太阳能漂浮式起降港：空中出租车落地的关键拼图

一架 eVTOL 空中出租车从城市上空降落，乘客以为“到站了”，现实却是：落地只是开始。真正决定空中出租车能不能规模化的，往往不是飞机本身，而是它能不能在高峰期有序降落、快速补能、把人安全地“送上岸”。

2025-11-22，上海淀山湖出现了一个很“工程直男”的答案：一艘自航、太阳能供电的漂浮式起降港（vertiport barge）。它不是科幻场景的道具，而是把“起降—候乘—运维—能源”压缩到一条船上的基础设施尝试。对关注汽车软件与用户体验的人来说，这件事特别值得看：因为它把“智能交通的胜负手在基础设施”讲得很直白。

这篇文章会从漂浮式起降港出发，拆解它解决了什么瓶颈、AI 在其中扮演什么角色，并把它和我们熟悉的智能座舱、OTA、车路云一体化放到同一张“体验地图”里：未来的出行体验，越来越像软件产品——而不是一台交通工具。

空中出租车最大的瓶颈：不是飞，而是“降”和“转运”

空中出租车要跑起来，第一道坎是可用的起降点供给。历史上直升机客运在 20 世纪中期曾火过，但最终退成小众业务，一个重要原因就是：

• 可降落地点太少（楼顶、码头、临时平台）
• 高峰期形成新的“空中堵车”
• 噪声、安全隔离、审批成本把扩张速度拉慢

这就是典型的“把城市道路堵车，换成起降点堵塞”。eVTOL 虽然在噪声、维护、能耗上更有机会，但它仍然绕不开同样的物理问题：你不能只卖飞机，还得卖系统吞吐量。

漂浮式起降港的价值，在于把“土地稀缺”换成“水域可调度”。在像上海、深圳、香港、新加坡这样滨水城市，水面是一块天然的“弹性资源池”。

AutoFlight 漂浮式起降港是什么：把起降场做成可移动的“能源+运营节点”

先给出结论：这类漂浮式起降港本质上是一个可移动的低空交通站点，用船体解决选址与扩容，用太阳能降低运营能耗与碳足迹。

根据公开展示信息，这艘起降港包含两块核心模块：

1. 覆盖太阳能板的起降平台：把发电面直接做进“场坪”，用来支撑站点自身用电、部分补能与设备运行。
2. 舱体空间：兼做候乘区（departure lounge）与机务/技术间（technical room），把基础运营能力“装在船上”。

它的定位也不只服务单一载客机型：平台尺寸宣称可支持 AutoFlight 的多种飞行器，包括 6 座载人 eVTOL（Prosperity I）以及货运/商用旋翼平台（如 White Shark、CarryAll 等）。

这里我最看重的不是“漂浮”本身，而是它把站点做成了可移动的“运力阀门”：需求上来就把它拖过去，需求下去就撤走，避免把重资产永久砸在一个不确定的点位上。

现实问题也很硬：到站以后怎么上岸？

文章里有一句很冷静的话：到了目的地，你还得下船。

这不是吐槽，而是产品定义的边界：漂浮式起降港解决了“能降、能候、能运维”，但最后一公里需要和摆渡船、电动水上巴士、岸上接驳车组成联运。

低空交通如果想真正变成“日常通勤”，体验必须是连续的：

• 下机后 3-5 分钟内能完成身份核验、行李/货物交接
• 10 分钟内能接上岸上交通网络（地铁/网约车/自驾）

这跟汽车行业的逻辑几乎一样：车做得再好，充电站布局、排队时间、支付体验也会决定用户口碑。

AI 在漂浮式起降港里真正有用的地方：调度、预测、风控

如果只把 AI 当作“语音助手”，那它在低空交通里价值不大；但如果把 AI 当作运营系统的决策引擎，它就是漂浮式起降港能否规模化的关键。

我更愿意把它拆成三层：

1）吞吐量优化：用预测减少排队，而不是增加平台

起降港的瓶颈不是“有没有一个停机位”，而是单位时间内能处理多少架次。AI 最适合干的事是：

• 预测峰谷：结合工作日/节假日、会展活动、天气、航班落地潮汐
• 动态配额：为不同机型、不同航线、不同优先级（救援/货运/载客）分配时隙
• 地面周转优化：缩短放行间隔、提高登机/离场效率

一句话：用算法把“排队”变成“预约”。

2）能源与补能策略：太阳能只是发电，AI 才是“用电的脑子”

太阳能板嵌在场坪上很直观，但真正难的是“怎么用”。一个可行的 AI 能源管理策略通常包括：

• 发电预测：基于辐照度、云量、季节性（日照短的冬季尤其重要）
• 负载预测：起降辅助设备、照明、通信、安防、补能负载的峰值管理
• 电池策略：什么时候充、充多少、是否预留应急冗余

这里的体验指标很具体：补能等待时间与放行准点率。它们会像电动车的“快充排队”一样，直接决定用户是否复购。

3）安全与合规：把风、浪、能见度变成可计算的风险

漂浮平台引入了海事变量：浪高、漂移、风剪切、能见度、船体姿态稳定性等。AI 可以做两类工作：

• 传感器融合：雷达、风速风向、视觉、AIS/船舶动态、平台姿态传感器
• 风险评估：给出可解释的放行/禁飞建议（例如“横风超过阈值 + 浪高上升趋势”）

低空交通要走向常态化，监管一定会要求“可追溯、可解释、可审计”。这点和汽车的智能驾驶监管趋势非常一致。

把它放回本系列主题：低空基础设施像“智能汽车软件栈的外延”

我们这个系列讨论“AI 在汽车软件与用户体验中的不同应用方式”，常见对比是：

• Tesla 更强调统一的软件平台、持续 OTA、跨车型一致体验
• 中国品牌 更强调本地化功能、智能座舱生态、场景化服务整合

漂浮式起降港这件事，其实把两条路线都照了一遍：

• 它需要类似 Tesla 的“平台化”：标准化接口、统一调度协议、统一安全冗余
• 它也需要中国式“场景化”：和本地水域、港口管理、文旅/救援/会展需求深度绑定

我甚至觉得，低空交通的用户体验会更像中国智能座舱的路线：把出行做成生态服务。

• 你的行程不只是“飞”，而是“飞 + 上岸接驳 + 支付 + 安检 + 会员权益”
• 入口不一定是机场柜台，而可能是车机、手机、企业差旅系统

当基础设施变得可移动，软件就必须更强：要能随时发现它、预订它、把你送到它，并在你抵达时把下一段交通接起来。

对城市与企业的落地建议：别先问“能不能飞”，先问“怎么运营”

如果你是做智能汽车、出行平台、城市交通或港口运营的，我建议用“运营问题清单”来评估这类项目，而不是只看飞行器参数。

1）先定义 3 个硬指标

• 小时吞吐量：每小时可处理多少架次（含登离场时间）
• 准点率：天气波动下仍能维持的放行稳定性
• 总等待时间：从到达起降港到离场的平均分钟数（这是体验核心）

2）把 AI 用在“可量化”的环节

优先落地这些模块，ROI 最清晰：

1. 需求预测与时隙分配（减少排队）
2. 能源管理与补能队列（减少等待）
3. 风险评估与合规报表（减少停运与事故概率）

3）别忽视“上岸体验”，它决定口碑

我见过太多项目把 80% 的精力用在“飞起来”，最后败在“落地体验”。漂浮式起降港的联运方案要提前设计：

• 电动摆渡船/水上巴士接驳
• 岸上 PUDO（上下客点）与停车场（自驾接驳）
• 统一票务与支付（一次下单、全程可见）

这和智能汽车的逻辑一样：功能不是堆出来的，体验是串起来的。

2026 之后的想象：当“交通节点”像云资源一样弹性调度

漂浮式起降港最值得关注的趋势是：它把交通基础设施从“固定资产”推向“可调度资源”。一旦节点能移动，城市就能用更小的试错成本探索低空交通的真实需求曲线。

而 AI 的角色会越来越像今天车端软件的中枢：

• 在车里，它负责理解你、服务你、连接生态
• 在低空基础设施里，它负责预测需求、分配资源、控制风险

如果说过去十年我们在讨论“汽车像手机”，那接下来更贴近现实的说法是：出行系统像云服务——车辆与起降港只是终端，体验由软件与调度决定。

我更愿意把最后一个问题留给做产品和做城市的人：当“空中出租车 + 智能汽车 + 水上接驳”都接入同一套 AI 调度与服务系统时，你会把它当成交通项目，还是当成一个可以持续迭代的“用户体验产品”？