2026年9月航空创新观察：航空科技，为 “记忆” 定价

欢迎回到 OAG 航空创新观察栏目。本栏目每月拨开行业繁杂信息，聚焦三项落地新品，从技术与创新视角，挖掘推动航空业发展的真实案例。

在上一期中，我们探讨了出行流程里一个常见痛点：旅客仍需反复核验、重复填写行程本应留存的各类信息。最典型的场景，就是值机、安检、登机、边检环节多次核验身份。除此之外，支付信息、会员档案、服务记录同样需要反复提交。旅客行程体验割裂的核心原因之一，是几乎没有系统能够记住旅客信息。

本月，我们延续这一探讨思路，将视角投向人工智能领域，但研究逻辑有所反转。核心问题不再仅仅是航空公司与机场系统能否记住旅客，而是人工智能能否吃透航司自身的运营逻辑。

这正是9 月刊的核心论点。

* 航空领域的 AI，如今面临的已经不再只是模型能力问题。大模型可以撰写文本、检索信息、制定方案，正如我们此前《AI 告别对话，迈入交易时代》一文所述，如今模型甚至能够独立完成机票预订。

* 但它们仍然缺失航司运营层面的组织记忆：比如运行恢复方案背后的经验判断、盛夏丹佛航班起飞需要设置载重限制的底层原因、为避免次日发生更大规模故障而做出的维修取舍，亦或是凌晨两点的运营群里，团队经过一番争论，最终做出正确决策的全过程。

这类知识一直客观存在，却很难被整合到一处完整的资料库中。它们散落在航司员工的脑海里、运行系统、邮件收件箱、机组排班工具、维修档案、政策手册以及历年内部通讯记录里。当这些碎片化信息被汇总到一起，它们开始真正具备可以被市场定价的价值。

本月我们精选三项行业创新案例，展示获取这类运营知识的三条路径：直接买下这些知识资产、将外部 AI 嵌入现有业务体系，或是赋权智能代理基于这些知识直接执行任务。

以下是本月栏目重点关注事件：

* 谷歌斥资1000万美元收购精神航空的部分企业档案，其中包含约1亿封邮件与5亿条内部通讯信息，明确用于产品研发与AI模型训练。

* 瑞安航空与谷歌云签署为期五年的合作协议，引入Gemini企业版与 DeepMind研究模型，覆盖机组后勤、机队运营、维修规划等业务，服务其3.5万名员工。

* 阿拉斯加航空采用Volantio智能代理平台，将超售与运力重新分配决策前置：在航班起飞前主动联系可灵活调整行程的旅客，而非等到登机口压力爆发时再应急处置。

我们从这一趋势最直观的表现切入：航司的内部运营记忆，正在成为AI训练的核心资产。

创新案例一：谷歌收购破产航司的“运营记忆”

航司破产清算时，飞机、时刻资源以及会员计划，通常都会找到接盘方。

但邮件档案这类资料，一般不在待售资产清单内。

今年5月停止运营的美国低成本航司精神航空（Spirit Airlines），打破了这一惯例。谷歌以 1000 万美元的报价，在拍卖中拿下精神航空的企业数据资产。竞标对手AI训练数据公司Mercor出价750万美元；还有第三方竞标方Micro1给出了更高的1250万美元，但报价提交时拍卖已经结束。

这笔交易究竟包含哪些内容？

* 数据集大约涵盖1亿封邮件、5亿条微软Teams内部消息、约3000万行代码，同时包含财务、收益管理与飞机运行系统相关资料。

* 全部资料会由第三方完成去标识化处理后再交付谷歌，谷歌表示数据中不包含旅客个人信息。

* 这份资产的价值不在于最终决策结果，而在于决策过程：重点是运营团队如何讨论、权衡并最终做出决定，而不只是最终敲定了哪一项方案。

谷歌计划将这批数据用于自身大模型的强化学习训练，帮助模型学习真实的知识型工作场景流程；而这类深度真实企业原始数据，目前十分稀缺。

为什么这次交易格外值得关注？

首先厘清一点：

这件事并非部分报道传言所说——谷歌收购9750万份旅客档案。

消费者相关数据已全部剥离。若只盯着这笔交易背后的数据泄露风波，就会忽略背后更具价值的行业变化。

更重要的是，这笔交易实际上创造了一个新的资产类别。航司的组织运营记忆过去一直被视作运营成本，只是存储开销、档案留存与合规义务。而1000万美元的价格，第一次让这类记录从成本项变成了可以被定价、甚至交易的资产。现在，每一家仍在正常运营的航司，都有理由重新问自己：自家运营记录能卖多少钱、谁会有意收购，以及这会不会改变航司和云服务商、AI厂商之间的数据协议条款。

关键在于，一年前，行业根本不会提出这类问题。

为什么航司数据对谷歌这类科技企业具备独特吸引力？航空是为数不多的企业场景：繁杂的人工协同工作，最终会产出明确、可量化的结果。

* 航班最终有没有执行，是一个清晰、可衡量的结果。正如Gemma Timmons在PhocusWire上的分析：这批资料教会模型的，是结果背后完整的推演链条，而非结果本身，而这类真实企业决策过程，恰恰是通用大模型过去极少接触的数据。

* 这和我们在《航司AI：真正的战场，转向交互界面之下》一文中提出的观点相呼应：智能代理想要落地，离不开高质量的数据底座。而现在，已经有人愿意花钱买下这样一套底座。

客观而言，这件事仍存在尚未解决的风险争议。

空乘工会提出异议：在保留数据集关联完整性（维持数据之间的关联链路）的前提下抹除个人信息，依然有可能反向识别出对应员工，尤其考虑到航司庞大的员工体量。

目前法官尚未作出裁决。工会的异议能否成立，将决定下一家破产航司资产处置的规则，也会影响后续买家的意愿——至少会影响其数据资产部分的交易。

创新案例二：瑞安航空租用谷歌AI套件，赋能机组与维修业务

如果说精神航空的数据拍卖，展示了获取航司运营知识的一条路径，那么瑞安航空则为行业提供了另一种思路。倘若自身就坐拥欧洲规模顶尖的运营体系，便不必去收购一家破产航司的企业档案。取而代之的方案，是把智能层部署在自有数据之上。

这也是为什么这份合作公告，不同于普通的航司云服务签约。

航空业大多数云合作，本质上只是披上战略外衣的采购新闻：敲定新服务商、勾勒迁移路线图，承诺更低的基础设施成本与更强的系统稳定性，顺带例行提及创新价值。这类合作固然有用，但很多时候和常规企业IT系统升级并无太大区别。

瑞安航空与谷歌云的合作则要具体得多。这家按旅客量计算的欧洲最大航司，签署了一份为期五年的协议，明确列出计划落地的系统，目标也十分清晰：支撑瑞安航空到2034年实现年旅客量3亿人次的增长目标，同时优化机组后勤、机队运营、维修规划以及基础设施抗风险能力。

合作落地方式如下：

* Gemini企业版与谷歌Workspace将面向 35000名员工铺开，为员工提供智能代理平台，打通组织内部数据、实现工作流自动化，并搭建定制化 AI 智能体。

* Gemini企业版将用于决策自动化，优化机组调配，降低运营中断事件。

* 谷歌DeepMind模型，包括AlphaEvolve与WeatherNext，将应用于机队运营和维修规划。

* WeatherNext可为瑞安航空提供更先进的气象预测能力，帮助航司根据预判的运行条件提前调配资源、安排维修工作，而非等到运行扰动发生后再被动应对。

* 谷歌云将与瑞安航空现有的亚马逊云（AWS）体系并行运行。这是一项经过深思熟虑的双云容灾策略，并非从一个服务商全面迁移至另一家。其核心思路是：当其中一套云环境出现故障时，核心业务仍可持续运转。

这项创新的亮点在哪？

它带来的结构性变化，关乎航司智能能力的承载位置。

* 数十年来，航司在机组排班、机队规划、维修调度上的竞争优势，都来自自研能力：定制化优化软件、内部业务规则、一线运营经验，以及这些紧贴业务核心、严加保护的工具。

* 而瑞安航空提出了一套全新模式：航司保留行业知识、原始数据以及各类业务约束条件，但用于优化运营和辅助决策的能力，越来越多地来自大型科技厂商的AI技术栈。

对于目标年运送3亿旅客、又不想自研一套DeepMind级别AI能力的航司而言，这是一笔合理的取舍。这也意味着，部分曾经被航司视作高度内部化的运营模块，如今变成了可以租用的能力。

两处细节，证明这次合作不只是品牌联名。

第一，瑞安航空直接点名前沿技术系统，而非泛泛空谈AI概念。AlphaEvolve和WeatherNext并非通用办公工具，它们源自谷歌科研体系，现在被用来解决航空运营难题。将这类能力应用到和安全运行密切相关的调度场景，远比在客服端新增一个聊天机器人更大胆。

第二，Eddie Wilson将谷歌云合作，同时定义为 AI 布局与容灾能力建设，这一点很有深意。在经历多次航司 IT 宕机事故之后，云平台稳定性早已不再只是后台部门的事务，而是保障业务连续运行的一环。双云架构听起来并不炫酷，但对于瑞安航空这样体量的航司来说，规避单一技术故障点，其重要性不亚于在机组排班和维修计划中挖掘更高效率。

当然，我们不宜过度解读这份合作的成效。目前尚不能证明DeepMind模型运营航司业务的表现优于现有航司系统；也不能证明AI智能体可以脱离人工监督，独立处置运营中断事件；更无法证明这份五年合作协议，必然转化为可量化的运营收益。

一纸合同不等于已经部署落地的系统。行业报道也明确，这只是一份为期五年的路线规划。但可以确定的是，瑞安航空的技术方向已经非常明确，而且罕见地具体点出了将采用哪些AI系统。仅此一点，就值得行业持续密切关注。

创新案例三：阿拉斯加航空，在旅客抵达登机口前化解超售难题

讲完瑞安航空，我们依旧聚焦航司运营，但视角从航线网络规划系统，转向另一类问题——规划失效，最终暴露在旅客面前的场景。

登机口拒载，是航司最难妥善处置的现场状况之一。所有相关人员都已到场，航班临近起飞，谈判在公众目光与巨大时间压力下仓促展开，很难找到最优解决方案。

从底层逻辑看，这本质上是预测与需求管理问题，只是到最后演变成客户服务纠纷。

阿拉斯加航空正尝试把处置节点向前迁移。

这家美国航司是Volantio旗下智能代理平台Vector率先落地的航司之一。Volantio总部位于亚特兰大，主营航司收益技术，投资方包括澳洲航空、阿玛迪斯以及国际航空集团。其核心思路很简单：一旦预判航班大概率出现超售，会在旅客去机场之前主动介入处理。

具体运行机制如下：

Vector并非人工协同工作流，而是一套由多个专用AI智能体组成的平台，挂载在航司现有系统之上，专门识别供需与运力矛盾。其中超售AI智能体可在航班起飞前数日识别超售航班，依据航司预设规则筛选符合条件的旅客，定向推送方案，邀请旅客改乘其他需求较低的备选航班。旅客一旦接受，改签流程在抵达登机口前即可全部完成。

收益优化智能体能够识别运力紧张航班：引导行程灵活的旅客转乘低需求航班，把释放出来的座位卖给支付意愿更高的旅客。

需求洞察智能体则进一步前置研判，在预订系统完整显现信号之前，就解析出行规律、价格敏感度以及潜在需求变化。

航司还可以针对自身航线网络的特殊痛点搭建定制智能体。Volantio曾举例：监测盛夏丹佛出港航班，高温与海拔会带来载重限制风险。

关键一点：这些智能体不会脱离航司管控运行。Vector 的设计严格遵循航司设定的规则与安全边界，所有决策均可追溯查看。

这项创新为何值得关注？

航线网络与收益管理，是航空科技专刊栏目里最低调的板块。这类领域的新方案商业敏感度极高，几乎很少对外发布。在栏目两年多的刊期中，相关内容仅有寥寥几篇，上一次是介绍 Sabre动态调价引擎。

因此，主流航司主动公开在收益管理领域落地智能代理系统，是极具行业参考价值的重要进展。

从机制上看，它改变的是商业决策发生的时间点。

* 航班拒载补偿，是航司在最后一刻被动承担的成本：不仅赔付成本最高，对应的旅客体验也已然受损。

* 将这类处置工作提前数天完成，可把被动的应急补救，转化为常规的收益管理操作。对航司而言成本更低，对旅客而言属于自愿选择，同时不会影响同航班其他旅客的出行体验。

这也精准解答了我们一直以来对运营类智能代理AI的核心疑问：AI代理究竟被允许做出哪些决策？在本次落地场景中，AI负责决定向哪些旅客发出邀请、提供什么方案，而航司负责设定边界。

在落地成效方面，阿拉斯加航空总裁兼首席财务官Shane Tackett公开表示，该合作每年带来的财务影响超过2000万美元。加拿大航空也证实，同款平台上线首年就为其节省超 1200 小时的人力工时。以上数据均为航司官方披露，并非第三方独立核验结果，客观看待、仅供参考。

但即便如此，在行业AI落地普遍只有模糊定性描述的现状下，有明确高管背书、有具体量化数据支撑的落地成果，仅凭这一点，它的实证程度就已经高于大多数智能代理AI的公开案例。

本期航空科技创新观察内容较往期稍长一些，因为我们认为，这三项行业动向值得多花一些篇幅展开。敬请期待10月刊。