同胞·同袍：跨越海峡的抗战记忆

◇从自主化武器的(de)集群协同到智能化(zhìnénghuà)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(chǎngjǐng)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 ◇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AI从民用场景(chǎngjǐng)向国防(guófáng)安全的跨界应用 ◇人工智能技术在军事领域的深度(shēndù)渗透(shèntòu)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(yǎnshēng)出多重安全隐患，不仅挑战传统战争法原则，更对国际安全秩序构成系统性冲击 ◇人工智能军事(jūnshì)应用的快速发展与全球安全治理的滞后性形成鲜明矛盾，国际社会在规则构建、机制协调与责任界定(jièdìng)等核心(héxīn)议题上陷入多重困境 美国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(fùjìn)海域坠毁，参与打捞坠毁飞机的小艇在海面作业（2025 年(nián) 2 月 15 日摄）新华社(xīnhuáshè) / 路透 在全球科技革命与军事变革深度融合的(de)进程(jìnchéng)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(xiǎngyìng)，从全链条后勤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(yǐ)形成覆盖(fùgài)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(ānquán)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，传统战略稳定框架遭到动摇(dòngyáo)，而相关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，成为人工智能时代(shídài)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(yǔ)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(hòuqín)管理及训练(xùnliàn)模拟等核心军事领域。 从自主化武器的集群协同(xiétóng)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(zhèng)推动军事变革进入“算法驱动战争”的新阶段。 自主化武器：从单一平台到体系协同(xiétóng)的智能化跃升。 在自主化武器发展中，美军无人艇蜂群技术展现出(zhǎnxiànchū)分布式协同(xiétóng)作战的潜力。2025年4月，美国海军宣布成功演示八艘(bāsōu)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(qūdòng)，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(jīxiàn)库、通用(tōngyòng)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(hǎishì)自主架构6.0标准的完全开放架构自主软件，可灵活调整(tiáozhěng)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。 波士顿动力公司四足机器人“大狗”的演进则体现了强化学习在复杂地形机动中的军事应用(yìngyòng)。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(lìtǐ)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(bànsuí)步兵班组(bānzǔ)实施山地补给。 DARPA空战演进计划聚焦人机协同的(de)空中缠斗场景，构建了层级化(huà)自主(zìzhǔ)系统框架：人类负责制定总体交战策略与目标(mùbiāo)优先级，AI系统执行战术机动与武器交战细节。该计划通过“马赛克战”理念，将传统单一平台杀伤链转化为“有人-无人(wúrén)”异构网络系统，为未来空战的“人在回路”控制模式奠定技术基础。 自动化防御：多域(duōyù)威胁的实时感知与智能响应。 在反(fǎn)无人机领域，美(měi)国开放人工智能研究中心（OpenAI）与安杜里尔的合作(hézuò)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(měiguó)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(xiānjìn)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(chǎngjǐng)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(mǎdīng)对“宙斯盾”系统的智能化升级，展现了(le)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(duōgè)目标，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压缩至毫秒(háomiǎo)级。 末端高空区域(qūyù)防御系统（萨德(sàdé)）6.0版本通过弹道轨迹深度学习模型，将来袭导弹的跟踪准确率(zhǔnquèlǜ)提升至92%。该系统融合雷达数据与卫星情报，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：从数据处理(shùjùchǔlǐ)到认知决策的范式转型。 美国帕兰提尔（Palantir）公司的AIP平台(píngtái)构建了多源情报融合的智能中枢，通过集成大型语言(yǔyán)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作战总结。它支持(zhīchí)识别敌方单位、请求(qǐngqiú)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(shǐ)AI能够将决策与操作系统同步，确保AI编写(biānxiě)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，以在所有(suǒyǒu)分类级别进行AI训练和开发(kāifā)。 攀登人工智能公司（ScaleAI）的多诺万(duōnuòwàn)（Donovan）平台专注于情报报告的自动化处理，通过强化学习从(cóng)海量文档中(zhōng)提取关键信息。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(móxíng)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(bùshǔ)与装备动向。该平台已(yǐ)在美军第十八空降军部署。 DARPA“心眼(xīnyǎn)”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(zhǔnquèlǜ)达78%，为后续(hòuxù)“马赛克战”的战场态势预测(yùcè)提供了关键技术支撑。其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(jīngzhǔn)化智能调控。 在装备维护(wéihù)领域，洛克希德(luòkèxīdé)·马丁为C-130J运输机(yùnshūjī)构建(gòujiàn)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“基于状态的维护”框架，通过分析F-35战斗机(zhàndòujī)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转变。该系统构建了跨机型、跨地域的统一(tǒngyī)维护平台，使装备完好率显著(xiǎnzhù)提升，成为全球最大规模的军事装备(jūnshìzhuāngbèi)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(tuīyǎn)建模，优化舰艇零部件库存与(yǔ)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(bèijiàn)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(tígōng)决策支持。 训练模拟：沉浸式场景构建与个性化能力生成(shēngchéng)。 美国陆军“合成训练(xùnliàn)(xùnliàn)(xùnliàn)环境”通过融合虚拟现实与增强现实技术，构建了全(quán)地形交互式训练场景。该系统(xìtǒng)集成综合(zōnghé)视觉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，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，大幅降低实装训练成本。 微软推动DALL-E图像(túxiàng)生成技术(jìshù)在军事训练中的应用，为战斗管理系统提供低成本数据(shùjù)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(chǎngjǐng)。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(jiǎncè)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(fùzá)环境交织，衍生出多重安全隐患，挑战(tiǎozhàn)传统战争法原则，也对国际安全秩序构成系统性冲击。 算法(suànfǎ)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(wúrénjī)在喀布尔(kābùěr)误击(wùjī)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民用物品(wùpǐn)还是武器。 自主武器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(zài)动态场景中的多源(duōyuán)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(dǎozhì)在无明确军事特征目标的判定中出现系统性(xìtǒngxìng)偏差。 人工智能对战场感知与(yǔ)精确打击的(de)赋能，正动摇以核威慑为核心的传统战略(zhànlüè)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(shēncéng)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，通过整合机器学习与多源传感器(chuángǎnqì)数据，AI系统(xìtǒng)可将机动导弹发射器与核潜艇的定位精度提升(tíshēng)至米级。而AI驱动的“协同式态势感知”，正使(zhèngshǐ)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，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国更熟悉自身核系统的(de)弱点，能够通过主动对抗措施（如电磁干扰、假目标(mùbiāo)生成）与被动伪装技术（如动态路由规划、多模态信号(xìnhào)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(bùduàn)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发展(fāzhǎn)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(gòujiàn)、机制协调与责任界定等核心议题上陷入多重困境。 大国(dàguó)缺乏战略互信：治理框架的价值分歧与集团博弈。 在人工智能军事应用(yìngyòng)的全球治理体系构建中(zhōng)，主要大国的战略目标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(zhèngzhì)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“奥库斯”联盟测试的AI驱动(qūdòng)无人机协同作战系统，更是绕过联合国等多边平台，通过(tōngguò)封闭性技术(jìshù)合作强化小圈子军事优势。这种“技术霸权主义(bàquánzhǔyì)”遭到发展中国家普遍反对。 多边进程陷入停滞：机制(jīzhì)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(gōngyuē)》（CCW）框架下的致命性自主武器系统（LAWS）谈判持续多年(duōnián)没有成果。 技术霸权与规则赤字形成恶性循环。北约2024年更新的(de)(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(yōuxiān)采用西方主导的算法透明度评估体系。这种“机制替代(tìdài)”策略削弱了CCW的权威性，导致“禁止杀手机器人”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(wǔqì)系统对(duì)受武装冲突影响民众造成(zàochéng)伤害的风险(fēngxiǎn)极高，但一些国家(guójiā)的军方似乎仍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(de)矛盾在于治理议题的“安全化”与“技术化”失衡。当美国将(jiāng)人工智能军事(jūnshì)化纳入“印太战略(zhànlüè)”，将其他国家视为(shìwèi)其假想敌和对手，多边治理平台就沦为地缘(dìyuán)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：法律空白与执行困境的叠加(diéjiā)效应。 人工智能军事应用的技术特性，使传统国际法中的责任(zérèn)(zérèn)归属原则遭遇系统性挑战。《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(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(wèi)由(yóu)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。根据卡内基国(guó)际和平基金会2024年报告，全球(quánqiú)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(shěnchá)，且审查标准由研发国自行制定。土耳其“旗手”TB2无人机在(zài)纳卡冲突中的使用，暴露出“技术(jìshù)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系统纳入管制清单。 更深层的(de)挑战在于“人机关系”的法律(fǎlǜ)定位模糊。美军“马赛克战”体系中的AI决策节点已实现“战术(zhànshù)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(réngōngzhìnéng)军事应用(yìngyòng)的治理困境，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(cuòpèi)。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“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(jítǐ)安全理念，才能为人工智能划定文明发展(fāzhǎn)的轨道。 （作者为中国现代国际关系(guānxì)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 ）