国泰航空与谷歌用 AI 预测飞机云，并以小幅调高度试行规避

飞机尾部拉出的白线并不总会很快消散。若飞机在高空的冰过饱和湿润气层中飞行，发动机排气形成的凝结尾迹（俗称“飞机云”）可能持续存在、扩散成类似卷云的云层，并滞留部分向外散失的热量。国泰航空与谷歌正在测试一种相对直接的办法：先用 AI 找到这些薄而集中的风险气层，再在安全和空管许可的前提下，让飞机在巡航阶段小幅升高或降低高度，尽量从旁避开。85

AI 怎样判断哪里该避开？

谷歌的 Contrails API 将大范围天气资料、航班数据、卫星图像与计算机视觉结合，用于预测未来48小时内哪些区域更可能形成飞机云，以及这些飞机云可能带来的增温影响。2

其中有两套模型协同工作：机器学习模型估计某一区域形成飞机云的概率；基于物理机制的 CoCiP 模型则评估其潜在增温效应。6 这意味着系统不只是提示“这里可能有白线”，还尝试优先标出更值得规避、气候影响更大的情形。

预测结果会进入航班计划和运行决策流程，供签派人员、机组及空中交通管理环节评估。它不是让飞机在空中任意改变航路，而是在实际飞行限制内，考虑是否进行有限的垂直调整。212

国泰航空实际改变了什么？

核心不是把整段航程大范围改道，而是在巡航高度附近穿越薄湿层之前，尝试小幅向上或向下调整飞行高度。这样做的目标是避开使尾迹长时间存在的气象条件，同时尽量控制额外油耗和运行扰动。812

国泰航空是谷歌在亚洲的首家商业航空公司合作伙伴。首阶段试验于2025年末开始，已覆盖超过80个航班；两家公司估计，按建议执行规避航线后，原本可能形成的飞机云所造成的增温影响约降低40%。这一结果基于谷歌自身的卫星分析，属于早期试验估算，尚不能视作已被独立重复验证的全机队结论。89

报道还称，香港—新加坡走廊是早期试验的重要航线之一，并贡献了试验中超过一半的减排效果。不过，这一具体航线贡献来自行业媒体报道，应与整体试验结果区分看待。13

下一步：超长航程、亚洲航网与跨太平洋验证

第二阶段将由国泰航空、谷歌和非营利机构 Contrails.org 合作，面向亚洲及跨太平洋的超长航程航班开展随机对照试验。所谓超长航程，通常指飞行时间超过16小时的航班；这类航班会跨越更复杂、变化更大的气象系统，也对燃油、航路和空管协调提出更高要求。810

这项扩展的意义在于，飞机云规避模型过去较多在美国和北大西洋环境中研究或验证。亚洲—太平洋地区的气象条件、卫星观测条件、航班密度和空域运行约束并不完全相同，因此需要检验模型能否可靠适用于热带地区及长距离亚洲航线。38

为什么飞机云值得单独处理？

规避持久飞机云不会减少燃烧航空煤油产生的二氧化碳；但它针对的是航空业一个重要的非二氧化碳增温来源。不同研究采用的指标和时间尺度不同，估算结果会有差异，不过持久飞机云通常被认为是航空总体增温影响的重要组成部分，常可占约三分之一或更多。1

已有一项商业航班逐架次规避研究发现，试验组观测到4条可识别飞机云，而对照组为11条，前者少63.6%。1 这并不等于所有航线都能取得相同比例的气候收益，却说明在适宜条件下，有针对性的规避具有可验证的潜力。

与可持续航空燃料、更新飞机并不冲突

可持续航空燃料（SAF）和更高效的新机型仍是降低长期二氧化碳排放的必要路径。但新机交付、燃料供应、成本及全生命周期减排表现都需要时间。相比之下，飞机云规避可在现有机队和既有燃料体系下实施，主要依赖更好的预报、航班计划和空管协同。712

SAF 有望减少烟炱排放，从而降低形成飞机云的倾向，但并不能让飞机云完全消失，也不能替代对风险空域的准确预测。12

国际民航组织（ICAO）梳理的建模结果显示，如果只瞄准气候影响最大的持久飞机云机会，较明显的规避效果可以伴随相对有限的燃油代价。例如，一项基于美国航空公司国内和北大西洋航班数据的研究显示，飞机云气候强迫可减少73%，额外燃油消耗为0.11%。7

关键仍在于能否规模化运行

这项技术是否真正有效，不只取决于 AI 的预测精度，还取决于高度调整是否安全、能否获得空管批准，以及为规避而增加的燃油消耗是否小于所避免的增温影响。国泰航空试验中“约40%”的结果因此更适合被理解为值得继续验证的积极信号，而非已经确定适用于所有航班的最终答案。87