俄罗斯乌克兰的全面战争已进入第三个年头,西方持续暴露出军事战备状态中的诸多顽疾——从弹药库存,到供应链韧性与采购的灵活性。这场最初被预测为速战速决的行动,已演变为一场旷日持久的高强度消耗战,并正在重塑全球关于武装力量结构、威慑力以及未来军事力量的认知。

这场冲突证明了将低成本的非对称性技术与传统动能作战相结合在战场上的威力。无人机集群扰乱了对手的装甲编队;像155毫米榴弹炮这样的远程火炮仍具决定性作用,然而西方的生产能力一直难以满足持续的需求。消耗战,这一曾被视为20世纪遗迹的战争形式,已重返舞台中心。

随着战争的持续,各国正在重新调整其武装力量态势和国防规划——不仅是为了支持乌克兰,更是为应对旷日持久、多域冲突的新形态做好准备。军事演进的下一章将由人工智能、量子计算和自动化所塑造——这些技术不仅在改变战术结果,更在深层次上决定着哪些国家能够长期维持战争。

国防工业基础

乌克兰的火炮弹药消耗量在数月内就超过了北约的生产能力,突显出一个根本性问题:西方国防工业的结构是为追求和平时期的效率而构建,而非战时紧急状态。数十年来,开支重点反映的是平叛行动,而非大规模常规战争。国防制造商遵循缓慢、官僚化的采购周期,依据长期项目规范而非作战需求进行生产。这种模式已难以为继。

俄乌冲突的一个关键教训是战场持久力与工业适应能力之间的重要联系。俄罗斯的国防工业基础并非为持久战打造,在压力下艰难转型。相比之下,乌克兰依靠外部支持网络的能力使其获得了更具韧性的长期态势——这突显了一个灵活、现代化的国防工业基础(DIB)的战略价值。

人工智能驱动的后勤保障和量子增强型模拟将决定哪些军队能够维持现代战争。已在乌克兰投入应用的预测性后勤能预判战场需求,确保在关键物资短缺前完成补给。确实,在战略层面存在对抗性后勤的背景下,包含动态快速变化的威胁环境在内的众多变量,都需要人工智能的速度来进行分析。而在战役和战术层面,战地指挥官若能获取融合了政治、军事、社会、自然环境等多重因素的精妙模式分析,就能在战区维持作战行动,迫使敌方面对多重、复杂的困境。

人工智能驱动的供应优化将分析实时战场态势以动态调整生产和分配。未能将人工智能整合到后勤、制造和部署中的国家,其响应能力将更弱,并最终落后。

国防工业的人工智能驱动型重启

高科技武器的大规模生产在战时条件下遭遇失败。美国的“复制者计划”正试图通过将人工智能驱动的自动化整合到国防生产中,来扭转这种效率低下的局面。这种转变与第二次世界大战时期相似,当时诸如福特、好时(Hershey)和Singer Sewing Machines等工业巨头纷纷转向军工生产。如今的不同之处在于,软件定义的战争要求企业具备实时迭代、快速扩展和自主系统集成的能力。

乌克兰已经以超越传统国防制造商的速度,部署人工智能驱动的无人机生产、战场分析和智能弹药。在慕尼黑安全会议上,丹麦首相梅特·弗雷泽里克森警告道:“如果处于战争状态的国家能够比我们其他人生产得更快,那我们就有问题了。”国防生产的未来将青睐那些利用人工智能缩短OODA循环(观察、判断、决策、行动)、加速设计、测试与制造周期的公司。

人工智能驱动的非对称作战:成本 vs 复杂性

传统军事平台正受到低成本、高影响力技术的冲击。一架价值500美元的无人机可以让一辆价值1000万美元的坦克丧失作战能力。乌克兰无人机已使三分之一的黑海舰队损失了作战能力。人工智能驱动的集群作战——网络化、自主化的巡飞弹药——已迫使军队重新考虑那些大型、集中化的指挥节点,它们如今已成为易被攻击的目标。乌克兰俄罗斯在人工智能辅助侦察、无人机协同和战场分析方面各自都有成功案例,标志着人工智能在现代冲突中的快速演进。

速度和规模现在比成本和复杂性更重要。在人工智能已嵌入情报、监视和侦察(ISR)、自主无人机目标定位和自动化部队协同的情况下,原本为长达数十年的采购周期而设计的整体化、昂贵且发展缓慢的武器项目,正在非对称作战环境中被重新审视。在以往的冲突中,那些缺乏资源去击退一个更强大、更富有的对手的国家处于显著劣势。而俄乌战场则证明,通过精准应用低成本的非对称性能力,它们能有效拉平与远比自己强大的对手的对抗态势。许多较小的国家很可能会注意到这一点,并寻求运用同样的装备策略来对冲侵略风险。更大、更富裕的国家无法忽视这一趋势——它们不仅需要应对这种非对称性威胁,还需要发展此类能力以与主战武器系统协同作战。力量投送和全球威慑仍然需要在全球范围内运用大型武器系统;然而,低成本人工智能驱动的非对称性能力能让军队给潜在对手制造多重困境。协作作战飞机(CCA)——与传统战斗机协同开发并作为其组成部分的自主化无人飞机——就是一个例子。

指挥控制中的人工智能:人类会始终掌控吗?

致命性自主武器(LAWs)不再是理论概念。人工智能辅助目标定位系统已经投入实战应用,乌克兰利用人工智能增强的情监侦能力预测敌方动向。争论的焦点已不再是人工智能是否会用于战场决策,而是如何确保其使用受到道德约束、法律可追责并与国际人权准则保持一致。

当前关键的伦理与法律区分在于“人在回路中”(需要监督)、“人在回路上”(监督可选)和“人在回路外”(完全自主做出致命性决策)三种模式。在致命性打击中消除人类监督的趋势,有违战争中的相称性、问责性和区别对待原则。如果人工智能决策循环过快,使人类无法进行有意义的干预,我们就有将道德与法律责任交给算法的风险,从而削弱作为战争法基石的问责性。

一个将实时作战决策率先托付给人工智能的国家,不仅将重新定义军事力量,还可能从根本上改变交战规则,为缺乏人类伦理判断的战争开创危险先例。这一转变将标志着自核武器以来最深刻的军事变革,但与人类决策仍居核心的核威慑不同,完全自主的武器可能移除战争与不受制约的机器驱动暴力之间最后的屏障。任何在致命性武力中整合人工智能的行为,都必须受到严格的法律框架和国际监督的约束,以防止不可逆地滑向毫无道德约束的算法战争——这是向失去人性的冲突深渊更进一步。

量子计算:即将到来的网络军备竞赛

量子计算的军事潜力目前仍多停留在理论层面,但其长远影响关乎生存能力。最紧迫的担忧在于加密领域:当前的密码系统在量子解密技术实现实际部署时将立即失效。北约、中国和俄罗斯已在竞相研发抗量子的安全协议。这场竞赛的获胜者将在未来数字战争中拥有显著优势。

技术不仅在重塑战场,也在重塑战争的准备和背景:量子增强型模拟可能会改变军事规划,允许战略家们以更精细的精度模拟复杂的、多变量冲突。人工智能驱动的网络战已经在不断升级——作为更广泛心理战一部分的深度伪造虚假信息宣传、自动化黑客攻击以及人工智能增强型网络攻击正成为国家行为的标配工具。

谁在引领人工智能驱动的军备竞赛?

人工智能驱动的军备竞赛正在多个战线展开。传统国防企业正努力跟上人工智能驱动作战的速度和适应性,而从敏捷初创公司到科技巨头的原生人工智能公司则正快速进入国防领域。美国、中国、俄罗斯、英国、以色列及主要欧洲国家正通过部门合作、自主武器项目和人工智能增强型指挥控制系统将人工智能整合到军事行动中。这场竞赛的结果将决定谁将主导21世纪的军事力量未来——不仅在于对人工智能的采用,更在于相比对手能否更快地规模化、迭代和实战部署人工智能驱动能力。

随着乌克兰战争的持续,它已成为未来冲突的活体试验场——一个非对称战术、实时决策系统和数字能力正在重新定义力量如何被投射与维持的地方。那些将塑造21世纪安全秩序的国家,并非只是率先整合人工智能的国家,而是能最快将其规模化(跨越国防、后勤、制造和工业韧性等多个领域)的国家。

正如核武器在20世纪重新定义了威慑一样,人工智能和量子技术正在重新定义战略持久力的条件。未来的战争并非取决于哪个国家部署了最先进的战斗机或导弹系统;而是取决于谁能在整个国防生态系统中将智能、自主性与敏捷性融为一体。

除了直接的军事应用外,人工智能的经济杠杆作用同样具有决定性,因为那些利用人工智能提升工业生产力、优化金融系统并推动技术创新的国家,将产生支撑持续国防努力所必需的经济盈余。一个国家维持战时经济的能力与其国内的人工智能能力密不可分,因为人工智能驱动的制造、能源和资源管理效率构成了支撑长期军事力量的生产基础。在由人工智能主导的时代,经济韧性与国防能力将密不可分,这强化了一个观念:技术优势不仅仅是战场优势——它是战略持久力的根基。

参考来源:defense daily

成为VIP会员查看完整内容
4

相关内容

人工智能在军事中可用于多项任务,例如目标识别、大数据处理、作战系统、网络安全、后勤运输、战争医疗、威胁和安全监测以及战斗模拟和训练。
中文版4200字 | 人工智能赋能空战变革
专知会员服务
18+阅读 · 6月10日
中文版 | AI指挥官:人工智能如何重塑军事决策
专知会员服务
26+阅读 · 5月28日
人工智能技术在军事领域的应用思考
专知
42+阅读 · 2022年6月11日
变局中探新局:从俄乌局势,看数字时代网络战争演进
CCF计算机安全专委会
14+阅读 · 2022年5月24日
【智能军工】算法战:牵引美军人工智能军事化应用
产业智能官
21+阅读 · 2017年11月29日
国家自然科学基金
319+阅读 · 2017年12月31日
国家自然科学基金
19+阅读 · 2015年12月31日
国家自然科学基金
8+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
39+阅读 · 2014年12月31日
国家自然科学基金
5+阅读 · 2014年12月31日
国家自然科学基金
46+阅读 · 2013年12月31日
国家自然科学基金
37+阅读 · 2013年12月31日
Arxiv
170+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
468+阅读 · 2023年3月31日
Arxiv
170+阅读 · 2023年3月24日
Arxiv
24+阅读 · 2023年3月17日
VIP会员
相关基金
国家自然科学基金
319+阅读 · 2017年12月31日
国家自然科学基金
19+阅读 · 2015年12月31日
国家自然科学基金
8+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
39+阅读 · 2014年12月31日
国家自然科学基金
5+阅读 · 2014年12月31日
国家自然科学基金
46+阅读 · 2013年12月31日
国家自然科学基金
37+阅读 · 2013年12月31日
微信扫码咨询专知VIP会员