司、机场和管制员之间的协调更快、信息更充分。

这使 SMART 成为决策支持平台，而非自主管制员。在测试、采购和对外沟通中，这一区别应始终保持明确。

更好的软件并不能消除管制员短缺

预测软件可以减少可避免的工作负荷，但无法替代关键设施中足够数量、训练有素的管制员。

人员配置问题早于 SMART 合同。招聘中断、退休、培训流失和疫情时期的影响，使 FAA 的人员规模低于此前水平。

2025 年 12 月的一项劳动力审查发现，截至 2025 财年末，FAA 雇用了 13,164 名管制员。这比 2015 年少约 6%。

交通量则朝相反方向变化。2015 至 2024 财年间，使用空中交通管制系统的航班总量增长约 10%。

这种组合让更少的劳动力承受更多需求。人员不足可能迫使实施交通限制、增加加班、延长培训负担，并降低运行灵活性。

这一短缺无法迅速修复。申请人必须通过能力筛选、医疗和安全审查、学院培训以及设施专属指导。

GAO 发现，完整流程可能需要两到六年。许多申请人在成为获认证管制员前离开或未能取得资格。

FAA 已增加招聘，并简化了部分流程。美国交通部表示，自 2025 年 3 月以来已招聘近 2,400 名管制员，不过认证仍需时间。

SMART 解决的是问题的另一部分。它可以帮助人员更有效地管理需求，但不能填补空缺岗位，也不能培训新的管制员。

这一边界已成为公众质疑的核心。一些管制员和航空观察人士质疑，软件支出是否会分散对薪酬、留任、培训和设施人员配置的关注。

如果将这些选择视为可以完全互换，批评就会产生误导。软件合同和劳动力项目使用不同的预算、能力和实施路径。

不过，潜在担忧是合理的。FAA 不应将规划工作负荷下降报告为人员需求已经消失的证据。

自动化有时会减少重复任务，同时带来新的监控职责。运行人员必须审查建议、调查异常，并在集成失效时恢复运行。

新工具也可能暂时提高需求。在 FAA 验证平台并保留现有安全保护措施期间，管制员和交通管理人员可能需要并行执行多套程序。

因此，应根据运行工作负荷而非单纯处理速度衡量该系统。若模型产生更多选项、而人员必须逐一手动评估，它反而可能增加工作量。

员工接受度将与技术准确性同样重要。管制员不太可能信任一个在没有明确运行解释的情况下改变既定流量的平台。

他们的反馈应塑造界面设计、告警阈值和后备程序，也应识别那些在数据中看似高效、却在真实条件下无法实施的建议。

FAA AI 空中交通管制工作最适合作为更广泛容量战略的一部分。该战略仍需要招聘、认证、留任、设施、通信和监视设备。

软件可以帮助管制员应对复杂性，但无法让人员问题消失。

这笔 8.75 亿美元的押注，是更大规模重建的一部分

SMART 并不是空中交通管制的独立解方；它只是成本高昂、时间紧迫的现代化计划中的一个软件层。

FAA 向 ASI 授予了一份为期 12 年、涵盖 SMART 和 FMDS 的合同。该项目是更广泛替换老旧通信、监视、气象、培训和自动化系统行动的一部分。

Peraton 担任更大范围现代化工作的总集成商。该角色包括协调遍布数千个 FAA 地点的承包商和安装工作。

国会为该项目提供了最初的 125 亿美元资金。交通部表示，完整的现代化改造所需资金将远超这笔初始拨款。

该计划将工作划分为多个阶段。早期项目重点涵盖通信、雷达、气象系统、信息显示、场面态势感知和培训技术。

后续自动化工作包括 FMDS，以及用于显示和追踪航空器系统的通用平台。这些组件与交通流优化的关联更为紧密。

政府的目标是在 2028 年底前完成第一阶段的主要工作。这个时间表远快于传统的联邦航空现代化项目。

这种加速是对现实问题的回应。部分 FAA 基础设施仍依赖老旧设备、有限的替换零件，以及数十年前安装的通信链路。

然而，压缩交付周期也会带来自身风险。承包商在更换设备并连接新平台时，关键系统必须持续可用。

最新的现代化评估对规划提出了重大疑问。GAO 发现，第一阶段既没有完整的生命周期成本估算，也没有整合后的总体进度计划。

截至 2026 年 5 月，更广泛的项目由超过 11,000 份独立项目进度表组成。这些进度表尚未得到全面整合或优化。

这一发现对 SMART 至关重要，因为软件依赖其他项目提供的基础设施和数据。其他环节的延误可能限制预测能力的质量或覆盖范围。

GAO 还报告称，FAA 估计第一阶段系统现代化成本为 106.15 亿美元。现有项目拨款留下了预期资金缺口，需要年度拨款和其他资金来源来填补。

截至 2026 年 5 月，第二阶段预计还需要额外 102 亿美元。由于该阶段尚未获得全部资金，FAA 尚未制定完整的实施时间表。

因此，SMART 进入的是一个合同相互交叠、基础设施尚未完成、长期拨款存在不确定性的环境。其自身合同金额并未体现这些依赖关系。

历史经验值得保持谨慎。FAA 的 NextGen 现代化建设带来了有意义的能力提升，但项目也遭遇了延误、需求变化和复杂的集成工作。

新战略强调采用商业开发的软件，而非在内部构建每一项能力。ASI 已向主要航空公司提供航路规划和运营工具。

商业经验为该公司带来了相关的数据和部署知识。但这并不自动意味着同一产品能够满足联邦层面的安全、规模、安全防护和透明度要求。

国家空域系统的用户也不止大型航空公司。货运运营商、公务航空、通用航空、军方用户、无人机以及未来的空中出租车，都在争取使用空域。

国家级平台必须兼顾这些不同的运营模式。它不能只为数据集成最深入的航空公司优化。

FAA 的系统计划将软件与新雷达、电信设备、语音交换设备和设施配套部署。这种综合方案必不可少，因为预测无法修复失效的通信链路。

因此，更大规模的重建既是 SMART 的机遇，也是它最大的依赖条件。现代化基础设施能够提供更好的数据，而陷入困境的集成工作则可能削弱即使准确的模型。

安全取决于数据、解释与后备方案

最棘手的问题不是 SMART 能否给出预测，而是 FAA 能否在异常条件下安全地依赖这些预测。

机器学习在当前状况与其数据中所呈现的模式相似时表现最佳。航空运行中断往往涉及极少以完全相同形式发生的多种因素组合。

一场快速移动的风暴，可能同时发生跑道关闭、通信故障、人员限制或军事空域调整。历史平均值在这种时刻提供的指引有限。

SMART 必须能够识别其预测何时变得不那么可靠。运营人员还需要一种明确的方式来拒绝建议，并恢复既定程序。

这一要求将安全关键型决策支持与普通商业分析区分开来。错误的办公室预测只会浪费时间，而一项航空建议可能重塑多个区域的交通流。

该平台的数据也带来另一种风险。航空公司时刻表可能变化，天气预报可能出现偏差，机场容量估算也可能在数分钟内过时。

只有当每项输入都具有清晰的时间戳和来源信息时，集中式可视化才有帮助。用户必须知道，一项建议反映的是当前状况还是过时的数据流。

网络安全同样重要。FMDS 将在 FAA 与空域用户之间交换实时运行数据，因此可用性和完整性至关重要。

攻击者无需夺取对航空器的直接控制权也能造成扰乱。被篡改的容量估算或虚假的航路限制，仍可能损害信任和效率。

FAA 必须测试降级运行模式，而不能只测试正常性能。这些测试应包括数据流不可用、更新延迟、输入冲突、模型故障和通信中断。

人为因素也需要同等关注。过多低价值警报会导致警报疲劳，而缺乏解释的建议可能引发不信任或过度依赖。

自动化偏见是指人们给予计算机化建议过高权重的现象。良好的界面应支持判断，而不是鼓励被动接受。

这意味着应展示每项建议背后的约束条件。交通管理人员应能看到，是天气、跑道容量、扇区需求还是其他因素促成了该建议。

系统还应保留问责能力。日志必须记录哪些数据支持了一项建议、人工做出了什么决定，以及实际运行结果与预测有何差异。

这些记录将帮助调查人员、审计人员和工程师区分模型错误、数据故障，以及在不确定条件下作出的合理决定。

公开表述应比证据更为克制。FAA 表示 SMART 将减少延误、改善交通流并提升容量，但实时结果尚未在全国范围内证明这些成效。

区域部署可以提供早期证据，但无法证明该平台会在每个设施、每种天气模式和每类交通组合中表现同样出色。

安全不应仅以没有发生事故来衡量。相关指标还包括被拒绝的建议、不稳定的计划、工作负荷变化、服务中断事件和程序偏离。

减少延误同样需要谨慎归因。天气、需求、航空公司运营、人员配置和设备状况，都可能独立于 SMART 而发生变化。

FAA 应比较相似的运行时段，并公布报告效益背后的方法论。否则，有利条件可能被误认为是软件性能。

透明度并不要求公开敏感运行数据或专有代码。但它确实要求明确的指标、评估边界，以及对故障的诚实报告。

缺少这些要素，FAA 的 AI 空中交通管制项目可能沦为贴在普通现代化改造上的公关标签；具备这些要素，它则可能成为一次具有意义、可问责的运行型 AI 测试。

三个信号将显示 SMART 是否奏效

接下来的证据应来自运行实践：管制员的使用情况、可衡量的交通改善，以及能否可靠地扩展到华盛顿以外。

第一个信号是，交通管理人员是否会在实际中断期间使用 SMART 的建议。仅看采用率并不足够，因为运营人员可能只接受无关紧要的建议。

FAA 应考察这些建议如何影响恶劣天气规划、离场排序、改航，以及限制解除后的恢复工作。它还应追踪运营人员拒绝建议的原因。

在复杂运行中持续使用，将增强 SMART 的可信度。若因遗漏约束条件或输出不稳定而频繁被人工覆盖，则会削弱这一判断。

第二个信号是延误和工作负荷是否发生可衡量的变化。评估应比较相近的交通水平、天气条件和人员配置情况。

有用的指标包括规划提前量、地面延误时长、改航频率、扇区超负荷事件，以及管制员和交通管理人员报告的工作负荷。

全系统效率同样重要。将延误从一个机场转移到另一个机场，并不代表真正的改善。

在给另一类运营商施加隐性成本的同时优先照顾某一群体，也同样不算改善。FAA 需要能够反映网络效应的衡量指标，而不是单一机场的结果。

第三个信号是扩展的速度和质量。华盛顿部署成功后，在软件进入更多地区之前，应形成有记录可查的运行基线。

扩展将检验该平台能否适应不同的空域设计、天气模式、交通组合和本地程序，也将检验培训与技术支持能力。

快速的全国部署时间表或许看起来令人印象深刻，却可能掩盖尚未解决的缺陷。当每个阶段都具有明确的验收标准时，分阶段部署更有价值。

国会和监督机构还应关注 SMART 与更广泛现代化进度之间的关系。如果关键基础设施无法提供可靠数据，软件里程碑意义不大。

同样，新雷达或通信设备也无法保证更好的交通管理。只有当系统能够可靠地交换信息、人员能够据此采取行动时，价值才会显现。

ASI 的角色值得持续审视，因为该公司将在未来多年影响一个核心运行平台。合同监督应审查性能、安全性、可移植性以及对专有技术的依赖。

FAA 应保留审计结果和在供应商之间迁移数据的能力。当接口或性能衡量标准仍然模糊时，长期合同可能变成昂贵的约束。

航空公司有理由支持更早且更可预测的规划。更好的预测可以改善航空器利用率、机组规划、燃油决策、登机口安排和旅客衔接。

管制员则有不同但互补的利益诉求。他们需要减少可避免的冲突，同时不失去权限、态势感知或可靠的后备工具。

旅客将间接感受到该项目。他们看不到指挥中心正在运行的模型，但可能注意到连锁延误和临时变更有所减少。

这些益处并无保证。初始部署必须证明，在使航空运行变得困难的条件下，预测能够转化为运行决策。

归根结底，FAA 的押注比标题暗示的范围更窄。它并不是将美国空域交给一个自主 AI 系统。

它正在检验：更好的预测能否让熟练的专业人员拥有更多时间来管理稀缺的运力。这一目标可信、可衡量，但仍极具挑战。

未来几个月应能确定 SMART 能否赢得华盛顿空管人员的信任。结果也应揭示，在天气、拥堵和系统故障期间，这些建议是否依然有用。

如果这些结果能附带有意义的对比数据公开，FAA 的 AI 空中交通管制计划可为负责任的公共部门 AI 提供范例。如果证据始终模糊不清，这份合同仍将只是一项代价高昂的承诺。

因此，摆在旅客、空管人员和政策制定者面前的问题很明确：FAA 是否会公布足够的运营证据，证明预测确实改善了决策，而不只是增加了一套软件？