编者按：航空业向来以“慢”出名，原因不是它排斥进步，而是每动一次技术都牵扯生命安全。WIRED这篇报道的标题近乎挑衅，提醒读者：AI已经来到天空，而且比想象中更快。飞行员数量在减少、空管人员稀缺，自动化被各方寄予厚望，风险也随之放大。本文试着拆解这股趋势背后的机会与隐忧。
天空正在成为AI的新试验场
按常理，航空业接纳新技术很慢，但AI已经把目光对准了天空。WIRED在2026年11月14日的报道中，以“No Pilots. Few Air Traffic Controllers. What Could Go Wrong?”为题，点出一个正在逼近的现实：将来的航班可能没有飞行员，空管席位也可能大幅缩减，更多决策与协调工作会落到AI肩上。
“通常，航空业对新技术接受缓慢——但AI已经瞄准了天空。”——WIRED
这不是空想。航空业早就重度依赖自动化：自动驾驶仪、飞行管理系统、自动着陆、空管流量预测和预测性维护等系统，一直在接手原本由人做的事。生成式AI和更强的机器学习模型，还可能进一步介入飞行规划、气象研判、异常告警解释、无线电语音理解与空域调度等环节。关键不在于AI能不能派上用场，而在于它成为关键基础设施的一部分之后，我们有没有准备好。
效率诱惑与安全底线
AI的吸引力很直白。一边是飞行员短缺和成本压力压在航空公司身上，另一边是空管系统长期受人力紧张和设备老化拖累。自动化看上去能提效、减少人为差错、优化航路、降低燃油消耗。可航空安全的底层逻辑从来不是“效率优先”，而是冗余、程序、培训与事故调查串成的闭环。系统越自动化，越要证明它在异常、冲突和极端场景下依然可控。
过去航空安全靠的是多重备份：主系统失效，备用系统顶上；自动系统失灵，飞行员接管；飞行员判断困难，空管提供支持。AI同时进入驾驶舱和空管侧之后，备份关系可能变得复杂：人还有足够情境意识去接管吗？空管员能理解AI给出的流量建议吗？通信中断或数据异常时，系统能不能优雅降级？这些问题不解决，“无人化”就可能把局部故障放大成系统性故障。
“无人”背后的系统性风险
第一是黑箱决策。航空认证要求可解释、可验证、可复现，而不少AI模型的行为很难完全预测。监管机构得弄清楚系统为什么做出某个避让或排序决定，不能只看它在测试里表现不错。第二是人机交接。自动化最危险的时刻，常常不是它正常干活，而是它突然要人来接管。飞行员和空管员如果长期缺少手动操作与冲突处置经验，几秒内恢复情境意识恐怕很难。
第三是网络与数据风险。AI系统离不开传感器、通信链路和训练数据，任何一处被干扰、欺骗或污染，都可能引发连锁反应。第四是责任归属。AI建议造成延误、冲突甚至事故，责任算制造商、运营商、空管机构还是监管者？第五是监管滞后。航空适航与空管认证体系成熟但缓慢，AI的迭代速度却远超传统审定周期。为了追赶技术而压缩安全验证，代价可能极高。
不是替代，而是重新定义监督
更现实的路子不是一夜之间撤掉飞行员和空管员，而是渐进式自动化：AI接过高频、规则明确、可验证的任务，高风险决策的最终监督权仍留在人手里。同时，行业要建立AI系统的可解释性标准、人机交接规范、对抗性测试方法和事故调查能力。公众沟通也不能少——乘客愿不愿意坐没有飞行员的航班，取决于安全记录能不能被透明地证明。
WIRED的设问之所以有力，是因为它把技术乐观主义拽回了安全底线。天空不是普通试验场，AI在这里的每一次“起飞”，都该先过比地面更严苛的审查。效率可以是目标，但不能当理由。先证明安全，再谈无人化，这才是航空业该有的顺序。
