AI走進機場：從問詢台到機坪 全球航空業的智能化分岔路

2026年10月05日

9月韓國仁川國際機場宣布，與工業AI企業POSCO DX聯合研發的AI行李異常檢測系統正式上線，可自動識別雙件疊放拉杆伸出行李脫盤等異常情形，檢測到異常後行李自動分流至人工處理區，仁川方面已就該技術提交專利申請。而就8月21日，北京大興機場舉辦具身智能應用場景推介會，一次性開放19個機器人應用場景，領域覆蓋驅鳥巡視、道面巡檢、航站樓清潔、旅客引導、行李輔助、園區運維等多個環節。據國內多家媒體報道，大興機場智能客服近日面向所有旅客上線，試運行以來已服務旅客1.5萬人次，有效彌補了高峰時段人工問詢台的缺口。

兩個機場的案例映射出2026年全球民航業AI落地的兩條主線：仁川選擇在行李處理這一高度標準化、邊界清晰的單點場景上做深做精；大興則把機器人鋪向從飛行區到航站樓的多元場景，讓物理空間成為數據採集網絡。兩種路徑背後，是不同市場環境、監管框架和産業基礎下的差異化選擇，也為行業提供了可相互借鑒的實踐樣本。

國內：大模型+具身智能，從服務前台走向運行後台

大興機場正式對外推出的首批19個機器人應用場景，這並非簡單的機器人上崗。據機場方面介紹，這些機器人在執行任務的同時，還承擔數據採集功能——客流密度、旅客問詢熱點、擁堵點位等信息被實時回傳，用於反哺機場運行調度。機器人不再只是替代人工勞動的工具，而是作為移動傳感器節點嵌入機場感知體系，為運行決策提供數據支撐。

這種思路在多家國內樞紐機場形成推廣。例如深圳機場在國際到達區域上線AI乘機助手，依托大模型技術實現跨語言交互，實時解答旅客關於行李查詢、入境流程、中轉指引、交通接駁等出行問題；部分餐飲零售店引入機器人店長和外賣配送機器人，以新穎智能的方式服務旅客，代步機器人、違禁品收集機器人等設備也相繼投入使用，全方位便利旅客出行。

東航在浦東機場的試點更進一步，2026年6月投放搭載自研慧燕大模型的服務機器人，覆蓋自助值機、改簽、行李查詢、中轉引導等環節；行李運輸機器人小駱駝最大承重達150千克，智能輪椅機器人也進入實地試運行，這批設備具備多模態交互能力，正在打通旅客出行的多個服務環節。

中小機場的探索則更強調輕量化路徑。8月31日，江蘇淮安漣水機場發布首位數字員工鸞娃，結合翔宇先鋒服務品牌建設，從旅客引導到服務咨詢、從流程優化到智能交互逐步融入機場運行各環節。對於預算和技術團隊都有限的中小機場而言，數字人是比大規模機器人部署更現實的切入點。

AI也在向安全和能源等運行核心環節延伸。昆明機場在2026年初試點AI安檢判圖系統，積累數萬幅違禁品圖像樣本，AI實時識別危險品並向安檢員提供參考，推動安檢從人防為主轉向人防+技防的人機協同模式。鄂爾多斯伊金霍洛機場則在2026年7月配套零碳機場建設，上線AI智算全息三維智慧能源管控平台，融合數字孿生技術，構建了具有自主知識産權的二氧化碳冷熱一體化零碳能源技術體系，全面替代原有燃氣鍋爐和氟利昂制冷系統，供暖制冷系統年運行能耗減少60%，年運行成本降低50%，為AI在綠色低碳運行領域的應用樹立了標杆。

總體來看，國內機場AI應用正在跳出前幾年展示性應用的階段，向機坪監控、淨空審核、能源調度、安檢判圖等運行側延伸。大模型與具身智能的結合是當前最突出的熱點，落地方式以人機協同為主，注重與現有運行體系的融合。

國外：生物識別與單點深耕，合規框架下穩步推進

與國內機場體系化鋪開的思路不同，海外機場的AI落地呈現出明顯的單點深耕特征，生物識別是最集中的賽道。

新加坡樟宜機場推進無護照通關，依托統一生物識別平台，旅客刷臉可完成值機、安檢、邊檢、登機全流程，目標是到2026年初實現95%出入境流程自動化，將單次通關壓縮至10秒以內。AI分析客流、動態調配安檢資源，既縮短旅客排隊時間，也有助於提升商業區域停留時長，把通行效率轉化為商業收益。迪拜國際機場推出紅地毯無感生物識別通關隧道，旅客無需出示證件，步行即可完成核驗，單次通關6—14秒，支持多人並行通行。

歐洲機場在生物識別落地提速的同時嚴格適配本地監管要求。羅馬菲烏米奇諾機場規模化部署Outsight 3D激光雷達+物理AI，實時採集人流數據，識別排隊與擁堵，預判客流壓力、調度現場資源，系統遵循隱私匿名化設計。德國法蘭克福機場部署APIDS自動違禁品檢測系統，將AI算法與 CT掃描儀集成，旅客無需取出筆記本電腦和液態物品，系統自動識別風險物品，僅對可疑對象觸發人工復檢，安檢人員保留最終判定權，得以聚焦高風險物品處置，早高峰安檢通道吞吐量和誤報率均有改善。

行李處理是海外AI落地的另一重要方向。韓國仁川機場2026年1月上線全球首個國際遠程行李安檢系統IRBS，托運行李完成自動化安檢，中轉旅客無需重新提取行李。SITA《2025行李IT洞察報告》顯示，2024年全球行李錯運率降至每千名旅客6.3件，較2023年的6.9件改善8.7%，這得益於AI分揀、自動追蹤與跨主體數據共享；調研覆蓋155家航司、94座機場，44%承運人已全面部署行李追蹤系統，41%正在推進建設。

日本機場智能化直面地勤人力短缺問題。2026年5月，JAL Ground Service聯合GMO AI & Robotics在羽田機場開展人形機器人測試，承擔行李分揀與貨物裝載，測試機型包含宇樹、優必選，試驗持續至2028年，核心目標是在安全框架下驗證人力補位的可行性。

北美樞紐圍繞生物識別與運行效率布局AI，TSA （美國運輸安全管理局）PreCheck Touchless ID人臉核驗項目，在JFK肯尼迪、亞特蘭大哈茨菲爾德-傑克遜、華盛頓里根國家機場等樞紐開展試點，聯合CLEAR生物識別系統落地無感身份核驗，為大型賽事客流保障做技術測試。

國內外機場兩條路徑的形成邏輯與融合空間

對比國內外案例可以看到，國內機場的AI布局呈現體系化特征：大模型、具身智能機器人、數字孿生、AI能源調度、AI安檢幾乎同步推進，覆蓋旅客服務、地面運行、能源安防全鏈條。這種格局的優勢在於：其一，國內民航業正在推進人工智能+民航的政策落地，樞紐機場有動力也有資源做系統性布局；其二，國産大模型的本地化部署成本相對可控，為機場側的大規模應用提供了條件。

海外機場的選擇主要在生物識別、行李自動化、AI安檢輔助判圖是最集中的三個落地方向，這些場景邊界清晰、目標單一、效果可量化——生物識別能縮短通關時間，行李AI能減少卡阻和錯運，AI安檢能提升吞吐量，都可以直接換算成旅客滿意度或運營成本的改善。海外機場在全局調度、數字孿生等大系統建設上相對審慎，核心考量是隱私合規：歐盟GDPR、美國相關隱私法對人臉數據和旅客行為數據的採集、存儲、使用有嚴格限制，跨系統的數據整合需要滿足合規要求，因此海外機場更傾向於在合規邊界清晰的單點場景上做深做精。

兩種路徑各有優勢、互有借鑒空間。國內體系化布局的優勢在於場景豐富、政策支持力度大，有條件在跨系統整合上先行探索；海外單點深耕的優勢在於商業化驗證充分，從試點到常態化復制的路徑相對清晰。未來的發展方向，很可能是兩條路徑的相互融合：體系化布局需要在數據打通和投入産出上持續夯實基礎，單點深耕也將隨著合規框架完善逐步向全鏈條延伸。

行業發展建議

無論國內還是海外，AI進機場的實踐正在形成若幹共識，也指明了後續努力的方向。

第一，堅守航空安全底線，堅持人機協同。AI在民航場景中的定位是輔助決策而非替代人工，安檢判圖、機坪監控、運行調度等關鍵安全環節，AI給出參考，最終判斷權必須在人。法蘭克福機場APIDS系統由安檢員保留最終決策權，昆明機場AI判圖也是給安檢員提供參考，這一共識應在所有AI項目中執行貫穿。AI的價值在於減少人在重復、高認知負荷任務中的疲勞和疏漏，把人員解放出來聚焦高風險判斷和異常處置。

第二，高度重視隱私合規，以技術方案化解數據風險。人臉數據、旅客行為數據的使用邊界是全球監管共同關注的問題。生物識別通關之所以能在樟宜、迪拜、希思羅等機場快速推進，一個重要前提是這些系統普遍採用令牌化方案——人臉數據在本地比對後不集中存儲，或僅生成一次性數字令牌，有效降低數據泄露風險。國內《個人信息保護法》對生物識別信息同樣有嚴格要求，建議機場在AI項目規劃階段就將隱私保護納入設計，採用本地化處理、數據脫敏、最小化採集等技術手段，在合規前提下釋放數據價值。

第三，從窄場景、高痛點環節切入，穩步擴展應用範圍。行業實踐表明，邊界清晰、效果可衡量的應用更容易跑通商業模型，也更容易獲得運營團隊的認可。建議機場在AI布局中優先選擇痛點突出、數據基礎好、回報可量化的場景切入，把單點應用做紮實後再逐步向相鄰環節擴展，避免貪大求全。大興機場讓機器人同時承擔數據採集功能是一個值得關注的方向——如果機器人採集的數據能持續反哺運行優化，其價值就不只是替代人工，更成為運行體系的數據入口。

第四，加快跨主體數據共享機制建設。機場運行涉及航司、空管、地服、安檢、邊檢等多個主體，AI模型需要高質量、實時的數據輸入才能發揮最大效用。建議行業主管部門和樞紐機場牽頭，在保障數據安全和商業隱私的前提下，探索建立跨主體數據共享的標準接口和協作機制，為AI在運行調度、協同保障等領域的深度應用創造條件。

第五，建立清晰的成本收益評估框架，推動試點向常態化轉化。當前不少機場AI項目仍處於試點階段，從試點到大規模復制需要考慮投入産出比的問題。建議機場在項目立項階段就建立可量化的評估指標體系，將採購成本、維護成本、調度系統建設、人員培訓、異常兜底等全生命周期成本納入考量，同時客觀評估效率提升、差錯減少、旅客滿意度改善等綜合收益，以清晰的賬本支撐AI投入的可持續性。

 

新聞來源 ：民航資源網         作者 ：丁一璠

本文轉載自民航資源網，文章觀點不代表本站立場