《航空周刊》網站總結了改變航空航天產業的10項技術，概述如下。
一、高超聲速技術加速發展（Hypersonic Acceleration）
圖片來源：NASA
美軍從忽視高超聲速到優先考慮發展高超聲速武器，只用了兩年的時間。現在至少有3枚高超聲速打擊導彈正在研制中。DARPA的火箭動力“戰術助推滑翔系統”和超燃沖壓“高超聲速吸氣式武器概念”演示驗證機將于2019年試飛。洛·馬公司的高超聲速常規打擊武器計劃于2022年交付空軍。若高超聲速項目獲得支持，將推動可重復使用的系統開展地面測試和飛行測試。
二、航空器使用電力（Aviation Electrified）
圖片來源：KittyHawk
電動垂直起降（eVTOL）市場正在蓬勃發展，已有6架樣機進行了試飛，并開展了多個可靠性不同的項目。為實現穩定飛行，垂直起降航空器需要具有高安全性、低噪聲，并克服從飛行器認證、制造到空域整合和基礎設施發展等方面的諸多挑戰。隨著優步2020年制造出演示驗證樣機的目標越來越近，大筆資金和幾家主要參與者已經加入了城市空中交通的行列，包括空客、貝爾、波音和巴西航空工業公司。
三、可替代能源（Alternative Energy）
圖片來源：Safran
與航空燃料相比，電池對能源的儲存效果雖然較差，但其降低能源成本和減排的潛力引起了航空產業的興趣。電池帶來的創新不僅是推力，它可以作為飛機上清潔、安靜的輔助動力。制造商正在研究用燃料電池代替小型渦輪發動機的潛力。NASA正在研究通過重整煤油為固體氧化物燃料電池生產氫氣的系統。NASA未來還希望用更安全、能量密度高的鋰-空氣電池和利用帶電液體發電的液流電池為飛機供能。
四、超越視線飛行（Going Beyond）
圖片來源：BNSF
無人機可以檢查鐵路、勘察農田、繪制礦產地圖、運送包裹。超越視線的飛行（BVLOS）能力有望釋放無人機的真正商業潛力。加拿大、美國、瑞士、英國、澳大利亞和日本等國正在開展試點項目，為BVLOS開發技術和運營方案，制定法規和政策，無論這些無人機是用于短距離城市環境飛行還是長距離國內飛行。
五、激光對抗無人機（Lasers Versus Drones）
圖片來源：Raytheon
隨著小型無人機的威脅臨近，一項具有成本效益的高科技對策是：讓定向能武器走出實驗室，進行實地試驗和潛在部署。由于每次射擊成本低，并且只要保持供電就能繼續射擊，軍隊或將首先部署高能激光器以對抗廉價無人機，而功率更高的系統經完善則可攔截火箭和巡航導彈，戰斗機、特種武裝直升機，乃至在推進階段擊毀彈道導彈。
六、天基空中交通管理（Tracking From Space）
圖片來源：FlightTracker24-GomSpace
今年年底，銥星公司將完成新的低地球軌道通信衛星星座剩余衛星的發射，衛星上將搭載Aireon公司的自動相關監視廣播（ADS-B）有效載荷。天基空中交通監視系統計劃于2019年初在北大西洋上空開始運行試驗。Aireon與五家航空服務供應商及其他相關方簽有協議，將提供全球飛機跟蹤和緊急定位服務。Aerial & Maritime公司也計劃從2021年開始使用GomSpace的納米衛星提供天基ADS-B服務。
七、低成本發射（Low-Cost Launch）
圖片來源：Vector Launch
從事小衛星發射的初創公司正在迅速發展，提供更具成本效益、更便捷的低地球軌道進入方式。火箭實驗室的“電子”火箭已完成試飛，維珍軌道公司計劃在夏末試射LauncherOne發射器，而Vector公司預期在2018年底在阿拉斯加進行首飛。在上述商業活動的基礎上，DARPA舉辦了“快速反應發射大獎賽”，計劃于2019年底在兩座發射場進行間隔較短的兩次發射。
八、大型零部件增材制造（Large-Part Printing）
圖片來源：NorskTitanium
航空航天在增材制造方面面臨兩大關鍵挑戰，首先是從低強度聚合物零部件向高強度金屬的轉變。該轉變正在進行中，3D打印的鈦元件已應用于空客和波音生產的飛機。第二個挑戰是從小部件轉變到飛機結構中使用的大型部件，這一轉變已經開始。下一個挑戰是重新構想部件的設計方式，設計師需要使用新的工具和新的思維。
九、機器人發展（Robots on the Move）
圖片來源：Fraunhofer Institute
機器人通常用于協助飛機裝配，可以迅速在大型結構中鉆孔、緊固構件，且重復性好。但這些機器人通常不靈活，不可移動，只能用于一種（或一個系列）飛機的裝配。科學家們研制了能夠在復雜組件上與人類協同工作的小型機器人“cobot”，德國夫瑯和費研究所也開發了可以在工廠車間自行移動、制造飛機精密結構的移動機器人，為未來的自動化指引了可能的方向。
十、機載AI（AI Inside）
圖片來源：DARPA
自主和人工智能將像空氣動力學和推進器一樣對航空必不可少。地面上，人們使用機器學習從數據中提取知識，但帶寬競爭意味著人工智能將不得不離開地面，從數據中心轉移到飛機上，與收集數據的傳感器共置。邊緣計算（芯片上的低功耗超級計算機）和大型機上數據存儲也將成為日益增強的自主飛行能力和任務執行能力的關鍵推動因素。
?