【摘要】剖析低空出行单元经济模型，从运营成本与资产利用率两大维度，揭示由电池、维保、能源及调度算法等关键技术变量决定的盈利路径与核心阈值。

引言

进入2025年，低空经济的产业叙事已然完成了从概念验证到商业化运营的深刻转变。盘旋在城市上空的电动垂直起降飞行器（eVTOL）不再仅仅是技术展示的符号，它们正在真实地承运乘客，产生收入，也消耗着成本。行业的聚光灯，正从“能不能飞”这一宏大命题，迅速聚焦到一个更为现实且严峻的问题上，“能不能盈利”。

这个问题的答案，隐藏在一个名为**“单元经济模型”（Unit Economics）**的黑匣子中。它剥离了市场规模、公司估值等宏观噪音，直击商业模式的最小闭环，即单架次飞行的可持续性。其核心逻辑可以简化为一个基础公式，单架次利润 = 单架次收入 - 单架次可变成本 - 单架次固定成本分摊。当这个等式的右侧持续为正，规模化盈利才具备了坚实的基础。本文将基于2025年积累的真实运营数据，以工程化的视角，系统性地拆解影响该模型的关键技术变量，探寻通往盈利的技术路径。

✈️ 一、OPEX（运营成本）的工程化拆解

运营成本（OPEX）是单元经济模型中最为庞大和复杂的组成部分。它直接决定了盈利的底线。在eVTOL的商业运营阶段，三大与核心技术深度绑定的成本项，即电池资产、维护运营（MRO）与能源消耗，构成了OPEX的主要变量。对这三项成本的精细化管理与技术优化，是实现盈利的第一道关卡。

1.1 电池资产成本——循环寿命与快充的权衡

动力电池是eVTOL的心脏，也是一项高价值的消耗性资产。其全生命周期的成本，必须被精确地摊销到每一次飞行中。这使得电池的实际性能，尤其是循环寿命，成为影响单架次成本的关键因素。

1.1.1 真实循环寿命与实验室数据的鸿沟

电池制造商在产品规格中标注的循环寿命，通常是在恒温、标准充放电倍率等理想条件下测得的。然而，真实的商业运营环境要严苛得多。高频次的起降对应着高倍率放电，密集的航班计划倒逼运营商采用快速充电策略，加上飞行过程中复杂的环境温度变化，这些因素共同加速了电池的衰减。

2025年的运营数据显示，这种理论与现实的差距是显著的。一款标称循环寿命为2000次的电池包，在实际高强度运营下，其有效循环寿命（Equivalent Full Cycles, EFC）往往只能达到1400至1700次，普遍存在15%至30%的折损。这意味着，电池的更换周期被缩短，直接导致分摊到单架次的电池折旧成本相应上涨。如果不能有效弥合这一差距，电池成本将成为压垮盈利模型的一座大山。

1.1.2 快充策略对电池健康的双刃剑效应

为了最大化资产利用率，缩短地面周转时间，快速充电成为运营商的必然选择。然而，这本质上是一场与电池物理极限的博弈。高倍率充电会加剧电池内部的锂离子析出、SEI膜增厚等不可逆的老化反应，并产生大量热量，对热管理系统提出极高要求。

行业正在通过更先进的电池管理系统（BMS）来缓解这一矛盾。智能BMS不再是简单的电压、电流监控器，而是集成了复杂算法的控制核心。它通过以下技术手段，力求在充电速度与电池健康之间找到最佳平衡点。

  • 脉冲充电与间歇充电。通过引入短暂的“休息”阶段，给予锂离子充分的时间嵌入负极，减少锂析出的风险。

  • 分段式恒流充电。在充电过程的不同阶段（如SOC低、中、高位）采用不同的充电倍率，避免在电池接近满电状态时仍施加高电流冲击。

  • 电芯级精准热管理。通过更精细的温度传感器布局和优化的液冷/风冷流道设计，确保电池包内所有电芯的温度一致性，防止局部过热。

  • 基于模型的SOC（State of Charge）与SOH（State of Health）精准估算。结合历史数据与实时工况，BMS能够更准确地判断电池的真实状态，从而制定最优的充电策略。

当前行业的技术目标是，在经历800次以上的高倍率快充循环后，电池的容量保持率仍能维持在80%以上。这是一个极具挑战性的工程目标，其达成与否直接关系到电池的实际可用寿命和经济性。

1.1.3 数据驱动的电池资产管理

为了实现对电池成本的量化管理，运营商必须建立一套完善的数据监控与分析体系。这套体系的核心是追踪并量化电池的健康状态，从而实现预测性的维护与更换。

关键监控指标

监控目的与应用

充放电日志

记录每一次充放电的电流、电压、温度、SOC变化曲线，为衰减分析提供基础数据。

EFC（等效全循环）统计

将不同深度、不同倍率的充放电行为折算为标准循环次数，更科学地衡量电池消耗。

温度与充电倍率分布

监控电池在不同工况下的热行为，识别潜在的热失控风险，并优化热管理策略。

月度容量与内阻测试

定期对电池包进行标定测试，获取容量衰减和内阻增加的实测数据，校准SOH估算模型。

通过对这些数据的长期追踪，运营商可以建立起每块电池的数字档案，精确预测其剩余使用寿命（Remaining Useful Life, RUL），将“凭经验更换”转变为“按数据更换”，最大化电池资产的价值。行业内已形成基本共识，eVTOL电池的真实运营循环寿命必须达到2000至2500次，才能将单架次的摊销成本控制在经济可行的区间内。

1.2 MRO（维护运营）成本——核心在预测性维护（PHM）

随着飞行时数和起降架次的累积，MRO成本在总OPEX中的占比会持续攀升。与传统民航飞机不同，eVTOL拥有更多的分布式动力单元（旋翼、电机、电调）和更复杂的飞控作动系统，这为其MRO带来了新的挑战。其中，非计划停机（Unscheduled Downtime），尤其是导致飞机停场（Aircraft on Ground, AOG）的故障，是侵蚀利润的最大黑洞。

1.2.1 高损耗部件的识别与监控

基于2025年的运营数据，几类关键部件的故障率和磨损率相对较高，构成了MRO的重点关注对象。

  • 旋翼系统。包括桨叶、桨毂等。它们在飞行中承受着复杂的气动载荷、振动和疲劳应力，是典型的寿命件。桨叶的微小裂纹、动平衡的破坏都可能引发严重后果。

  • 作动器。无论是用于倾转旋翼的倾转机构，还是控制舵面的伺服作动器，都需要在高频次、高精度的指令下工作，其机械磨损和电气性能衰退是主要失效模式。

  • 传感器。包括空速管、惯性测量单元（IMU）、GPS、雷达等。它们长期暴露在外部环境中，易受污染、潮湿、振动的影响，导致数据漂移或信号丢失，直接威胁飞行安全。

1.2.2 PHM技术：从“事后维修”到“事前预警”

应对上述挑战的核心技术路径是预测性维护（Prognostics and Health Management, PHM）。PHM系统的目标是通过实时监控、数据分析与建模，预测部件或系统的未来状态，从而在故障发生前安排维护。这本质上是将昂贵、被动的“计划外维修”转变为低成本、主动的“计划内维护”。

一个典型的eVTOL PHM系统工作流程可以通过以下Mermaid图来表示：

实践证明，一套有效的PHM系统可以将非计划停机率降低约20%，显著提升机队的可用性。衡量PHM系统效能的关键运营指标包括：

  • MTBF（Mean Time Between Failures，平均无故障时间）。PHM的目标是提升这一指标。

  • MTTR（Mean Time To Repair，平均修复时间）。通过提前预警和备件准备，PHM可以缩短这一指标。

  • AOG（Aircraft on Ground）时数。这是最直接的衡量指标，PHM的引入应能使其大幅下降。

此外，在设计层面采用冗余配置和自适应控制技术，也能在关键部件发生性能衰退时，通过系统重构来维持飞行器的安全与稳定，为地面维护争取宝贵时间。

1.3 能源成本——“光储充”与智能调度的耦合

能源成本虽然在单架次成本中的绝对值看似不高，但在大规模、高频次的运营下，其累积效应不容忽视。尤其是在电价波动较大的地区，精细化的能源管理能够创造可观的利润空间。

1.3.1 分时电价与需量电费的挑战

商业用电通常采用分时电价（Time-of-Use, TOU）和需量电价相结合的计费方式。这意味着在用电高峰时段（如白天）充电，不仅电度电价高，还可能因为瞬时充电功率过大而产生高昂的“需量电费”。高峰与低谷时段的综合用电成本差异可达3至4倍。如果运营商的充电策略完全跟随航班计划，很可能导致大量充电行为集中在电价高昂的日间时段，无形中增加了运营成本。

1.3.2 “光储充”一体化场站的经济性

为了应对这一挑战，“光储充”一体化起降场站已成为行业控制能源成本的主流策略。这种场站集成了光伏发电（Photovoltaic）、储能系统（Energy Storage System）和充电桩，形成一个微型的能源网络。

  • 光伏发电。在日间利用太阳能发电，直接为充电桩供电或向储能系统充电，实现绿色能源的就地消纳。

  • 储能系统。其作用是“削峰填谷”。在电价低谷时段（如夜间）从电网充电，在电价高峰时段放电供充电桩使用，从而规避高电价。同时，它还能平抑大功率充电对电网的冲击。

根据不同地区的光照条件和电价政策，“光储充”一体化方案可以将综合用电成本降低25%至40%。这部分节省下来的成本，将直接转化为运营利润。

1.3.3 智能充电与航班调度的协同

技术的终极解决方案，是将能源管理与航班调度系统进行深度耦合。一个智能的运营平台，不仅要规划最优的飞行路径和乘客匹配，还应将充电排程作为优化目标之一。

该系统需要实时获取电网的分时电价信息，并结合每架飞机的SOC、后续航班计划以及场站储能系统的状态，动态地为机队规划充电任务。例如，系统可能会指令一架刚完成飞行、SOC尚有余裕的飞机等待至电价低谷时再充电，而优先让另一架SOC较低且即将执行任务的飞机使用储能系统中的低价电能。这种全局优化的柔性充电策略，是实现能源成本最小化的关键。

为了量化优化效果，运营商应绘制每小时充电量与电价的乘积曲线，以及峰值需量与需量电费的对比图，直观评估不同策略下的成本差异，并持续迭代算法。

✈️ 二、资产利用率的技术瓶颈与突破方向

如果说OPEX的优化决定了盈利的下限，那么资产利用率（Asset Utilization Rate）则直接定义了收入的上限。一架eVTOL每天能够执行的商业飞行架次，是单元经济模型中收入端的关键乘数。要让这个乘数足够大，就必须突破横亘在运营流程中的三大技术瓶颈，即地面周转效率、智能调度水平以及全天候运行能力。

2.1 地面周转效率——从分钟级到秒级的竞争

地面周转时间，即飞行器从降落到下一次起飞所经历的全部地面过程，是限制日均飞行架次最直接、最刚性的因素。当前，这个过程，包括补能（充电或换电）、安全检查、客舱清洁、乘客上下机等环节，普遍耗时在30至45分钟之间。这样的效率显然无法支撑起高频次的城市空中交通网络。

要实现商业上的成功，运营商必须将整体周转时间压缩至10到15分钟的量级。这要求在多个技术和流程层面实现突破。

2.1.1 补能环节的极限压缩

补能是地面周转中耗时最长的环节，也是技术攻关的焦点。目前主要有两大技术路径。

  • 大功率快充。这是当前的主流方向。其核心在于提升充电功率，同时通过精密的BMS和热管理系统，确保电池安全与寿命。技术举措包括采用更高电压平台（如800V甚至更高）、使用碳化硅（SiC）等第三代半导体材料的充电桩、以及优化电池内部的电化学体系以支持更高倍率的充电。同时，优化充电策略，例如只将SOC从20%充至80%，可以大幅缩短充电时间，因为电池在两端的充电速度会显著变慢。

  • 自动化换电。换电模式在理论上可以将补能时间缩短至5分钟以内，彻底与充电解耦。但它也带来了新的挑战，包括电池包接口的标准化、换电站高昂的基建成本、以及大量备用电池带来的额外资产压力。半自动化的换电方案，即通过机械臂辅助人工进行快速更换，可能是现阶段一个成本与效率之间更优的折衷方案。

2.1.2 站坪流程的流水线化改造

除了补能，其他地面流程的优化同样重要。这需要借鉴现代制造业和民航业的经验，对站坪操作进行“流水线化”改造。

  • 并行操作。设计合理的站坪布局和操作规程，让清洁、检查、乘客登机等多个环节可以并行或无缝衔接，而不是串行等待。

  • 数字化与自动化。使用数字化的检查单（Digital Checklist）替代纸质流程，通过传感器和机器视觉辅助进行快速的机身外部检查，减少人为耗时和差错。

  • 预处理服务。例如，预先准备好标准化的清洁工具包，乘客在候机时完成身份验证和安检，这些都能有效压缩飞机在坪上的等待时间。

最终的目标是，让eVTOL的地面周转过程像F1赛车的进站一样，每一个动作都被精心设计和反复演练，以秒为单位进行优化。

2.2 AI智能调度优化——运营效率的“大脑”

如果说飞机是肌体，那么调度系统就是大脑。一个高效的智能调度平台，是提升资产利用率、降低运营成本的倍增器。其核心价值在于，通过算法的力量，解决供需错配和资源浪费的问题，尤其是降低“空驶率”（Deadhead Rate）。

2.2.1 从粗放调度到利润最大化

在运营初期，调度可能相对简单，主要依据固定的航班时刻表。但这种模式无法应对动态变化的市场需求，常常导致在需求旺盛的区域无机可用，而在需求低迷的区域飞机闲置，从而产生大量的调机飞行，即空驶。2025年初的数据显示，在缺乏先进算法的调度模式下，空驶率可能高达40%以上，这意味着近一半的飞行时间没有产生收入，却消耗着实实在在的成本。

AI智能调度平台则完全不同。它是一个复杂的多目标优化引擎，其最终目标函数是实现整个机队在特定时间窗口内的利润最大化。为此，算法需要实时处理和分析海量数据。

算法输入数据

优化目标

算法输出

实时乘客需求分布

最小化空驶率

动态航线规划

预测性需求热力图

最大化载客率

飞机动态部署

飞机实时SOC/SOH

最小化能源成本

智能充电排程

实时天气与空域流量

最大化准点率（OTP）

实时路径重规划

动态定价模型

最大化单座收入

实时价格调整

维保计划与AOG预警

最大化机队可用性

自动匹配备用机

通过这种全局优化，先进的AI调度算法能够将空驶率稳定地降低至10%至20%的区间，同时将准点率提升至95%以上。这对于收入端的改善是决定性的。

2.2.2 应对扰动的弹性与鲁棒性

城市空中交通的运营环境充满了不确定性，如突发的天气变化、临时的空域管制、大型活动导致的瞬时需求爆发等。调度系统的灵活性和鲁棒性（Robustness），决定了运营商应对这些扰动的能力。一个优秀的算法不仅能在正常情况下做出最优规划，更能在扰动发生时，快速进行全局重算，生成新的最优解，将负面影响降至最低。

2.3 恶劣天气与可飞天数控制

天气是影响航空运营的硬性物理制约。在一些气候多变的城市，据统计，全年可能有15%至20%的日子无法保证全天候的安全运营。这直接削减了年度总可飞天数，构成了收入的天花板。

然而，可飞天数并非一个纯粹的物理常量，它实际上是一个由**“感知能力”和“放行标准”共同决定的函数**。通过技术手段提升这两方面的能力，可以直接拓展eVTOL的运营边界。

2.3.1 全天候的冗余感知系统

要让eVTOL在低能见度、降水等复杂气象条件下安全飞行，就必须为其配备超越人眼的感知能力。这依赖于多传感器的冗余融合。

  • 视觉传感器（摄像头）。提供高分辨率的图像信息，但在夜间、雾、雨等条件下性能会急剧下降。

  • 毫米波雷达。具有良好的穿透性，不受光照和恶劣天气影响，能准确探测目标的距离和速度，是关键的冗余感知手段。

  • 激光雷达（LiDAR）。能提供精确的三维点云图像，但同样易受雨雾天气干扰。

  • 惯性导航系统（INS）与GPS。提供飞行器的姿态、位置信息，是导航系统的基础。

通过先进的融合算法，将这些不同传感器的优势信息结合起来，可以形成一个在各种环境下都稳定可靠的“环境模型”，为自主飞行或驾驶员提供决策支持。

2.3.2 基于数据的多级运行标准

放行标准不应是“一刀切”的。可以根据飞行器搭载的设备性能、航线特点以及具体的任务类型，制定多级运行标准。例如，一条装备了盲降系统的航线，其在低能见度下的运行最低标准，就可以远低于一条纯目视飞行的航线。

此外，基于起降场站的微气象预报系统也至关重要。通过在场站部署高精度的气象传感器，结合区域气象模型，可以实现对未来几小时内场站及附近空域天气状况的精准预测，从而做出更精细化的放行决策，避免因区域性的恶劣天气而取消整个城市的运营。

✈️ 三、盈利的技术拐点与量化阈值

生成赛博朋克风格图片 (19) 拷贝-bsrk.jpg

综合对OPEX和资产利用率的分析，我们可以勾勒出低空出行实现单元经济盈利所必须跨越的一系列关键技术阈值。这些阈值并非孤立存在，而是相互关联、共同决定了盈利模型的成败。任何一块短板，都可能导致整个商业模式无法闭环。

  • 电池寿命门槛。在保证高频快充能力的前提下，电池的实际运营循环寿命必须大于等于2000至2500次。在此基础上，全生命周期结束时（如EOL定义为容量剩余70%或80%），其性能衰减必须在可控范围内。这是将单架次电池摊销成本压至可接受水平的先决条件。

  • 地面周转阈值。包含补能在内的单次完整地面周转时间，必须被稳定地控制在10至15分钟以内。只有达到这个速度，才能在早晚高峰期实现高密度发班，支撑起单机每日8至10架次甚至更高的运营强度，从而摊薄固定成本，最大化收入。

  • 调度效率标杆。AI智能调度系统必须将机队的平均空驶率降低至15%以下，理想情况下应低于10%。同时，**航班准点率需要达到95%至98%**的民航级水准，以保证服务质量和用户黏性。这是扩展有效载客航段，提升收入端极限的核心软件能力。

  • OPEX临界线。最终，所有技术优化的成果，都将体现在一个最终的财务指标上，即单位飞行成本（如每乘客公里成本）。这个成本必须被成功地压低至市场实际支付意愿线以下，并留出合理的利润空间。这条临界线是检验所有技术努力是否具有商业价值的最终试金石。

✈️ 四、数据驱动的盈利技术路线图

理论分析和阈值设定为行业指明了方向，但在实际运营中，每个运营商面临的机型特性、航线网络、市场环境各不相同，不存在一套“放之四海而皆准”的盈利公式。因此，建立一套数据驱动、持续迭代的精益运营体系，才是通往盈利的唯一可行路径。这条技术路线图的核心，在于将运营过程中的每一个环节都进行量化，并将工程指标与财务指标深度挂钩。

4.1 绘制全流程成本瀑布图

盈利优化的第一步是精确的成本度量。运营商需要绘制一幅详尽的**“成本瀑布图”**，将单架次飞行的总成本，像瀑布一样逐级分解到最小的颗粒度。

这幅图不仅要展示成本的构成，更重要的是，要为每个成本项建立明确的成本动因（Cost Driver）。例如，能源成本的动因是飞行时长、飞行剖面和充电时段的电价；电池折旧的动因是EFC；MRO成本的动因是飞行小时和起降次数。只有这样，技术团队的优化工作才能与财务结果直接关联。

4.2 追踪三组核心运营曲线

在日常运营中，技术和运营团队需要像医生监控病人的生命体征一样，持续追踪三组核心的运营曲线。这些曲线是反映运营健康状况的“心电图”，任何异常波动都应触发深入分析和干预。

  1. 电池SOH/EFC与寿命主因分析曲线。

    • 横轴。时间或累计EFC。

    • 纵轴。电池健康状态（SOH）。

    • 分析。通过追踪每块电池的SOH衰减曲线，并与该电池经历的充电倍率、放电深度（DOD）、运行温度等数据进行关联分析，可以识别出导致电池过早衰减的关键因素，从而反向优化BMS策略和运营规程。

  2. 地面周转/补能时长结构拆分曲线。

    • 横轴。日期或班次。

    • 纵轴。地面周转总时长，并用堆叠图展示各环节（如飞机进位、充电、清洁、上下客）的耗时。

    • 分析。这条曲线可以直观地暴露周转流程中的瓶颈环节。例如，如果发现充电时长占比过高且波动大，就需要检查充电桩的性能或充电策略；如果上下客时间不稳定，则可能需要优化登机流程或乘客引导。

  3. 分时电价与充电策略经济性优化曲线。

    • 横轴。一天24小时。

    • 纵轴。电价（元/kWh）和实际充电功率（kW）。

    • 分析。将这两条曲线叠加，可以清晰地看到充电行为是否有效避开了电价高峰。通过计算两条曲线下面积的乘积，可以量化每日的充电总成本，并评估智能调度算法在降低能源支出方面的实际效果。

4.3 将技术改进财务化

技术团队的价值最终需要通过财务指标来体现。因此，必须建立一套机制，将PHM系统和AI调度系统的效能改进，直接转化为对利润的贡献。

  • PHM的财务价值。可以量化为，（非计划停机率下降百分比 × 对应时长的潜在收入损失） + （维修成本节约）。

  • AI调度的财务价值。可以量化为，（空驶率下降百分比 × 空驶航段的飞行成本） + （因载客率提升带来的额外收入）。

将这些公式嵌入运营报表中，可以让管理层直观地看到技术投入带来的回报，从而为进一步的技术研发和系统升级提供决策依据。

4.4 敏感性分析与阈值反推

最后，运营商应利用自己积累的真实运营数据，建立专属的单元经济模型。基于这个模型，进行敏感性分析，即模拟当某个关键技术指标（如电池循环寿命、地面周转时间）发生变化时，单架次利润会如何变动。

更进一步，可以进行阈值反推。设定一个目标利润水平（例如，单架次利润为正或达到某个具体数值），然后反向推算出，要实现这个目标，各项工程指标需要达到的组合是什么。例如，模型可能会告诉你，“在当前票价下，若要实现盈利，你需要将电池寿命提升到2200次，同时将地面周转压缩到13分钟”。这个专属的“盈利所需工程指标组合”，将成为公司未来技术攻关和运营优化的最具体、最可执行的路线图。

结论

2025年，低空出行产业已经驶离了概念的港湾，进入了商业化运营的深海。在这片广阔但充满挑战的水域中，决定航船能否抵达盈利彼岸的，不再仅仅是飞行的技术本身，而是对单元经济背后一系列工程细节的极致掌控。

盈利之路，本质上是一场围绕电池寿命、维护效率、能源成本和资产利用率的系统性精益管理革命。它要求运营商从被动的飞行执行者，转变为主动的数据分析者和流程优化者。只有通过工程数据驱动的全链路持续优化，坚定地跨越电池循环、极致周转、AI调度等一系列关键的技术阈值，才能在降低OPEX的同时，最大化资产利用率，最终让单架次飞行的财务模型从负转正。

谁能率先在这场精细化运营的竞赛中完成这组关键指标的三重突破，谁就将掌握开启“低空经济”万亿级市场的钥匙，将曾经的蓝图，真正镌刻在城市的天际线上。

📢💻 【省心锐评】

低空出行的盈利密码，不在于飞得多高多快，而在于对单元经济的极致拆解与重构。电池、维保、能源与调度算法，是决定成败的四大技术支点。