《核武器与人工智能：技术前景与现实挑战》

人工智能（AI）能力的最新发展增强了各国将其应用于军事领域的兴趣。拥核国家整合先进AI技术可能影响其核威慑体系架构的多个要素，包括导弹预警系统、情报监视侦察（ISR）系统、核指挥控制与通信（NC3）系统以及相关常规作战系统。与此同时，若干技术与后勤因素可能限制或延缓AI在核领域的应用，包括输出不可靠性、易受网络攻击漏洞、高质量数据匮乏、硬件设施不足以及国家工业技术基础薄弱等问题。鉴于当前先进AI军事应用尚处早期阶段，对这些限制因素的探讨为进一步思考技术整合的现实可能性、AI与核武器交汇点的透明度措施及治理实践奠定了基础。

过去十年见证了人工智能能力的快速跃升。这一进程由机器学习（ML）算法的进步驱动，使得计算机系统能够通过数据"学习"完成本需人类智能的任务。计算机视觉、自然语言处理、机器人技术与自主系统等领域的突破，激发了各国将AI系统应用于军事领域的兴趣。例如，在加沙与乌克兰的持续冲突中，机器学习赋能系统已投入实战使用。

有迹象表明，先进AI可能全面融入军事行动各环节，包括威胁监测、导航、精确制导、情报监视侦察（ISR）、决策支持以及攻防网络战。值得注意的是，所有九个拥核国家——法国、以色列、印度、朝鲜、巴基斯坦、俄罗斯联邦、英国、美国、中国——均表现出发展并整合先进AI军事能力的兴趣，其中部分国家明确将AI列为战略优先事项。尽管传统AI系统早已成为核武器体系组成部分，但先进AI的潜在应用可能对战略稳定性产生重大影响，并增加核冲突风险。既往研究已揭示AI在强化预警与ISR能力、核指挥控制与通信（NC3）系统、运载系统及具备反制能力的常规系统等方面的多种可能途径。然而，机器学习领域的最新突破要求重新审视人工智能与核武器的交汇点。

本文概述先进AI整合的技术可行性现状。第二部分简要论述AI能力的最新进展及其技术背景。第三部分评估先进AI在核领域的整合程度。第四部分对驱动或阻碍技术整合的决定性因素进行初步分析。第五部分就AI与核武器交汇点的现状与未来提出若干结论性思考。

先进人工智能在核领域的整合

深度学习（DL）技术的近期进步，促使拥核国家及其盟友掀起新一轮对军事领域人工智能高级应用的探索兴趣与政府投资。当前从武器专用功能（如提升目标锁定与导弹制导）到非武器相关用途（如快速数据收集、融合分析及模拟仿真），各类能力的整合在军事领域已具备技术可行性。鉴于核武器项目固有的保密文化，关于深化AI与核整合的计划、战略或实践信息极为有限。然而，广义国防领域对AI的讨论可揭示各国（包括核领域）对这些系统的价值定位，并暗示其对核威慑的影响。

在核领域，机器学习常被认为具有增强核威慑架构各环节能力的潜力：预警与情报监视侦察（ISR）；指挥控制；核武器目标锁定、制导与导航；以及导弹防御、网络安全和反潜战等非核作战。例如，印度计划部署50颗AI赋能监视卫星，并研究将深度学习应用于雷达技术。美国国家地理空间情报局计划五年内大幅投资数据标注服务，以提升分析卫星图像与地理空间数据的机器学习能力。机器学习对ISR能力的持续改进，可能助力探测、跟踪和锁定导弹发射井、飞机或机动发射车等核运载系统。

此外，美国国防部正研究如何利用先进AI，使其导弹防御系统能有效追踪并拦截巡航导弹与高超音速导弹，同时分析近地轨道传感器采集的数据。据报道，美方还投资应用AI管理海量数据集、优化测试流程、提升威胁检测与交战策略，这些措施广泛覆盖美国导弹防御局（MDA）的各项职能。俄罗斯方面公开信息有限，但研究显示其可能对机器学习与深度学习在防空反导部队中的应用存在兴趣。例如，据称正在为S-500防空系统开发AI控制能力，该系统设计用于对抗飞机、弹道导弹与巡航导弹，并具备打击近地轨道卫星的能力。

海军领域似乎成为机器学习系统研发部署的重点方向。水下应用的机器学习与深度学习技术意义重大，因为透明化的海洋环境可能威胁核潜艇生存能力，进而动摇战略稳定性。2024年，美国海军与国防创新局宣布推出水下威胁探测综合能力，该能力借助集成至现有无人潜航器（UUV）的商用机器学习技术，仅用一年时间即完成开发。通过AUKUS协议，澳大利亚、英国和美国正研究如何通过加速处理水声信号与声呐数据，利用AI更快速精准追踪中国潜艇。法国也在推进类似项目。

上述案例表明，当前部署或计划部署的多数军事AI能力聚焦于数据融合、图像分类与分析等任务的动态适应与实时响应。然而，先进AI在核武器运载工具中的应用探索也在进行。截至2024年2月，俄罗斯正在研发的"波塞冬"核武装自主无人潜航器，据俄总统普京称"即将完成测试阶段"。朝鲜领导人金正恩同样要求将AI整合至核鱼雷与其他在研无人潜航器。美国则启动生产B-21"突袭者"远程战略轰炸机，该机型具备核打击能力，设计用于与有人/无人航空器协同执行任务。巴基斯坦空军（运营可搭载核武器的战机）设有专门研究中心，据称正在探索机器学习、深度学习、预测分析与自然语言处理的应用，但尚无可靠信息显示这些技术将直接关联核运载平台。

此外，有迹象表明拥核国家已在探索如何将基础模型与生成式AI应用于军事系统。例如，2023年美国国防部启动"利马特遣队"专项计划，研究将生成式AI与大语言模型（LLM）整合至军事领域的可能性。美军各军种正在测试定制化大语言模型，执行文本摘要分类等常规数据分析任务，并用于兵棋推演。英国国防部与私营部门合作开发生成式AI增强的作战训练模拟系统，并研究大语言模型在网络防御中的应用。法国政府资助的替代能源与原子能委员会（CEA）正与泰雷兹集团（法国电子与军火制造商）合作开发专用大语言模型与视觉-语言生成模型，旨在通过数据分析强化军事情报收集、加速指挥控制流程，并提升军事盟友间的互操作性。

鉴于相关技术尚处开发阶段且新型机器学习系统当前任务范畴有限，断言上述案例已形成完全成熟的先进AI能力尚不准确。但部分能力已进入实验阶段的事实，清晰展现出进一步整合的趋势。例如，据某些评估显示，解放军媒体已就生成式AI在战争（包括人机交互、决策制定、网络战、后勤保障、认知域、太空域及训练）中的应用价值形成共识。任何此类应用都可能对核武器运作环境产生影响，即便仅限于私营领域的技术亦不例外。例如美国企业Rhombus Power（自称"国防与国家安全AI数字神经系统"）声称已通过预警系统向未具名美国政府客户通报朝鲜导弹发射。另一案例是法国公司Preligens，其专注于利用商业与政府卫星图像实现军事资产探测识别的AI应用。该公司与法国国防部军备总局签订数据处理软件合同，为北约提供软件支持，并在美国开展光学传感器分析的AI服务。尽管存在上述进展，但先进AI在军事领域的整合既非必然趋势，更不可能实现全面普及。