同胞·同袍：跨越海峡的抗战记忆

◇从自主化武器(wǔqì)的集群协同到智能化后勤的精准保障，从自动化(zìdònghuà)防御的实时响应到沉浸式训练的场景重构，人工智能正推动军事变革进入“算法驱动战争”的新(xīn)阶段 ◇这是美国开放(kāifàng)人工智能研究中心（OpenAI）首次向(xiàng)军事领域开放技术，标志着生成式AI从民用场景向国防安全的跨界应用 ◇人工智能技术在军事领域的深度渗透带来作战效能的革命性提升，但其内生的技术特性与战场复杂环境交织，衍生出多重(duōzhòng)安全隐患，不仅挑战传统(chuántǒng)战争法(fǎ)原则，更对国际安全秩序构成系统性冲击 ◇人工智能(réngōngzhìnéng)军事应用(yìngyòng)的快速发展与全球安全治理的滞后性形成鲜明矛盾，国际社会在规则构建、机制协调与责任界定等核心议题上陷入多重(duōzhòng)困境 美国海军一架电子战飞机在(zài)美国加利福尼亚州南部的(de)圣迭戈附近海域坠毁，参与打捞坠毁飞机的小艇在海面作业（2025 年 2 月 15 日摄）新华社 / 路透(lùtòu) 在全球科技革命与军事变革深度(shēndù)融合的(de)进程中，人工智能（AI）正以革命性力量重塑战争(zhànzhēng)形态。从自主化武器的体系化协同到多域防御系统的智能响应，从全链条后勤(hòuqín)的精准调控到沉浸式(shì)训练场景的构建，人工智能军事应用已形成覆盖作战全流程的赋能体系，推动战争从“能量对抗”向“智能博弈”加速演进。 技术进步带来的安全风险与治理困境同步凸显：算法决策缺陷引发高频误伤，作战节奏加快加速冲突升级(shēngjí)，传统战略稳定框架遭到动摇，而相关(xiāngguān)全球治理体系陷入机制性(xìng)停滞。如何在释放技术效能与管控安全风险中找到平衡点，成为人工智能(réngōngzhìnéng)时代全球安全治理的核心命题。 当前，人工智能技术正以前所未有的(de)速度重塑军事领域的作战模式(móshì)与保障体系，其应用已渗透至武器系统、防御体系、情报分析、后勤管理及训练模拟等核心(héxīn)军事领域。 从自主化武器的(de)集群协同到智能化后勤的精准保障(bǎozhàng)，从自动化(zìdònghuà)防御的实时响应到沉浸式训练的场景重构，人工智能正推动军事变革进入“算法驱动战争”的新阶段。 自主化武器(wǔqì)：从单一平台到体系协同的智能化跃升。 在自主化武器(qì)发展中(zhōng)，美军无人艇蜂群技术展现出分布式协同作战的潜力。2025年4月，美国海军(hǎijūn)宣布成功演示八艘小型无人水面航行器，这些航行器由海军先进的“利维坦”软件包(ruǎnjiànbāo)驱动，将传统需40人操控的流程压缩至1人监控。“利维坦”包括自主基线库、通用控制系统、自动目标识别和感知工具。其中，自主基线库是首个(shǒugè)符合美国海军无人海事自主架构6.0标准的完全开放架构自主软件，可灵活调整并吸引广泛的行业参与。这些航行器还可与美濒海战斗舰(zhàndòujiàn)任务模块无缝(wúfèng)协同，标志(biāozhì)着无人平台融入作战舰队的进程(jìnchéng)迈出了重要一步。 波士顿动力公司四足机器人“大狗”的演进则体现了强化学习在(zài)复杂(fùzá)地形机动中的军事(jūnshì)应用(yìngyòng)。在美国国防部高级研究项目局（DARPA）资助下，波士顿动力公司通过激光雷达与立体视觉融合，使(shǐ)“大狗”在35度斜坡、积雪等复杂地形移动，可负重伴随步兵班组实施山地补给。 DARPA空战演进计划(jìhuà)聚焦人机协同的空中缠斗场景，构建了层级(céngjí)化自主系统框架：人类负责制定总体交战策略与目标优先级，AI系统执行战术机动(jīdòng)与武器交战细节。该计划通过“马赛克战”理念，将传统单一平台杀伤链转化(zhuǎnhuà)为“有人-无人”异构网络系统，为未来空战的“人在回路”控制模式奠定技术(jìshù)基础。 自动化防御：多域威胁(wēixié)的实时感知与智能响应。 在反无人机领域，美国开放人工智能研究中心（OpenAI）与安杜(āndù)里尔的合作开创了大模型(móxíng)技术在动态威胁处理中的新(xīn)路径。2024年12月，美国防科技公司安杜里尔宣布其部署(bùshǔ)的晶格(jīnggé)（Lattice）软件平台将集成GPT-4o等先进模型，实现对无人机群的实时发现与打击。这是OpenAI首次向军事领域开放技术，标志着生成式AI从民用场景向国防安全的跨界应用。安杜里尔与美海军陆战队已签订2亿美元(yìměiyuán)的反无人机系统(xìtǒng)研发合同。 美军工企业洛克希德·马丁对“宙斯盾”系统的智能化升级，展现了AI在(zài)复杂(fùzá)海战环境中的决策优势。最新系统通过机器学习算法同时跟踪100多个目标(mùbiāo)，基于实时威胁评估自动优化武器配置，在高超音速导弹拦截场景中决策时间(shíjiān)压缩至毫秒级。 末端高空区域防御系统（萨德(sàdé)）6.0版本通过弹道轨迹(guǐjì)深度学习模型，将来袭导弹的跟踪准确率提升至92%。该(gāi)系统融合雷达数据与卫星情报，构建了覆盖战略、战役、战术层面的多层(duōcéng)防御网络，成为区域反导体系的智能核心。 情报分析：从数据处理到(dào)认知决策的范式转型。 美国帕兰提尔（Palantir）公司的AIP平台构建了多源情报融合的智能中枢，通过集成大型语言模型（LLM）实现对(duì)战场文本、图像、信号数据的实时解析，分析战场情况(qíngkuàng)、制定(zhìdìng)行动方案并进行作战总结。它(tā)支持(zhīchí)识别敌方单位、请求新图像以及将干扰器等资源分配给通信目标等任务。AIP还使AI能够将决策与操作系统同步，确保AI编写的提案得到人类的验证并与军事目标保持一致。此外(cǐwài)，AIP还帮助(bāngzhù)构建、标记和准备国防数据，以在所有分类级别进行AI训练和开发(kāifā)。 攀登人工智能公司（ScaleAI）的(de)多诺万(duōnuòwàn)（Donovan）平台专注于情报报告的自动化处理，通过强化学习从海量文档中(zhōng)提取关键信息(xìnxī)。多诺万支持战场情报准备，提供友军和(hé)敌军行动的实时背景，帮助指挥官更快做出决策。其定制化模型Defense Llama针对军事术语进行优化，可准确识别冲突区域的兵力部署与装备动向。该平台已在美军第十八空降(kōngjiàng)军部署。 DARPA“心眼”项目(xiàngmù)突破传统计算机视觉的静态识别局限，构建了动态(dòngtài)行为理解的生成式模型。该系统通过无监督学习解析战场视频中的动作链，对(duì)复杂场景(chǎngjǐng)的叙事准确率达78%，为后续“马赛克战”的战场态势预测提供了关键技术支撑。其成果已融入多域指挥(zhǐhuī)控制系统。 后勤管理：全链条资源的精准化智能调控(tiáokòng)。 在(zài)装备维护领域，洛克希德·马丁为C-130J运输机构建的预测性维护系统，通过600个传感器实时(shíshí)采集发动机振动、液压压力等(děng)数据，实现135类故障的提前(tíqián)预警，维护成本下降22%。该系统采用数字孪生技术模拟极端环境对部件寿命的影响，已从(cóng)运输机扩展至AC-130炮艇机与EC-130电子战机队。 美国空军熊猫（PANDA）系统将人工智能嵌入(qiànrù)“基于状态的(de)维护”框架，通过分析(fēnxī)F-35战斗机的传感器数据，生成预测性维护建议，实现从定期维护向视情维护的模式(móshì)转变。该系统构建了跨机型、跨地域的统一维护平台，使装备(zhuāngbèi)完好率显著提升，成为全球最大规模的军事装备智能保障系统。 美国(měiguó)海军后勤人工智能集成计划通过兵棋推演建模，优化舰艇零部件库存与全球供应链调配。该系统基于历史消耗数据(shùjù)与实时任务需求，动态调整维修备件储备，将关键部件缺货率(lǜ)降低30%，同时通过强化学习算法模拟不同补给策略的效能(xiàonéng)，为航母(hángmǔ)战斗群的远洋部署提供决策支持。 训练模拟：沉浸式场景构建与个性化(gèxìnghuà)能力生成。 美国陆军“合成训练环境”通过融合(rónghé)虚拟现实与增强现实技术，构建了全地形交互式训练场景。该系统集成综合视觉增强系统护目镜传感器，实时跟踪士兵(shìbīng)心率、脑电波等生理数据，通过压力模拟算法生成逼真的战场应激反应，提升训练效果(xiàoguǒ)。标志性项目(xiàngmù)“下一代(xiàyídài)班组武器”训练模块，已实现实弹射击与虚拟目标的无缝融合，大幅(dàfú)降低实装训练成本。 微软推动DALL-E图像(túxiàng)生成(shēngchéng)技术在军事训练(xùnliàn)中(zhōng)的应用，为战斗管理系统提供低成本数据增强方案。通过生成高(gāo)逼真度的战场图像，训练算法可覆盖绝大多数极端场景。该技术已应用于无人机目标识别系统，使复杂背景下的目标检测准确率提升，为智能武器系统实战化部署提供了数据支撑。 人工智能技术(jìshù)在军事领域的深度渗透虽带来作战效能的革命性提升，但其内生的技术特性与(yǔ)战场复杂环境交织，衍生出多重安全隐患，挑战传统战争法原则，也对国际安全秩序构成系统性冲击(chōngjī)。 算法决策的局限性在实战中集中表现为目标识别偏差。基于(jīyú)历史数据训练的模型，在面对复杂社会场景时(shí)，极易因数据样本的片面性产生认知盲区。如(rú)2021年8月，美军MQ-9无人机(wúrénjī)在喀布尔误击民用车辆，导致10名平民死亡（含7名儿童），事后调查显示无人机影像分析算法未能有效区分携带(xiédài)民用物品还是武器。 自主(zìzhǔ)武器系统的环境(huánjìng)适应性不足也是误判的重要诱因。当前AI系统在动态场景中的多源数据融合能力存在缺陷，仅依赖视觉识别的决策模型，难以处理人体姿态、环境遮蔽等复杂变量，导致在无明确军事(jūnshì)特征目标的判定(pàndìng)中出现系统性偏差。 人工智能对战场感知与(yǔ)精确打击的赋能，正动摇以核威慑为核心(héxīn)的传统战略稳定框架。《不确定性下的威慑：人工智能与核战争》一书揭示了人工智能与战略稳定之间的一个深层矛盾：当非核国家凭借AI驱动的常规技术获得穿透性打击能力(nénglì)时，核大国的核打击能力将不再绝对可靠。例如，通过整合机器学习(xuéxí)与多源传感器数据，AI系统可将机动(jīdòng)导弹(dǎodàn)发射器与核潜艇(héqiántǐng)的定位精度(dìngwèijīngdù)提升至米级。而AI驱动的“协同式态势感知”，正使非核国家能够构建“发现即摧毁”的常规打击闭环：通过无人机蜂群实时监测敌方机动核力量动向(dòngxiàng)，依托高超音速导弹实施快速精准打击。 进攻方A国可利用AI提升侦察精度，但(dàn)防御方B国更熟悉自身核系统的(de)弱点，能够通过主动对抗措施（如(rú)电磁干扰、假目标生成）与(yǔ)被动伪装技术（如动态路由规划、多模态信号欺骗）等，将AI侦察的有效(yǒuxiào)识别率降低。当常规技术进步不断压缩核威慑的战略空间时，任何一方的技术突破(tūpò)都可能引发安全困境的螺旋升级，这对于每一个主要大国都是重大战略环境的改变。 人工智能军事应用(yìngyòng)的快速发展与全球安全治理的滞后性形成(xíngchéng)鲜明矛盾，国际社会在规则构建、机制协调与责任界定等核心议题(yìtí)上陷入多重困境。 大国缺乏战略互信(hùxìn)：治理框架的价值分歧与集团博弈。 在人工智能(réngōngzhìnéng)军事应用的全球治理体系构建中，主要大国的战略目标(zhànlüèmùbiāo)差异构成根本性障碍。 美国的治理框架带有明显的地缘政治意图，实质是将人工智能军事化纳入西方安全同盟体系。2024年“奥(ào)库斯”联盟测试(cèshì)的AI驱动无人机协同作战(xiétóngzuòzhàn)系统，更是绕过联合国等多边平台，通过封闭性技术合作强化小圈子军事优势。这种(zhèzhǒng)“技术霸权主义(bàquánzhǔyì)”遭到发展中国家普遍反对。 多边进程(jìnchéng)陷入停滞：机制低效与规则真空的双重困境。 现有国际法律框架在人工智能(réngōngzhìnéng)军事应用领域的适用性争议，导致多边治理机制陷入功能瘫痪。《特定常规武器公约》（CCW）框架下的致命性自主武器系统（LAWS）谈判持续(chíxù)多年没有(méiyǒu)成果。 技术霸权与规则赤字形成恶性循环。北约2024年更新的《人工智能(réngōngzhìnéng)战略》，将“跨大西洋技术标准”凌驾于联合国(liánhéguó)规则之上，要求成员国优先采用西方主导的算法透明度评估(pínggū)体系。这种“机制(jīzhì)替代”策略削弱了CCW的权威性，导致“禁止杀手机器人”运动等民间(jiān)倡议与政府(zhèngfǔ)间谈判严重脱节。红十字国际委员会2024年报告指出，自主武器系统对受武装冲突影响民众造成伤害(shānghài)的风险极高，但一些国家的军方(jūnfāng)似乎仍(réng)在不断放松对使用此类武器的地点及攻击对象的限制。这使得陷入最新地区冲突中的国家或区域有成为AI武器“试验场”的趋势。 更深刻的矛盾在(zài)于治理议题的“安全化”与“技术化”失衡。当美国将(jiāng)人工智能军事化(jūnshìhuà)纳入“印太战略”，将其他国家视为其假想敌和对手(duìshǒu)，多边治理平台就沦为地缘竞争的角力场。2024年9月联合国人工智能高级别咨询机构发布的七项建议中，“设立国际(guójì)科学顾问委员会”“建立全球数据框架”等技术性措施因缺乏政治共识(gòngshí)而难以落地，而“严格限制AI军事用途”的核心诉求(sùqiú)在美西方双重标准下沦为空谈。 问责机制面临缺失(quēshī)：法律空白与执行困境的叠加效应。 人工智能军事应用(yìngyòng)的技术特性，使(shǐ)传统国际法中的责任归属原则遭遇系统性挑战。《罗马规约》第28条确立的“指挥官(zhǐhuīguān)责任”，在面对算法决策导致的平民伤亡时陷入认定困境。如2021年喀布尔无人机误击平民事件中，美军以“算法训练数据偏差”为由免除操作员(cāozuòyuán)责任，暴露(bàolù)“技术黑箱”对责任链的切割效应。 合规性评估机制(jīzhì)的缺失加剧风险敞口。根据卡内基国际和平基金会2024年报告(bàogào)，全球现役的32种AI武器系统中(zhōng)，仅7种接受过第三方伦理审查(shěnchá)，且审查标准由研发国自行制定。土耳其“旗手”TB2无人机在纳卡冲突中的使用，暴露出(bàolùchū)“技术出口国与使用国责任分离”的漏洞。而现有《武器贸易条约》甚至未将无人机乃至自主AI系统纳入(nàrù)管制清单。 更深层的挑战在于“人机关系”的法律定位模糊(móhú)。美军“马赛克战”体系中的AI决策节点已实现“战术级(jí)自主”，人类指挥官(zhǐhuīguān)仅保留“战略否决权”，责任主体虚化。 当前人工智能军事应用的(de)(de)治理困境，本质上是工业时代的国际治理体系与数字(shùzì)时代技术革命的错配。人工智能军事应用与全球治理，更需要全球安全秩序从“权力制衡”向(xiàng)“规则(guīzé)共建”的范式转换。唯有摒弃“技术霸权”与“零和思维”，回归《联合国宪章》确立的集体安全理念，才能为人工智能划定文明发展的轨道。 （作者(zuòzhě)为中国现代国际关系研究院科技与网络安全研究所副研究员） （《瞭望》2025年(nián)第21期 ）