2024 年国防领域的 10 项新兴技术

1. 人工智能加速器芯片

定义： AI 加速器芯片（“AI 芯片”）是专门的微电子硬件设备，可加快和优化 AI/机器学习（ML）软件模型的处理速度。虽然这种功能对于运行大型语言模型等云/数据中心应用至关重要，但对于边缘人工智能尤为关键。在此，我们将重点分析超越 GPU 的架构。

技术：人工智能芯片有多种类型，通常需要在能效/速度和可运行模型的灵活性之间做出权衡。随着芯片晶体管的物理尺寸达到极限和摩尔定律的放缓，其他技术--特别是定制冯-诺依曼和非冯-诺依曼应用专用集成电路（ASIC）以及芯片内光子数据传输--正经历着创新的复兴，并将彻底改变人工智能行业。

战略洞察：人工智能的发展速度可能取决于新的芯片材料和设计。此外，面对日益紧张的地缘政治局势--台湾半导体制造公司（TSMC）生产着世界上大部分的人工智能芯片--美国《创造有利于半导体生产的激励机制（CHIPS）和科学法案》是恢复美国在半导体领域领导地位的关键举措。国防部利用该法案和其他法案提供的资金，研发下一代设备，以提高战术决策能力和军事应变能力。

未来：在短期内，边缘应用可能会发生重大变革，如无人机系统（UAS）上的高保真计算机视觉（CV）或头戴式显示器中使用自然语言处理（NLP）的实时翻译。最终，随着芯片变得越来越 “类脑”，其能力将开始与人脑相媲美，甚至像大型语言模型（LLM）这样的高度复杂模型有朝一日也能在低尺寸、重量和功耗（SWaP）设备上运行。

深度学习模型的灵活性与执行操作的效率之间的权衡。

2. 替代定位、导航和计时

定义：替代定位、导航和授时（alt-PNT）是指在必要时用来补充、加强甚至取代全球定位系统（GPS）进行地理定位和授时的一整套技术。

技术：支持辅助 PNT 的技术套件主要包括惯性、视觉、低地球轨道 (LEO) 卫星、地面射频 (RF) 和基于环境/地球物理的 PNT。虽然自 20 世纪 90 年代以来，已经有几种辅助 PNT 解决方案可供使用和部署，但目前出现了新一轮创新浪潮，其中大部分得益于原子钟的进步和低地球轨道卫星的部署。

战略洞察：对 GPS 卫星的威胁甚至直接攻击正在增加。众所周知，美国的对手有能力使 GPS 失效，这可能导致军事行动瘫痪和商业活动受阻。即便如此，美国政府问责局（GAO）仍披露，美国国防部仍严重依赖 GPS，这种依赖性是一个令人担忧的国家安全漏洞。

未来：理想情况下，未来的导航系统将嵌入多种可单独或串联使用的另类 PNT 模式，这取决于需求和环境，或许还能利用多模式人工智能（MMAI）融合技术（见下文第 7 项）。

描述了更好的定时要素如何对 GPS 信号被屏蔽条件下的任务产生积极影响。

3. 自主蜂群

定义：自主机器人群是受自组织、非等级生物系统启发，作为一个有凝聚力的单位执行任务的自主机器人群。蜂群在国防领域的应用包括收集情报、监控基础设施、维护周边安全，以及在战场上攻击目标或提供动能效应。

技术：蜂群中的单位使用人工智能 “飞行员”，与人类、蜂群中的其他单位和非蜂群系统进行通信，以做出决策、优化角色和执行任务；即使多个智能体出现故障，冗余和容错功能也能确保任务成功。机载人工智能模型可帮助蜂群适应不断变化的条件，随着时间的推移优化任务分配和行为，并做出集体决策。

战略洞察：自主蜂群可使规模相对较小的军队或团队发挥更大的威力。国防部于 2023 年秋季宣布的小型无人机采购计划 Replicator 是一项强制功能，旨在加快蜂群人工智能飞行员、可扩展且经济实惠的硬件平台以及安全供应链的开发和采购进度。

未来：自主蜂群既可用于致命应用，也可用于非致命应用。这些应用既包括自主蜂群 “斗狗 ”和对军事人员、装备和车辆的动能攻击，也包括对情报、监视和侦察、通信和电子战以及后勤等学科的增强。蜂群硬件和软件的模块化、可穿戴性和平台无关性将使其能够顺利过渡到新的使用案例，包括针对敌人的反蜂群。

无人机群指挥与控制（C2）方法。未来的系统将越来越多地使用半自主和自主的分散式架构。

4. 生成式人工智能软件开发

定义：生成式人工智能软件开发是指任何利用生成式人工智能提高编码效率的工具，包括代码生成、代码补全、代码文档、遗留代码转换以及软件测试和调试。

技术：生成式人工智能软件开发解决方案通常使用 LLM 生成代码和软件开发的其他核心内容。

战略洞察：由于对底层技术缺乏信任和可靠性，国防部门对人工智能软件开发工具的使用有限。不过，国防部和其他联邦机构正在积极探索集成生成式编码技术的方法，特别是考虑到 2023 年关于安全、可靠和可信的人工智能开发和使用的行政命令，该命令为美国联邦机构提供了一个开发和实施框架。

未来：随着生成式编码工具的发展，该技术将能够处理更多的实际编码过程，让人类专注于软件的设计和逻辑，而不是编程语法。

描述了使用生成式人工智能编码工具进行训练和软件开发的过程。

5. 高密度储能

定义：高密度储能（HDES）是指与当今能源系统相比，能量重量比和能量体积比更高的一系列技术。HDES 系统能以相对较小和较轻的外形尺寸储存大量能量，从而为从便携式电子设备到电动汽车等各种应用提供更高效、更持久的电力。

技术：硅负极（SiA）化学的最新进展表明，在未来一到三年内，硅负极的能量密度和效率将大大高于石墨锂离子技术。固态电池（SSB）也具有提高电流阈值的潜力，但需要更长的时间。

战略洞察：从供应链物流到基地和通信作业，再到支持战场上的作战人员，HDES 是各种任务不可或缺的一部分。目前，国防部对传统电池的使用造成了瓶颈和运行效率低下。

未来：不久的将来，电动系统将以嵌入式 SiA 锂离子电池和 SSB 为特征。从长远来看，氢电池最有发展潜力，但其广泛采用和全面使用的时间估计在 10 到 20 年之间。

技术就绪程度与能量密度（Wh/kg）或可储存功率之间的关系。

6. 超音速

定义：高超音速推进是指物体的飞行速度超过 5 马赫（音速的五倍）。更广义地说，今天的 “高超音速 ”也可指可测试和生产达到这种速度的飞行器和武器的技术。

技术：美国军方目前正在研发两类高超音速武器：配备喷气式喷气发动机（或称 “scramjet”）的巡航导弹，以及发射升空后高速滑向目标的滑翔飞行器。建模和仿真等数字技术的进步使高超音速研发成本更低，并缩短了创新和推广的路径。

战略洞察：美国与其对手之间的物理距离很远。因此，能够高速攻击的远程高超音速武器将成为美国及其对手武器库的关键组成部分。

未来：高超音速技术将从根本上缩小地球。如果高超音速技术在更遥远的未来得到妥善利用，美国将能在数小时内威慑威胁并在全球范围内运输资源。

高超音速武器两种主要飞行模式的区别。

7. 多模态人工智能

定义：多模态人工智能（MMAI）模型可以摄取和/或输出一种以上的数据类型。这里我们重点讨论输入的多模态融合。

技术：深度神经网络正在接受训练，以理解不同类型数据之间的关系。多模态作为一个概念并不新鲜。然而，随着当今获取不同数据和组合算法的能力不断提高，融合技术正越来越广泛地用于训练人工智能模型，以完成多种数据类型的任务，如推荐系统、语言理解、图像生成和最先进的生物识别技术。

战略洞察：五角大楼的主要业务是将不同类型的情报融合到为决策提供信息的输出中，而能够实现这一点的多模态模型将需求量很大。国防部创新部门的初步努力表明，MMAI 在情报汇总、人类行为预测、深度伪造检测和预测性维护方面具有重要作用。

未来：多模态算法是高性能、可信赖的人工智能的基础--每个后果模型都将尽可能多地纳入相关数据类型，以实现自动分析。MMAI 也被认为是迈向未来人工智能（AGI）的一步，从理论上讲，它将使算法能够自主学习、理解和执行各种任务。

用于尝试识别深度伪造视频的模型的简化、假设的 MMAI 架构。

8. 非动能反无人机系统

定义：非动能反无人机系统是反无人机系统（c-UAS）的一个分支，重点是利用射频干扰、网络接管或定向能等效应器使中小型无人机威胁失效。

技术：目前，射频干扰和网络接管可破坏操作员和无人机系统之间的通信，因此对打击商用现成系统至关重要。对于更先进的威胁，定向能将是首选的效应器。C2 可能是最紧迫的技术挑战--为了使 c-UAS 能够有效对抗各种威胁，需要对多种效应器进行分层，并在很大程度上实现自动化。

战略洞察：对美国而言，c-UAS 技术的首要威胁是自主无人机和蜂群技术的发展。美国联合反小型无人机系统办公室（JCO）在 2023 年用于 c-UAS 研究和采购的费用超过 7 亿美元。最近的声明表明，非动能效应器可能是消除这些新兴蜂群威胁的首选。

未来：随着无人机在社会和战场上的普及，未来的 c-UAS 将以人工智能驱动的 C2 系统为特征，该系统可融合传感器数据、快速识别新型威胁，并在人工监督下自动做出最佳响应。

HMP 和 HEL 定向能系统在行动中的描述。HMP 系统可能是应对自主蜂群威胁的首选。

9. 后量子密码学

定义：后量子密码学（PQC）是指用于为个人、组织和政府的私人通信加密的数学算法，这些算法被认为可以安全地抵御当前和未来量子计算机的攻击。

技术： PQC 基于复杂的数学模型，目前尚无已知的量子捷径。美国国家标准与技术研究院（NIST）正在对这些模型进行标准化，供政府和行业使用，同时还倡导建立一个加密敏捷性框架，或者说，如果工作中的加密算法遭到破坏，可以轻松地更换加密算法。2024 年 8 月，NIST 发布了四个标准化 PQC 协议中的三个。

战略洞察：安全数据和通信是国家安全和经济繁荣的基石。时间紧迫，因为美国的对手已经在收集国家数据，希望在未来用量子计算机解密。此外，过渡到 PQC 预计至少需要十年时间，考虑到量子计算的发展速度，各组织必须立即行动起来。

未来：未来，加密灵活性将是适应新出现漏洞的关键，混合加密协议也可能提高弹性。只有时间才能证明现有的 PQC 算法是否能安全对抗量子计算机，但可能需要不断创新模型。