同胞·同袍：跨越海峡的抗战记忆

◇从自主化武器的(de)集群协同到(dào)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) ◇这是美国开放人工智能研究中心（OpenAI）首次向军事领域开放技术，标志着生成式(shēngchéngshì)AI从民用场景向国防安全的跨界(kuàjiè)应用 ◇人工智能技术在军事领域的深度渗透带来作战(zuòzhàn)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(bùjǐn)挑战传统战争法原则，更对国际(guójì)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(xiānmíng)矛盾，国际社会在规则构建、机制协调(xiétiáo)与责任界定等核心议题上陷入(xiànrù)多重困境 美国海军(hǎijūn)一架电子战飞机在美国加利福尼亚州南部的圣迭戈(shèngdiégē)附近海域坠毁，参与打捞坠毁飞机的小艇在海面(hǎimiàn)作业（2025 年 2 月 15 日摄）新华社 / 路透 在全球科技革命与军事变革深度融合的(de)(de)进程中，人工智能(réngōngzhìnéng)（AI）正以革命性力量重塑战争形态(xíngtài)。从自主化武器的体系化协同到多域防御系统的智能响应，从全链条后勤的精准调控到沉浸(chénjìn)式训练场景的构建，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(de)安全风险与治理困境(kùnjìng)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，而相关全球治理体系陷入机制性停滞。如何在释放(shìfàng)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(de)速度重塑军事领域的作战模式与(yǔ)保障体系，其应用已渗透(shèntòu)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军事领域。 从(cóng)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到沉浸式训练的场景重构(zhònggòu)，人工智能正推动军事变革进入“算法驱动战争(zhànzhēng)”的新阶段。 自主化武器：从单一平台到(dào)体系协同的智能化跃升。 在自主化武器发展中，美军无人(wúrén)艇蜂群(fēngqún)技术展现出分布式协同作战的潜力。2025年4月，美国海军宣布成功演示(yǎnshì)八艘小型无人水面航行器，这些航行器由(yóu)海军先进的“利维坦”软件包驱动，将传统需40人操控的流程(liúchéng)压缩至1人监控。“利维坦”包括自主基线(jīxiàn)库、通用控制系统、自动目标识别和感知工具。其中(qízhōng)，自主基线库是首个符合美国海军无人海事自主架构(jiàgòu)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(hángyè)参与。这些航行器还可与美濒海战斗舰任务模块无缝协同，标志着无人平台融入作战舰队的进程迈出了重要一步。 波士顿动力公司(gōngsī)四足(sìzú)机器人“大狗”的演进则体现了强化学习在复杂地形机动中(zhōng)的军事应用。在美国国防部高级研究(yánjiū)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“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(shāndì)补给。 DARPA空战(zhàn)演进计划聚焦人机(rénjī)协同的空中(kōngzhōng)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(wǔqì)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为“有人-无人”异构网络系统，为未来空战的“人在(zài)回路”控制模式奠定技术基础。 自动化(zìdònghuà)防御：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）与安杜里尔的(de)合作开创了(le)大模型技术在动态威胁处理中的新路径。2024年12月(yuè)，美国防科技公司安杜里尔宣布其部署的晶格（Lattice）软件平台将集成GPT-4o等先进模型，实现(shíxiàn)对无人机群的实时发现(fāxiàn)与打击。这是OpenAI首次向军事领域开放技术，标志着生成式(shēngchéngshì)AI从民用(mínyòng)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2亿美元的反无人机系统研发合同。 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在复杂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(gāochāoyīnsù)导弹拦截场景中决策时间(shíjiān)压缩(yāsuō)至毫秒级。 末端(mòduān)高空区域(qūyù)防御系统（萨德）6.0版本通过弹道轨迹深度学习模型(móxíng)，将来袭导弹的跟踪准确率提升至92%。该系统融合雷达(léidá)数据与卫星情报，构建了覆盖战略、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(de)(de)(de)AIP平台(píngtái)构建了多源情报融合的智能中枢(zhōngshū)，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(xíngdòng)方案并进行作战总结。它支持识别敌方单位(dānwèi)、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，AIP还帮助构建、标记和准备国防(guófáng)数据，以在所有分类级别进行AI训练和开发。 攀登人工智能公司（ScaleAI）的多诺万（Donovan）平台专注于情报报告的自动化(huà)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(zhēnduì)军事术语进行优化，可准确识别冲突区域的兵力(bīnglì)部署与装备动向(dòngxiàng)。该平台已在美军(měijūn)第十八空降军部署。 DARPA“心眼(xīnyǎn)”项目突破传统(chuántǒng)计算机视觉的静态识别(shíbié)局限，构建了(le)动态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(zhīchēng)。其成果已融入多域指挥控制系统。 后勤管理：全(quán)链条资源的精准化智能调控。 在装备维护领域，洛克希德·马丁为C-130J运输机(yùnshūjī)构建的预测性维护系统，通过600个传感器实时采集发动机振动、液压压力等数据，实现135类故障的提前预警，维护成本下降22%。该系统采用数字孪生技术模拟极端(jíduān)环境对部件寿命的影响(yǐngxiǎng)，已从运输机扩展(kuòzhǎn)至AC-130炮艇(pàotǐng)机与EC-130电子战机队。 美国空军(měiguókōngjūn)熊猫（PANDA）系统将人工智能嵌入“基于状态的维护”框架，通过分析F-35战斗机的传感器数据，生成预测性(yùcèxìng)维护建议，实现从定期维护向视情维护的模式转变(zhuǎnbiàn)。该系统构建了跨(kuà)机型、跨地域的统一维护平台，使装备完好率(wánhǎolǜ)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(réngōngzhìnéng)集成计划通过兵棋推演建模，优化舰艇零部件库存(kùcún)与全球供应链调配。该系统基于历史消耗数据与实时任务需求，动态调整维修备件储备，将关键部件缺货率降低30%，同时通过强化学习(xuéxí)算法模拟不同(bùtóng)补给(bǔjǐ)策略的效能，为航母战斗群的远洋部署提供决策支持。 训练模拟(mónǐ)：沉浸式场景构建与个性化能力生成。 美国陆军“合成训练环境”通过融合虚拟现实与(yǔ)增强现实技术，构建了全(quán)地形交互式训练场景。该系统(xìtǒng)集成综合视觉(shìjué)增强系统护目镜传感器，实时跟踪士兵心率、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(yīngjīfǎnyìng)，提升训练效果。标志性项目“下一代班组武器”训练模块，已实现实弹射击与虚拟目标的无缝融合，大幅降低实装(shízhuāng)训练成本。 微软推动DALL-E图像(túxiàng)生成技术在军事训练中的应用，为战斗管理系统提供低成本数据增强方案。通过生成高逼真度的战场图像，训练算法可覆盖绝大多数(juédàduōshù)极端场景。该技术已应用于无人机目标(mùbiāo)识别系统，使复杂背景下的目标检测(jiǎncè)准确率提升，为智能武器系统实战化部署(bùshǔ)提供了数据支撑。 人工智能技术在军事领域的深度渗透虽带来作战效能(xiàonéng)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(chuántǒng)战争法原则，也对(duì)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偏差。基于历史数据训练的模型，在面对复杂社会(shèhuì)场景时，极易因数据样本的片面性产生认知盲区。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(sǐwáng)（含7名儿童），事后调查显示无人机影像(yǐngxiàng)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(wǔqì)系统的环境适应性不足也是误判的重要诱因。当前AI系统在动态场景中的多源数据融合能力(nénglì)存在缺陷(quēxiàn)，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(wú)明确军事特征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(zhèng)动摇以核威慑为核心的传统战略稳定(wěndìng)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(qūdòng)的常规技术获得穿透性打击能力时，核大国的核打击能力将不再绝对可靠。例如，通过(tōngguò)整合机器学习与多源传感器数据(shùjù)，AI系统可将机动(jīdòng)(jīdòng)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”，正使非核国家能够构建“发现即摧毁(cuīhuǐ)”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，依托高超音速导弹实施快速精准打击。 进攻方(jìngōngfāng)A国可利用AI提升侦察精度，但防御方B国更熟悉(shúxī)自身核系统的弱点，能够通过主动对抗措施（如电磁干扰、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(jiāng)AI侦察的有效识别率降低。当常规技术进步不断压缩(yāsuō)核威慑的战略空间时，任何一方(rènhéyīfāng)的技术突破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。 人工智能军事应用的快速(kuàisù)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(jīzhì)协调与责任界定等核心议题上陷入多重困境。 大国缺乏战略互信：治理框架的价值分歧与集团博弈(bóyì)。 在人工智能军事应用的(de)全球治理体系(tǐxì)构建中，主要大国的战略目标差异构成根本性障碍。 美国的(de)治理框架带有明显的地缘政治意图(yìtú)，实质(shízhì)是将人工智能军事化纳入西方安全同盟体系。2024年“奥库斯”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(děng)多边平台，通过封闭性技术合作强化(qiánghuà)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。 多边进程陷入停滞：机制低效与规则真空的(de)双重困境。 现有国际法律框架在人工智能军事应用领域的适用性争议，导致多边治理机制陷入功能(gōngnéng)瘫痪。《特定常规武器(wǔqì)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(chéngguǒ)。 技术霸权与规则赤字形成恶性循环。北约2024年更新的(de)《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。这种(zhèzhǒng)“机制替代”策略(cèlüè)削弱了CCW的权威性，导致“禁止杀手机器人”运动等民间(mínjiān)倡议与政府间谈判(tánpàn)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(duì)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对使用此类武器的地点(dìdiǎn)及攻击对象的限制。这使得陷入最新地区冲突(dìqūchōngtū)中的国家或区域有成为AI武器“试验场(shìyànchǎng)”的趋势。 更深刻的矛盾在于(zàiyú)治理议题的“安全化”与“技术化”失衡。当美(měi)国将人工智能(réngōngzhìnéng)军事化纳入“印太(yìntài)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，“设立国际科学顾问委员会”“建立全球数据框架(kuāngjià)”等技术性措施因缺乏政治共识而难以(nányǐ)落地，而“严格(yángé)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：法律空白与执行困境的叠加(diéjiā)效应。 人工智能军事应用的(de)(de)技术特性，使传统国际法中的责任归属原则遭遇系统性(xìtǒngxìng)挑战。《罗马规约》第28条确立(quèlì)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(rèndìng)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(hépíng)基金会2024年(nián)报告，全球现役的32种(zhǒng)AI武器系统中，仅7种接受过第三方伦理审查，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“技术出口国与使用国责任分离”的漏洞(lòudòng)。而现有《武器贸易条约(tiáoyuē)》甚至未将无人机乃至自主AI系统纳入管制清单。 更深层的挑战在于“人机关系(guānxì)”的法律定位模糊。美军“马赛克战”体系中的AI决策(juécè)节点已实现“战术级(jí)自主”，人类指挥官仅保留“战略否决权”，责任主体虚化。 当前人工智能军事应用的治理(zhìlǐ)困境，本质上是工业时代的国际治理体系与数字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(cóng)“权力制衡(zhìhéng)”向“规则共建”的范式转换。唯有摒弃“技术霸权”与“零和思维(sīwéi)”，回归(huíguī)《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研究所副研究员(fùyánjiūyuán)） （《瞭望》2025年第21期(qī) ）