AI重塑战争形态：算法驱动的新型作战模式

战争与人类文明的发展历程息息相关。战争并非凭空产生，而是生存竞争的必然产物。在远古时期，战争同样源于生存策略的逻辑延伸。随着人类从原始的狩猎采集社会逐步迈向复杂文明，战争的形态也随之演变。有时候，这种演变呈渐进态势，其激烈程度和影响仅有小幅提升；而在另一些时期，随着新技术、新战略的出现或两者共同作用，战争形态会发生质的飞跃[2]。由人工智能和量子计算所塑造的当代战争，既是历史的延续，也是发展轨迹的关键转折点。在史前阶段，尼安德特人与早期人类之间的暴力冲突发生率较低，影响范围有限，尚未形成制度化的模式。即便在这些早期阶段，战争的某些规律已经显现：使用简陋武器、协同作战、制定策略以及造成伤亡。随着人类社会从游牧状态转向定居生活，战争也随之发生转变，呈现出更强的组织性[3]。美索不达米亚、埃及和印度河流域的早期文明逐步过渡到更具组织性的战争形态，出现了正规军队和专业化武器。战争成为巩固政治统治和拓展疆域的主要手段[4]。

战争已不再是两支常备军之间旨在征服对方的武装冲突。它演变成一幅战略艺术的宏大图景，因军事理论和战略思维的演进而愈发丰富[5]。如今，战争已进入人工智能和量子计算时代，这场深刻变革可被称为向算法化战争的转型。战争从狩猎采集时代的原始形态，到工业时代，再到当前的算法化战争时代，这一转型不仅仅是武器或作战平台的更替[6]。

工业时代的战争重视规模、机械化和国家资源的统一调配。决策呈层级结构，并受到个人认知偏见的影响。卡尔·冯·克劳塞维茨深刻阐述了这一时代的哲学基础，其“战争论”奠定了战争的政治框架及其不确定性认知的基础。克劳塞维茨将战争定义为“政治通过其他方式的延续”[7]，将战争与治国方略融合为一个统一概念。他提出了战争迷雾、摩擦和重心等著名理念，以揭示军事行动的复杂性和不可预测性；然而，在工业时代，战斗主要围绕消耗战展开。胜负取决于情报的准确度、后勤保障的制约以及通信技术的局限。信息采集的滞后、繁琐的分析流程、决策的形成、命令的下达以及僵化的指挥链条，限制了指挥官将OODA循环（观察、判断、决策、行动）压缩到极致的能力。

克劳塞维茨的战争理念

克劳塞维茨的理论经受住了历史的检验。它在很大程度上独立于技术进步，更关注人和心理层面。在战争中，长期和短期的结果在很大程度上仍是难以预测的。即使是最精密的系统也可能出现失误，引发难以预料的后果。识别重心为削弱对手实力提供了契机。然而，随着战争从20世纪演进到数字化时代，严格遵循克劳塞维茨视角的局限性日益明显。当代作战的高节奏、海量数据以及军事系统日益增长的复杂性，产生了超越传统决策方法局限的新需求。克劳塞维茨对战争本质提供了深刻的洞察；尽管如此，他的理论框架缺乏有效应对当代战场高速性和多变性挑战的明确方法。

从以人为核心到人工智能参与的决策周期

人工智能赋能的决策系统已经开始以史无前例的方式压缩战争中的时间，这在几十年前是不可想象的。曾经需要数小时甚至更长时间经过层层分析、讨论和授权的决策过程，现在可以在数秒甚至毫秒内完成。导弹防御系统已经在这种速度下运行，因为单纯依靠人类反应速度通常太慢，无法有效拦截来袭威胁。然而，更广泛的影响比单纯的“战争加速”更令人担忧。

这种加速趋势日益被描述为“超限战”（Hyperwar），这一概念由约翰·R·艾伦和人工智能研究者阿米尔·侯赛因于2019年提出[11]。这个词指的是OODA循环的急剧压缩，观察、判断、决策和行动以机器速度而非人类思维的速度发生。实际上，人工智能系统可以在人类操作员完全理解态势之前，就分析传感器数据流、识别模式、排列威胁优先级并触发响应。

然而，问题不仅仅是速度。当态势发展速度超过了有意义思考的可能性时，人类认知会感到力不从心。在此条件下，指挥官可能逐渐从积极的决策者转变为监控自动化流程的监督者，而这些流程他们无法在现实中实时评估。人工智能驱动战争的支持者认为，这减少了迟疑并提升了响应能力。然而，批评者担心，压缩的时间线几乎没有留下判断、克制或重新考虑的余地，尤其是在系统开始自主交互之后。因此，关切的焦点较少在于机器在抽象意义上变得智能，而更多在于战争日益以人类干预开始感觉在结构上滞后的节奏展开。

在决策过程中，人在环路（human-in-the-loop）的依赖演变为人在环路外（human-out-of-the-loop）。在“算法化战争”领域，战争的节奏与机器处理速度成正比加速。在超限战中，传统上赋予人类的决策者角色，正越来越多地被委托给机器。随着人工智能系统变得更智能、更强大，人类的认知局限将阻碍决策循环的效率。因此，人类决策者将面临压力，不得不将更大的权力委托给机器。

算法化战争模式

在算法化战争中，传统上构成军事力量核心的组成部分已从其显赫地位有所退却。这些已被数据、通信和计算能力所取代。集结军队、刺激工业生产和提升火力的能力，虽然仍是战争中的重要因素，但其核心地位正面临挑战，因为越来越依赖人工智能和机器学习能力以在冲突中取得有利结果。重心从物质资产转向信息优势和决策优势[12]。信息优势并非全新的概念，而是一种演进中的范式，据一些专家称，这更是一种具有革命性的现象。这种范式促使人们重新审视许多基本概念和论述。指挥与控制结构需要重新配置，以便在人类监督下将人工智能系统整合到决策过程中。源自指挥与控制结构的决策，需要由行为体（人类、机器或两者）执行，以在尽可能短的时间内实现目标。

从克劳塞维茨的洞察到博伊德的OODA循环，再到人工智能赋能的决策，在理论、战略和战术上的演进并不代表战争演变中的离散断裂。在战争中，每一次演进都是对现有且持久原则能力的增强。

算法化战争加快了任务执行的节奏。原本需要进行背景研究、分析和审议的高风险决策，需要花费数小时甚至数天的大量时间，现在可以被压缩到数秒。据报道，在伊朗冲突中，美国和以色列使用人工智能辅助系统来识别目标列表，这是最优秀的人脑在给定时间框架内永远无法匹敌的。

Palantir科技公司与美军

美国军方与Palantir科技公司的合作关系，其发展之广泛已远超该公司早期作为细分市场分析公司的形象。在过去的十年中，Palantir已日益融入美国国防生态系统，尤其是在涉及情报整合和作战决策支持的领域。其平台，特别是Gotham和新的人工智能平台（AIP），旨在整合来自多种不同