这年头,各行各业都在跟生成式AI挂钩,连航空业也不例外。那飞机用生成式AI能做什么呢?

过去这半年,但凡部分实现电子化和数字化的领域,普遍都喜欢谈生成式AI——毕竟谁都想蹭一蹭以ChatGPT为代表的生成式AI的热度,其中也包括了航空(与航天)。美国航空公司在去年9月份的互联航空智能峰会(Connected Aviation Intelligence Summit)上就说航空业很快就要AI everywhere了

这事也并不奇怪,我们在很多生成式AI相关的技术发表会、研讨会上都听过,应用领域多少都要挂到一点航空航天。抛开金融市场可能想做多AI或航空业的问题不谈,AI和航空航天有什么关系?

即将于5月22日在成都举办的首届“中国国际航空电子(低空经济)产业创新发展大会”议程中,我们就看到有嘉宾打算谈AI驱动下的航空技术。关注低空经济与航空电子的读者千万不要错过,涵盖空客、巴西航空工业公司、吉利沃飞长空、Vicor、沃兰特航空、翼龙无人机等在内的企业与政府机构都将参与交流,欢迎点击这里报名

可能关注电子产业发展进度的读者多少能列举一些航空与AI相关的用例,比如说预测分析(predictive analytics)。毕竟但凡和工业生产挂钩,加上民航面向客户的服务业,还有飞行途中的计算机视觉CV需求,没有用AI技术应该是不好意思跟人打招呼的。

举一些简单的例子:瑞士国际航空(Swiss International Airlines)已经开始用AI技术来提升生产力了,据说去年因此节约了500万瑞士法郎的开支;往上游,通用电气航空部门(GE Aerospace)基于数字孪生AI技术,监测、分析航空发动机的实时数据,属于典型的预测性维护应用;

空客和IBM一起做了个Airbus Smarter Fleet云服务平台,主要是面向空客的客户,提供不同的解决方案,比如说飞行效率、燃油经济性、智能维护和工程工具;IBM Watson也在做基于AI的故障根因分析,辅助飞机制造商做预测开发...

这些都是AI,但还不算是生成式AI。那这波生成式AI热潮和航空有什么关系呢?这里我们不打算列举电子领域常见的人工智能技术,比如说基于生成式AI做电子设计——毕竟EDA厂商普遍都在谈自家的工具能用在航空市场,其中出现生成式AI技术也就没什么稀奇的。除此之外还有些什么?

借着本次Aspencore即将举办的这场活动,我们来谈谈航空与生成式AI的关系,及其发展前景。

 

有应用场景落地了?

现在能搜到有关航空与生成式AI的文章,大多是以前瞻姿态去谈的。毕竟生成式AI于大部分企业和行业,都仍处在发展早期。不过还真有一些已经落地的案例。比如说今年美联航尝试将生成式AI用到航班延误问题上:以前航班延误,旅客也就收到一条短信通知。

美联航借助生成式AI,扫描飞行系统与数据,随后给旅客发出信息告诉你航班为什么延误——据说延误原因解释得清晰自然,提升了用户满意度。在今年启用这项技术以后,大约6000次航班收到了由生成式AI帮助发出的信息,航空公司计划未来要扩大应用范围。

美联航方面表示还在探索生成式AI的其他应用可能性。比如说他们内部搞了个UnitedGPT;还在尝试用AI来读邮件、回邮件,节省解决问题的时间。不过这个例子估计不能令大部分人信服,毕竟它和飞机关系也不大。

它实际上代表的是航空公司借助生成式AI来做通信和客户服务,是运营相关的。这类型的应用还包括为客户提供文字自动翻译、市场材料生成、撰写副本等。全球开始采用生成式AI参与客户服务和日常运营的航空公司应该应该远不止美联航。

不过这还不是我们所见飞机+生成式AI的核心。“生成式AI”所谓的“生成”可能比更多人想象得有价值。今年初的英伟达GTC开发者大会上,黄仁勋提了个有趣的观点“万物皆可token化”——或者万物皆可生成。

可能大部分人对于“生成式AI”的理解主要在ChatGPT对话机器人、Stable Diffusion文生图、Sora文生视频的程度的。由AI生成内容,涵盖文字、图像、视频等,所以叫“生成式AI”。但“内容”的概念,或许还能做进一步的扩展。但凡能数字化的东西,就能token化,比如脑波、蛋白质、基因等。生成的下一个token未必是文字,也可以是机械臂的下一个动作。当然我们不打算谈这么远。

说近的,比如文生图形(text-to-graphics)或图生图形,像是此前英伟达演示的基于一个工厂的2D方案图,多个生成式AI模型协作就能打造该工厂全3D,且物理级精准的数字孪生。这个过程里,操作者只需要发出自然语言指令,而不需要具备多少有关图形与数字孪生的专业知识。

此类应用是大幅扩展了“生成式AI”的可能性的。这里我们再谈两个生成式AI于航空的潜在可能性场景。

 

生成式AI设计飞机?

去年的Sustainable Aerospace Together Forum(可持续航空协作论坛)上,波音首席技术官Todd Citron在圆桌讨论环节提到,研究者已经在用AI模型来优化飞机设计了。流程也很好理解,模型可以内化有关空气动力学和工程的一切,然后给出设计方案。

我们之前就撰文探讨过,即便不谈飞机,这也是HPC AI典型的应用方向之一。据说英伟达自己数据中心的风冷散热方案,散热器的具体形态就是借助基于物理的AI模型来最终敲定的,主要相关流体流动和热传递。有人将应用于设计的这类技术称作generative design。

Citron说一般人类在设计一种结构的时候倾向于基于经验,重复现有的模式。比如说桁架结构已经是历史上被先人重复验证过的现成方案了——飞机设计的大部分组成部分,在过去一个世纪大同小异。相对的,AI在做设计的时候更像是从头来过,而不必受制于历史方案——即便AI模型的构成仍然是先验的。“因为AI考虑的东西,比人更复杂,它能够在更广的空间里寻求优化。”

某些机器学习优化过的结构,看起来相当的与众不同。“甚至很像外星人的宇宙飞船,因为它们并不遵循人设计的常规简单结构。”Citron表示。虽然波音现在肯定不会把飞机都造成“外星人宇宙飞船”的样子,工程师仍然是可以去使用AI生成设计,寻求一些新的想法的,尤其是在设计飞行器的个别组件时。

2018年Autodesk应该是最早展示generative design方案的企业,当时项目源起是用AI来造车的。不过就大方向流程来看,不同领域的应用思路还是类似的。工程师明确好产品需求,比如说三围、重量、强度需求、某个位置需要的力等等,这些性能需求与限制明确之后,AI就能生成设计,工程师可做修正或增加细节。

从我们能找到的资料来看,生成式AI设计的飞机形态之所以比较奇特,主要是因为模型考虑物理学上的最优解,呈现最终设计,有时可能会给出多种设计方案。理论上设计师和工程师可以从中挑选,或者再做调整。

这其中的问题在于,至少现阶段AI还没有过多将制造工艺和现实问题纳入考量。据说一般AI给出的设计都相当复杂,借助传统技术根本难以量产。而能够与之匹配的就是所谓的增材制造(additive manufacturing)了,一般就是3D打印,昂贵且耗时。另外这是典型的HPC AI,即需求数据中心集群的算力密集型工作,也是成本问题需要考虑的一环。

但也不能说generative design在航空业还是空中楼阁。前些年空客A320客舱隔板(carbin partition)的轻量化就是由Autodesk AI实现的——空客称其为仿生隔离(bionic partition),主要相关于骨架设计交叉角度之类的问题,在确保轻量的同时也依旧坚固。国外媒体此前报道该设计减轻了30kg;空客在宣传中说,每年还减少最多46.5吨的二氧化碳排放。当时似乎有提到,2050年之前要实现完全的bionic aircraft仿生飞机。

从飞机或低空飞行器的层级来看,很多研究机构都在做生成式AI的研究。比如German Aerospace Center(DLR)德国航天中心就在尝试研究AI能够在特定任务的战斗机中扮演何种角色;无人机设计在这方面的应用可能会更简单;再往高空去,NASA也有generative design的研究,各类星球lander登陆者设计相关,不过那就不是“低空经济”了...

波音对于生成式AI的预期似乎更乐观一些,Citron说2040年就能看到飞机在机身形状和引擎方面的一些变化,“可能会发现机翼很薄,基于波音和NASA之间的合作,达成更高的气动效率、更少的排量。”“引擎也可能会看起来不同,可能会看到开放式涡轮发动机(open-rotor)风扇实现更高的效率和更少排量。”“我觉得在这个时间线内,应该会看到不少新技术。”

2040这个时间点也得到了圆桌现场其他人的赞同,他们认为生成式AI会改变设计参数,改变飞机的样貌。可能在航空这类相对需要保守的行业提出2040的时间点,还是会让人感觉到激进。不过就航空业来看,还有个相关应用场景也被认为将在近未来获得深度变革。

 

空运维护的潜在机会

麦肯锡今年4月撰文特别探讨了生成式AI在航线维护(airline maintenance)或者说空运维修方面的机会。这一问题的探讨,主要立足于自COVID恢复以来,航空业的发展势头大好,商业航空旅行现在都是二位数增长,相对的MRO(aircraft maintenance, repair, and overhaul;维护、修理与大修)服务需求大增。

MRO顾名思义即要确保飞机可用、可靠和更久的服务生命周期。但行业内劳动力面临紧缺,成本还在增加,据说自2019年起飞机技术员和维护工程师的时薪增加了超过20%;而且此前还出现了一波退休潮。所以麦肯锡预计2033年,航空业1/5的维护与技术员岗位面临空缺。

不管这个数字预期是为了做多生成式AI市场价值,还是的确如此,生成式AI都是绝对有机会的。一般我们考虑生成式AI在某个特定领域的初级应用,首先一定是基础模型guardrail以后的研究小助手——比如医疗行业、芯片设计领域,现在都是这么干的。比如把Llama基础模型,塞进企业的一堆数据,fine-tune个新模型,就变成行业小助手了。英伟达自己就已经在内部初级芯片工程师那里普及这东西了。

MRO领域的很多参与者就需要对于大量不同格式、来源的信息做分析和阐释,不管是飞机制造商和运营商服务手册、维护工作单,还是维护工作的细节性描述、技术笔记,以及各种传感器和器件收集到的数据。这就有了LLM大语言模型的立足之地,用以提升维护工作的质量、一致性和精度。

麦肯锡总结现阶段生成式AI在航空公司和MRO提供商那里的潜在应用,可能包括(1)虚拟AI维护与维修专家——也就是企业定制的copilot,相当于可以和数据直接对话了;(2)AI加强的可靠性工程工具——AI是将很多非结构化维护记录做筛选,进行模式识别,以及分析——目前美国已经有团队在这么干了,主要是从维护日志中发现失效模式,并且自动规划维护任务,这会大大节约技术专家的时间;

(3)填报告之类的工作,归档各种活动的相关报告;而且可以自动生成和提交工作,针对需要替换的零件、额外的服务做订单支付。如此,技术员就能把真正的时间放在技术工作上。另外这部分还涉及后勤相关的效率提升,记录维护自动化与审计,相关采购、财务、HR、员工管理、违规问题发现等。麦肯锡提到,已经有航空公司在做类似的事情。

(4)还有质量控制监督、供应链管理之类的。比如有航空公司用摄像头记录维护工作、监测发生的错误和技术员是否省略某些步骤,AI可以对视频做分析,标记事件交给管理者做评估——管理者可以直接和AI对话,做出反馈。供应链管理相关于分析不同的沟通过程,识别供货和物流问题等等...

有家提供航空服务的AAR Corp公司,就在考虑用生成式AI优化库存管理、提供预测性维护、提升仓库运营效率、自动化零件订单等,还有一些应用此处没有涉及的,像是技术技能培训之类。IBM在博客文章中提到,和设计相似,MRO领域也可以应用数字孪生技术,进行虚拟测试和问题发现。这大概也是个思路。

其实各环节的生成式AI应用,现阶段普遍是减轻不同人员的工作负担。麦肯锡的量化数据是技术员分析设备问题时间减少35%,非计划中的维修时间减少25%。

 

转化为生产力的障碍

从我们掌握的资料,包括前面的叙述来看,航空业虽然整体是个需要小心谨慎的行业,但生成式AI在某些点应用上的确是有零星的落地的。前面我们主要提了三个落地方向,其一是客户服务与日常运营,其二是飞行设备的制造,其三在于MRO服务。

我们认为,抛开民航的客户与运营这类主要和对外服务相关的部分(这部分我们甚至看到飞行过程中客户服务个性化的探讨),其应用当有三个大方向:(1)飞行中的运行与安全相关,包括起飞落地、飞机维护与预测性分析等;(2)飞机设计与制造;

(3)飞航管理,或者说航空交通管理,这其中还涉及飞行路径优化与规划,地面的规划等——本文内容不曾涉及,不过中国国际航空电子(低空经济)产业创新发展大会有个题为“空天地一体化AI质控平台,构建低空互联立体指挥体系”的演讲应当是与此有关的,届时欢迎关注

最后还是要谈一谈航空业关注的安全问题。去年5月EASA(欧盟航空安全局)发布AI路线图第二版,提供航空业AI技术融合的综合规划,其中特别强调了安全、网络安全、伦理问题等考量。这表明行业至少是能够意识到AI的风险的,不管是模型幻觉,还是可能存在的各种失误。

其实航空领域对新技术的采用一直都非常谨慎,还需技术本身创造价值是否真正盈利之类的问题。大概20+多年前,诸如预测维护之类的AI技术就出现了,但大量航空公司都在迟疑这东西真正的价值;期间还要经过长时间的试用和错误发现。对生成式AI而言,情况也是类似的。对此,麦肯锡也在报告中提了一些发展建议,这就不是本文要关注的重点了,有兴趣的可以去看一看。

最后再次提醒,为了准确把握航空电子在低空经济产业中的创新发展方向,建立健全高效协同的创新体系和产业链交流渠道,由ASPENCORE联合多家机构组织举办的“2024年中国国际航空电子(低空经济)产业创新发展大会”及同期活动将于2024年5月22日在成都举办。大会将以主峰会、主题论坛、创新应用现场展示交流等多种形式,全方位、多角度、立体化的呈现航空电子产业的新发展格局,欢迎报名

责编:Illumi
本文为EET电子工程专辑原创文章,禁止转载。请尊重知识产权,违者本司保留追究责任的权利。
阅读全文,请先
您可能感兴趣
值得一提的是,百度Apollo还发布了支持L4级自动驾驶的大模型Apollo ADFM。萝卜快跑第六代无人车全面应用了“百度Apollo ADFM大模型+硬件产品+安全架构”的方案,该方案通过10重安全冗余方案、6重MRC安全策略确保车辆稳定可靠,安全水平接近国产大飞机C919。
OpenAI在官网宣布,其联合创始人兼首席科学家伊尔亚·苏茨克沃(Ilya Sutskever)将离开OpenAI,原研究主管雅库布·帕乔基(Jakub Pachocki)将接替其职位……
值得注意的是,Trillium芯片采用了谷歌最新研发的第三代SparseCore技术。据悉,SparseCore是专门设计的加速器,用于处理超大型嵌入,这在很多使用基于人工智能的排序和推荐系统中尤为重要。这表明Trillium能在保持低延时的同时,处理更为复杂的任务,进一步提升了处理效率和性能。
不是传闻中的GPT-5,也不是AI搜索,OpenAI发布了一款名为GPT-4o的新旗舰生成式人工智能模型GPT-4o。这款大模型在保持GPT-4级别的智能的同时,对文本、视觉和音频功能进行了改进,几乎实现实时响应用户的语音提问,并且目前可免费使用……
在AI时代下,能源板块将迎来新的发展契机,不仅因为AI技术本身为能源行业带来新的需求和挑战,更因为它能够推动新能源技术的创新和应用,进而应对全球能源转型的复杂性,提高系统效率,加快转型速度,且使之朝着更高效、可持续的未来发展。
虽然去年半导体行业整体正处于低迷之中,不过人工智能(AI)领域却是另一番景象。得益于智能手机市场复苏以及AI需求高涨,Arm2024财年第四财季销售额比上年同期增长47%,达到9.28亿美元,相比于2023年Q4 300万美元的净利润,环比大增约75倍……
大众市场品牌正乘着新兴市场反弹的浪潮,同时谨慎储备零部件。随着2024年初库存状况的改善,这些品牌通过更新产品组合推动了强劲的业绩。
尽管相较2022年有所下滑,但2023年最赚钱的十家国内芯片设计上市公司的净利润总额超过了159家A股和港股上市内地半导体企业利润总额的55%,但是其市值之和仅占159家上市半导体公司总市值的20%左右。他们还有什么表现?
备用电源在许多场合都是必不可少的,但锂离子电池有限的耐温性往往限制了其应用。Littelfuse针对这一问题设计了LS0502SCD33S,利用超级电容器技术提供了一种在宽温度范围内确保卓越性能的解决方案,同时具有超强的功率/能量密度。 
近年来,智能技术让越来越多我们日常使用的电器变成了智能家居中的联网设备。然而,这股风潮却没给卫生间带来多大的变化。虽然智能牙刷和智能体重秤已经颇为普及,但一旁的座便器却固守着上个世纪的模样,几乎没有任何变化。不过,随着传感器技术不断发展,以及人们对健康指标的关注度与日俱增,智能座便器发展的序幕终于拉开。
2024年电动智能汽车行业报告汇总(点击进入)    传统燃油车的热管理架构主要包括了空调系统以及动力总成热管理系统。新能源汽车由于动力源发生了变化,热管理不仅新增了电池热管理系统,同时还有产品的替换
关注公众号,点击公众号主页右上角“ ··· ”,设置星标,实时关注智能汽车电子与软件最新资讯自动驾驶:用传感器如雷达,摄像头替代人眼,用算法芯片去替代人脑,再用电子控制去替代人的手脚,最终实现由智能电
第四代 600 V E 系列功率 MOSFET RDS(ON)*QgFOM 达到业内先进水平 第四代器件,额定功率和功率
汽车级 IHDF 边绕电感器 通孔器件采用铁氧体磁芯技术 工作温度达 +155 °C,直流内阻低,有助于减少功
砺算科技是一家专注于研发多层次(可扩展)图形渲染GPU的公司。该公司由GPU行业经验丰富的领军人物创立,集聚了具备大芯片研发和量产经验的完整研发团队,包括方法论、顶层设计、最优化调度、运算单元利用率等
  电子洁净厂房,作为现代高科技产业的核心生产场所,其重要性不言而喻。这些厂房被广泛应用于高精度电子元器件和微电子设备的制造,对生产环境的洁净度要求极高。因此,百级电子洁净厂房的装
多位编辑体验后认为,新款华为MateBook 14,在高端性能、智慧交互、应用生态、时尚潮流上,正在引导PC高端大众体验。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍  作者|杨  铭 编辑|刘珊珊新生代年
科技是第一生产力、人才是第一资源、创新是第一动力。作为安徽科技体制改革“试验田”,科大硅谷,厚植创新生态,感召五洲英才。不久前,36个博士后团队,来自全国各地,云集科大硅谷,走访龙头企业,参与路演项目
充电器ic U6116成为20W电源管理得力助手SHENZHEN YINLIANBAO20W充电器ic U6116支持准谐振降压恒流输出应用,仅需将SEL管脚短至GND即可。在准谐振降压工作模式中,芯
关注公众号,点击公众号主页右上角“ ··· ”,设置星标,实时关注智能汽车电子与软件最新资讯根据不同的制动执行机构,线控制动系统可分为液压式和机械式两类。其中,电控液压制动系统(EHB)以传统液压制动