Beyond Aero 发布智能体 AI 工程系统 AeroAI,称认证文档每页工时降幅超 200%
行业影响新机型项目最稀缺的工程时间,耗在认证文书上,而不只是机体设计,因此能压缩文档与变更影响分析工作量的工具,可能改变小型研发企业的人员配置方式。
事件详述
法国氢电公务机研发商 Beyond Aero 发布了自主研发的智能体人工智能工程系统 AeroAI。公司称,该系统将每页认证文档所需的工程师工时降低了 200% 以上。AeroAI 运行在 Amazon Web Services 上,通过 Amazon Bedrock 调用基础模型,由 Amazon Bedrock AgentCore 托管智能体,并在每位工程师各自的访问权限范围内将其接入公司的工程工具,每一步操作均留有可供审计的记录。在欧洲区域,系统完全运行于 Amazon Web Services 之上。

据公司介绍,这些智能体全天候运行,贯通整个项目的知识,追踪每项变更的影响,并起草分析供工程师审阅,把分析与迭代周期从数月压缩到数天。联合创始人兼首席战略官 Valentin Chomel 表示,工程决策权不变:每项输出都要由具名的、承担责任的工程师审阅、批准并签署,AI 只提出设计方案,从不自行验证或放行任何内容。该工具的一部分功能完全是确定性的。
Beyond Aero 拥有 80 名工程师,正在研制 One,一款六座公务机,采用氢燃料电池供电的电力推进,目标是在 2030 年代初投入运营。AeroAI 中名为 Sentinel 的合规智能体,会把 3D 模型、某项要求或某个测试结果的每一处变更,与完整索引的资料库及 EASA 认证基础逐一比对。据 Chomel 介绍,设计目标是在 24 小时内给出影响图和建议的行动方案,而一项中等规模的工程变更,行业平均需要 17 天。
公司于 2026 年 3 月通过了 EASA 的初步设计评审,评审资料包含 3,000 多页经验证的文档。50 名工程师用两个月完成编制与验证,其间只投入了约四分之一的工作时间。Chomel 称,这相当于每页约 1.3 工程师工时,而航空航天级文档的行业常规是 4 至 6 小时。公司有意避免给出单一的效率数字:增益是在一个界定清晰的工作包上测得的,并与来自其他项目的工程师所回忆的同类工作耗时作了对比。
AeroAI 还能根据一次请求生成一份三页的、按客户定制的运营预测研究。在从巴黎勒布尔歇到日内瓦的示例航线研究中,智能体从收录 2019 年以来所有航班的索引中提取机场和实际的轮挡时间,运行 Beyond Aero 自己的飞机性能模型,补充竞品数据和机场费用,并注明每个数字的来源。公司还用 AeroAI 计算了 50 万种以上的完整飞机变体,涵盖机翼几何、燃料电池配置、电池容量和推进布局。
Universal Hydrogen 的资料库
Beyond Aero 收购了已倒闭的氢动力研发商 Universal Hydrogen 的资产,后者曾在 2023 年初试飞过绰号 Lightning McClean 的试验验证机。这批资产包括分布在 9,500 个无说明文件中的 4.36 TB 数据,2025 年数月的人工整理都没能让它们变得可用。Chomel 表示,今年 AeroAI 只用了大约两周就把整个资料库理出了结构。
被问到 AeroAI 能否向其他飞机研发商出售时,Chomel 称目前仍是个悬而未决的问题,公司现在没有把精力放在这上面。
行业影响与后续观察
对一家白纸起步的研发企业来说,认证成本在很大程度上就是纸面工作的成本:文档的体量,需求、模型与测试结果之间的可追溯性,以及每项变更申请的周期。Beyond Aero 瞄准的正是这些环节,而在人手最为紧张的小型项目里,它们恰恰占去了工程师的大部分精力。如果每页 1.3 工程师工时对 4 至 6 小时这一常规的说法站得住脚,新的公务机项目要走到设计评审需要多大规模的团队,就会直接受到影响。
系统的设计也显示了监管的底线所在。每项输出都由具名工程师签署,AI 不会自行放行任何东西,这正是认证当局能够审计的安排,审计留痕和访问权限控制也都围绕这一点构建。效率数字来自对单个工作包与其他项目工程师回忆的对比,所以它反映的是这支团队自己的经验,而不是受控的基准测试。
下一道考验和所有认证项目面临的一样:在 2026 年 3 月的初步设计评审之后,EASA 是否接受以这种方式编制的文档。Chomel 称向其他研发商出售 AeroAI 仍是个悬而未决的问题,这意味着该系统目前只是内部优势,还不是一件产品。

















































