2025年智能低空通感网络行业分析：AI融合技术将推动市场规模突破千亿

随着低空经济被纳入国家战略新兴产业，智能低空通感网络作为支撑低空经济运行的关键数字基础设施，正迎来前所未有的发展机遇。这一新兴领域深度融合5G-A、通感一体、人工智能及多源感知等前沿技术，构建起空天地一体、端网协同的通信感知架构，为无人机物流、城市空中交通、应急救援等应用场景提供安全、稳定和高效的运行环境。根据白皮书显示，截至2024年底，仅深圳就已升级5G-A基站超2.3万个，实现120米以下空域5G网络连续覆盖，标志着低空网络基础设施建设已进入规模化推进阶段。

一、5G-A与通感融合技术构建低空网络基础设施

低空通感网络的发展离不开通信技术的支撑，而5G-A作为5G向6G演进的关键阶段，凭借其大带宽、低时延、高可靠及新能力，已成为支撑低空网络覆盖、满足多样化低空业务需求的核心技术。目前，基于5G-A的低空网络正加速推进，相关技术验证和应用试点在全国范围内广泛开展。深圳作为全国首个国家低空经济产业综合示范区，其5G-A基站升级规模已达2.3万个，形成了较为完善的低空网络覆盖能力。上海则以低空通信网络为重点，加快5G-A基站规模化部署，分阶段推进低空通信网络覆盖建设，为本地低空经济多场景发展需求提供支撑。

通感融合是5G-A引入的一项关键能力，赋予基站在提供高速通信服务的同时，实时感知空域目标的位置、速度、姿态等多维信息。这项技术还能为无人机等低空飞行器提供精准环境信息与路径优化服务，成为支撑智慧低空经济的关键技术。中国电信发布的《通感一体低空网络白皮书》提出构建"通信、感知、计算一体化"的智能互联低空数字服务体系，全面规划低空网络架构。广东、浙江等地依托本地产业基础，积极探索通感融合技术在无人机监管、基础设施安全防护等领域的落地应用，推动低空经济发展向更高水平迈进。

从技术实现层面看，通感一体化网络在传统通信网络架构基础上新增感知功能(SF)网元和应用功能(AF)网元。SF负责感知功能控制管理、感知数据汇聚和上报；AF提供应用服务和平台管理，确保感知数据的有效利用与业务流程的协同。这种架构创新使得网络不仅能够显著提升频谱与资源利用效率，还能拓展通信网络的服务能力，使其具备环境感知、目标定位、智能决策等功能，为低空经济的各类应用场景提供技术保障。

在基站部署方面，运营商正加速推进通感一体技术研发与测试，推动其从实验室验证迈向多种实际应用场景的外场性能评估。中国电信已在江苏等重点省份部署低空感知网，利用5G基站协同组网实现对300米以下空域的厘米级精准监测。这种网络部署不仅解决了低空目标"看不见"的难题，还通过多站轨迹融合技术关联跨区域感知数据，消除监测盲区并完成目标轨迹去重拼接，形成全域动态轨迹图谱，为空域管理提供数据支撑。

二、AI技术深度赋能低空网络智能化升级

人工智能技术正加速赋能智能低空通感网络体系，深度融入感知、决策、控制等关键环节，成为推动低空网络智能化演进的核心驱动力。面对森林火情识别、滑坡风险预警等复杂应用场景，AI驱动的无人机展现出强大的自主任务执行能力，其在多源传感数据的智能融合与目标识别能力的基础上，实现快速灭火与应急响应性能优势。深圳启动的智能融合低空系统(SILAS)研发项目，就是利用AI技术对低空飞行和空域进行精细化管理的重要实践。

在杂波抑制这一关键技术领域，AI展现出显著优势。传统杂波抑制算法如动目标显示(MTI)、空时自适应处理(STAP)等存在复杂动态环境适应性差、非均匀杂波抑制能力有限、计算资源瓶颈等问题。而AI技术通过数据驱动的自适应学习、多维度特征建模和高效计算，为杂波抑制提供了更灵活、鲁棒和普适的解决方案。研究人员提出的深度神经网络增强的STAP杂波抑制算法，创新性地将传统STAP算法与深度神经网络相结合，利用深度神经网络有效解决了存在空间和时间误差的小样本条件下杂波协方差矩阵估计问题。

在目标识别方面，AI技术同样展现出强大潜力。传统目标识别算法依赖人工设计特征提取规则，其特征仅能捕捉目标的局部轨迹、形状等浅层信息，难以表达复杂的语义。而AI算法通过端到端训练自动学习深层语义特征，可以在准确率、实时性、泛化性上实现全面超越。当前基于AI的无人机目标识别关键技术主要聚焦在航迹数据处理、AI网络推理和多站结果融合上。系统通过分析航迹的位置、速度、雷达截面积(RCS)和微动特征等多维数据，利用卷积神经网络(CNN)、长短期记忆网络(LSTM)等深度学习模型，实现对无人机目标的高精度识别。

AI在网络侧也发挥着关键作用，助力无线资源管理、通信优化和网络动态规划。通过智能杂波消除与轨迹融合技术提升感知与调度效率，有效支撑复杂低空环境下网络的高效运行。随着AI与5G-A及通感融合技术的进一步集成，逐步构建集信息感知、边缘计算与智能通信于一体的系统架构，可为无人机在复杂空域实现自主飞行、动态响应与智能管控提供关键支撑。

三、多源感知融合技术破解低空监管难题

随着无人机和电动垂直起降飞行器(eVTOL)等低空飞行器的广泛应用，低空安全成为产业发展的关键。为了保障低空飞行的安全性、高效性和可靠性，低空多源感知融合技术成为业界研究的热点。这种技术综合运用多种感知手段，对低空飞行器进行实时监测、识别、跟踪和管理，通过融合5G-A通感、频谱侦测、光电感知、雷达感知、无人机远程身份标识(Remote ID)等多种先进的感知技术，实现优势互补，克服单一技术的局限性。

多源感知技术通过融合通感基站雷达、光电设备、无线电侦测、北斗等多类异构传感器，实现对低空飞行目标的高精度探测、跟踪与识别。其核心价值在于通过数据的互补、冗余与协同处理，有效提升目标探测概率、降低虚警率，增强系统抗干扰能力和整体稳定性。深圳正在加快建设全球首个市域级"5G+毫米波+卫星"空天地一体化低空安全网络，推进多频段通信、多类型感知与高精度导航的深度融合，拓展多源感知技术在更广域空间的集成应用。

在技术架构方面，多源感知融合系统采用分层设计，将数据采集、初步处理和决策部署在感知终端与边缘节点，同时依托中心云平台进行深度分析和全局优化。该架构以5G-A通感为核心，构建集侦察、预警防御、识别、打击于一体的多模感知网，包括数据采集与预处理、冲突仲裁机制、协同调度机制、动态融合算法等多个关键部分。系统通过中心调度或分布式协同调度的方式，根据任务需求动态分配感知资源，实现边缘处理与云端分析的协同配合。

融合创新是多源感知发展的核心方向。将多源感知与5G-A、AI等技术协同应用，可进一步提升其在低空网络的数据处理能力与服务智能化水平。系统集成AI智能融合引擎，采用多源数据并行深度学习融合模型，对毫米波信号、光电图像、频谱数据等多模态数据进行时空联合建模。使用如CNN、注意力机制(Attention)、图神经网络(GNN)等方法，实现对目标类型的高精度识别、轨迹追踪与威胁等级智能判别。平台支持在线学习与模型自更新，在实际运行中可根据场景变化持续优化识别策略。

四、应用场景多元化推动市场规模快速增长

智能低空通感网络深度融合通信、感知与AI技术，为智慧城市、应急保障、空域管理及生态巡查等多元应用场景注入智慧动能，提供全方位技术支撑。借助AI强大的数据处理能力，智能低空通感网络可实现对感知数据的理解、推理与预测，从而构建具备认知能力的智能低空网络，为低空飞行打造"可视、可判、可控"的全流程管理体系。

在智慧城市领域，智能低空网络通过引入AI算法进行回波建模和异常特征学习，可动态识别和剔除建筑、水面、植被等反射造成的背景杂波，实现低空复杂空域下的高精度目标感知。在昆山至上海、苏州至无锡等通勤航线上，已有多条低空"空中通勤"航线投入运行。通过通感组网和智能管控，服务准时率和空域安全系数大幅提升。在山东济宁，中国电信打造的"低空经济+智慧物流"系统借助5G网络和数字化平台，实现无人机物流的远程调度与高效运营，有效打通农村服务"最后一公里"。

应急保障领域也展现出巨大潜力。在山东济南平阴县，无人机医疗运输已实现常态化运营，样本从基层医院至检验中心的运输时间从15分钟缩短至8分钟。在广东梅州洪水和广州龙卷风等自然灾害事件中，无人机多次参与现场照明、空中喊话和障碍物清除作业，构建起以智能飞行器为核心的"空地一体"应急救援体系。

在生态巡查方面，湖北松滋市的400台T100植保无人机投入到百亩麦田的作业中，有效抑制植被回波干扰，实现了精准喷洒。浙江绍兴陈蔡水库通过部署自动机场与AI识别系统，无人机可自动完成起降、路线巡查和异常目标识别，并实时预警，有效提升了水利监管的频率和精准度。

以上就是关于2025年智能低空通感网络行业的全面分析。当前，该领域正面临算法适配性不足，多源异构数据协同困难、算力能耗矛盾突出等挑战。未来，智能低空通感网络将继续推进5G-A/6G通感技术的演进，同时深化与AI技术的融合交织，构建"传统算法+AI增强"的混合技术架构。在应用场景方面，将突破现有物流、应急等领域边界，向空水立体安防、气象梯度探测、无人机集群协同导航等前沿场景延伸，构建全域覆盖的低空服务体系，为低空经济安全有序发展筑牢技术根基。