FAA SMART AI 工具小范围起步，延误承诺迎来人工审核考验

FAA 于 9 月 21 日以有限模式启用 FAA SMART AI 工具，首站覆盖华盛顿空域，并刻意将其运营职责限定在较窄范围内。

SMART 是 Strategic Management of Airspace, Routes and Trajectories 的缩写，整合 200 条数据流，在航班起飞前预测拥堵情况。该系统涵盖天气、时刻表、飞行航线、机场容量、交通流、空域状况、运营限制及管制员配备情况。

这听起来像是将航空规划的重要职责移交给人工智能。但初期部署更为克制。SMART 提供排班和航线建议，而 FAA 员工会审核每项建议，并由当地官员决定是否采用。

因此，真正的考验并非算法能否控制飞机。它不能，FAA 也表示，空中交通管制员仍负责确保飞机之间保持安全间隔。考验在于，一个预测性规划层能否帮助 FAA、航空公司和运营商比现有流程更早地化解拥堵。

华盛顿地区的部署将这一承诺置于 Reagan National、Washington Dulles 和 Baltimore-Washington International 周边的严苛环境中。它也揭示了该项目的核心矛盾：雄心勃勃的延误减少目标，依赖于谨慎的人类采纳、可信的数据，以及优先级各异的组织之间的合作。

FAA SMART AI 工具改变了交通决策的启动时点

SMART 将空中交通管理的一部分工作从对拥堵作出反应，转向在飞机离开登机口前围绕拥堵进行规划。

FAA 于 2026 年 9 月 21 日在华盛顿地区以有限模式开始使用 SMART。其初步部署标志着分阶段扩展至美国其他地区计划的首个运营步骤。

传统交通管理本就会使用预测、飞行计划、容量估算和运营限制。然而，相关信息可能分散在不同系统中、以不同时间节奏到达，或只有在干扰已经开始后才变得可执行。

FAA 表示，SMART 将 200 条数据流汇集到一个平台中。其 AI 支持的引擎将这些信息整合为对预期飞机运行、可用容量和潜在问题点的共享可视化图景。

这一共享视图十分重要，因为拥堵并不局限于单一机场。一条风暴带可能关闭航线、增加其他地区的需求，并迫使交通管理人员在多个设施之间平衡相互竞争的限制条件。

SMART 旨在提前数小时、数天甚至数周识别这些相互影响。FAA 专家随后可在更多选项尚可使用时，研究替代航线、起飞时间、到达时间和时刻表调整方案。

随着情况变化，该系统会持续更新预测。它不会直接向飞行员下达指令，也不会接管飞机控制权。相反，它通过 FAA 已建立的运营架构提供规划建议。

每项建议仍须经过人工审核。当地空中交通领导层可以接受或拒绝排班建议，而管制员则继续作出与安全密切相关的决策。

这种区分将预测性交通管理与自动化空中交通管制区隔开来。SMART 运行于维持飞机安全间隔这一战术性工作之上。

FAA 将该系统描述为一个增强现有交通管理工具的云端平台。其SMART 概述将其称为与当前系统并行运行的规划层。

这一有限角色是此次启用的核心。FAA 正在测试：更早且更一致的信息能否改善规划，同时又不会迫使航空公司和管制设施立即进行程序性调整。

华盛顿地区的部署还创造了一个可衡量的运营环境。交通管理人员可以比较 SMART 预测的限制条件与实际需求、天气、航线可用性及最终延误情况。

如果预测有用，规划人员应能在飞机开始滑行前获得更多时间协商调整。如果建议来得太晚、事实证明不准确，或造成新的协调负担，系统的实际价值就更容易受到质疑。

因此，SMART 改变的更多是决策时机，而非决策权归属。人类仍然作出决定，只是多获得了一种对空域未来可能状况的观察视角。

这比自主空中交通管制的说法更为有限，但也是更现实的测试场景：检验 AI 支持的预测能否改善一项复杂的全国性运营工作。

更早预测拥堵为何重要

航班延误之所以常会扩散，是因为系统在航空公司和管制员失去干扰最小的应对选项后，才识别出冲突。

在出行日开始时，计划需求可能已经超过某个机场、航线或空域扇区的容量。天气随后还可能进一步降低该容量。

一旦飞机完成登机、正在滑行或已在空中，可用应对措施的成本就会更高。航空公司可能需要延后起飞、接受更长航线、改降飞机，或等待受限空域重新开放。

这些决策影响的不止一个航班。延误的飞机可能错过下一项任务，机组人员可能接近工作时间限制，登机口可能持续被占用，乘客也可能错过转机。

FAA 认为，更早规划可以避免其中一部分连锁反应。SMART 的设计目标是在规划人员仍有时间以更少后续影响调整航线或起飞时刻时，识别限制因素。

设想一项预测显示，多家航空公司计划让航班穿越同一条走廊，而风暴正减少可用空域。反应式系统会在受影响航班接近瓶颈时处理这一冲突。

SMART 的预期方法不同。它将时刻表、可能的飞行轨迹、天气和容量结合评估，然后在拥堵完全形成前提出替代方案。

这些方案可能包括让部分飞机改走另一条可用航线，或将起飞时间调整数分钟。较早作出的小幅调整，可能优于之后更长时间的地面等待或空中改航。

FAA 还预计，该平台可改善干扰开始后的恢复工作。更新后的预测可显示一项航线决策如何改变其他地区的需求，帮助管理人员避免将瓶颈转移到另一个扇区。

这也是共享运营图景为何重要。航空公司优化其机队和时刻表，而 FAA 则管理更广泛 National Airspace System 的容量与安全。

对一家航空公司而言高效的选择，未必是整个系统的最佳选择。实际挑战在于找到多家运营商都能接受、又不会制造另一项限制的调整方案。

FAA 此前的软件公告将 SMART 定位为 Flow Management Data and Services（FMDS）体系中的一项增强功能。FMDS 旨在成为 Air Traffic Control System Command Center 管理人员使用的数据骨干。

FMDS 利用飞行计划、时刻表和实时位置更新来估算当前及预期的交通流。SMART 则增加了一层预测性规划能力，旨在更早识别冲突和可能的调整方案。

这些系统共同旨在推动交通管理从碎片化预测转向一个持续更新的共同视图。其价值并不在于贴上 AI 标签，而在于在运营选择收窄前协调数据与决策。

这一目标也给航空公司带来压力。航空公司必须判断，SMART 的建议是否足够可靠，值得在干扰变得明显之前调整时刻表或航线。

接受早期调整可能会带来即时的运营成本。如果预测被证明正确，拒绝调整则可能导致更严重的延误。

FAA 面临着相似的选择。它必须证明 SMART 能改善结果，而不仅仅是为本已繁忙的团队生成更多需要评估的建议。

有用的预测只是第一项要求。系统还必须在恰当的时间提供建议、清晰说明建议，并融入现有工作流程而不压垮规划人员。

一个共享预测面对相互竞争的运营优先级

SMART 的主要对手不是另一款 AI 产品，而是 FAA 希望航空公司和管制员摆脱的碎片化、反应式规划流程。

航空公司、运营商和 FAA 在交通规划中并不追求完全相同的目标。每家航空公司都在保护自身的时刻表、飞机轮换、机组可用性、乘客转机衔接，以及对高价值航线的使用权。

FAA 在管理总需求、天气限制、管制员工作负荷和可用空域时，必须兼顾这些利益。一个有利于更广泛网络的建议，仍可能令某一家运营商处于不利地位。

SMART 试图建立一个共同的事实基础。所有参与方都应看到相同的预测需求、容量限制、天气影响和可能的拥堵情况。

共享预测并不会自动带来共识。参与方可能对风险有不同解读、质疑输入数据的质量，或针对同一项限制偏好不同的应对方式。

这使得协调与预测同样重要。只有当系统输出能帮助组织达成其认为可信且在运营上可行的决定时，系统才算成功。

航空业在启用前的担忧表明了这一点为何重要。据报道，行业官员曾要求更明确地界定 SMART 的权限边界，并担心广泛的建议可能引发不必要的取消航班或时刻表调整。

有限部署在一定程度上回应了这一担忧。SMART 通过现有 FAA 流程提供替代航线和排班信息，而非建立独立的指挥链。

FAA 员工审核其输出，当地负责人保留裁量权。航空公司也继续就航线和容量决策与该机构协调。

这一人工关口降低了错误预测自动变成运营指令的风险。但它也使从预测到行动的路径变得更慢、更复杂。

在早期部署阶段，这种权衡是恰当的。一个全国性规划系统必须先赢得信心，相关机构和航空公司才会大规模依赖其建议。

Airlines for America 一直支持该项目，同时强调协调的重要性。United Airlines CEO Scott Kirby 表示，若系统如预期运行，它可能大幅减少延误和航班取消。

其他反应则更为谨慎。National Air Traffic Controllers Association 表示，其未参与 SMART 的设计、测试或实施。

该工会还强调，新技术应当补充管制员的经验和判断。这一立场与 FAA 既定的边界相符，但也提出了一个重要的采纳问题。

交通管理技术并非在组织真空中运行。管制员、指挥中心专家、航空公司运营团队和地方设施负责人必须了解建议是如何生成的，以及哪些假设塑造了这些建议。

FAA 还必须明确参与方出现分歧时应如何处理。航空公司可能会拒绝一项建议的起飞调整，因为其认为会对乘客或机组产生 SMART 未建模的影响。

地方设施可能因当前情况与平台输入不同而拒绝路线方案。这些决定不一定意味着自动化失败。

它们揭示了预测拥堵与治理全国性网络之间的差异。SMART 可以整理数据并生成替代方案，但哪些取舍可以接受，仍由相关机构决定。

因此，首轮部署的评判标准应部分取决于协作情况。可参考的指标包括团队查看建议的频率、采纳建议的频率，以及拒绝建议的原因。

拒绝数据与采纳数据同样具有参考价值。它可以揭示缺失的运营约束、不清晰的说明、过时的输入，或只是转移问题而非解决问题的建议。

只有当这些反馈能够改进平台及其工作流程时，FAA SMART AI 工具才能创造价值。即使预测在技术上准确，如果运营人员习惯性地忽视它，也无法减少延误。

其机制是预测，而非自主控制

SMART 是一套咨询式规划系统，而其实现更广泛采用的最安全路径，是证明其预测在复杂的实际运营条件下依然有用。

围绕航空 AI 的公开讨论可能模糊了几种不同技术之间的界限。生成式聊天机器人、机器学习预测模型和确定性优化系统的行为方式并不相同。

FAA 已说明 SMART 的输入和预期输出，但对其底层模型披露的技术细节较少。这一缺口使审慎报道尤为重要。

该系统分析航班时刻表、天气、机场容量、空域状况和运营约束，随后预测交通流量、识别潜在冲突，并提出规划调整建议。

FAA 的发布说明中没有任何内容表明 SMART 会直接与飞机通信。它不会取代管制员、下达战术间隔指令，或独立批准时刻表变更。

它的角色更接近决策支持系统。它试图帮助流量管理人员预见未来拥堵并评估替代方案，同时保留人类的运营决策权。

这种设计限制了单次错误预测的影响。一项不佳的建议在影响交通之前，仍必须经过专业审查。

然而，人类审查并不能消除模型风险。审查者需要获得足够的信息、时间和背景，才能识别薄弱建议，而不是出于习惯接受它们。

该系统还依赖输入数据的质量和时效性。天气预报会变化，航空公司时刻表会调整，设施会改变容量配置，人员配备情况也可能发生变化。

基于不完整或过时数据的预测可能看似精确，却描述着已不复存在的情况。平台必须快速更新，并在不确定性较高时发出提示。

因此，航空工程专家一直关注透明度。Virginia Tech 教授 Ella Atkins 指出，FAA 的公开材料对 SMART 的能力描述远多于对其底层技术的说明。

独立航空顾问 Philip Mann 同样将扩展标准视为关键问题。他的风险评估强调了真实工作负载、数据退化，以及预测出错时的问责问题。

这些是实际层面的担忧，并非反对使用预测软件的理由。每套流量管理系统都要处理不确定性，包括不断变化的天气和不完整的运营信息。

问题在于，SMART 是否比现有规划流程更善于处理不确定性。这需要来自普通日子、重大风暴、异常交通模式，以及一个或多个数据源变得不可靠期间的证据。

FAA 还应区分不同类型的表现。一个模型可以准确预测交通，却提出航空公司无法执行的方案。

它可能减少一个地区的延误，同时增加其他地区的延误。它也可能在航空公司已来不及行动时，才提出有价值的航线建议。

每种结果都指向不同的失效模式。将它们合并为一个笼统的成功率，会掩盖安全扩展所需的运营经验。

有限的华盛顿阶段为 FAA 留出了定义这些衡量指标的空间。它可以将预测与实际拥堵进行比较，审查建议采纳情况，并追踪被接受变更带来的后续影响。

公开报道显示，该系统最初支持华盛顿地区的三座主要机场。该地区兼具密集的商业航空流量、受限空域、多处设施，以及易受破坏性天气影响等特点。

这使其成为有用的压力测试，但并不能完全代表全国。纽约、芝加哥、亚特兰大、达拉斯以及西部交通走廊具有不同的网络结构和运营压力。

华盛顿地区取得强劲结果将证明有必要进行进一步评估，但这本身并不能证明相同配置应在全国部署。

延误减少承诺仍需独立证据

FAA 已描述预期收益，但尚未公布显示 SMART 可减少多少延误的运营结果。

该机构表示，SMART 应能减少取消航班、燃油消耗、空中盘旋等待、备降，以及地面等待时间。它还预计，在恶劣天气后可实现更可预测的运营和更快的恢复。

这些收益是合理的。更早获得信息通常能让规划人员拥有更多选择，协调一致的决策也可避免某一局部约束演变为更广泛的网络问题。

合理性并不等同于已被证实的表现。系统上线标志着 FAA 可以开始结合实际运营收集证据的时期。

首个不确定因素在于基线。航班延误有多种原因，包括天气、机场容量、维护、航空公司排班、机组可用性、安全事件和设备故障。

SMART 只能直接处理其中一部分。即使交通预测准确，也无法修复通信中断，或在严重风暴期间创造跑道容量。

因此，评估必须区分平台能够合理影响的延误与其范围之外的延误。否则，支持者和批评者都可以挑选符合自身偏好结论的数据。

第二个不确定因素是转移效应。一项建议可能减少一组航班的延误，却让另一组航班承担更长航线或更晚起飞。

系统层面的指标应展示总延误是否下降，以及延误分布是否仍在运营上可接受的范围内。仅有局部改善可能掩盖被转移的成本。

第三个不确定因素是人员工作负荷。FAA 表示，SMART 将通过更早预防干扰来减轻管制员压力。

这一结果取决于建议质量。即使管制员从未看到原始输出，大量边际价值有限的建议仍可能增加指挥中心专家和地方管理人员的工作负荷。

第四个不确定因素涉及信任。运营方需要反复获得预测可靠的证据，才会围绕它改变既有决策。

信任应保持适度校准，而非绝对化。工作人员必须知道 SMART 在何种情况下表现良好、何时其置信度有限，以及异常条件何时会让既有判断更具价值。

多位航空业利益相关方在欢迎该系统的同时，也强调了这条人类决策边界。Embry-Riddle Aeronautical University 的 Michael McCormick 将 SMART 描述为为仍保有决策权的规划人员提供替代方案的来源。

前 FAA 员工 Tom Lintner 表示，更早的态势感知可让系统拥有更多时间制定替代方案。Washington 的报道还记录了众议员 Don Beyer 的反对意见，以及管制员工会表达的谨慎态度。

这些观点反映了不同的证明标准。航空公司看重减少干扰的前景，而管制员和公共官员则必须考虑安全、问责，以及对陌生工具的信心。

FAA 可以通过透明结果回应这两类群体。有用的报告应包括预测准确性、建议采纳情况、可避免延误、航线效率、燃油影响，以及在数据退化条件下的表现。

它还应记录 SMART 建议被拒绝或被证明无益的事件。负面发现将帮助该机构改进系统，并明确其应有的边界。

SMART 最有力的论据不会来自对 AI 技术复杂性的描述，而会来自证明专业人员能够在不削弱安全性、也不制造隐性运营成本的前提下，更早地作出更好的决策。

三个信号将决定 SMART 是否扩展

下一阶段取决于预测表现、运营方采用情况，以及 FAA 推进至华盛顿以外地区的证据标准。

第一个信号是在真实干扰下的预测质量。正常交通日可提供有用校准，但恶劣天气和快速变化的容量将检验 SMART 是否能提供可付诸行动的预测。

FAA 应将预测拥堵与实际情况进行比较，并识别系统提前多久发现每项约束。它还应审查误报和漏报事件。

如果 SMART 能持续识别关键瓶颈，且替代方案仍可使用，扩展理由就会增强。频繁出现不准确预警则会削弱信心，并增加不必要的工作。

数据退化期间的表现值得特别关注。一套只有在每个数据源都完整时才有效的平台，将难以应对那些恰恰使预测规划更有价值的干扰。

第二个信号是建议采纳情况。FAA 工作人员和航空公司必须认为建议的航线或时刻表变更足够可信，才会采用。

仅凭采纳率无法说明全部情况。团队可能因建议来得太晚、在运营上不可行、解释不清晰，或基于不准确的约束而拒绝建议。

FAA 应对这些原因进行分类，并据此改进系统。采纳率上升且结果改善，将表明 SMART 正成为真正运营规划的一部分。

高采纳率却没有可衡量的收益，会引出另一个问题。运营方可能正在遵循那些只是重新分配延误、而非减少延误的建议。

第三个信号是地理扩展的正式门槛。FAA 表示部署将逐步覆盖全国其他地区，但扩展应遵循明确的证据关卡。

这些关卡应包括在高需求、恶劣天气、数据不完整，以及参与运营方存在分歧时的表现。它们还应处理一项建议导致不理想结果时的问责问题。

更广泛的部署将使 SMART 面对不同的机场布局、航线结构、天气模式和交通构成。每次扩展都应检验华盛顿的经验能否迁移至新环境。

该项目在相关证据逐步形成期间应始终保持咨询性质。人工审查并非一时的不便，而是让 FAA 能够在不将安全关键权限交给未经验证系统的前提下，测试预测性规划的机制。

FAA SMART AI 工具仍然值得关注，因为它试图连接航空机构通常会分别评估的信息。它的价值在于把决策前移到规划人员拥有更多选择空间的阶段。

它的局限性同样明确。预测无法化解机构间的冲突，无法保证输入数据准确，也无法凭空创造不存在的运力。

对乘客而言，关键问题并不是 FAA 是否开始使用 AI，而是随着推广推进，航班是否会出现更少本可避免的地面等待、空中延误、备降和取消。

对航空公司及航空业专业人士而言，眼前的任务更具挑战。他们必须判断 SMART 何时能提供更优方案、何时应由人工判断推翻其建议，以及这些决定会如何影响整个网络。

请关注华盛顿的试点结果，尤其是在恶劣天气期间。如果该系统能提供准确预测、获得采纳的建议，并带来可衡量的延误减少，全国范围的扩展将拥有以证据为基础的支撑。

如果这些结果始终未公开，或仍存在歧义，那么 FAA 的广泛主张就会继续领先于这一有限推广实际证明的成效。