AI 智能体网络：重塑陆地指挥控制新范式

AI 智能体网络——一个端到端、自组织的专用人工智能体网络

引言

本文是探讨人工智能对陆地指挥控制日益增长的重要性的系列文章的第三篇。首篇文章《战场人工智能：增强陆地作战能力的发现与需求》发表于2025年第5“期哈尔特赫恩信使报”，借鉴了乌克兰战争的经验教训，分析了人工智能系统在战场上的潜力与局限，并由此推导出对德国陆军的要求。第二篇文章《人工智能赋能指挥所：以人工智能为中心的指挥控制的核心要素》于2026年1月发表在novumbellum.org上，进一步发展了这一思路，概述了将生成式人工智能集成到分散式指挥所作战中的概念方法。本文将前两篇文章的逻辑推至其必然结论，并迈出从“人工智能赋能”到“以人工智能为中心”的指挥控制的关键一步。

这其中的区别是根本性的。人工智能赋能的指挥控制意味着人工智能在个别任务中支持人类，是众多工具之一，有选择地使用并产生选择性效果。以人工智能为中心的指挥控制则意味着人工智能成为整个指挥架构的组织要素。它渗透到情报、指挥控制、效果和保障等各个环节，不是作为附加组件，而是作为连接性的神经系统。人类仍然是决策者，但他们做出决策的方式将发生根本性改变。

本文的核心是AI智能体网络的概念：一个自组织的专用人工智能体网络，覆盖从无人机传感器到指挥车再到作战指挥所的整个作战空间纵深。文章描述了人工智能发展的现状，从技术、地理和组织层面具体阐述了AI智能体网络的含义，其他大国如何已朝此方向迈进，以及联邦国防军现在必须采取何种行动。

自2022年底ChatGPT发布以来，人工智能的发展速度甚至令专家也感到惊讶。短短三年内，生成式人工智能系统已从基于云的文本生成器演变为能够独立执行复杂任务、使用工具并与其他系统交互的自主智能体。当前的范式转变正将人工智能从单个模型推向网络化的多智能体系统，其中多个专用人工智能体通过分工协作，产生任何单一智能体都无法独自达成的结果。这一转变在军事领域也已得到认可，2026年1月发布的美国国防部人工智能战略明确将智能体网络列为优先领域。

此类系统潜力的一个突出例证来自民用开源项目，如OpenClaw和Hermes Agent，自2025年底以来，它们在短短几个月内吸引了全球数十万开发者。这些是运行在本地硬件上的智能体框架，连接不同的通信渠道，并自主执行基于计算机的复杂任务，既可以借助云端访问强大的语言模型，也可以完全在本地使用较小的模型运行。这些项目在民用领域所展示的，对军事领域具有直接的概念相关性：它们展示了自组织的人工智能体网络在今天技术上已经能够实现什么。

在多智能体系统兴起的同时，人工智能模型本身也正在经历一次决定性的效率飞跃。它们不再必然依赖于庞大的云端数据中心。新一代模型经过优化，能够以最小的资源消耗、无需云端连接实现最大速度。对于军事用途而言，这指向一个清晰的分工：在战略和战役层面使用具有广泛推理能力的大型语言模型，在战术指挥所使用移动式人工智能集群，在边缘设备上直接部署专用的小型模型。

本系列的第一篇文章曾提及一个在当时看来仍具推测性的想法，但现在必须将其作为概念指南认真对待：未来，联邦国防军可能部署数百甚至数千个不同的人工智能体。几乎每一个传感器、每一个武器系统、每一辆战斗车辆、每一个指挥控制节点都将配备专用的人工智能体。在战斗中，这些系统将自主交互，自动交换数据和洞察，无需人工干预。

这正是AI智能体网络所描绘的图景，也是本文的核心愿景。这个网络不是单一系统，也不是集中式程序。它是一个端到端、自组织的专用人工智能体网络，覆盖从最低战术层级到战役指挥所的整个作战空间纵深。该网络中的每个节点都是一个行动者：它接收信息，进行处理，在其职责范围内做出有限的自主决策，并将整合后的洞察传递给相邻节点。

这在实践中意味着什么，可以通过一个具体场景来说明。一架侦察无人机识别出一辆敌方车辆。其嵌入式人工智能体对目标进行分类，评估威胁态势，并且不再将该洞察垂直上报给更高级别的司令部。相反，传感器智能体以去中心化和即时的方式，与附近效应器的自主人工智能体就可用火力进行协商。被选中的炮兵智能体自主接管目标分配并准备火力任务，耗时数秒而非数分钟。同时，第三个智能体自动通知后勤链一次可能的交战将带来的弹药消耗。所有这些过程并行发生，无需通过人工中介进行串行接力，无需传统的报告链条，也毫无延迟。

孤立地看，这个场景是一种改进，但尚未构成变革。真正的范式转变发生在当这种情况不是发生一次，而是同时发生一千次时；当跨越一个大型编队的数百个传感器被实时评估时；当数十个指挥所同时接收到当前的作战态势图时；以及当传感器到射手的杀伤链在整个作战区域内闭合，无需手动报告程序时。交战授权始终掌握在人类指挥官手中。

最重要的是：这个网络大于其各部分之和。每个单独的人工智能体解决一个有限的任务。然而，它们共同产生了一种协同效应，使得整个系统的能力远超任何单个智能体，形成一种跨越战场的集体智能，其速度和广度是任何单一系统或人类参谋团队都无法比拟的。只有在这个规模上，AI智能体网络才能发挥其全部效力，也只有到那时，指挥控制才能从人工智能赋能转变为以人工智能为中心。

AI智能体网络并非概念上的全新开端。它是美国军方多年来系统发展的一个理念在陆地战术层面的对应物：杀伤网。通过联合全域指挥控制（JADC2）、DARPA的ACK计划以及“融合计划”，美国正在跨所有域（空中、陆地、海上、太空和网络空间）联网传感器和效应器，并用弹性、去中心化的网络取代线性的杀伤链。美国在多域层面构想的理念，AI智能体网络在陆军层面将其贯彻到底。未能迈出这一步的军队，并非在某个抽象的未来失去速度优势，而是今天就已经在失去它。

AI智能体网络的技术构建模块已经存在，存在于民用市场，而非联邦国防军内部。对于军队而言，这造成了一个典型的军民两用局面：技术是可用的，但通往一个可部署、集成系统的道路既非短暂也非直接。网络的基本技术结构遵循一种源自当前冲突现实的分层方法。

在与敌人接触的战术边缘，乌克兰战争已经从根本上改变了战场。在许多地段，传统的装甲平台几乎无法机动而不被立即发现和攻击。无人机造成了双方高达75%的战斗损失。如今，前沿边缘由侦察无人机、第一人称视角攻击无人机、巡飞弹、地面传感器和徒步士兵主导，这些系统体积小、网络化、数量庞大且个体可消耗。这一区域构成了AI智能体网络的最底层。在这里，小型专用人工智能模型部署在边缘硬件上：直接在无人机上进行图像识别，在传感器处进行目标分类，在士兵的智能手机上提供指挥支持。一切都是本地的，无需云端连接，也无需回连到指挥所。实现这一点所需的计算能力，在今天商用现货设备中已经具备。

在平台层面，即各类装甲战斗和支援车辆中，角色和运用模式正在转变。装甲平台越来越多地从纵深作战，作为受保护的火力和机动指挥资产，而不再作为前沿的矛头。因此，它们对人工智能的需求也不同：需要在单个车载计算模块中同时处理传感器数据、态势信息和战术决策支持。强大的民用解决方案同样已经存在于此。真正的挑战在于军事化改造、加固、符合军用标准的认证以及集成到现有车辆系统中。

在指挥所层面，重点从纯粹的数据处理转向人工智能赋能的决策支持。分散的指挥所单元必须在时间压力下整合作战态势图，模拟行动方案，并向指挥官呈现评估后的选项，这些任务需要具有广泛推理能力的强大人工智能系统。自2025年以来，一类新型紧凑型人工智能计算机已进入市场，以迷你个人电脑的形态提供接近数据中心级别的性能。将几个这样的系统连接成一个小型集群，可以为基于语音的、智能体化的指挥支持提供计算基础，正如本系列第二篇文章概念性描述的那样。

连接所有三个层面的原则是：人工智能处理发生在数据生成的地方。只传输整合后的洞察，而非原始数据。一架侦察无人机单次任务产生的传感器数据就超过100千兆字节，在营级层面，这相当于每天数太字节的数据量。在战斗条件下，这些数据量无法传输。它们必须在产生的地方进行处理。

AI智能体网络并非止步于前沿边缘。它以不同的形式和需求，从战场延伸回本土基地。计算能力部署在哪里、哪些模型在何处运行、以及如何确保战区与本土基地之间的连接性，这些并非下游的基础设施问题。它们是必须尽早定义的规划参数，因为每个层级的作战需求决定了计算需求、模型规模和传输要求。

在战区，传感器、平台和指挥所按照上一节描述的分层原则运行，自主地、在本地硬件上、使用针对各自任务的专用模型。从战术边缘越向后方移动，可用的计算能力就越多，模型规模就越大，它们能提供的决策支持也就越全面。

在本土基地，集中了重型人工智能基础设施。大型语言模型在这里进行训练、更新和为作战使用进行优化。用于战略和战役决策支持的系统在这里运行，这些模型对于移动部署来说过于庞大且耗能过高，但在此层级能发挥其全部效力。

军用人工智能数据中心的要求与民用基础设施根本不同。它们必须受到物理保护，设计上具有冗余性，并能同等抵御网络攻击和动能威胁。欧洲高性能计算倡议确实正在建设强大的欧洲高性能计算格局，但这些系统在设计上是民用的，部署在民用地点，既非为军事目的设计，也不适合军事用途。以人工智能为中心的指挥控制将需要一个独立的、受保护的军用计算基础设施。

与此直接相关的是数字主权问题。哪些人工智能模型在德国的数据中心运行？它们是在什么条件下开发的？谁有权访问训练数据？目前，欧洲在这一领域只有一个具备真正竞争力的参与者：法国公司Mistral AI，该公司开发强大的语言模型，明确主张欧洲数据主权，并且已经与法国武装力量部签订了框架合同。

本土基地与战区之间的连接是第三个要素，或许也是技术挑战最大的。然而，在一个弹性的网络架构中，它并非作为日常作战行动不间断的脐带，而是服务于周期性的高层同步。每当与后方的通信链路可用时，在战区收集的作战态势图和分散的训练数据就会流回本土基地。在那里，它们可用于持续改进大型基础模型，之后再将实质性的模型更新传回战区。

技术只有在转化为组织时才能改变指挥控制。AI智能体网络也不例外。其真正效果并非源于其运行的硬件，而是源于它在指挥方式、决策准备和命令下达方面所带来的变化。

在战役层面，联邦国防军联合部队作战司令部为使用人工智能赋能的指挥支持系统提供了相当大的潜力。它全天候维护联合作战态势图，将战略指导转化为具体的军事任务，并对要提供的部队和能力进行优先排序，自2025年4月起作为国防部、各军种和支援司令部之间的中央枢纽。这一任务概况正是人工智能体能够提供最大直接附加值的领域：自动融合来自数百个同时