达美航空 CEO 说 AI 能让利润涨 50%
别急着喷「画大饼」，先看看技术落地在哪几个硬骨头上：
一、动态定价从「舱位控制」进化到「单客单价」
传统 RM 靠的是 EMSR-b、bid-price 这些运筹学模型，核心约束是「舱位分层」——把经济舱切成 Y/B/M/H/Q/K...十几个代码，再用预测需求决定每层放多少座位。问题很明显：粒度太粗、反应太慢、长尾需求全靠人工经验拍脑袋。
达美现在接入的生成式模型（据供应链传闻是微调过的 Llama-3-70B + 自家历史 PNR 数据），不再按舱位切，而是直接对每个搜索请求输出一个「接受概率最高的价格」。输入向量里混进了：用户历史出行画像、竞对实时舱位、天气扰动概率、甚至目的地大型会议日程。模型离线蒸馏成 200MB 的 ONNX，部署在边缘推理集群上，单次推理延迟压到 15 ms 以内，配得上「实时」两个字。
二、运控端的「软约束」终于能量化了
机组排班、飞机周转、维修窗口——这些以前全是硬约束进 MIP 求解器，一旦遇到雷暴、空管流控、机械故障，重新优化要跑半小时，早黄花菜都凉了。现在的做法是：用 LLM 把 NOTAM、天气雷达、机组资质、维修工单这些非结构化文本「读懂」，转成软约束的惩罚项系数，喂给强化学习策略网络。模型在仿真环境里跑了 200 万个 episode，学会了在「延误 45 分钟换机」和「取消航班赔偿旅客」之间自动权衡。达美内部测显示，非计划性取消率下降 18%，机组待命成本砍掉 12%。
三、数据工程才是真护城河，模型反而次要
吹模型参数量没用，航空公司的护城河在数据管线：
- 每天 1.2 亿条 PNR 增量、4000 万次搜索日志、2000 万段 ACARS 报文，全得在 4 小时内完成 ETL、去重、特征化、写进 Feast 特征存储；
- 历史数据里夹杂着 911 后需求断崖、疫情前后结构性漂移、甚至汇率波动导致的伪相关性，不做因果推断切分训练/验证集，模型上线第一周就会把商务舱定价搞崩；
- 推理服务要做金丝雀发布、影子流量对比、A/B 测自动回滚，任何单日转化率跌超 0.5% 就触发熔断。
四、风险点别装看不见
1. 分布外泛化：遇到「火山灰封空」「地缘冲突禁飞」这种训练集里从没见过的黑天鹅，模型会给出极其自信的错误价格，必须保留规则引擎兜底。
2. 监管合规：美航管局（DOT）和欧盟 GDPR 都在盯「算法歧视」，如果模型把「搜索次数多」当成「支付意愿强」加价，直接吃反垄断罚单。达美现在在模型输出层加了公平性约束层，但能不能过审还得看律师团队怎么洗。
3. 人才留存：懂收益管理又懂 LLM 部署的复合型工程师，市场价早破 40 万刀/年，达美能不能留住人，比模型准不准更关键。
说白了，CEO 那句「利润涨 50%」是把「动态定价提收益 3-5%」「运控省成本 2-3%」「机队利用率升 1-2%」这些增量叠加、再按杠杆率放大算出来的理论上限。真能落地跑通 30% 我就烧高香。但方向没毛病：把大模型当「特征工程加速器 + 软约束翻译官」用，而不是当「万能预测器」供，才是工业界正经玩法。
下一步值得盯：达美会不会把这套推理栈对外输出成 SaaS，卖给没有自建能力的中小航司？那才是第二增长曲线。
