《航空周刊》网站总结了改变航空航天产业的10项技术，概述如下。
一、高超声速技术加速发展（Hypersonic Acceleration）
图片来源：NASA
美军从忽视高超声速到优先考虑发展高超声速武器，只用了两年的时间。现在至少有3枚高超声速打击导弹正在研制中。DARPA的火箭动力“战术助推滑翔系统”和超燃冲压“高超声速吸气式武器概念”演示验证机将于2019年试飞。洛·马公司的高超声速常规打击武器计划于2022年交付空军。若高超声速项目获得支持，将推动可重复使用的系统开展地面测试和飞行测试。
二、航空器使用电力（Aviation Electrified）
图片来源：KittyHawk
电动垂直起降（eVTOL）市场正在蓬勃发展，已有6架样机进行了试飞，并开展了多个可靠性不同的项目。为实现稳定飞行，垂直起降航空器需要具有高安全性、低噪声，并克服从飞行器认证、制造到空域整合和基础设施发展等方面的诸多挑战。随着优步2020年制造出演示验证样机的目标越来越近，大笔资金和几家主要参与者已经加入了城市空中交通的行列，包括空客、贝尔、波音和巴西航空工业公司。
三、可替代能源（Alternative Energy）
图片来源：Safran
与航空燃料相比，电池对能源的储存效果虽然较差，但其降低能源成本和减排的潜力引起了航空产业的兴趣。电池带来的创新不仅是推力，它可以作为飞机上清洁、安静的辅助动力。制造商正在研究用燃料电池代替小型涡轮发动机的潜力。NASA正在研究通过重整煤油为固体氧化物燃料电池生产氢气的系统。NASA未来还希望用更安全、能量密度高的锂-空气电池和利用带电液体发电的液流电池为飞机供能。
四、超越视线飞行（Going Beyond）
图片来源：BNSF
无人机可以检查铁路、勘察农田、绘制矿产地图、运送包裹。超越视线的飞行（BVLOS）能力有望释放无人机的真正商业潜力。加拿大、美国、瑞士、英国、澳大利亚和日本等国正在开展试点项目，为BVLOS开发技术和运营方案，制定法规和政策，无论这些无人机是用于短距离城市环境飞行还是长距离国内飞行。
五、激光对抗无人机（Lasers Versus Drones）
图片来源：Raytheon
随着小型无人机的威胁临近，一项具有成本效益的高科技对策是：让定向能武器走出实验室，进行实地试验和潜在部署。由于每次射击成本低，并且只要保持供电就能继续射击，军队或将首先部署高能激光器以对抗廉价无人机，而功率更高的系统经完善则可拦截火箭和巡航导弹，战斗机、特种武装直升机，乃至在推进阶段击毁弹道导弹。
六、天基空中交通管理（Tracking From Space）
图片来源：FlightTracker24-GomSpace
今年年底，铱星公司将完成新的低地球轨道通信卫星星座剩余卫星的发射，卫星上将搭载Aireon公司的自动相关监视广播（ADS-B）有效载荷。天基空中交通监视系统计划于2019年初在北大西洋上空开始运行试验。Aireon与五家航空服务供应商及其他相关方签有协议，将提供全球飞机跟踪和紧急定位服务。Aerial & Maritime公司也计划从2021年开始使用GomSpace的纳米卫星提供天基ADS-B服务。
七、低成本发射（Low-Cost Launch）
图片来源：Vector Launch
从事小卫星发射的初创公司正在迅速发展，提供更具成本效益、更便捷的低地球轨道进入方式。火箭实验室的“电子”火箭已完成试飞，维珍轨道公司计划在夏末试射LauncherOne发射器，而Vector公司预期在2018年底在阿拉斯加进行首飞。在上述商业活动的基础上，DARPA举办了“快速反应发射大奖赛”，计划于2019年底在两座发射场进行间隔较短的两次发射。
八、大型零部件增材制造（Large-Part Printing）
图片来源：NorskTitanium
航空航天在增材制造方面面临两大关键挑战，首先是从低强度聚合物零部件向高强度金属的转变。该转变正在进行中，3D打印的钛元件已应用于空客和波音生产的飞机。第二个挑战是从小部件转变到飞机结构中使用的大型部件，这一转变已经开始。下一个挑战是重新构想部件的设计方式，设计师需要使用新的工具和新的思维。
九、机器人发展（Robots on the Move）
图片来源：Fraunhofer Institute
机器人通常用于协助飞机装配，可以迅速在大型结构中钻孔、紧固构件，且重复性好。但这些机器人通常不灵活，不可移动，只能用于一种（或一个系列）飞机的装配。科学家们研制了能够在复杂组件上与人类协同工作的小型机器人“cobot”，德国夫琅和费研究所也开发了可以在工厂车间自行移动、制造飞机精密结构的移动机器人，为未来的自动化指引了可能的方向。
十、机载AI（AI Inside）
图片来源：DARPA
自主和人工智能将像空气动力学和推进器一样对航空必不可少。地面上，人们使用机器学习从数据中提取知识，但带宽竞争意味着人工智能将不得不离开地面，从数据中心转移到飞机上，与收集数据的传感器共置。边缘计算（芯片上的低功耗超级计算机）和大型机上数据存储也将成为日益增强的自主飞行能力和任务执行能力的关键推动因素。
