同胞·同袍：跨越海峡的抗战记忆

◇从自主化武器的集群协同到智能化后勤的精准保障，从自动化防御的实时响应(xiǎngyìng)到沉浸式训练的场景重构，人工智能正推动军事(jūnshì)变革进入“算法驱动战争(zhànzhēng)”的新阶段 ◇这是美国开放人工智能研究中心（OpenAI）首次向(xiàng)军事领域开放技术，标志着生成式AI从民用(mínyòng)场景向国防安全的跨界应用 ◇人工智能技术在军事领域的(de)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，衍生出多重安全隐患，不仅挑战传统(chuántǒng)战争法原则，更对(duì)国际安全秩序构成系统性冲击 ◇人工智能军事应用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(guīzé)构建、机制(jīzhì)协调与责任界定等核心议题上陷入多重(duōzhòng)困境 美国(měiguó)海军一架电子战飞机在美国加利福尼亚州南部的圣迭戈附近海域坠毁，参与打捞坠毁飞机的小艇(xiǎotǐng)在海面作业（2025 年 2 月 15 日摄(rìshè)）新华社 / 路透 在全球科技(kējì)革命与军事(jūnshì)变革深度融合的进程中，人工智能（AI）正以革命性力量重塑战争形态。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训练场景的构建，人工智能军事应用已形成(xíngchéng)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(yǎnjìn)。 技术进步带来的安全风险与治理(zhìlǐ)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，传统战略稳定框架遭到(zāodào)动摇(dòngyáo)，而相关全球治理体系陷入机制(jīzhì)性停滞。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速度重塑军事领域的作战模式与保障体系，其应用已(yǐ)渗透至武器系统、防御体系、情报分析、后勤(hòuqín)管理及训练模拟等核心(héxīn)军事领域。 从自主化武器的(de)(de)集群协同到智能化后勤的精准保障，从自动化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(jiēduàn)。 自主化武器：从单一平台到体系(tǐxì)协同的智能化跃升。 在自主(zìzhǔ)化武器(qì)发展(fāzhǎn)中，美军无人艇蜂群技术展现出分布式协同作战的(de)(de)(de)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任务模块无缝协同，标志着无人平台(píngtái)融入(róngrù)作战舰队的进程迈出了重要一步。 波士顿动力(dònglì)公司四足机器人(jīqìrén)“大狗”的演进则(zé)体现了强化学习在复杂地形机动中的军事应用。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(rónghé)，使“大狗”在35度斜坡、积雪等复杂地形移动，可负重伴随(bànsuí)步兵班组实施山地补给。 DARPA空战演进计划聚焦(jùjiāo)人机协同的(de)空中缠斗场景，构建了层级化自主系统框架：人类负责制定总体交战策略与目标优先级，AI系统执行战术机动与武器交战细节。该计划通过“马赛克(mǎsàikè)战”理念(lǐniàn)，将传统单一平台杀伤链转化为“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(fángyù)：多域威胁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）与安杜里尔(lǐěr)的合作开创了大模型技术在动态威胁处理中的新路径。2024年12月，美国防科技公司安杜里尔宣布其(qí)部署的晶格(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(biāozhì)着生成式AI从民用场景向国防安全(ānquán)的跨界(kuàjiè)应用。安杜里尔与美海军陆战队已签订2亿美元的反无人机系统(xìtǒng)研发合同。 美军工企业洛克希德·马丁对“宙斯盾”系统(xìtǒng)的智能化升级，展现了AI在复杂海战环境中的决策优势(yōushì)。最新系统通过机器学习算法同时跟踪100多个目标，基于实时威胁评估自动优化武器配置(pèizhì)，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）6.0版本通过弹道轨迹深度学习模型，将来袭导弹的(de)跟踪准确率提升至92%。该系统融合(rónghé)雷达数据(shùjù)与卫星情报，构建(gòujiàn)了覆盖战略、战役、战术层面的多层防御网络，成为区域反导体系的智能核心。 情报分析：从(cóng)数据处理到认知决策的范式转型。 美国帕兰提尔（Palantir）公司的(de)(de)AIP平台构建了多源情报融合(rónghé)的智能中枢，通过集成大型语言模型（LLM）实现对战场文本、图像、信号数据的实时解析，分析战场情况、制定行动方案并进行(jìnxíng)作战总结。它支持识别敌方单位、请求新图像以及将(jiāng)干扰器等资源分配给(gěi)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，AIP还帮助构建、标记和准备国防数据，以在(zài)所有(suǒyǒu)分类级别进行AI训练和开发。 攀登(pāndēng)人工智能公司（ScaleAI）的多诺万（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提取关键信息(xìnxī)。多诺万支持战场情报准备，提供友军(jūn)(yǒujūn)和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(zhǔnquè)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”项目突破传统计算机视觉的静态识别局限，构建了动态行为理解(lǐjiě)的生成式模型。该系统通过(tōngguò)无监督学习解析战场(zhànchǎng)视频中的动作(dòngzuò)链，对复杂场景的叙事准确率达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(qí)成果已融入多域指挥控制系统。 后勤管理：全链条资源的精准化智能调控(tiáokòng)。 在装备维护领域，洛克希德·马丁为C-130J运输机构建的预测性维护系统，通过(tōngguò)600个传感器实时采集发动机振动、液压压力等数据，实现135类故障的提前(tíqián)预警，维护成本下降22%。该(gāi)系统采用数字(shùzì)孪生(luánshēng)技术模拟极端环境对部件寿命的影响，已从运输机扩展至AC-130炮艇机与EC-130电子战机队。 美国空军熊猫（PANDA）系统(xìtǒng)将人工智能嵌入“基于状态(zhuàngtài)的维护(wéihù)”框架，通过分析F-35战斗机的传感器(chuángǎnqì)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(língbùjiàn)库存与全球供应链调配。该(gāi)系统基于历史消耗数据(shùjù)与实时任务需求，动态(dòngtài)调整维修备件储备，将关键部件缺货率降低30%，同时通过强化学习算法模拟不同补给策略的效能，为航母战斗群的远洋部署提供决策支持(zhīchí)。 训练模拟：沉浸式场景构建与(yǔ)个性化能力生成。 美国陆军“合成训练环境”通过融合虚拟现实与增强(zēngqiáng)现实技术，构建了全地形交互式训练场景(chǎngjǐng)。该系统集成综合视觉增强系统护目镜传感器，实时跟踪士兵心率、脑电波等(děng)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。标志性项目“下一代班组(bānzǔ)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(shízhuāng)训练成本。 微软推动DALL-E图像生成技术在军事训练中的应用，为(wèi)(wèi)战斗管理系统提供低成本数据增强方案。通过生成高逼真度的战场图像，训练算法可覆盖绝大多数极端场景。该(gāi)技术已应用于无人机目标识别系统(shíbiéxìtǒng)，使复杂背景下(xià)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。 人工智能技术在(zài)军事领域的(de)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战场复杂环境交织，衍生出多重安全隐患，挑战传统战争法(fǎ)原则，也对国际安全秩序构成系统性冲击。 算法决策的局限性在实战中集中表现为目标识别(shíbié)偏差。基于历史数据训练(xùnliàn)的模型，在面对复杂社会场景时，极易因数据样本的片面性产生(chǎnshēng)认知盲区。如2021年8月，美军MQ-9无人机在喀布尔误击民用(mínyòng)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。 自主武器系统(xìtǒng)的环境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(zhōng)的多源数据融合能力存在缺陷，仅(jǐn)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，导致在无明确军事特征(tèzhēng)目标的判定中出现系统性偏差。 人工智能(réngōngzhìnéng)对战场感知与精确打击的赋能，正动摇以核威慑为核心的传统战略稳定框架。《不确定性下(xià)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(héguójiā)凭借AI驱动的常规技术(jìshù)获得穿透性打击能力时，核大国的核打击能力将不再(bùzài)绝对可靠。例如，通过整合机器学习与多源传感器数据(shùjù)，AI系统可将机动导弹发射器与核潜艇的定位精度提升至米级。而AI驱动的“协同式态势感知”，正使非核国家能够(nénggòu)构建“发现即摧毁”的常规打击闭环(bìhuán)：通过无人机蜂群实时监测敌方机动核力量动向，依托高超音速(gāochāoyīnsù)导弹实施快速精准打击。 进攻方A国可利用(lìyòng)AI提升侦察精度，但(dàn)防御方B国更熟悉自身核系统的(de)(de)弱点，能够通过主动对抗措施（如电磁干扰、假目标生成）与被动伪装技术（如动态路由规划、多模态(mótài)信号欺骗）等，将AI侦察的有效识别率降低。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都可能引发安全困境的螺旋升级，这对于每(měi)一个主要大国都是重大战略环境的改变。 人工智能军事应用的快速(kuàisù)发展与全球安全治理的滞后性(zhìhòuxìng)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。 大国缺乏战略互信：治理框架的价值分歧与(yǔ)集团博弈。 在人工智能军事应用的全球治理(zhìlǐ)体系构建中，主要大国的战略目标差异构成(gòuchéng)根本性障碍。 美国的(de)治理框架(kuāngjià)带有(dàiyǒu)明显的地缘政治意图(yìtú)，实质是将人工智能军事化纳入西方安全同盟体系。2024年“奥库斯(kùsī)”联盟测试的AI驱动无人机协同作战系统，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“技术霸权主义”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(kuāngjià)在人工智能军事应用领域(yìngyònglǐngyù)的适用性争议(zhēngyì)，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）谈判持续多年没有成果。 技术霸权与(yǔ)(yǔ)规则赤字形成恶性循环。北约(běiyuē)2024年更新的《人工智能战略》，将“跨大西洋技术标准”凌驾于联合国规则之上，要求成员国优先采用西方主导的算法透明度评估体系(tǐxì)。这(zhè)种“机制替代”策略削弱了(le)CCW的权威性，导致“禁止杀手机器人(jīqìrén)”运动等民间倡议与政府间谈判严重脱节。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的风险极高，但一些国家的军方似乎仍在不断放松(fàngsōng)对使用此类武器的地点及攻击对象的限制(xiànzhì)。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(ānquán)化”与“技术化(jìshùhuà)”失衡(shīhéng)。当美国将(jiāng)人工智能军事化纳入“印太战略”，将其他国家视为其假想敌和对手，多边治理平台就沦为地缘竞争的角力场。2024年(nián)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而难以落地，而“严格限制AI军事用途”的核心诉求在美西方双重标准下沦为空谈。 问责机制面临缺失：法律空白与(yǔ)执行困境的叠加效应。 人工智能军事(jūnshì)应用(yìngyòng)的技术(jìshù)特性，使传统国际法中的责任归属原则遭遇(zāoyù)系统性挑战(tiǎozhàn)。《罗马规约》第28条确立的“指挥官责任”，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”为由免除操作员责任，暴露“技术黑箱”对责任链的切割效应。 合规性评估机制的缺失加剧风险敞口。根据卡内基(kǎnèijī)国际和平基金会2024年报告，全球现役的32种AI武器系统中，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(chōngtū)中的使用(shǐyòng)，暴露出“技术出口国与使用国责任分离”的漏洞。而(ér)现有《武器贸易条约》甚至(shènzhì)未将无人机乃至自主AI系统纳入管制清单。 更深层的(de)挑战(tiǎozhàn)在于“人机关系”的法律定位模糊。美军“马赛克战”体系中的AI决策节点已实现(shíxiàn)“战术级自主”，人类指挥官仅保留“战略否决权”，责任主体虚化。 当前人工智能军事(jūnshì)应用的(de)治理困境，本质上是工业时代的国际(guójì)治理体系与(yǔ)数字时代技术革命的错配。人工智能军事应用与全球(quánqiú)治理，更需要全球安全秩序从“权力制衡”向“规则共建”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。 （作者为中国现代国际关系研究院科技与网络安全(wǎngluòānquán)研究所副研究员） （《瞭望》2025年第(dì)21期 ）