卫星与人工智能融合创新赋能低空经济

低空经济是指垂直高度1000m以下（可延伸至3000m）的空域范围内，以有人和无人航空器为载体，带动多领域融合发展的综合性经济形态。2021年2月，中共中央、国务院印发《国家综合立体交通网规划纲要》，首次将低空经济写入国家发展规划。2023年中央经济工作会议将低空经济明确为国家战略性新兴产业，2024年党的二十届三中全会明确提出“发展通用航空和低空经济”并成立低空经济发展司。低空经济现正以年均30%以上的增速迅猛发展，成为全球竞逐的战略性新兴产业。

 

然而，低空经济在高速发展的同时，也面临着通信、导航、感知三大核心瓶颈。在通信领域，受限于基站覆盖范围与地形遮挡，传统地面通信网络在偏远山区、跨城际空域、海洋及荒漠等区域存在大量通信盲区，无法为低空飞行器提供全域连续的控制信号与数据传输服务；同时，低空飞行器（尤其是无人机集群）在密集飞行场景下产生的海量实时数据（如高清影像、传感器数据），对通信链路的带宽与延时提出极高要求。在导航领域，卫星导航系统在城市高楼密集区、峡谷、森林等复杂环境中，信号易受多径效应影响，导致定位精度大幅下降，甚至出现定位失效的情况，无法满足场景需求。在感知领域，低空空域涉及范围广、环境复杂多变，传统依赖地面雷达与人工监控的感知模式，存在覆盖范围有限、对小型低速目标识别能力弱、异常行为预警滞后等问题，难以实现对低空全域目标的实时监控、动态追踪与异常识别，给空域安全管控带来巨大压力。而卫星与人工智能（AI）的深度融合创新，正成为破解上述核心瓶颈、推动低空经济从概念验证走向规模化应用的关键支撑。

 

本文以突破低空经济通信、导航、感知三大瓶颈为核心目标，系统阐述人工智能与卫星应用融合创新模式下的关键技术体系；结合物流配送、应急救援等典型应用场景，提出“卫星+AI”融合技术的落地实施路径，并结合当前技术瓶颈与产业发展现状，给出未来发展趋势。本文构建的“通信+AI”“导航+AI”“遥感+AI”技术支柱与空天地一体化支撑体系，为低空经济规模化落地提供了可复制的技术路径与实践范式。

 

一、“卫星+AI”发展现状

 

人工智能技术的突破，正推动卫星系统从传统的数据中继节点向具备在轨智能处理能力的空间计算节点演进。国内外典型的“卫星+AI”融合星座计划，正通过将AI算力与模型部署于太空，构建服务于低空经济的实时感知、智能决策与高效协同的天基智能基础设施。

 

我国在天基智能计算基础设施领域已实现从技术验证到规模化商业运营的跨越。首个天基计算基础设施——三体计算星座于2024年11月启动建设，2025年5月完成一箭12星首次发射。该星座搭载80亿参数天基模型，单星算力达744TOPS，星间、星地、星内通信速率均达百吉比特级。其创新的“天数天算”（卫星采集数据后在轨完成计算）模式，将传统卫星“天数地算”的天级/小时级数据处理时间压缩至分级/秒级，减少90%冗余数据传输，可有效支撑低空飞行器实时监测与应急响应。中国星网星座作为首个卫星互联网与空天一体6G计划，以及千帆商业低轨星座，亦在规划或设计中集成了先进的数据处理与智能分发能力，旨在为低空应用、远洋通信、应急保障等多领域提供高带宽、低时延、智能化的通信服务。

 

国际层面，美国初创公司StarCloud于2025年11月发射了搭载NVIDIAH100GPU的Starcloud-1卫星，是以往在轨GPU算力的100倍，该卫星成功运行了谷歌的开源大模型Gemma，并用莎士比亚作品集训练NanoGPT，首次在太空中完成大模型训练。SpaceX计划在星链（Starlink）V3卫星中增设数据处理模块，依托星链低轨卫星星座搭建太空数据中心；谷歌推出“太阳捕手计划”，拟于2027年发射搭载TPU芯片的原型卫星，最终在近地轨道构建由光通信链路连接的太空计算网络。在技术融合应用方面，美国帕兰提尔公司（Palantir）的数据分析平台与天基卫星系统深度融合，整合多源异构卫星数据开展AI关联分析，为全球多个领域提供智能化决策支持方案。整体来看，全球天基智能计算基础设施发展已进入加速期。

 

传统以通信、导航、遥感卫星系统为代表的空间基础设施，正在AI驱动下走向融合，为低空经济提供底层通信网络、时空定位与全域感知服务。低轨通信星座通过增配处理模块，向“通信+计算”一体化演进。导航卫星系统目前正从米级可用向厘米级可信跨越，通过低轨增强星座、下一代北斗系统等创新架构，构建高精度、高完好性、高可靠性的全球时空底座，从根本上破解低空经济的导航瓶颈，为无人机的自主飞行与大规模应用铺平道路。商业遥感卫星星座则通过星上智能处理，实现从数据采集到信息提取的实时化。这种“卫星+AI”的融合趋势，共同构成了低空经济的核心天基支撑。

 

二、关键技术

 

为了支撑低空经济发展所需的泛在通信、高可靠冗余与智能空域管理，近年来，业内提出了融合卫星广域覆盖与地面网络高性能低成本优势的空天地一体化智能网络架构（见图1）。该架构融合天基（卫星系统）、空基（高空通信平台、无人机自组织网络等）、地基（移动通信网）和海基（船载基站、智能浮标、海上风电平台通信节点等）资源，形成全域覆盖、算网一体、感知智能的支撑体系。在此基础上，围绕“连接-算力-感知-决策”全链条，梳理出异构网络融合、云边端算力协同、5G-A/6G通感一体、多源信息融合感知和数字孪生五项关键技术，作为“卫星+AI”融合应用的核心使能技术。

图1  空天地一体化智能网络架构

 

异构网络融合技术与云边端算力协同技术相结合，实现计算资源随需求动态调度，网络随计算最优路径编排，为AI任务提供算网一体化的服务支撑。5G-A/6G通感一体技术将通信与感知能力深度融合，将低空从静态管制空域转化为动态智能空域，为飞行器提供可靠通信和感知服务。多源信息融合感知技术通过融合GNSS、视觉、雷达等数据，生成飞行器周边高精度态势，可实现飞行器实时避障；通过网络将感知数据上传，能在边缘/云端进行更复杂的AI识别和全局态势生成。而数字孪生技术则是在云端汇聚所有数据，在虚拟空间中映射、仿真、预测物理世界的状态，并下发最优决策。

 

1.异构网络融合技术

 

异构网络融合技术是指将不同类型、不同架构、不同协议、不同频段的网络，通过统一的架构、协议或管理机制，实现无缝互联、资源协同、业务互通的技术体系，通过统一智能调度天、空、地异构网络资源，为“卫星+AI”提供稳定的数据传输通道，进而为低空飞行器提供“随遇接入、动态适配”的通信支撑。

 

基于软件定义网络（SDN）的空天地异构网络管控架构如图2所示。借助SDN的集中管控能力与全局化视角，通过融合卫星网络、地面网络、空基网络及专用链路等异构传输体制，实现了跨域资源的全局互联与互补覆盖。各类末端节点可依据任务需求、信道状态，以随遇接入方式灵活地接入到物理网络，完成即插即用地快速组网。该架构通过SDN的北向接口，提供任务驱动的网络服务模式。针对不同任务的QoS需求，SDN控制器可对多维资源进行统一编排，生成相应的逻辑拓扑与端到端转发路径，实现端到端可编程的传输管控。当链路或节点故障时，SDN控制器可快速完成拓扑重算与流表重下发，实现网络态势感知及任务流量与网络资源的重映射，保障多任务并发场景下的高可靠、低时延通信。该架构突破了传统“先建网、后适配任务”的固定模式，形成“网络即服务、任务即拓扑”的弹性灵活的用网模式，为灾害应急、远洋监测等多种低空经济应用场景提供了可扩展、可演进的技术路径。

图2  基于SDN的空天地异构网络管控架构

 

2.云边端算力协同技术

 

云边端算力协同技术聚焦低空应用对实时性、智能化与全局优化的核心需求，通过整合云端强大计算能力、边缘端低延迟近距离处理优势及终端设备实时数据采集能力，依托云端、边缘端与终端的深度协同和智能分工，实现算力资源的最优配置。

 

该技术解决“卫星+AI”的算力分配问题，云端承担大规模数据处理、全局优化算法运行、长期趋势分析等任务，同时支撑数字孪生构建与宏观决策制定；边缘端负责区域级数据聚合、算力调度及高实时性本地任务处理，可实现多无人机协同等场景的高效响应，有效减少云端传输压力；终端专注于实时传感数据采集与轻量化处理，完成飞行器本地自主避障、路径规划等边飞边算功能，同时保障多模通信顺畅，如图3所示。

图3  云边端架构

 

云边端算力协同技术通过实现算力资源的动态分配与任务协同，有效缓解了低空场景中实时处理需求与云端算力延迟的矛盾，为AI算法在低空飞行器端、边缘端的高效运行提供支撑，间接破解感知数据处理滞后的瓶颈。

 

3.5G-A/6G通感一体技术

 

5G-A/6G通感一体技术是将无线通信与环境感知融合于同一系统框架的创新技术，通过共享频谱与硬件资源，同步实现通信与雷达感知功能。该技术将基站、终端及网络转化为多功能传感器，在提供通信服务的同时，具备探测、定位、识别、计算与成像等能力，通过5G-A/6G基站与卫星协同，同步实现低空飞行器通信与环境感知能力，为智慧低空、空地融合等领域提供增强型解决方案。

 

为保障通感算与6G高效融合，需突破通感算一体化、通感算融合多源信息数据处理、通感算融合资源管理等关键技术瓶颈：1）通感算一体化技术以波形通信感知一体化为核心，依托同一射频收发设备与频谱资源，同步实现无线通信与雷达感知功能。通过分析反馈的实时信道波束等电磁环境信息及节点空间信息，可降低传统分置架构下通信与感知的相互干扰，提升双功能性能。2）通感算融合的多源信息数据处理技术面临感知数据结构、功能及语义多样性挑战，需实时处理数据以减少传输量、提升信息价值，缓解通信压力并提高感知效率。基于业务场景与服务对象，多维信息处理划分为降维减冗、融合及共享三类：降维减冗通过统一关联规则提取特征语义，借时间、事件等标签降维并消除冗余；融合整合传感设备信息构造联合信息；共享将数据上传中心服务器调度，扩大单体感知范围，克服孤立节点视距障碍、负载拥塞等问题。3）通感算融合的资源管理技术则需提供感知、通信、计算多维资源保障。但高动态环境中，资源与业务匹配存在竞争、协作等复杂关系，亟须突破融合管理方法。针对多业务异构性及资源动态性，先通过网络拓扑发现与节点位置预测更新资源信息；再基于意图驱动技术，结合资源拓扑、能耗及协作效能反馈构建知识图谱；最终依托图谱与机器学习训练模型，实现业务需求自适应调度，达成通感算资源自适配管理。

 

4.多源信息融合感知技术

 

多源信息融合感知技术是指通过多类型、多维度、多时空尺度的信息源采集数据，经“采集-预处理-关联-融合-决策”全流程处理，最终形成对目标或环境更可靠、完整、精准认知的技术体系。

 

该技术是“卫星+AI”提升决策精度的核心——卫星提供GNSS导航数据与遥感影像，无人机搭载视觉、雷达传感器，AI跨模态融合算法将多源数据整合，生成飞行器周边三维态势。其核心应用方向包括三大类：1）卫星-低空多模导航融合与智能校正，针对低空场景卫星信号受遮挡导致的定位失效问题，构建卫星主导与多源补盲的智能导航体系，依托多源数据时空对齐机制与AI动态校正算法保障定位可靠性；2）卫星-低空多模态遥感数据智能融合解译，突破单源数据模态局限、空间分辨率不足及时间响应滞后的技术瓶颈，通过多模态数据层融合与AI解译引擎优化，实现卫星遥感观测从粗放式向精细化、非实时向准实时的转换；3）低空目标卫星-全域协同监测与智能识别，聚焦微小型无人机“黑飞”监管难题，搭建卫星广域扫描、低空近距离识别、AI联动研判的全域监测体系，借助多源感知数据协同与AI跨模态目标识别模型提升监管效能。

 

多源信息融合感知技术针对低空飞行环境复杂、应用场景多样的特点，其信息源涵盖空-天-地-海多平台，数据类型包括定位数据、遥感数据、通信数据、环境数据等，为AI提供高质量、全维度的输入数据，从而解决单一传感器或独立系统难以满足安全、高效需求的问题，协助构建自适应、高精度、实时化的空天一体化智能感知体系。

 

5.数字孪生技术

 

数字孪生技术通过整合物理模型、传感器更新、运行历史等数据，开展多学科、多物理量、多尺度、多概率的集成仿真过程，在虚拟空间完成对实体装备的精准映射，全面反映其全生命周期过程。该技术契合低空经济的核心需求，包括极端的安全性与可靠性需求、高度复杂的系统协同需求、实时动态的空域管理需求、经济性与效率优化需求，以及监管与合规的透明化需求，通过构建低空全域虚拟映射，实现对物理空域的动态仿真与预测，为低空管控提供全局视角，间接破解传统人工监控效率低、预警滞后的瓶颈。

 

在实际应用中，已有多个成功案例落地，例如：数字孪生琼江项目通过构建“空天地一体化感知网+智能模型平台+协同决策引擎”，实现全流域防洪抗旱与水资源调配的智能化管理；广州低空飞行气象数据服务平台以城市信息模型为基座，融合天擎数据处理系统、三维可视化技术和“端到端”观测数据流试验成果，构建多维低空气象数字孪生底座，实现低空飞行气象数据服务智能互联；“九天航驭”平台融合北斗、通信与AI技术，实现对低空飞行器的厘米级定位和毫秒级响应，该平台具备实时监视、实时识别、实时处置、态势评估、空域管理、飞行调配等功能，可满足未来低空应用场景高可靠、大容量、高频次的飞行管理和安防反无人机需求。

 

三、应用场景

 

卫星与人工智能融合通过与前述关键技术协同，在低空经济典型场景中落地应用，解决场景核心痛点，形成“技术-场景”闭环支撑。

 

1. 物流配送

 

在低空经济政策红利持续释放的背景下，物流配送已成为低空应用的核心场景之一，呈现出政策引导、技术驱动、场景深化的发展态势。目前，我国低空物流已从初期的城市末端配送试点，逐步向城际干线、跨区域支线运输拓展，北京、重庆、深圳多地布局低空物流示范区，支持无人机物流基础设施建设与航线试点。

 

在市场层面，物流企业、科技公司与航天机构加速协同，形成从飞行器研发、空域申请到运营管理的全产业链布局，小型无人机末端配送已在快递收发、生鲜运输等场景实现常态化运营。技术层面，无人机载重能力、续航时间持续提升，大型货运无人机载重已突破吨级，为干线运输奠定基础。2025年2月榆林至西安城际低空物流航线首航，填补了国内大型无人机干线物流运输空白，运送时间较传统陆运节省70%以上；202年7月川渝跨省市无人机邮路支线试飞成功，实现跨地形障碍点对点高效运输。然而，无人机物流规模化推进仍面临超视距通信覆盖不足、全域感知能力薄弱、动态调度精度不足及空天一体化管控缺失四大核心技术瓶颈。

 

异构网络融合技术协同低轨通信卫星，构建覆盖城际路径的连续通信链路，保障超视距飞行控制与数据传输。在此基础上，通过实时监测物流数据传输需求，动态分配通信带宽资源，有效保障无人机飞行控制指令与高清监控影像的可靠、稳定传输，从而支撑超视距飞行的规模化运营。云边端算力协同技术支持在边缘节点进行实时航线规划（集成卫星气象/地理信息），在云端运行全局任务调度模型，负责对区域内多架无人机进行协同管理，通过动态分配空域资源以避免航线冲突，从而提高整体调度效率和空域利用率。5G-A/6G通感一体与多源信息融合感知技术结合，融合基站局部感知数据与卫星广域监测信息，构建实时、精准环境态势感知能力。数字孪生技术则对航线进行风险模拟与评估，形成天地协同的智能管控体系。上述技术体系共同构建了高可靠、广覆盖、智能化的低空物流基础设施底座，支撑实现全域可达、全知视界、全域智能调度、全域联通的低空物流服务目标。

 

2.农业生产

 

当前，低空经济在农业生产领域已实现规模化起步，无人机植保、低空遥感监测、空中播种等应用场景逐步落地，成为推动传统农业向智慧农业转型的重要力量。数据显示，我国无人机植保作业面积已连续多年保持30%以上增速，2025年全国核心农区植保无人机覆盖率超60%，在小麦、水稻等大宗作物的病虫害防治中发挥了关键作用。同时，低空飞行器搭载多光谱相机、红外传感器等设备，已广泛应用于作物长势巡查、苗情监测等环节，较传统人工巡查效率提升5～10倍。然而，现有应用仍面临显著瓶颈：偏远农区低空通信覆盖不足导致飞行器超视距作业时链路中断，单靠机载设备难以实现大范围农田的精准定位与路径规划，且多源监测数据缺乏全局视角的整合分析，易出现病虫害漏判、灌溉时机误判等问题。这些瓶颈使得低空农业应用难以从“单点作业”向“全域智能管控”升级。

 

多源信息融合感知技术融合卫星遥感与无人机田间数据，通过AI解译算法完成作物类型识别、种植分布划定及长势评估，最终生成农田长势热力图，为全域农业管控提供宏观决策依据。例如，四川省遂宁市遂宁壹号卫星依据多光谱数据特性差异判别地物，通过时间序列归一化植被指数特征反演农作物生长过程，监测撂荒地和作物分布。北斗卫星导航技术与AI算法有机融合，为植保无人机提供厘米级高精度定位服务；同时，AI算法对卫星多光谱数据与无人机田间实测数据进行融合分析，精准识别病虫害发生区域、危害程度，进而动态调控施药量与施药范围，实现变量施药与精准防控，既提升作业效果，又减少资源浪费。灾害预警层面，卫星遥感数据与数字孪生技术相结合，基于历史灾害数据训练的AI预测模型，可提前对旱灾、病虫害等农业灾害进行预警，并自动生成针对性救灾方案，为灾害防控争取时间窗口，降低灾害损失。卫星与AI融合技术构建了“宏观监测-精准作业-灾害预警”的全链条解决方案，推动智慧农业向全域化、智能化发展。

 

3.应急救援

 

低空经济目前已成为应急救援领域的重要支撑力量，无人机勘查、空中物资投送、低空通信中继等应用场景逐步规模化落地，显著提升了救援响应效率。数据显示，我国应急救援领域无人机配备率已覆盖90%以上的县级救援单位，在地震、洪涝、森林火灾等灾害处置中，无人机可快速完成灾区地形测绘、被困人员搜索、火情监测等基础任务，较传统人工勘查效率提升10～15倍。然而，现有低空应用仍面临显著瓶颈：偏远灾区或复杂地形下地面通信基站损毁导致无人机超视距作业时链路中断，单靠机载感知设备难以实现大范围灾区的全域态势掌控，人工研判无人机传回的海量数据耗时较长易错失黄金救援时机，恶劣气象条件下无人机定位精度下降导致物资投送偏差较大。这些瓶颈使得低空应急救援难以从单点辅助向全域协同升级，亟须引入卫星技术的广域覆盖能力与人工智能的智能决策能力。

 

针对传统应急救援中存在的视野局限、研判困难、投送不准、通信中断等问题，卫星结合人工智能构建“通信-感知-定位-决策”一体化体系：异构网络融合技术与低轨通信卫星深度协同，在地面基站损毁或信号盲区场景下，在灾区快速搭建卫星与无人机之间的应急通信链路，实现救援指令、灾情数据的稳定传输，保障超视距救援作业的连续性；多源信息融合感知技术对卫星遥感影像、无人机航拍数据进行融合分析，快速识别灾区房屋损毁程度、积水淹没范围、道路通行状况等关键信息，自动生成灾情等级地图，为救援指挥提供精准的数据支撑；北斗高精度导航技术与云边端算力协同架构深度融合，边缘端AI算法可基于多源数据实时定位被困人员位置；无人机依托卫星导航信号实现应急物资的精准投送，同时结合数字孪生模型对救援路径进行仿真推演，提前规避复杂地形与气象风险，优化救援方案。

 

4.能源巡检

 

相比传统的人工巡检方式，无人机巡检不仅效率更高，而且能够覆盖人工难以到达的区域，替代了90%的人工巡检工作。我国电力、油气、新能源等领域的低空巡检渗透率持续提升。从技术应用来看，低空巡检已从早期的人工操控可见光航拍，升级为“自主飞行、多传感器融合、AI实时分析”的智能化模式，固定翼无人机负责长距离线路快速普查、多旋翼无人机承担精细化缺陷检测、直升机搭载激光雷达开展大范围三维建模的分工体系已基本成型。在覆盖场景上，实现了对输电线路、油气长输管道、风电机组、光伏电站、水电站大坝等主要能源设施的全面覆盖，尤其在西部偏远山区、海上风电等人工巡检难度大的区域，低空巡检已成为主流方式。

 

卫星技术的广域覆盖优势与AI的智能分析能力深度融合，帮助构建大范围普查、精细化检测、全局调度的全流程巡检体系。大范围普查层面，多源信息融合感知技术利用卫星遥感开展全域普查，识别大范围缺陷区域，如输电线路覆冰、风电机组叶片损伤、杆塔倾斜等共性问题，为后续精细化巡检划定重点区域，提升巡检工作的针对性与整体效率。精细化检测层面，依托卫星导航技术实现无人机的精准导航与路径规划，无人机搭载红外、激光雷达等高精度传感器近距离采集重点区域能源设施的细节数据；通过机载或边缘的AI模型对采集到的影像、点云数据进行深度分析，可实现毫米级故障点精准定位，如线路微小破损、风机叶片细微裂纹等隐性缺陷，大幅提升缺陷识别的精准度。全局调度层面，数字孪生技术与云边端算力协同架构有机结合，云端AI调度模型汇总遥感卫星的全域监测数据与无人机的精细化检测数据，生成能源设施巡检热力图，直观呈现缺陷分布密度与严重程度；同时基于热力图动态优化无人机集群的巡检路径，实现多机协同、错峰巡检，最大化提升巡检资源利用率与整体作业效率。

 

5. 城市治理与环境监测

 

2023—2025年间，我国半数以上省会城市已将低空飞行器应用于城市管理场景。“卫星+AI”融合技术支持构建城市“主动发现、快速上报、智能流转、协同处置、闭环反馈”的全流程机制：卫星与5G-A/6G通感一体基站协同，负责广域普查和定期扫描，识别城市违建、水体污染、绿地变化等宏观问题；AI对卫星数据进行智能识别，分发预警任务，将问题坐标、类型等信息推送至对应管理部门；无人机快速响应并精准取证（如拍摄违建细节照片、采集污染水体样本），将取证数据上传至城市治理平台；数字孪生平台通过AI调度多部门协同处置，处置完成后再通过卫星或无人机复核，形成闭环管理。

 

沈阳市沈北新区通过无人机自动机场系统构建立体化巡检网络，可识别交通拥堵、占道经营等20余种城市问题，平均处置时效提升70%。重庆通过建设自动巡飞、多场景识别、高分辨率采集的低空感知预警平台，形成“定时巡航、边飞边算”的工作模式，覆盖全天候、全区域、全场景管控需求，有效节省人力成本。

 

四、总结与展望

 

人工智能与卫星技术的深度融合，正以前所未有的力量推动低空经济从概念走向现实，从区域试点迈向全球化运营。天基智能系统已在自主运行、星上处理、实时感知、智能组网等方面取得显著突破，为低空通信、导航、感知三大瓶颈提供了系统性解决方案。AI与卫星应用的融合呈现出以下几大趋势。

 

1．智能处理范式演进：从“天数地算”到云边端算网协同

 

传统卫星数据需回传地面处理，即“天数地算”模式，存在延迟高、星地带宽压力大等问题。随着以三体计算星座为代表的天基计算设施的部署，星上算力显著提升，可实现数据的在轨实时处理与智能决策，极大提升了响应速度与资源利用效率。未来，将进一步打通云、边、端算力资源，构建算力随需调度、网络智能编排的一体化服务体系，实现从数据采集、处理到决策的全链条协同，显著提升低空应用的实时性与智能化水平。

 

2．AI定义网络与通感一体支撑全域互联

 

未来的空天地一体化网络，正从“被动传输管道”向“主动感知、智能调度”的AI定义网络演进。通过引入软件定义网络、深度强化学习等AI技术，实现异构网络资源的统一管控与动态路由，保障低空飞行器在复杂环境下的“永远在线”。同时，5G-A/6G通感一体技术将通信与感知功能深度融合，使基站与终端兼具通信与雷达双功能，构建低空全域感知场，实现对飞行目标的实时探测、定位与识别，为低空安全监管与智能调度提供核心技术支撑，为低空飞行安全与监管提供坚实的技术保障。

 

3．协同感知与多源数据融合从技术趋势走向应用必需

 

针对低空目标多样、环境复杂的特点，单一平台或数据源难以满足全域监管需求。天基、空基、地基平台协同，构建空天地一体的多平台协同感知网络成为必然选择。通过多源信息融合感知技术，结合AI跨模态分析能力，实现对多源数据的深度融合，是实现对低空目标的精准监控与管理的关键路径。

 

4．智能管控和数字孪生技术，赋能系统全域自主运行与风险前瞻防控

 

数字孪生技术通过构建低空全域的虚拟映射，实现对物理空域的实时监控、动态仿真与预测推演，成为低空系统智能管控的核心平台。结合AI强化学习、大数据分析等技术，数字孪生系统可在虚拟环境中进行飞行策略训练、空域冲突预测、异常行为识别与应急响应推演，显著提升系统安全性、运行效率与经济性。未来，随着“九天航驭”等平台的推广应用，数字孪生将与AI调度算法深度融合，推动低空管理从人工干预向系统自治演进，实现低空运行的全生命周期管理，显著提升安全性、效率与经济效益。

 

尽管AI赋能卫星应用的前景广阔，两者融合仍面临诸多挑战：

 

1）技术层面：复杂环境下“感知、决策、控制”全链条的协同能力不足。多源数据的融合精度易受恶劣气象环境的干扰而下降，导致感知可靠性降低；同时，星上算力目前仍难以支撑复杂AI模型的在轨实时运行，限制了星地数据的实时智能处理能力；此外，面对未来千架级无人机的高密度集群运营，现有的协同调度算法尚不成熟，极易出现飞行冲突，亟待优化。

 

2）标准与生态层面：当前，卫星数据格式、低空通信协议等尚未形成统一规范，跨领域标准的缺失构成了显著的协同壁垒。而航天、人工智能与低空运营企业各自的技术体系互不兼容，形成了碎片化的产业格局。这种局面导致信息孤岛问题突出，阻碍了技术、数据和服务的深度融合与规模化应用。

 

3）安全与合规层面：数据安全风险尤为突出，低空飞行器的实时轨迹、高分辨率遥感数据等敏感信息存在泄露隐患。AI决策的可靠性及其责任界定依然模糊，一旦AI调度系统出现失误，难以清晰划分责任主体。同时，“黑飞”无人机与反制技术之间的博弈持续加剧，现有的反制措施在实施过程中容易对合法飞行造成干扰，这对精准管控提出了更高要求。

 

4）资源与成本层面：低空产业需求的广泛性与卫星资源的稀缺性之间存在矛盾，卫星带宽和轨道资源有限，难以满足爆发式增长的低空应用需求。同时，卫星应用与AI技术的前期投入过高，使得众多中小低空企业难以承担相应的技术成本，可能制约产业的整体创新活力。

 

未来，随着我国低轨卫星互联网星座、三体计算星座等的全面建设与运营，以及全球低空经济需求的持续爆发，天基智能系统将不仅是太空新基建，更是推动社会数字化转型、提升国家综合竞争力的战略支柱。人工智能与卫星的融合，必将开启一个更加智能、高效、安全的低空经济新纪元。

 

来源：《卫星应用》2026年第3期