外卖不再由骑手配送，而是由无人机快速精准降落至家里阳台；上班通勤不必忍受交通拥堵的困扰，乘坐飞行器快速到达目的地……这是低空经济为我们描绘的美好未来蓝图。而现实条件下，不同于万米高空的平稳飞行，无人机穿梭在城市楼宇之间面临着瞬息万变的“城市飞场”：转角处的十字街口风、楼宇间的强烈绕流、窗户玻璃反射热量产生的热岛上升气流等等，都极大影响着低空飞行器的稳定性。

　　针对这一挑战，1月23日，在智能化场景测评标准暨场景创新赋能AI产业生态研讨会上，深思实验室主任、电子科技大学航空航天学院教授、加拿大工程院院士杨军提出了一个解决方案，即用“风矩阵”打造低空经济世界模型的精确驱动底层。

　　“如果说大模型的前半场是大语言模型，那么后半场要进入世界模型。”杨军指出，借鉴特斯拉L4级自动驾驶成功横穿美国领土的经验，核心是把场景打造好，这需要几个因素，一是要有测试场，二是大量的车在采集数据，三是先进性训练。低空经济被列入国家前沿产业，未来五年内要达到万亿级市场规模。“如果要让机器人、飞行器在场景中真正能干活，首先要对世界建模。”杨军介绍，其团队正在打造的“风矩阵”便正是在构建全景三维世界模型。杨军强调，数据必须精准，打造高保真的低空全景三维模型非常重要。

　　乘坐民航客机时，飞机起飞十几分钟到达万米高空的平流层，飞行“如履平地”，相比平流层，低空的对流层则是复杂动荡、瞬息万变。简单与汽车在地面上平稳驾驶作对比，高空飞行像“走柏油马路”，而低空飞行就相当于“越野”。

　　杨军解释，城市低空环境极其复杂，楼宇之间有大量的十字街口风、建筑热流风和存在热岛效应。比如城市发生火灾时上升气流可能会达到30米/秒，导致无人机可能无法进入高层灭火。低空飞行器的尺寸与速度仅为民航飞机的1/10，对低空气流的扰动相当敏感，而扰动就很容易造成事故。“如果我们对低空物理模型理解不透的话，那么无人机送外卖、送物、航路规划都做不好。”

　　结合当下的技术现实，杨军及其深思实验室正在探索的解决方案是通过数实融合——将数字世界与物理世界结合，支撑智能体在低空环境中的训练，重点解决三个问题，分别是采集高质量训练数据，构建数字孪生及可靠通信，在“风矩阵”中进行复杂的风场训练。值得注意的是，不同于传统的“风洞”训练，“风矩阵”由三维风机阵列构建，打造一个端到端的“受控飞行系统”（Full-controlled smart driving），可以简单理解为低空领域的“FSD”（指特斯拉使用的全自动驾驶系统，full self-driving）。

　　具体来说，深思实验室的基本思路是通过视觉、雷达、风速传感器采集感知信息，直接进行端到端训练，跳过传统指令直接控制飞行器。在复杂环境中，传统的逻辑推理模式可行性困难，而风矩阵模型加入了城市自然界采集的真实风扰模型进行训练，大幅提升了飞行器的智能化程度，能够在风扰中避障，保障外卖、物品能送到目的地且不摔机。从实验结果来看，在逆风、顺风等各种形态的风扰环境中，端到端飞行控制的稳定性远超传统模式。