2026年10月9日，中共中央、国务院印发《关于发展新质生产力的意见》，提出“在确保安全前提下，推动低空经济、商业航天健康有序发展”，为低空产业发展提供顶层指引。低空产业智能化落地还要回答一个关键问题：如何在保障数据安全的前提下，让开源模型向私域低空数据自主耦合，实现数据一次采集、按需授权，并在监管、巡检、应急等场景中复用，进而把分析结果转化为及时预警和处置依据，推动监管从“事后补救”走向“事前预判”?

拓数派依托πDataCS，针对低空产业具体场景痛点与业务需求，协助杭实集团旗下低空公司、平数集团等单位，通过可信数据汇聚和多源数据治理，以本体论(Ontology)统一低空业务语义，并将智能体能力接入监管、服务与运营流程，支撑“一网统飞”和“一网统管”场景协同。

客户与场景痛点

据北京研精毕智调研报告预测，2026 年全球低空经济市场规模将达到 5000 亿美元，亚太地区增速领先，中国约占亚太低空市场的 60%。

低空飞行活动和应用场景增多，对数据接入、语义理解、智能决策与流程协同提出了系统性要求。在具体的运营与业务场景中，相关低空政企单位往往会发现分段建设、单点治理的传统模式已难以支撑"一网统飞、一网统管"目标，痛点集中体现在数据汇聚、数据权属与安全、业务语义、AI 应用与任务闭环五个层面：

数据来源多，监管视野难以形成合力

低空业务涉及飞行器、空域、气象、审批和任务等多类数据。数据分布在不同系统和部门，缺少统一接入与处理能力时，难以快速形成完整的运行态势，尤其给"低慢小"飞行器管理和风险响应带来挑战。由于缺乏统一、精细化的数据基础设施，无法承载多样数据并及时分析和处理，难以实现对低空空域的有效管控。

数据权属分散，安全共享与复用缺乏机制

低空数据分属监管部门、运营企业、基础设施运营方等多元主体，权属边界与管理口径不一。缺少可信的授权与安全管控机制时，数据要么沉淀在各部门"不敢共享"，要么"共享即出域"，企业数据主权与低空数据安全难以保障，监管分析与产业运营无法在合规前提下复用数据价值。

语义口径不一，数据难以被业务和 AI 理解

低空术语及定义在不同系统、不同部门间缺乏统一认知，不同系统对空域、飞行任务、告警和处置对象的定义可能不同。即使数据已经汇集，如果缺少统一的业务语义，AI智能体仍难以准确理解数据所指向的对象及其关系，数据难以被挖掘利用，大模型也无法直接读懂低空数据。需要从业务视角统一定义异构实体的语义与关系，解决"信息孤岛"与"认知歧义"。

AI 进入低空业务场景，准确性与依据都很关键

低空业务对响应时延和识别准确率要求高，对合规性同样敏感。模型如果缺少业务数据和规则支撑，输出就难以直接用于监管判断和运营决策，AI 能力也不容易形成稳定的业务价值。场景需求提交、飞行任务调度、成果验收和事件处置分布在不同流程中，信息需要重复整理，影响协同效率，也不利于数据与服务能力持续复用。

拓数派解决方案

以"可信Data+智能体A"连接低空业务

针对上述四大痛点，拓数派围绕低空场景构建"一个数据底座、多个计算引擎、一个运营平台和 N 个应用场景"的总体架构，把算力、数据、业务知识和场景应用逐步贯通：先接入多源数据可信可用，再利用本体规则读懂低空业务，最后把智能能力送进监管、服务与运营流程。

汇聚多源异构数据，建设多模态数据底座

低空场景既有结构化业务数据，也有无人机图片、视频等多模态数据。πDataCS 提供异构湖仓接入和多引擎数据处理能力，统一调度算力资源，按数据类型开展治理、计算与分析，为模型训练、推理和智能体应用提供底层支撑。围绕低空场景组织数据与计算，所构建的AI智能底座可以支持目标识别、态势分析和风险预警等应用，减少数据在不同系统间重复搬运和处理。

例如，在飞行态势监管中，AI智能底座可以将实时航迹与隔离空域信息关联，持续统计预警和危险告警，在驾驶舱展示当前飞行密度及告警明细;对历史轨迹，则通过时空网格汇总形成飞行热力分布，辅助识别高密度飞行区域、分析城市空域利用情况。

汇聚多源异构数据

以简墨元可信数据空间汇聚数据、形成可用资产

依托简墨元可信数据空间，AI智能底座对接和治理多源低空数据，推动数据目录、质量和使用权限有序管理。在授权和安全规则下开展数据处理与共享，实现数据"一次采集、按需授权、多次复用"，支持数据在不改变原有权属和管理边界的前提下参与计算，逐步沉淀低空高质量数据集，为监管分析、模型应用和场景运营提供可信的数据基础。

低空数据“一次采集，按需授权，多次复用”

以 Ontology 本体论统一低空业务语义

AI智能底座围绕空域、飞行器、飞行任务、禁飞区、气象条件、冲突告警和应急预案等核心对象构建低空领域本体，明确对象之间的关系和业务规则。来自不同系统的数据可以按照共同的业务语言进行关联，模型也能基于清晰的对象、关系和规则理解问题，降低语义歧义带来的判断偏差。

零代码生成低空智能体，让 AI 落地业务闭环

在可信数据和本体语义基础上，AI智能底座通过涵思元智能体(DataJarvis)，零代码生成低空智能体，将业务意图解析、规则调用、推理校验和结果输出连接起来，面向航路规划、冲突预警、气象决策和合规审查等环节提供智能支持。

通过这一架构，AI智能底座支撑 N 类应用，推动城市低空治理巡检等“一网统飞”场景与低空监管“一网统管”能力协同发展。

应用价值与成效

低空AI智能底座投入应用后，价值沿三条线显现：监管端响应提速、风险识别前移;巡检端覆盖拓展、识别与迭代效率提升;运营端任务在线闭环、数据与AI能力多场景复用。

监管响应速度提升 20 倍以上，支持数据多场景复用

AI智能底座投入应用后，监管响应速度提升 20 倍以上。多源数据经πDataCS简墨元可信数据空间统一治理、低空本体关联语义后，可供监管、巡检、运营等业务场景按需调用，减少重复整理和跨系统查找所耗费的时间，实现"一次采集、按需授权、多次复用"。

提升影像识别处理能力，支持全天候分析

AI智能底座支持全天候自动识别分析，图像处理能力约60毫秒每张。实际业务中，AI 完成初筛和风险提示，人员复核后衔接后续处置，缩短了从影像采集到发现问题的时间。

推动风险识别前置，形成预警与定位流程

数据与 AI 协同后，无人机影像可从“采集到的画面”转化为可处置线索：系统识别车辆违停、水藻增生、安全帽违规佩戴等目标后，提供风险提示和定位信息，帮助业务从发现问题、核实情况走向及时处置，推动监管由事后补救向事前预警延伸。

拓展巡检覆盖范围，提升识别与迭代效率

在移动小目标识别场景中，通过数据增强和连续训练优化，识别精度较原方案提升 60%;算法迭代优化周期缩短至 5 天以内，巡检效率提升 3 倍。无人机巡检也为复杂地形和高风险区域补充了新的观测方式。

拓展多行业应用，推动巡检场景复用

AI智能底座围绕公共安全、电力、林业、水务、交通等领域拓展应用，可支持治安巡逻、城管执法、输电巡检、森林防火和水库巡检等场景。数据治理、本体语义和智能体能力在统一架构下持续沉淀，为后续新增场景减少重复建设。

低空AI智能底座的建设，关键不只是把数据集中到一处，更要让数据能够安全地参与计算、让 AI 理解真实业务，并让分析结果进入任务调度和处置流程。随着更多业务场景接入，拓数派在低空行业的落地实践也将助力企业为低空可信数据和 AI 能力的持续复用与规模化运营打下基础。