航空業向來被視為減碳最困難的產業之一，但兩組截然不同的AI應用案例，正在悄悄改寫這個行業的規則——一個在萬呎高空，另一個在停機坪上。

今年三月，Google與美國航空公司（American Airlines）公布了一項大規模試驗的成果：透過AI預測哪些飛行高度最容易形成凝結尾跡（contrail），再將建議即時傳遞給飛行員，引導他們在關鍵時段微調飛行高度數千英呎。試驗橫跨2,400班大西洋航班，凝結尾跡的形成率成功降低了62%。這個數字意義重大——科學家估計，凝結尾跡佔全球航空業總暖化效應的35%，甚至比二氧化碳本身的即時影響更為顯著。為了迴避凝結尾跡形成的氣層，飛機需要多燒約0.3%的燃油，但Google的模型分析指出，氣候效益是額外碳排放的20倍，這是一筆划算的算術。值得注意的是，這個解決方案無需更換飛機或安裝新設備，只需要資料與演算法，便能改變飛行員的決策。阿拉斯加航空（Alaska Airlines）採用AI航線優化平台後，長程航班的燃油消耗減少了3至5%，僅2023年一年便節省逾120萬加侖的燃料，折合減排約1.2萬噸二氧化碳。

另一個維度的變革發生在地面。杜拜國際機場（Dubai International Airport）引入AI驅動的停機作業管理系統，以全場攝影機結合電腦視覺，即時追蹤地勤的每一個環節——從旅客下機、貨物卸載到燃料補給，全程監控是否符合標準作業時序，並在任何環節出現延誤時即時向責任組別發出警報。結果，每班飛機的地面停靠時間平均縮短五分鐘，換算全年節省約4.5萬小時的停機時間。在一座已接近實際容量上限的繁忙機場，這五分鐘意味著每天可以額外安排35至42個航班起降，單日直接創造約30萬美元的額外收入。機場的準時出發率也從80%躍升至95%，旅客滿意度隨之顯著提升。

這兩個案例共同說明了AI在航空業應用的一個核心邏輯：最大的價值不是取代人力，而是填補人類感知與判斷的先天限制。沒有AI，飛行員在飛行途中幾乎無法即時計算哪個高度區間的暖化風險最低；地勤主管也很難同時監控數十個停機坪的每一個作業步驟。AI將海量資料壓縮成可執行的具體指令，讓人類在對的時機做出正確的選擇。目前包括Emirates在內的多家航空集團已宣布與OpenAI展開企業級合作，將AI部署延伸至客戶服務、排班調度與機隊管理。對港口、鐵路等同樣高度依賴複雜排程的產業而言，航空業的這兩個案例或許正是值得跟進的藍圖。