AI重塑战争：未来军事竞争的新范式

文章导读：

美国国防部于2026年宣布与八家顶尖科技公司达成协议，旨在将先进的人工智能能力集成到军事保密网络中。此举标志着美军正朝着“AI优先”的作战体系迈进，通过算力和模型来增强战场态势感知、指挥控制及后勤保障等关键领域。人工智能在此并非取代人类士兵，而是作为一种新型军事基础设施，通过加速信息处理和决策支持来缩短“发现到行动”的周期。尽管技术潜力巨大，但该进程也引发了对自主武器的伦理、决策的透明度以及算法误判风险的深刻担忧。未来的军事竞争将演变为算法体系间的较量，强调在复杂法律和伦理框架下人类判断与机器智能的深度协同。

按照美国时间2026年5月1日，美国国防部（正被改名为“战争部”）宣布与多家前沿人工智能公司达成合作协议，允许这些公司的先进AI能力接入国防部的机密网络，用于“合法作战用途”。参与合作的共有8家公司：除了SpaceX、OpenAI、Google、NVIDIA、Reflection、Microsoft和AWS之外，新增了Oracle。Breaking Defense的报道指出，最初公布的合作方有7家，随后Oracle也被纳入名单。这一细节值得关注，因为它表明此类合作仍在快速动态更新中，不同媒体和官方页面之间可能存在信息滞后。

从表面上看，这似乎仅仅是一则科技公司与军方合作的新闻；然而，从更深层次来看，它象征着军事体系正步入一个新的时代：战争的核心竞争将不再仅仅聚焦于火力、速度、装甲和数量，而是围绕数据、算力、模型、通信、感知和决策展开。美国国防部在声明中强调，这些协议将助力美军转型为“AI-first fighting force”，即把AI置于作战体系的首要位置，以在所有战争领域中确立决策优势。

这并非意味着未来的战争将简单地演变为“机器人代替人类作战”。更准确地说，AI正逐渐成为一种新的军事基础设施，类似于电力、雷达、卫星导航和互联网曾带来的结构性变革。它将渗透到情报分析、战场感知、指挥控制、无人系统、后勤保障、网络防御、电子战、训练演习和战略推演等各个方面。

AI的根本作用在于，将原本碎片化、滞后化、人工化的信息处理过程，转化为实时化、系统化、智能化的决策支持体系。

现代战场并非一张静态地图，而是一个高速变化的信息海洋。卫星图像、无人机视频、雷达回波、声呐信号、电子侦察数据、网络流量、社交媒体内容、战场通信、气象数据、地理信息和后勤状态等信息，将源源不断地汇入指挥系统。过去我们面临的挑战是“情报不足”；而如今，问题日益演变为“情报过载，人类无法有效处理”。

AI重塑战场态势感知能力

AI首先发挥作用的领域，是将这些多源异构数据转化为可理解的战场态势。

例如，一组卫星图像中是否出现了新的机场跑道、导弹发射车、装甲集结区？无人机视频中哪些移动目标属于车辆、人员、炮兵阵地或补给车队？雷达信号是否显示对方舰艇正在调整编队？电磁频谱中是否出现了异常通信或干扰信号？这些任务过去需要大量情报分析员逐帧审查、逐项比对，现在则可以由计算机视觉模型、模式识别模型和多模态AI进行初步筛选。

这项能力的核心并非“AI比人类更懂战争”，而是AI能在极短时间内完成大规模信息预处理。它能够从海量原始数据中提取出异常点、变化点和可疑目标，然后交由人类分析员和指挥官进行判断。美国国防部在2023年发布的《数据、分析与AI采用战略》中，将“更强的战场态势感知和理解”列为AI带来的重要决策优势之一。

如果用一个形象的比喻来形容，传统的战场感知就像是多个观察哨分别向指挥部报告信息；而AI增强后的战场感知，则如同在整个战场上铺设了一张动态神经网络。每一个传感器都如同神经末梢，AI负责将杂乱的信号转化为结构化的认知。谁能更早地发现变化，谁就能更早地判断意图；谁能更早地判断意图，谁就能更早地调整部署。

军事体系中一个至关重要的环节是指挥控制，即如何将情报、兵力、武器、通信和命令有效地组织起来形成行动。过去，指挥控制高度依赖指挥员的经验、参谋团队的计算、通信链路的传递和层级式的汇报。这一过程虽然稳定但相对缓慢，在高强度、快节奏、跨域作战中容易出现延迟。

美军近年推动的CJADC2（联合全域指挥控制）项目，正是为了打破陆、海、空、天、网络和电磁等不同作战域之间的数据壁垒。CDAO官网介绍称，CJADC2的目标是协助联合部队指挥官比对手更快、更准确地做出基于信息的决策。

当AI融入指挥控制系统后，它可能扮演类似“高速参谋”的角色。AI可以根据实时情报生成多套行动方案，对不同方案进行风险评估，提示潜在的薄弱环节，预测敌方反应，并估算弹药、燃料、通信和时间成本。例如，在某一区域通信受干扰的情况下，AI可以提示哪些部队仍能保持联络，哪些传感器数据可能已失真，哪些补给线存在暴露风险。

然而，AI辅助指挥并不等同于AI替代指挥。真正的军事决策涉及政治目标、法律约束、伦理责任、平民保护、盟友关系和战略后果等复杂因素，这些是模型无法简单替代的。AI可以提供选项、排序风险、模拟后果，但最终的授权和责任必须由人类承担。未来指挥系统的先进性，不在于“让机器替人做决定”，而在于使人类能在更全面的信息结构中做出更负责任的判断。

无人系统是AI军事化最直观的载体。无人机、无人车、无人艇、无人潜航器和无人地面机器人等，都需要具备自主导航、路径规划、目标识别、避障、任务分配和通信协同等能力。这些能力恰好与AI、机器人学、传感器融合和边缘计算高度相关。

过去的无人机更像是“远程遥控平台”，主要由人类操作员控制。未来的无人系统则可能逐步演变为“半自主任务平台”：它们能够根据任务目标自主选择路线，规避危险区域，在通信中断时保持基本行动能力，并与其他无人平台协同完成侦察、诱饵、干扰、补给或监视等任务。

蜂群作战是其中最具代表性的发展方向。所谓蜂群，并非简单地将大量无人机集合在一起，而是通过算法让大量低成本无人平台实现分布式协同。它们可以像生物群体一样分散、重组、互相补位，在复杂环境中形成数量和信息优势。与单一昂贵装备相比，蜂群系统更强调分布式、低成本、可消耗和快速迭代的特性。

但这个方向也最为敏感。因为当无人系统从“自动飞行”发展到“自动识别目标、自动提出打击建议”时，就触及了自主武器的伦理界限。美国国防部2023年更新的《自主武器系统指令》要求，自主和半自主武器系统必须允许指挥官和操作员对使用武力保持适当程度的人类判断，并且使用者必须遵守战争法、条约、武器安全规则和交战规则。

这表明，军事AI的关键问题并非“能否自动化”，而是“哪些环节可以自动化，哪些环节必须保留人类的判断”。自动导航、自动避障、自动识别异常，与自动决定打击目标，在伦理和法律层面完全是不同层级的问题。未来各国围绕自主武器的争议，很可能成为AI军事化最核心的国际规则议题。

现代军事中常提及一个概念：从发现目标到采取行动之间存在一条复杂的链路。它通常包括发现、定位、识别、判断、授权、行动和效果评估等环节。这条链路越短，部队的反应速度越快；链路越准确，误判的风险越低。AI的作用，在于同时压缩这些环节的时间。

例如，在发现阶段，AI可以从海量图像和信号中识别异常；在定位阶段，AI可以融合卫星、无人机、雷达和地面传感器数据；在识别阶段，AI可以协助判断目标类型和变化趋势；在评估阶段，AI可以比对行动前后图像、通信和热源变化，判断行动是否达到预期效果。

美联社在报道中提到，这类AI合作可能用于加速目标识别、组织后勤以及改善复杂战争环境中的作战决策。这句话背后的含义至关重要：AI并非单一工具，而是能够加速整个作战循环。过去需要数小时甚至数天完成的情报整理和方案比选，未来可能被压缩到分钟级甚至更短。

然而，速度并非绝对的优势。战争中最危险的情况是“错误以极快的速度被放大”。如果模型误判了目标性质，或者被对手利用伪装、诱饵、假信号所欺骗，快速运行的系统反而可能迅速引发连锁错误。因此，AI军事系统必须同时具备三种能力：快速、可解释、可校验。一味追求速度而忽视验证，会让AI从决策优势转变为风险放大器。

网络战是AI最容易深入介入的军事领域之一。现代军队高度依赖数字系统，通信、指挥、导航、情报、后勤、武器平台和办公系统都离不开网络。一旦网络遭到攻击，部队可能无法通信、无法调度、无法获取情报，甚至无法确认命令的真伪。

在防御方面，AI可以用于识别异常流量、检测恶意代码、发现系统漏洞、分析攻击路径、判断攻击者行为模式，并协助生成修复建议。传统的网络安全系统往往依赖已知的规则和特征库，而AI在一定程度上能够识别未知模式，这对于应对快速变化的络攻击至关重要。

在进攻方面，AI也可能被用于模拟渗透路径、寻找系统弱点、生成钓鱼文本、自动化漏洞测试以及干扰对手的指挥系统。这也是军事AI令人担忧的一面：同一种技术既可以增强防御，也可能增强攻击。AI本身并非天然“善”或“恶”，其性质取决于使用场景、授权边界和治理机制。

电子战同样如此。现代战场充斥着各种电磁信号：雷达、通信、导航、卫星链路、无人机控制链路、数据链和干扰信号交织在一起。AI可以帮助识别频谱中的异常变化，判断敌方的干扰方式，动态调整通信频率和传输路径。未来的电子战不再是简单的“谁的干扰功率更大”，而是“谁能更快地理解电磁环境并进行自适应调整”。

这将催生一种新的军事竞争：不再是简单地摧毁对方的装备，而是让对方的系统“看不清、听不见、连不上、判不准”。AI在此扮演的角色，是电磁空间和网络空间中的认知调度器。

许多人谈论军事AI时，第一反应是无人机、机器人和武器系统。但从实际价值来看，后勤可能是AI最先大规模发挥作用的领域。军队不仅有前线作战单位，它本身也是一个庞大的物资、燃料、弹药、维修、医疗、运输和人员调度系统。

一支现代军队能否持续作战，很大程度上取决于其后勤能力。坦克没有燃料就成了废铁，飞机缺少零部件就无法起飞，导弹库存不足会影响持续打击能力，医疗撤离不畅会影响部队士气。AI可以通过预测性维护、库存优化、运输路径规划和需求预测，提升后勤系统的韧性。

例如，AI可以根据发动机温度、振动、运行小时数和历史故障数据，预测某架飞机或某辆装甲车何时需要维修；可以根据前线消耗速度预测弹药和燃料需求；可以根据天气、道路、敌情和交通状况调整补给线路；还可以帮助军方减少库存浪费，避免关键物资在错误地点堆积。

美国国防部在其《数据、分析与AI采用战略》中，也将“有韧性的持续保障支持”和“高效的企业业务运行”列为AI应用的重要成果。这表明AI的军事化不仅发生在战场最前沿，也发生在仓库、港口、机场、维修厂、医院和运输系统中。未来的军事优势，不仅在于强大的打击能力，还包括“供应链不断、维修链不断、数据链不断”。

AI还将深刻地改变军事训练。传统的军事训练依赖实兵演习、沙盘推演、兵棋推演和指挥所演练。这些方式固然重要，但成本高、周期长、场景有限。当AI与仿真系统结合后，可以快速生成大量复杂的战场情景，让指挥官和参谋团队在虚拟环境中反复进行试错。

例如，AI可以模拟不同类型的对手，构建在不同地形、气象、通信中断、补给不足和敌方干扰条件下的作战场景。指挥员可以测试多套方案，评估哪种方案更稳妥、哪种风险最高、哪种方案对后勤的依赖程度最大。通过这种方式训练出来的，不是单一技能，而是复杂系统下的判断能力。

CDAO页面提到Maven Smart System是一款战术AI平台，可用于融合传感器数据，实现实时目标检测、跟踪和作战决策支持。这类系统不仅可用于实际行动，也可用于训练和推演，使部队熟悉AI辅助下的新型作战流程。

未来的军事训练可能会越来越像“高度真实的战略模拟器”，但这并非游戏。它背后连接的是真实的地理数据、装备性能参数、作战条令、补给限制以及敌方行为模型。谁能在模拟空间中快速学习和迭代，谁就可能在实际冲突中降低代价。

如果将AI与军事技术结合拆解来看，可以分为五个层次。

第一层是数据层

战场上的卫星、雷达、无人机、传感器、通信系统、公开信息和情报网络，不断产生海量数据。没有数据，AI就如同失去了“感官”。

第二层是算力和云基础设施

大量的AI模型需要强大的计算能力，也需要安全可靠的云平台和保密网络。NVIDIA、AWS、Microsoft、Google、Oracle等公司的价值，很大程度上体现在这一层：它们提供算力、云服务、芯片、数据库和安全环境。

第三层是模型层

包括大语言模型、多模态模型、视觉识别模型、强化学习模型、智能代理系统等。OpenAI、Google、Reflection等公司更多地参与模型能力的建设。模型层决定了系统如何理解文本、图像、视频、信号和任务意图。

第四层是平台层

AI最终需要嵌入到卫星通信、无人机、指挥系统、战术终端、后勤系统和武器平台中。SpaceX的独特性在于，它不仅是AI公司，更是一家拥有航天、通信和轨道基础设施能力的技术公司，因此在空间通信、卫星网络和战场连接方面可能占据特殊地位。

第五层是决策层

数据、算力、模型和平台最终都要服务于人类决策。军事AI最重要的价值不在于生成一个完美的答案，而是帮助指挥系统在复杂、混乱、不完整甚至被欺骗的信息环境中，做出更快、更稳健、更可追责的判断。

因此，AI的军事化并非“将聊天机器人装进军队”，而是将军队重塑为一个实时感知、快速理解、自动协同、持续学习的信息系统。它改变的是军事组织的底层运作方式。

AI进入军事系统后，最大的挑战并非技术上的可行性，而是其边界的界定。

第一条边界是自主武器

AI可以识别目标，但它是否能够决定攻击目标？AI可以提出方案，但它是否能够自动执行方案？人类的监督是实质性的判断，还是形式上的确认？这些问题将决定未来战争中责任的归属。

第二条边界是监控与隐私

如果军事AI接入大量数据，是否可能被用于国内监控、群体画像或政治目的？美联社报道提到，这些协议包含保护公民自由和自主系统中人类监督的条款，但外界仍担忧AI被用于监控美国公民或让机器自行选择战场目标。

第三条边界是模型可靠性

大模型可能产生“幻觉”，视觉模型可能误判，训练数据可能存在偏差，战场数据可能被敌方污染。更为复杂的是，敌人并非自然环境，而是会主动欺骗的智能对手。它可能利用假目标、伪装、电子诱饵、深度伪造图像和虚假通信来欺骗AI系统。

第四条边界是企业伦理

科技公司与军方合作并非新鲜事，但在大模型时代，这种合作更为敏感，因为这些模型可能直接嵌入情报、监控、目标识别和作战决策系统。路透社和美联社都提到Anthropic未被纳入此次协议，这与其相关的限制和争议有关。

因此，军事AI的发展不仅要关注效率，更要关注治理。没有责任边界的AI，将使战争更加危险；没有验证机制的AI，将加速误判的发生；没有伦理约束的AI，将使技术优势转化为制度风险。

此次美国国防部与AI公司的合作，真正值得关注的并非某一家企业，而是一个历史性的信号：未来的军事竞争将日益表现为算法体系之间的竞争。

过去的军事现代化，常常以新式武器为标志：铁甲舰、机枪、坦克、雷达、喷气式飞机、导弹、核武器、卫星。每一次新技术进入战争，都会改变作战方式。但AI不同，它不是单一装备，而是可以嵌入所有装备和所有流程的“通用认知技术”。

未来的军事优势，可能不再仅仅取决于谁拥有更多的舰艇、飞机和导弹，也取决于谁拥有更优越的数据体系、更强大的算力基础、更可靠的模型、更稳定的通信网络以及更成熟的人机协同机制。武器依然重要，但武器背后的信息系统将变得越来越重要。

简而言之，AI不会让战争变得简单，它将使战争变得更快、更复杂、更系统化，也更依赖于信息秩序。

真正的变革并非机器取代士兵，而是军队正在被重塑为一个巨大的“人机协同智能体”。在这个系统中，人类负责价值判断、政治责任、法律边界和最终授权；AI则负责海量感知、快速分析、方案生成、异常预警和复杂协同。谁能将人类判断与机器智能结合得更稳健、更准确、更可控，谁就可能在未来的军事竞争中获得决定性优势。

然而，我们也必须认识到，AI的强大并不意味着战争风险会因此自动降低。恰恰相反，如果缺乏制度约束、透明规则和人类责任，AI可能降低战争门槛、加速误判速度、并使冲突升级更难控制。真正成熟的军事AI，不应仅仅是“更快的战争机器”，而应是一个受到法律、伦理和战略理性约束的决策辅助系统。

从这个角度看，AI进入军事领域，既是一场技术革命，也是一次治理的考验。它考验的不仅是一个国家的算法能力，更考验其制度能力、伦理能力以及对战争边界的自我约束能力。

联想阅读：

矛与盾：现代战争中的攻防体系的演化

军事前沿：美国战争哲学的转变

顶尖情报体系并非源于几名特工的传奇，而是国家的系统能力体现

军事技术开源：一套完整的10.5GHz雷达系统

军事前沿：美国推出新型攻击无人机

军事前沿：为何说日本的潜艇既危险又比许多核潜艇更安静？

人工智能进入情报系统——AI与中情局的合作路径与系统结构

AI与量子传感器结合：中情局在美以伊战争中使用的秘密搜救技术