每班航班減少 40% 增溫效應：Google 攜手國泰航空將 AI 凝結尾迴避技術推向亞太

巡航中的客機尾部拖著的白色痕跡，看起來無害——像是在藍天上稍縱即逝的藝術創作。但根據 Google 引用的 IPCC 評估，事實並非如此：凝結尾（contrails）約佔航空業整體氣候衝擊的三分之一。今天，Google 宣布將一套協助飛行員「繞開」凝結尾的 AI 系統擴大部署，與國泰航空的合作進入更大規模的第二階段試驗，範圍涵蓋全球成長最快的航空市場——亞太地區。

初步結果相當亮眼。在一項鎖定國泰航空航網中超過 100 班航班的營運試驗中，有 80 多班遵循了 AI 規劃的凝結尾迴避路線。Google 的衛星影像分析估計，這些航班將其凝結尾的增溫效應降低了約 40%——而且全程只用了最平凡不過的手段：小幅、有計畫的高度調整，使用的是今天的飛機、今天的燃料。

國泰航空是 Google 在亞洲第一家測試凝結尾迴避技術的商業航空夥伴，測試範圍是超長程航線——飛行時間超過 16 小時、航程經常超過 13,000 公里（8,000 英里）的航班。

預測式 AI 如何進入駕駛艙

核心概念簡單得出奇。凝結尾只在飛機穿過冷冽潮濕的氣團時形成——引擎排放的煙塵微粒成為水氣凝結的核。多數凝結尾幾秒內就消散，但持續性凝結尾會擴散成片狀雲，在大氣中攔截熱能。迴避它們的方法，就是微調飛行高度、繞開這些「冰過飽和區」——用 Google 公告的說法，「就像飛行員避開亂流一樣」。這類調整本來就是飛行員例行性的操作，完全在既有的安全參數內，預期不會影響乘客或飛航安全。

困難之處在於：如何在起飛前好幾個小時，就掌握一條 13,000 公里航線上這些區域的位置。這正是 AI 發揮作用的地方。Google 的系統融合機器學習預測、衛星影像與氣象資料，提前精準定位會形成凝結尾的區域，讓簽派員與飛行員在飛機離開登機門之前，就能把小幅高度調整納入飛行計畫。

這條資料管線一路延伸到空中。國泰航空透過機上 Wi-Fi 與自家的電子飛行資料夾（Electronic Flight Folder, EFF），將 Google 的動態預報直接傳送至駕駛艙，讓飛行員在一般營運數據之外即時掌握凝結尾資訊——且不干擾標準駕駛艙作業流程。這是應用 AI 的一個低調而優雅的範例：不是聊天機器人，不是桌前的副駕駛，而是一個嵌入航空公司營運肌理的預測模型。

香港—新加坡走廊效應

試驗的路線級數據揭示了機會有多麼集中。香港—新加坡走廊是測試航線之一，因為該空域的航班經常遭遇有利於持續性凝結尾形成的條件。試驗分析顯示，僅這一條航線上的介入措施，就貢獻了整個試驗超過 50% 的減排成效。

對於一家樞紐位於亞洲短程與長程航網交會點的航空公司而言，這種集中性意義重大。少數幾條凝結尾形成條件聚集的高效益航線，就能貢獻不成比例的氣候效益，也讓營運採用的經濟論證更加有力。

橫跨三大洲的實績

今天的公告，是一條從研究模型走向實機營運、而且橫跨多個大陸的研究弧線上的最新一步。

在更早與美國航空（American Airlines）的合作試驗中，飛行員依據 Google 的 AI 預測執行了 70 班測試航班，為期六個月。衛星影像分析發現，這些預測使凝結尾形成減少了 54%。經濟效益同樣值得一提：迴避凝結尾的航班多燒了約 2% 的燃料，但 Google 估計，規模化到整個機隊後僅會增加約 0.3% 的燃料消耗——將凝結尾迴避的成本壓在每噸二氧化碳當量 5 至 25 美元的區間。以 IPCC 數據推算，Google 團隊估計凝結尾增溫效應的降低幅度，約是多燒燃料所額外產生增溫的 20 倍。航空業幾乎沒有其他氣候介入手段能接近這個比例。

2026 年 8 月，Google 再與英國政府合作推出「Operation Blue Skies」——據稱是全球第一個以整個洋區空域規模進行、由國家支持的凝結尾迴避試驗。這項為期 30 個月的計畫在北大西洋東側的 Shanwick 空域運行（該空域約佔全球凝結尾增溫的 5%），集結了 NATS、Contrails.org、帝國學院、劍橋大學與英國氣象局，Google 英國團隊以義務性質投入價值 140 萬英鎊的資源。

隨著國泰航空合作的擴大，Google 的凝結尾計畫如今橫跨美國、北大西洋與亞太地區——同時公司也正式與專注推進凝結尾減緩科學的非營利組織 Contrails.org 攜手，強化研究面的布局。

為什麼這件事的意義超越航空業

這則新聞的重要性，遠大於一家航空公司的減排帳本。航空業是最難減碳的產業之一：永續航空燃料稀缺且昂貴，氫能與電動飛機距離長程營運還有數十年，需求卻持續成長。凝結尾迴避是少數「現在就可用」的槓桿——不需要新硬體，而且每美元的氣候效益足以媲美甚至超越許多碳移除方案。

它也是一個案例研究，說明 AI 的氣候價值如今究竟在哪裡。AI 的招牌應用——聊天機器人、程式代理、圖像生成——消耗巨量運算資源。但一個讓 80 班航班改道、就能削減其 40% 非二氧化碳增溫的預測模型，展現的是另一種計算方式：以節制、精準的機器智慧，對付一個已被充分刻畫的物理問題，並用衛星驗證閉合「預測」與「結果」之間的迴路。

當然，仍有未解的問題。40% 這個數字是衛星影像分析的估計值，不是直接量測，而且只涵蓋遵循迴避路線的航班子集——全機隊的實際成效，取決於簽派員與飛行員在真實營運中能多常依預報行動。夜間凝結尾比白天更會捕捉熱能（只攔截向外輻射、沒有反射入射陽光抵銷），因此介入的「時機」與「位置」同樣關鍵。而從 80 班航班規模化到全球航網，意味著必須把凝結尾預報整合進從未為此設計的空中交通管理系統——這正是 Operation Blue Skies 這類國家支持計畫存在的原因。

但方向已經很清楚。Google 稱凝結尾減緩是「航空業氣候足跡中最立即可用、可規模化且符合成本效益的手段之一」，而國泰航空的第二階段——透過 Contrails.org 貢獻開放研究——正是為了證明這套方法在亞洲與跨太平洋航線上的「營運可行性」，而不只是證明概念。

對一個急著在本世代內兌現氣候成果的產業來說，AI 引導的高度調整，或許是所有選項中最不可思議、卻也最務實的一個。