2024年军事智能领域科技发展综述

来源：战术导弹技术 作者：王亚珅 方勇 张尚志 刘馨竹 欧阳小叶 杜蓉 陈浩

摘 要人工智能技术作为推动现代战争向智能化战争转型的重要变量，正在深刻改变战争形态和方式。梳理和总结了2024年人工智能技术在军事智能领域的最新科技进展。综述表明：美、欧在持续加强人工智能顶层设计、研发投入、机构改革的同时，开始逐渐从安全、成本等角度审视和调整相关人工智能战略；生成式智能、群体智能、人机混合智能、具身智能等人工智能技术在军事领域保持较高发展热度，并产出众多里程碑式成果，引领智能无人平台自主感知与跨域协同的军事智能技术发展趋势；同时，世界主要军事强国正快速将军事智能广泛应用于陆战、海战、空战等多作战域；未来，类人化数理与因果逻辑推理、全局和本地协同化模型训练、边缘侧低资源模型部署与推理、大小模型弹性融合实施等，将成为军事智能技术的重要发展方向。 关键词人工智能；军事智能；生成式智能；群体智能；人机混合智能；具身智能

1 引 言****

近期，全球主要国家和国际组织在顶层战略规划、研发生产投入、机构组织架构等多个层面，对人工智能（Artificial Intelligence，AI）技术进行了系统性的、具有战略意义的全面布局。在军事领域，人工智能技术的迅猛发展正在重塑现代战争的基本形态，通过算法、数据和算力等要素的深度融合，为军事领域注入了颠覆性变革动能。作为军事智能化的核心驱动力，人工智能技术不仅重构了武器装备的认知决策链路，更在战略、战役、战术层面催生出全新的作战范式。因此，人工智能技术的发展深度，已关乎国家军事实力的代际跨越，成为大国军事竞争的战略制高点，成为当前国际关注焦点。以美国为例，10月，美国防信息系统局（Defense Information Systems Agency，DISA）公布了2025财年的年度技术观察清单，重点突出了DISA追求的特定技术能力，人工智能技术再次位居榜首，充分体现美军对人工智能赋能军事作战的重视程度。在此背景下，本文重点关注人工智能技术在军事智能领域的主要进展、剖析军事智能领域科技发展现状：在生成式智能、群体智能、人机混合智能、具身智能等军事科技创新领域，人工智能技术取得了革命性的发展，并在军事应用层面产生了深远的影响；此外，军事智能系统及装备在陆、海、空等核心作战域的列装与能力提升进程正加速推进，显著加快了作战手段及作战样式的现代化与智能化转型步伐，为国防和军事力量的整体升级提供了强有力的支撑。本文在对上述战略布局、技术发展、应用实践进行综述分析的基础上，进一步阐述了对军事智能技术未来发展趋势的展望，从而为加速人工智能技术驱动的新域新质作战力量培育与军事赋能进程提供了参考方向。

2 世界主要国家及国际组织高度重视人工智能技术研发的战略布局和顶层设计****

2.1　出台人工智能顶层战略规划，推动人工智能技术研发应用从风险和成本等角度，人工智能战略出现调整动向，更加审慎看待和推动人工智能技术发展与应用，强调安全、负责任地加速人工智能技术应用并扩展合作生态系统。7月，北约发布了修订后的《人工智能战略》，在2021年发布版本的基础上，重点补充了以生成式智能为代表的人工智能技术的最新进展，更加强调旨在以安全可控的方式加速北约内部人工智能技术的使用和军事能力生成。此外，本次修订还包括提高盟国内人工智能互操作性、将人工智能与其他颠覆性技术结合、加强创新合作以扩大北约人工智能生态系统等主要内容。8月，英国政府审视人工智能的成本问题并宣布考虑调整人工智能战略以应对成本挑战，正在筹划一项新的、旨在削减成本的人工智能战略。新战略将优先聚焦于公共部门采用人工智能技术，以提升效率并降低成本，而非直接对工业领域进行投资。美主要军兵种密集发布人工智能相关战略文件与路线图，用于指导各领域人工智能技术研发和应用方向。5月，美太空军发布《2024财年数据与人工智能战略行动计划（Data and AI Fiscal Year 2024 Strategic Action Plan）》，概述了在严峻环境下实施数据智能和人工智能以支持作战的统一举措。该战略重点聚焦于完善企业级数据与人工智能治理、优化和推进数据分析技术及人工智能技术的发展、强化政府、学术界、产业界及国际伙伴间的合作关系等方面的工作，以实现数据的可视化、可访问性、可理解性、可信度、互联性、互操作性及安全性。6月，美陆军宣布正致力于推进“数字工程战略”（Digital Engineering Strategy），旨在提升先进武器系统的开发速度、降低成本及减少风险。该战略涵盖确立数字工程的焦点领域、推动全军范围内的互操作性和战略实施、培育相关人才和专业知识等基本原则，美陆军已在其XM30机械化步兵战车的设计工作中使用了数字工程和人工智能相关技术。7月，美海军发布《美国海军陆战队人工智能战略（United States Marine Corps AI Strategy）》，用于指导部队在全方位工作流程中融合人工智能技术，确保海军陆战队走上一条与快速发展的人工智能领域保持同步的道路，被认为是海军陆战队追求数字化、现代化、智能化的一个重要里程碑。9月，美网络军公布了为期五年的人工智能发展路线图，旨在提升智能分析能力、扩大运营规模，并增强对敌对势力的破坏力。该路线图涵盖了百余项任务，其战略目的在于确保网络司令部在技术创新和网络防御领域保持领先地位。人工智能安全性问题备受重视，多项强调人工智能技术安全可控的指南发布，旨在提升人工智能系统的保密性、完整性和可用性。1月，五眼联盟成员国及德国、以色列、日本等11国共同制定并发布名为《参与人工智能（Engaging with AI）》的人工智能安全使用指南。该指南概述了在使用人工智能过程中常见的威胁（包括数据中毒、生成虚假信息等）以及网络安全防御措施，旨在指导政府、企业等组织更安全地使用人工智能系统。4月，美国国家安全局发布关于安全部署人工智能系统的新指南《安全部署人工智能系统：部署安全且有弹性的人工智能系统的最佳实践（Deploying AI Systems Securely：Best Practices for Deploying Secure and Resilient AI Systems）》，以支持和指导国家安全系统及国防工业基地公司部署和操作由外部实体设计并开发的人工智能系统。10月，美国政府首次对外公布了关于人工智能技术的国家安全备忘录，明确了国家标准与技术研究院（National Institute of Standards and Technology，NIST）下属的人工智能安全研究所将作为业界与美国政府之间的“主要联络点”。该备忘录的发布是响应美国总统一年前签署的人工智能行政命令的要求，填补了情报界在人工智能指导方面的关键空白。该备忘录的目标是确保美国在安全、可靠的人工智能开发领域维持全球领导地位，推动政府利用先进的人工智能技术加强国家安全保障，并促进国际共识与治理。人工芯片作为人工智能发展基石，成为重要战略资源。美国考虑推出新版芯片法案，夯实人工智能基础设施的同时，积极寻求恢复在先进半导体制造业的竞争力乃至领先地位。2月，美商务部表示，美国亟需在半导体制造方面继续投资以重拾全球领导地位，并满足人工智能技术的需求，因此可能需要《芯片与科学法案2.0（CHIPS and Science Act 2.0）》或某种持续的投资。新的投资和潜在的新芯片法案可能有助于美国建立新的芯片代工厂和半导体初创公司。除了满足对人工智能加速器不断增长的需求外，额外的资金还将使更多的公司能够使用人工智能算法和服务。

2.2　加大对引领现代科技前沿的人工智能重要研发领域的投资美参议院建议每年至少拨款320亿美元经费，以确保美国在关键技术领域的持续领先地位。5 月，美国两党参议院人工智能工作组发布《推动美国人工智能创新（Driving US Innovation in Artificial Intelligence）》报告，其中提出美国人工智能政策路线图。报告指出，美国政府应通过紧急拨款等手段，尽快达到美国人工智能国家安全委员会提出的投入水平：每年在非国防领域至少投入320亿美元，用于推动跨政府部门的人工智能技术与产品研发、支持基础科学研究，并对人工智能技术在先进制造、智能城市、合成化学及生物等领域的应用提供支持。除了人工智能资金，路线图还提出了其他一些政策优先事项，包括执行人工智能相关的现有法律，解决人工智能带来的国家安全风险，审查人工智能对选举安全的威胁，以及促进竞争。人工智能芯片领域依旧是投资热度最高的领域，各方强调提升先进芯片制造能力并降低供应链风险。5月，美国NIST一直认为数字孪生技术将有助于改变半导体行业，为此正在筹建一座新型的美国芯片制造研究所。该研究所将获得总额达2.85亿美元的财政拨款，致力于采用数字孪生技术，以加速推进下一代半导体在制造、封装、组装及测试流程中的研发与验证工作，降低生产成本，进而提升美国在芯片制造领域的国际竞争力。5月，美商务部已与先进半导体制造商Polar Semiconductor公司签署了一份初步条款备忘录。据此备忘录，政府将向该公司提供1.2亿美元的财政补贴，以支持在明尼苏达州建立一家独立的美国本土晶圆代工厂。该补贴项目是2022年8月生效的《芯片与科学法案（CHIPS and Science Act）》的组成部分，目的是将该公司在美国的传感器和功率芯片生产能力提升一倍。此举被认为旨在确保美国国内人工智能芯片供应的稳定性，强化供应链的韧性。其他国家方面，11月，德国宣布拟向半导体产业提供约20亿欧元的新一轮补贴，将用于支持10~15个半导体领域的项目（尤其是有助于在德国和欧洲建立强大且可持续的微电子生态系统的项目），涉及未加工晶圆的生产和微芯片的组装等。11月，日本宣布计划增拨99亿美元的特别预算，旨在推动下一代半导体等前沿科技领域的生产与研发工作。该追加预算分为两个主要部分：一部分用于支持下一代半导体及量子计算机的研发活动；另一部分则着重于促进国内先进半导体生产，此项补充预算案为日本总额达650亿美元的半导体产业支持计划的一部分。

2.3　设立专门组织机构，管控人工智能技术的研发与成果转化美国高度重视人工智能技术识别研判、转化过渡的效率以及监管力度，多部门密集成立指导人工智能技术发展的专项机构。3月，美国防部成立技术转型跟踪小组（Transition Tracking Action Group，TTAG），旨在使用基于人工智能和机器学习的数据分析技术，跟踪国防系统现场交付能力，提高国防部技术过渡过程的可见性和管理能力，加强从研发到部署的整个生命周期中对技术过渡的监督，以确保及时和具有成本效益地向军事人员交付最先进的系统和设备。此外，4月，基于美网络司令部制定的人工智能路线图，美网络司令部成立专门的人工智能特别工作组，旨在协助识别并全面应用具有潜力的人工智能技术。该工作组将集中精力在为网络作战部队提供人工智能作战能力、解决推动人工智能应用的政策和资源问题、对抗人工智能相关的威胁等主要方面。4月，美国土安全部成立人工智能安全保障委员会，旨在为美国关键基础设施中人工智能技术的安全可靠开发与部署提供咨询建议，服务对象包括关键基础设施社区、其他私营部门利益相关者以及公众。人工智能安全可信与治理被摆在突出位置，美成立首个专门的人工智能安全研究所联盟。2月，美商务部成立首个人工智能安全研究所联盟（AI Safety Institute Consortium，AISIC）。该联盟隶属于美国NIST，主要扮演人工智能开发人员和联盟机构之间的联络人角色，并为美总统拜登于2023年10月签署的《安全、稳定、可信的人工智能》行政令中概述的优先行动提供支持，包括制定红队、能力评估、风险管理、安全和安保以及为合成内容添加水印的指南。该联盟汇集了200多家处于人工智能领域处于领先地位的科技公司和非营利组织、大学和研究学术团队，包括谷歌、英伟达、美国银行、麻省理工学院、兰德公司等，该联盟代表了迄今建立的最大测试和评估团队集合，并将专注于为人工智能安全领域的新测量科学奠定基础。11月，美国NIST成立了全新的人工智能国家安全风险评估工作组“国家安全人工智能测试风险”（The Testing Risks of AI for National Security，TRAINS）。该工作组汇聚商务、能源、国防、国土安全、健康等领域主管部门，将在关键的安全领域协调研究和测试先进人工智能模型。欧盟方面，5月，欧盟委员会正式设立人工智能办公室，旨在推动人工智能的未来发展、部署与应用，以加强欧盟在安全可信的人工智能领域的领导地位。其主要职责包括保障《人工智能法案》的有效实施、与欧洲人工智能委员会等机构进行紧密合作、助力欧盟构建可信赖的人工智能创新生态系统等。

3 军事智能技术领域持续强劲发展态势并保持高位增速****

军事智能技术研究与应用正呈现出迅猛的发展态势，特别是在生成式智能、群体智能、人机混合智能、具身智能等关键技术领域（图1）。在这些领域内，军事智能不仅实现了显著的突破，而且已经取得了一系列重要研究成果，同时，这些成果在实战化能力验证中得到了充分体现。

▲ 图1 军事智能技术主要发展进展

3.1　生成式智能技术牵引多模态理解、通用任务推理等军事智能新质方向生成式智能，是指从已有的数据中学习并生成新的、具有战术或战略价值的信息、情报或模拟环境的智能技术，能够帮助作战人员预测敌方行为、生成伪装信号、模拟战场环境、创造新的战术方案等，从而提高军事行动的效率和成功率。1月，作为全球生成式智能领域“领头羊”的美国OpenAI公司更新了使用条款，不再明确禁止将其技术用于“军事和战争”，为生成式智能技术应用于“军事和战争”的行为披上合法的外衣，随后OpenAI公司承诺将向美国政府部门提供下一代模型早期访问权限，反映了全球围绕该技术的军备竞赛呈加剧趋势。在模拟验证方面，美国防部重视支持生成式智能研发的模拟验证建设，利马特别工作组计划启用全新实验环境。4月，美国防部负责生成式智能研发的“利马”（Lima）特别工作组计划启用“虚拟沙盒”（Virtual Sandbox）中心，允许军事人员在其中使用经审核的且负责任的生成式智能工具开展实验。此前，“利马”工作组已向美国防部提交230个生成式智能用例用于进一步探索验证。该特别工作组现阶段所主要侧重的生成式智能的三类典型应用场景为文档生成与总结、数据分析与可视化和智能人机交互，“虚拟沙盒”旨在为更多生成式智能用例的开发与验证提供安全可控的环境。在安全评估方面，安全评估手段以及模拟评估验证环境的建设，成为现阶段生成人工智能的军用发展重点，用于保障相关技术投产后的可控实践与应用。大型语言模型的高复杂性与高不确定性等特征，显著加剧了生成式智能测试与评估工作的复杂度。因此，针对生成式智能模型的系统性测试与评估变得尤为必要和迫切。2月，美国Scale AI公司获批来自美国防部的一年期新合同，用于设计一种值得信赖的方式来测试和评估人工智能大语言模型。该研究目的是构建一套体系框架，旨在通过对模型性能的量化评估、为作战人员提供即时反馈，以及建立专门的公共部门评估集来测试人工智能模型在军事支援领域的应用效果来安全地部署使用人工智能。从负责任地使用生成式智能角度，6月，作为数字化转型的重要组成部分，美陆军宣布即将启动一项用于态势感知任务的生成式智能试点项目。该试点项目将在安全可控环境中，通过处理高级别非机密信息，探索大模型的不同应用场景；为确保准确性，大模型将提供所输出结果的信息来源引用，并已制定需人类审核的政策。7月，美国OpenAI公司与洛斯阿拉莫斯国家实验室展开合作，共同实施一项评估研究，旨在探究科学家如何在实验室环境中安全地运用多模态人工智能模型。双方通过对多模态大型模型进行生物安全性评估，探索和验证这些模型在辅助生物科学研究方面的潜在应用。在数据融合方面，生成式智能技术正在与情报领域深度耦合，加速分析整编任务效率。生成式智能技术通过其先进的数据处理和分析能力，能够对收集到的情报进行快速筛选、分类和解读，有效地提取出有价值的信息，不仅提高了情报整编的速度，还增强了情报的准确性和前瞻性，从而在战略和战术层面提升了情报工作的整体效能。目前，美国军事与情报机构正在扩大生成式智能产品的使用。以美国家安全局为例，该机构目前已有超过7000名分析师正在工作中使用生成式智能工具。8月，为满足向美国防及情报界提供更多基于云端的人工智能和数据分析功能，美军重要情报分析供应商Palantir公司与美国微软公司合作，推出双方的集成套件，将微软其通过Azure OpenAI服务平台创建的大型语言模型与Palantir的Foundry、Gotham、Apollo等人工智能平台产品结合起来，直接可用于政府和军方的机密云环境。针对生成式智能使用门槛提升带来的“虚假情报迷雾”问题，6月，美国防部国防创新机构正式对外寻求深度伪造检测技术解决方案，并要求技术方案需遵循该机构负责任人工智能指南和开放系统架构，以应对生成式智能技术发展加重的深度伪造威胁。由于深度伪造技术利用生成式智能制造虚假的音视频内容，可能导致欺骗、欺诈和虚假信息传播，国防部希望通过快速部署深度伪造检测工具，来应对上述挑战。在辅助决策方面，强调缩短决策时间、提升决策质量的生成式智能辅助指控技术，加速赢得战场先机。生成式智能技术通过对战场态势和情报的综合分析，能够为指挥官提供基于算法的决策建议，这些建议综合考虑了敌我态势、资源分配、战术选择等多种作战因素，极大地提高了指挥官在复杂战场环境中的决策速度和质量，从而在战场上赢得先机。6月，美空军首席信息官与空军研究实验室合作，发布生成式智能技术NIPRGPT。作为空军研究实验室信息局建造的 Dark Saber 软件平台的重要组成部分，该技术是一种基于生成式智能的聊天机器人技术，允许用户在满足安全操作的环境中，以对话方式执行通信、调度以及其他行动指令，支持完成决策制定、辅助报告总结、信息技术协助等辅助决策任务。9 月，美陆军成功在其内部陆军云环境cARMY上部署美国生成式智能服务商Ask Sage公司提供的多模态生成式智能平台，以提升军事领域辅助决策效率，使得美陆军成为美军首个将该技术融入军事作业的军种。该平台的首批用户规模约400名，初步实验结果表明该平台可以显著提升效率：开发人员的编码速度提升35倍，采购人员可同时处理超过50个任务，分析人员在数分钟内对数千份文件进行决策。 3.2　群体智能技术构筑全域化、可消耗、高韧性的智能集群作战能力群体智能是指在军事智能领域中，由大量低成本、简单的个体智能体组成的群体，通过遵循一定的规则或算法，进行局部通信和信息处理，从而在整体上展现出高度的协调性、自适应性和智能性（尤其是在没有中央控制的情况下），以执行侦察、搜索、攻击、防御等复杂军事任务的一种智能行为和系统特性。8月，美国空军参谋长戴维·阿尔文在英国皇家航空学会的发言中提出，美国空军正在探索一种以人工智能为支撑的“群体敏捷性”（Collective Agility）概念。该概念旨在利用人工智能技术，开发一种跨域群体连接能力，以构建能够应对新兴及快速变化威胁环境的作战编队。该概念是指通过战时集群协同、数据共享、人工智能以及计算机自动化等手段，提升数据收集、分析与传输的效率，从而实现不同规模有人-无人编队的协同作战。在全域自主方面，推进“复制者”（Replicator）计划研发，快速部署大量全域、可消耗的自主群体系统，取得多项里程碑成果，并加速部署应用。5月，美国防部公布了“复制者”计划的首批部署技术，功能涵盖了无人水面航行器、无人机系统以及反无人机系统，并在印太地区部署首批“复制者”无人机。其中，空战领域将加快部署美AeroVironment公司生产的“弹簧刀-600”（Switchblade-600）巡飞弹（图2）；海战领域正通过“生产就绪、廉价、海上远征”（Production-Ready，Inexpensive，Maritime Expeditionary，PRIME）项目和“商业解决方案开放”（Commercial Solutions Opening，CSO）项目，确保无人水面航行器供应商的多样化。10月，美国防部宣布“复制者”计划已更新至2.0版本。在“复制者”此前的1.0版本测试中，重点在于部署数千架低成本无人机，以实现规模效应；2.0版本则将关注点转向发展小型无人机防御能力，计划通过加速大规模生产用于探测、追踪及摧毁敌方无人机的技术，以保障美国的关键设施及部队集结地的安全。12月，美国防部国防创新部宣布，预计到2025年7月之前，“复制者”计划将为多个作战领域提供数千套首版无人自主平台。 ▲ 图2 将在美国防部“复制者”项目的第一阶段投入使用的弹簧刀-600无人机系统在发射投送方面，无人机集群的母舰弹性发射与快速投送技术成为关注重点，以提升无人蜂群作战的灵活性和韧性。5月，美空军特种作战司令部探索将MQ-9“死神”（Reaper）长航时无人侦察机改造为能够投放小型无人机的无人机母舰。此举属于“自适应机载体系”（Adaptive Airborne Enterprise，A2E）项目的一部分，目的是利用MQ-9无人机的高载荷能力和持久续航特性，开发新颖的母舰发射技术，以增强蜂群作战的灵活性和韧性。按照项目规划，MQ-9无人机将能够一次性投放4~6架小型无人机执行侦察和打击等任务，并充当这些小型无人机与后方指挥部之间的通信中继节点，负责传输目标数据和指挥控制数据。7月，美空军特种作战司令部发布“蜂群载机”（Swarm Carrier）项目的招标公告，将开发一种新型的无人机及空投控制技术，该无人机能够通过C-130运输机上的托盘化设备进行空投，并以载机作为指挥控制的核心节点。美空军计划在2~3年内部署“蜂群载机”项目，在执行任务期间，这些蜂群可以被部署进行监视、收集情报并参与电子战，可以比单架无人机更有效地覆盖更大的区域。在防御对抗方面，加速研究基于人工智能手段的反无人机蜂群技术及系统，“矛”与“盾”之间的对抗过程加速技术演进与升级。8月，俄罗斯国家技术集团发布对抗无人机及其群体攻击的人工智能系统SERP-VS6D。该系统具备在多个频率上同时运作的能力，并通过高精度探测器和数字信号处理算法来实现对无人机的检测与识别（包括第一人称视角无人机），能够对周围5 km范围内的所有通信频道进行同步监控，一旦锁定目标，将自动启动干扰模式。10月，美国诺格公司实现将人工智能技术集成于“前沿区域防空指挥控制”（Forward Area Air Defense Command and Control，FAAD-C2）系统（图3），进而实现人工智能驱动的反无人机指挥控制。该新增的功能被称为“高级战斗管理器”（Advanced Battle Manager，ABM），主要应用于应对反无人机任务领域中日益增长的复杂威胁，并辅助作战人员在移动过程中作出决策。ABM系统能够接收FAAD-C2系统融合的多传感器数据，并对威胁进行分析，实现秒级交战计划生成，迅速推荐最适合的武器以攻击目标。ABM系统的人工智能算法经过多年实弹射击数据的训练，能够实现对大量动能和非动能武器的实时“武器-目标”配对，并已于2024年春季和夏末在尤马试验场进行了实地测试。 ▲ 图3 FAAD-C2系统集成了近程防空、反火箭、火炮和迫击炮能力，以及反无人机系统任务

3.3　人机混合智能技术提升人机协作效率、互信程度和综合作战效能人机混合智能是指将指战员智能与机器智能有机结合，通过协同作业、优势互补的方式，在军事领域实现情报分析、决策制定、指挥控制、战场管理等复杂任务的智能技术，能够充分发挥人类的创造性、直觉判断和道德伦理判断能力，以及机器的计算能力、数据处理速度和精确度，从而在动态变化的战场环境中提高作战效能和决策质量。10月，美陆军协会年会提出“有人-无人协同机动指挥部”技术概念，该概念旨在将通信设备、关键数据、先进指挥中心集成于一辆装甲车辆之中，以实现对一系列无人地面车辆的统一控制，并共同向战斗前线推进，无人车辆能够提供直接射击、侦察、防空和运输等多方面能力，有望提高指挥控制节点的灵活性和战场生存能力。这种有人-无人协同的装甲生态系统，目前已有作为战场管理节点的Stryker移动任务指挥部（图4）作为原型机，已成为美陆军未来几年的关注方向。

▲ 图4 基于有人-无人协同的Stryker移动任务指挥部在人机协作方面，持续推进“协同作战飞机”（Collaborative Combat Aircraft，CCA）项目牵引的“有人-无人”协同技术研发，极大拓展人类感知范围、操控边界，并探索跨作战域、跨平台协同编组技术。7月，随着成熟技术的积累，美国通用原子公司宣布开始研制首架CCA项目无人机原型机，此举措标志着美空军CCA项目进入了一个关键发展阶段。该无人机原型机将利用MQ-9无人机的部分零部件，旨在扩展有人驾驶飞机的前方视野约100 km，并增加有人驾驶飞机的射程至两倍。按照既定计划，预计在1~2年内完成首架CCA无人机原型机的研发。为促进CCA项目产出的无人机成果与各军种及盟友战斗机平台的编队合作，8月，美空军宣布正在加速推进CCA项目与有人驾驶战斗机的编队技术发展，涉及的战斗机包括空军的F-35、F-15EX、F-22等型号，以及海军、陆军等其他军种和国际盟友的战斗机平台。目前，美国空军研究实验室已为该系统架构制定了开放式标准，以确保CCA项目成果能够迅速适应新的威胁环境和任务需求。为了便于开展试验并研发相应的作战战术，11月，美空军宣布计划增加CCA项目的采购数量。根据规划，增量的CCA项目成果（例如美国安杜里尔公司的“复仇”（Fury）、通用原子公司的“开局”（Gambit）等有人-无人协同战斗机等）将部署至美空军新设立的试验性作战部门，该部门将在模拟的作战场景中研究CCA项目的作战战术和操作程序。在平台编组方面，强化学习技术和机器学习技术双轮驱动，DARPA“空战演进”（Air Combat Evolution，ACE）项目首次实现基于人工智能的“有人-无人”空中交战测试，取得关键里程碑式进展。4月，DAPRA宣布ACE项目首次实现以强化学习技术为核心的人工智能系统自主操控驾驶的F-16战斗机与有人驾驶的F-16战斗机在视距范围内进行空中交战，为复杂作战场景中可信人机协作奠定了基础。在此次测试中，DARPA使用X-62A“可变飞行模拟试验机”（Variable In-flight Simulator Test Aircraft，VISTA）和人类飞行员驾驶的F-16飞机进行空中交战（图5）：前者是一种特殊改装的F-16战斗机，配备先进的飞行控制系统和模拟设备，能够模拟多种战斗机的飞行特性，并由人工智能系统控制；后者由一名具有近2000 h飞行经验的人类飞行员驾驶。在备受瞩目的视距内空战阶段，两架飞机以超过1900 km/h的速度对向飞行，X-62A搭载的智能体系统根据现场态势感知数据和日常人工智能的历史训练数据调整空战战术，F-16飞行员则根据美空军作战规程实施作战。DARPA认为，测试结果表明：X-62A的表现贴近实战标准，并没有让F-16占据太多优势，而且显示出比人类飞行员更加冷静。本次测试证明了在以强化学习和智能体为代表的人工智能技术辅助甚至驾驭无人自主空战的可能性，验证了人工智能技术能够使无人战斗机在视距内作战场景中与人类驾驶的战斗机进行自主飞行与对抗。6 月，美国洛马公司首次进行了人工智能控制的空对空战术拦截技术演示。该演示在一架L-29“德尔芬”（Delfin）教练机上集成了一套人工智能驾驶员系统，该系统通过人工智能代理实现对飞机航向、速度和高度的操控，并展示了如何以进攻和防御姿态对抗虚拟敌手。此次实际飞行演示的结果符合预期，验证了人工智能在实际战场环境中的潜在应用价值。11月，美国洛马公司与爱荷华大学作战人员效能实验室联合，开展并验证了人工智能增强的有人-无人协同作战测试。该测试模拟实施了一次进攻性制空作战任务，由L-39“信天翁”（Albatros）战斗机上的人类空中作战管理人员向两架由人工智能控制的L-29“德尔芬”喷气式战斗机分配目标（图6），随后这两架战斗机协同行动，利用模拟的任务系统和武器系统，共同击败了两架模拟敌方的喷气式战斗机。本次测试成为首次由人类作战管理人员实时监督人工智能执行测试行动的案例。 ▲ 图5 DARPA测试基于人工智能算法的“有人-无人”空中交战 ▲ 图6 作战管理人员向人工智能控制的飞机发送实时命令在博弈对抗方面，欧盟取得多项“有人-无人”协同的首次突破。4月，英国皇家海军和空天作战中心、英国国防科学技术实验室等完成英国首次有人机和无人机之间编组合作技术演示（图7）。试验中一架QinetiQ喷气式飞机从索尔兹伯里基地起飞，而一架改进型Banshee Jet 80无人机从苏格兰西北海岸的赫布里底靶场发射，前者很快控制了无人机。该试验的成功表明，现有前线作战飞机和下一代无人机之间的“有人-无人”编组有可能推广使用，同时以高效费比的方式提高作战潜力。6月，欧洲空客公司在欧洲柏林国际航空展上首次推出其为有人战机综合作战能力提供支持的“僚机”（Wingman）概念机原型，旨在为德空军提供对于“有人-无人”协同的技术解决方案，满足其在21世纪30年代最大化效果和成倍增加战斗机群力量所需的性能。该技术解决方案的重点在于，通过经济高效的方式增加整体作战规模，以便空军能够在冲突中与对等或近对等的敌方部队数量相抗衡。 ▲ 图7 英国首次“有人-无人”编组演示

3.4　具身智能技术提升无人平台的未知环境感知、复杂任务执行能力具身智能，通常是指在军事装备和系统中嵌入的人工智能，能够使这些装备和系统具备自主感知环境、理解战场态势、进行自主决策和执行复杂任务的能力。这种智能不仅包括传统的计算智能，还包括模仿生物智能的感知、移动和交互能力，使得军事装备能够在没有或少量人类干预的情况下，有效地完成作战任务。在环境感知方面，探索复杂环境自主任务执行技术，提升无人干预环境下动态感知能力。4月，DARPA宣布“复杂环境弹性机器人自主能力”（Robotic Autonomy in Complex Environments with Resiliency， RACER）项目已顺利推进至第二阶段并完成第一轮技术试验。此阶段计划引入了新型、体积更大的机器人车辆，从而显著增强了人工智能算法的环境感知功能与环境自适应性。这些质量达12 t、长度为6.10 m的RACER重型平台车辆（图8），与现役的2 t、3.35 m的RACER车队车辆形成互补，能够在更为复杂的非铺装地形上实现高效的自主移动。通过部署两种截然不同类型的车辆，该项目旨在达成一种高度自主性，即无论车辆类型如何，均能在复杂且难以预测的非道路环境中自主完成任务。10月，美国军事情报大数据公司Palantir与Shield AI公司达成合作，共同致力于无人机自主探测与威胁自主应对技术的研究。两家公司将运用“蜂脑”（Hivemind）人工智能系统，使无人机及其他无人系统能够在无需人工干预的情况下自主执行威胁检测与应对任务，同时允许操作人员对任务进行实时监控，并能够从统一平台管理多个无人系统。

▲ 图8 RACER重型平台车辆在场景探索方面，针对未知或者恶劣环境开展自主探索的机器人的自学习能力与环境自适应能力不断强化。4月，受“类地表环境中的腿式自主表面科学”（Legged Autonomous Surface Science in Analog Environments，LASSIE）项目资助，美国国家航空航天局（National Aeronautics and Space Administration ，NASA）宣布正在俄勒冈州山区测试和训练机器狗Spirit（图9），为未来的月球和其他星球的任务做准备。机器狗将在模拟月球地形上学习如何在岩石和较软的地面上行走，旨在通过这些训练，能够更好地理解不同星球表面的特性，为未来的星际探索任务提供数据支持。9月，美国诺格公司成功实施MQ-4C“人鱼海神”无人机在北极高纬度、复杂环境中的导航技术展示。在此次演示中，MQ-4C无人机自阿拉斯加州起飞，依托智能导航系统及任务管理软件，飞行至距离北极约160 km的区域，并在美国与加拿大领空内，对全球定位系统（Global Positioning System，GPS）对齐程序进行了验证，并收集了关键的导航数据。本次演示为执行北极高纬度地区的情报监视侦察能力和目标指示任务提供了支撑。12月，美国海军研究实验室与DARPA共同研发太空飞行机器人技术，旨在满足宇宙空间卫星（地球上方约35405.57 km处）在轨升级与维修的需求。为此，研究团队开发了名为“地球同步卫星机器人服务”（Robotic Servicing of Geosynchronous Satellites，RSGS）的智能载荷，用于与其航天器平台进行集成，将使得常规的近距离检查、轨道调整、硬件升级和维修成为可能，从而显著提升卫星维修操作的效率。

▲ 图9 NASA模拟月球和其他星球执行任务的机器狗Spirit在建造检修方面，承担复杂工艺和部件建造与检修任务的自主机器人，逐渐开展应用并展示出对制造效率的提升效益。1月，意大利船舶制造企业Fincantieri公司通过引入包括焊接机器人在内的人工智能及自动化技术，加快在美国威斯康星州Marinette Marine造船厂生产的美海军“星座”（Constellation）级护卫舰的制造进度。承担此任务的焊接机器人，装备有焊接喷枪，并搭载智能视频系统，能够自主识别焊接接合处。预计采用机器人焊接将提升生产效率及质量，助力达成每年建造两艘护卫舰的目标（目前水平两年建设三艘）。2月，在美能源部的资助下，美国卡耐基梅隆大学机器人研究所正在研制一款用于天然气管道检测与修复的模块化轮式机器人系统，具备在人类难以进入的密闭管道内部（目前能够适应于30.48 cm直径管道）自主导航的能力，能够绘制管道布局、探测潜在问题，并利用硬化树脂实现快速修补。

4 军事智能技术的广泛应用持续加快装备列装和赋能的步伐****

世界主要军事强国普遍将军事智能技术视为夺取未来战场胜利的关键，正迅速且深入地将军事智能技术应用于陆地、海洋、空中等多个作战域（图10），以实现作战能力的全面提升和智能化转型。 ▲ 图10 军事智能技术主要领域应用

4.1　陆战领域通过多项演习验证陆战人工智能技术，尤其强调无人平台协同能力。8月，由美国、英国、澳大利亚三国组成的“奥库斯”（AUstralia-UK-US，AUKUS）联盟首次顺利完成了人工智能无人机在实时军事环境中的协同作战能力测试。此次试验作为美陆军主导的多国联合“项目融合”（Project Convergence）演习的组成部分，旨在评估多国多架人工智能无人机编队的整体作战（协同执行了精确定位、地面目标打击等）效能，并实现了人工智能无人机数据与控制权在多国间的无间断转移。10月，美陆军未来司令部举办的“实验演示网关演习”（Experimental Demonstration Gateway Event，EDGE）中，对有人-无人编队、无人-无人编队、人工智能、机器学习等前沿技术进行了验证。其中，EDGE演习重点关注了空中与地面无人系统的协同作战能力，成功展示了美国洛马公司的Stalker无人机与波士顿动力的四足机器人Spot（图11）之间的协同作业能力（前者为后者提供了自主监视与引导支持）。

▲ 图11 EDGE 展示无人平台之间的协同美陆军加速向战斗部队配发高性能传感系统的短程侦察无人机的进程，以增强战场侦察和临机决策能力。5月，美陆军无人机系统项目管理办公室向第101空降师第2旅交付短程侦察四旋翼无人机系统，重点为排级士兵提供了现代化的能力、增强战斗力和提高士兵生存能力，旨在通过为部队装备最新的无人侦察机系统技术来提高作战效能（图12）。该短程侦察无人机系统配备先进传感器，能为士兵实时提供侦察、防护和目标捕获能力，大幅提升杀伤力和士兵的生存能力；为指挥官实时提供侦察数据，支持指挥官提升决策效率。该短程侦察无人机系统是美陆军第一款部署的四旋翼无人机系统，通过适当的训练、理论和支持，计划将被整合到整个陆军。7月，美陆军开始对新型“黑蜂 3”（Black Hornet 3）微型无人机（图13）的侦察性能进行测试。作为一种先进的纳米级侦察无人机，其质量不超过33 g，续航时间约为25 min，装备有实时数据传输系统和GPS自主导航系统，其配备的无人自主技术能够迅速向操作人员回传实时视频和高清静态图像，适用于执行情报、监视、侦察以及态势感知等任务。若此次测试取得成功，美陆军计划将为约7000个作战小队配备该型无人机。 ▲ 图12 第101空降师的士兵在肯塔基州坎贝尔堡进行短程侦察系统的机动恢复训练 ▲ 图13 美陆军测试袖珍无人机“黑蜂 3”进行隐蔽侦察承担侦察和打击任务的四足机器人正在加快应用步伐。5月，美海军陆战队正在评估和测试Ghost Robotics公司开发的机器狗。这些机器狗可用于侦察和监视，甚至装备武器进行远程交战，其枪械系统具有基于人工智能技术的数字成像系统，可以自动检测和跟踪人员、无人机或车辆，向可能位于世界任何地方的远程人类操作员报告潜在目标。8月，乌克兰军方对外展示了BAD.2机器狗在俄乌冲突实战环境中的实地测试成果。该机器人采用四足行走机构，具备较强的机动性能，能够跨越多种复杂地形，实现在不平坦地面上的稳定行走。其主要功能包括数据采集、货物运输以及执行监视任务，目前被投入进行战场侦察。 4.2　海战领域美海军持续推动虚实构造技术的部署和应用，将该技术视为海军未来训练执行的关键组成部分。8月，美海军信息战中心大西洋分部在海军一体化活动演习中，首次对基于虚实构造技术的“虚拟替身部队”（Virtual Stand-in-Force，VSiF）在虚实结合的作战环境中的有效性应用进行了验证（图14）。该项目通过一个服务器连接了十余台虚拟机，构建了一个虚拟化的作战环境，每台虚拟机均存储有GB字节级别的真实数据（包括火力打击、威胁检测、火力支持、防空以及指挥控制系统副本等），通过创建丰富的、身临其境的和现实的环境，可用于对作战人员进行战斗演练、参谋规划和关键决策等方面的训练。11月，美海军空战中心训练系统部门对外宣布目前美国海军正在通过两个项目来推动虚实构造技术的实际应用：一是“联合模拟环境”（Joint Simulation Environment，JSE）项目，作为美国海军和空军F-35战斗机的虚拟测试平台及模拟器，已成功训练了820名飞行员，并提供了超过1000次飞行任务的训练以及超过30000次空对空导弹的仿真验证；二是“海上模拟器”（Simulators at Sea）项目，旨在将机密级别的高保真训练环境集成至航母上，提供一个能够覆盖个人训练到任务演练的全天时、全天候的训练环境。 ▲ 图14 美海军信息战中心验证“虚拟替身部队”的虚拟和真实作战环境多项搭载人工智能核心组件的先进海战装备和技术已成功完成技术测试阶段。2月和3月，美国DARPA完成“蝠鲼”（Manta Ray）无人潜航器原型机的全面水下测试（图15）。在此次测试中，DARPA测试了该潜航器的海上水动力性能，并首次验证了该潜航器跨国模块化运输、现场组装和后续部署的能力。“蝠鲼”无人潜航器是一款新型长航时、远程、具有支撑各类海军任务的不同尺寸和类型的有效载荷和智能组件能力的无人潜航器。5月，法国海军正与本国初创企业普雷利让公司合作，利用人工智能技术对水下声学信号进行深入分析，以应对所需分析的舰艇装备声学数据量呈现出指数级的增长趋势。7月，荷兰与比利时联合打造的首艘无人系统母舰“奥斯坦德（Ostende）”号反水雷舰已开始进行海上试验。相较于之前的反水雷舰，新舰具备了操作无人系统的功能，能够使用大型自主无人机、水面和水下无人机来执行复杂的近海及远洋反水雷任务。 ▲ 图15 “蝠鲼”无人潜航器多款海战领域人工智能新型装备顺利实现列装入列，并完成多个“首次”。1月，全球首艘配备人工智能电子战系统的“枪鱼”无人艇入役土耳其海军。该无人艇具备最大航程400 n mile，可持续航行24 h，其最高航速可达36 n mile/h。根据不同的任务需求，该无人艇可搭载导弹、鱼雷、自动火炮，以及能够扩大水下目标探测半径的声呐浮标，同时装备有能够调节探测频率并智能处理信息的声呐系统，未来将主要承担海上军事与侦察任务。1月，“拉达”（Lada）级常规动力潜艇首艘量产型“喀琅施塔得”（Kronstadt）号正式列装俄海军北方舰队，标志着“拉达”级常规潜艇的建造水平达到量产标准。该型号潜艇是俄罗斯第四代常规动力潜艇，采用新型降噪螺旋桨、消声瓦、电子潜望镜、声呐和智能化作战情报指挥系统等，具备探测距离显著增加和噪声水平超低等特点，拥有较强的先敌探测能力，并且在测试中展现了优秀的隐身性、机动性和可靠性。为增强美海军航空联队的航程和作战能力，2月，美海军从接收首架MQ-25“黄貂鱼”空中加油无人机，并计划组建一支由73架MQ-25无人机组成的机队。MQ-25无人机是一种多功能舰载无人机，具备自主空中加油、敌情监视侦察、电子进攻和火力打击等多种能力，其主要任务是为F/A-18、E-2D和F-35C等多型舰载机提供加油服务。该无人机将接受机身完整性审查，并且已经获得了低速生产的许可。海战无人平台指控中心成功部署，并完成试飞任务，为无人平台编队力量集成与调度提供条件。8月，美海军在其“布什”号航空母舰上安装了全球首个无人空中作战中心，该中心旨在操控MQ-25“黄貂鱼”无人机以辅助执行空中作战任务。据悉，该无人空中作战中心位于航空母舰的控制室内，其主要装备为配备有无人舰载航空任务控制系统的MD-5E地面控制站。该中心为美国海军操作和控制无人机及其他无人驾驶车辆奠定了基础，并将为CCA等项目提供支持。未来，无人空中作战中心将支持更多无人设备组成的机队，并计划从2025财年起在“尼米兹”级与“福特”级航空母舰上安装。11月，美海军首次通过舰载无人机控制站完成了MQ-20无人机的试飞任务。位于马里兰州帕图森特河的美海军操作员，利用MD-5E地面控制站，对MQ-20“复仇者”无人机在加利福尼亚州的飞行进行了监控（图16）。 ▲ 图16 美海军使用无人航母航空任务控制站测试MQ-20 4.3　空战领域美空军持续强化人工智能电子战领域装备升级。3月，美空军宣布计划购置5架新型的“EA-37B罗盘呼叫”（EA-37B Compass Call）人工智能电子战飞机，并将其纳入武器装备体系。美空军早在2023年9月便正式从英国BAE系统公司接收首架“EC-37B罗盘呼叫”人工智能电子战飞机，能够执行各种电子战任务，压制敌方防空系统，阻止敌方武器系统和指挥控制网络（包括通信、雷达和导航系统）之间传输信息，通过提供关键的电子战能力来确保美国保持防御和威慑的领先地位。该计划旨在用“罗盘呼叫”飞机替换现役的老旧EC-130H电子战机队，其主要职责为执行对敌方雷达、导航、通信系统的干扰任务，从而为压制敌方防空系统提供支援。8月，美空军在亚利桑那州戴维斯-蒙森空军基地正式部署了首架“EA-37B罗盘呼叫”人工智能电子战飞机（图17），将作为教练机，用于开展相关飞行员的训练和测试，以增强飞行员对该型飞机的熟悉程度和实际操作能力。 ▲ 图17 美空军接收首架“EA-37B罗盘呼叫”人工智能电子战飞机多项人工智能技术完成空战测试，为部署奠定基础。2月，美空军空中机动司令部对名为“阿蒂夫”（Artiv）的新型人工智能战勤保障系统进行测试，旨在减少后勤规划的耗时并简化后勤任务。该系统是一款基于云计算的人工智能工具，作为空中机动司令部“综合作战规划工具”项目的一部分，其主要功能是在对抗性环境中自主比较和分析不同的行动方案，为空军人员提供快速规划和决策支持。空中机动司令部指出，该系统有望在数分钟内完成复杂的兵棋推演，相比传统兵器推演所需的数天分析时间，效率提升了近千倍。6月，美空军驻卡塔尔乌代德第99特遣队运用人工智能软件，成功完成了基于3D打印技术的小型无人机的设计与制造。该特遣队通过人工智能软件输入航程、负载、航速等参数，实现了在24 h内快速完成小型无人机的设计与制造流程，有效探索了利用人工智能技术快速生产低成本无人机的新方法。11月，美空军授权在KC-135加油机上对“梅林飞行员”（Merlin Pilot）自主飞行系统进行测试。该“梅林飞行员”系统搭载了先进的传感器技术和自然语言算法通信模块，能够实现对飞机状态及周边环境的监控，并自主引导飞行，同时提出飞行轨迹调整建议，并能与空中交通管制进行语言交流。按照既定计划，梅林公司拟将该系统整合至多种飞机类型，并计划在2025年进行地面及飞行测试，以实现飞机从起飞至着陆的全程自主运行。

5 军事智能技术未来发展趋势展望****

在军事智能领域，从技术发展与应用需求出发，对相关技术未来主要发展趋势，分析如下。 5.1　面向通用人工智能的数理逻辑和因果逻辑推理技术当前人工智能技术（尤其是深度学习），在处理模式识别和图像理解任务方面表现出色，但在数理逻辑和因果逻辑推理等方面仍存在严重不足（推理效果甚至不如人类幼童的认知程度），严重限制了军事智能在需要严格逻辑推理和可解释性的决策场景中的应用，也使军事智能技术缺乏“举一反三”的通用性和鲁棒性。针对上述问题，为迈向通用人工智能，亟待发展强化数理逻辑和因果逻辑推理能力的军事智能技术。通过符号主义与连接主义相融合、自然科学和社会科学（认知科学、心理学、社会学等）相融合的技术路径，辅助以可解释人工智能技术，使智能技术能够更好地理解和推理事物运行背后的复杂或者隐含关系、凝练和总结出任务执行过程的基本规律，并逐步达到类人的推理水平，使智能技术能够更多地辅助（乃至承担）决策与指挥控制任务。 5.2　面向数据隐私保障需求的全局和本地协同化训练和部署技术当前，数据依然是军事智能技术发展的主要驱动力之一、基石之一。然而，数据隐私和安全问题日益凸显、广受关注，尤其是在涉及敏感个人信息、关键敏感领域信息等关键数据的应用场景中；此外，很多军事应用任务存在数据无法共享、交换、流转的情况，导致“虽然全局层面数据量可观、但是局部层面可用于智能模型训练的数据量较少”的情况，导致无法汇聚大量数据进行军事智能技术训练。针对上述问题，依托联邦学习、分布式学习、差分隐私等技术方案，克服全局数据与本地数据之间的协同训练等技术瓶颈，探索复杂模型参数的局部化训练方法，探索在保障数据隐私性和安全性的前提下，实现数据的“物理隔离、逻辑统一”，实现有效的知识共享和模型训练的全新解决方案。在不暴露数据的情况下，实现利用最大可能性、最大范围的数据对智能模型开展训练和优化，兼顾智能模型训练推理效率和安全性的同时提升。 5.3　面向边缘侧赋能的低资源运行部署技术现有军事智能技术及系统主要依托于数据中心式服务器提供算力支撑而对外提供智能服务，然而物联网时代的大量边缘侧设备催生边缘侧数据量规模空前激增，如果所有数据均传输回数据中心进行分析，不仅加重传输带宽载荷、造成传输速度降低、服务响应速度降低，而且加大了数据中心的存储和计算负担；另一方面，在现有边缘设备上部署现有智能模型，也面临着计算资源受限和能耗过高的挑战。针对上述问题，探索人工智能模型在资源受限的边缘侧设备上部署运行与实时推理的全新技术方案，有助于提升无人平台的在复杂环境中实时推理与自主决策能力，进而提升任务执行效率。此外，新型计算硬件（例如专用人工智能芯片）也将推动这一趋势的发展。最终实现“云-边-端”协同的智能技术服务能力，提升军事智能技术的资源利用效能和分配弹性，以及服务响应效率和灵活性。 5.4　面向存算资源弹性调配的大模型的小型化和专用化技术作为引领当前人工智能技术与行业发展的关键技术，基于大模型的生成式人工智能技术虽然性能强大，但资源消耗巨大、不易部署和更新，而且对数据规模和数据质量的需求非常迫切（传统人工智能模型通常也需要大量数据才能达到较好的性能，这在数据稀缺的场景中显得不切实际）；此外，通用化大模型往往难以满足特定领域和任务的性能需求。针对上述问题，大模型的小型化和专用化，并能够灵活适配于、自适应于数据稀缺的任务，将成为军事智能技术的重要发展趋势。通过模型压缩、剪枝和知识蒸馏等手段，将大模型转化为更小、更高效的版本；同时，发展更多自适应特定任务的专用模型，与通用模型相结合，上述组合能够规避任务中全部使用大模型带来的巨大开销。最终，形成“大小模型结合、通专模型结合”的弹性智能服务路线，并且能够根据任务弹性定制“大、小”比重、“通、专”比重，以满足不同应用场景任务的需求，形成集约化的军事智能解决方案。

6 结束语****

在当今国际战略格局中，人工智能技术已深入渗透至军事领域的多样化作战样式与手段，成为驱动军事变革的核心力量。人工智能技术与军事应用的不断结合，使军事智能技术备受瞩目，催生了一系列新型战争形态，改变了战争胜利的根本逻辑，显著提高了军事作战的整体能力。近期，以美国为首的世界军事强国在政策导向、资金支持、架构调整等方面展开了全方位的战略规划和布局，大力推进军事智能技术在军事领域的深度应用。世界主要国家不仅着力攻克军事智能的核心技术难题、实现技术突破，而且迅速将军事智能技术整合进现有的信息系统和武器装备体系，通过加速推进人工智能的军事赋能，确保在日益严峻的国际形势和战场环境中占据战略主动与竞争优势。