2026未来的战场人工智能如何变革战争-毕马威

2026年10月/in毕马威。创造不同。22印度正处于国家发展历程中的⼀个转折点。“崛起的印度”愿景不仅关乎经济增⻓、技术领先和全球影响⼒，还包括在⽇益不确定的世界中，建设维护和延续这些进步所需的能⼒。随着地缘政治竞争加剧和技术以空前速度演进，国家安全与技术⾃主已深度交织。⼈⼯智能已成为这⼀时代的标志性技术之⼀。其意义远超⾃动化或效率提升。⼈⼯智能正在重塑各国⽣成、处理和应⽤信息的⽅式，改变军事、经济和治理领域的决策。在战争中，⼈⼯智能正在加快作战节奏，增强态势感知，赋能⾃主系统，并开辟实现决策优势的新途径。随着数据成为战略资源，有效利⽤⼈⼯智能的能⼒预计将⽇益影响国家实⼒和军事效能。这对印度的影响尤为重⼤。该国的优势在于其充满活⼒的数字⽣态系统、世界级的⼈才库、不断扩⼤的创新格局以及⽇益增⻓的国防⼯业能⼒。这些优势创造了独特的机会来建设本⼟能⼒，以⽀持国家发展和国防现代化。⽀撑军事⼈⼯智能的技术，包括先进计算、数据平台、传感器、通信⽹络、机器⼈和分析技术，通常是在更⼴泛的商业和⺠⽤⽣态系统中发展起来的。因此，国防创新的未来不仅取决于国防领域的投⼊，还取决于政府、产业界、学术界、初创企业和研究机构之间合作的深度。可以适应国家安全应⽤，⽽国防需求也能刺激更⼴泛的⼯业和技术发展。对印度⽽⾔，促进这种合作可以充当⼒量倍增器，在加速能⼒发展的同时加强国内创新和技术主权。本报告探讨了军事⼈⼯智能的演变、其在当代军事职能中的应⽤、新兴⻛险与治理考量，以及充分发挥其潜⼒所需的基础能⼒。重要的是，报告强调，成功采⽤军事⼈⼯智能不仅仅是技术问题。它需要强⼤的数据⽣态系统、数字基础设施、互操作架构、可信的治理框架、熟练的⼈⼒资本，以及能够将技术创新融⼊作战实践的机构。随着印度朝着“崛起的印度”愿景迈进，国家安全、技术与创新的融合带来了独特机遇。通过发挥在数字化转型、深度技术和创业⽅⾯的优势，同时促进⺠⽤与国防⽣态系统之间更紧密的合作，印度可以增强其对不断演变的战争形态的准备，并为建设⼀个更安全、更有韧性、更具技术赋能的未来做出贡献。我希望这份报告能为政策制定者、国防领导⼈、产业利益相关⽅以及更⼴泛的战略界在应对⼈⼯智能赋能战争时代带来的机遇与挑战时，提供有益的⻅解。在全球范围内，军事⼈⼯智能领先的国家已经证明了强⼤的军⺠技术合作的重要性。创新越来越发⽣在公共和私营部⻔的交汇点，其中商业技术的进步尼拉查尔·米什拉合伙⼈兼政府与公共服务主管印度毕⻢威未来的战场未来的战场未来的战场3未来的战场3印度正站在迈向⾃⼒更⽣和进步印度（AatmanirbharandAgrasarBharat）的关键时刻；这是⼀个不仅在经济和技术上⾃给⾃⾜，⽽且能够塑造安全和战略事务未来的国家。在这⼀愿景下，国防现代化不再仅仅是获取先进平台和武器系统。它越来越多地涉及建⽴数字基础、⼯业能⼒和创新⽣态系统，这些将在未来⼏⼗年决定军事效能。今天，⼈⼯智能（AI）和机器学习（ML）代表了下⼀个重要的转折点。它们的重要性不仅在于实现更智能的平台，还在于改变军事组织观察、判断、决策和⾏动的⽅式。最近的冲突凸显了军事优势越来越取决于更快地处理信息、跨领域整合数据、⼤规模部署⾃主系统以及在不确定性条件下做出卓越决策的能⼒。未来的战场将由数据、算法、传感器、⽹络、⾃主系统和⼈类判断的融合所塑造。在这种环境中，决策优势可能与传统战⽃⼒衡量标准⼀样具有决定性。我在国防和技术⽣态系统中越来越观察到的⼀个趋势是⼈⼯智能、⽆⼈系统和太空能⼒的融合。这些技术不再孤⽴发展。⼈⼯智能正成为实现⾃主决策的智能层，⽆⼈机正成为整个战场空间中的分布式传感器和效应器，⽽天基资产则提供通信、导航、情报和连接,将这些能⼒捆绑在⼀起。它们的融合正在为军事效能、国家安全和战略优势创造全新的可能性。这⼀时刻之所以意义重⼤，是因为该领域仍处于早期发展阶段。⽬度提供了⼀个难得的机会，不仅能够采⽤新兴技术，还能帮助塑造初创企业⽣态、不断增⻓的国防⼯业基础以及⽇益扩展的太空雄⼼，在许多⽅⾯，这⼀机遇类似于印度在移动技术领域的转型。虽然我们没有引领固话时代，但我们成功利⽤了⼀个技术转折点，成为世界上最⼤、最具活⼒的移动⽣态系统之⼀。⼈⼯智能、⾃主性、太空和先进制造的融合带来了类似的机遇。如果以雄⼼和⽬标感加以把握，这可以帮助印度跨越传统国防能⼒发展模式，成为塑造未来战场的领导者。是时候将创新转化为作战就绪的能⼒了。我们很⾼兴呈上这份报告，并希望它能对政策制定者、国防领导⼈、⾏业利益相关者、学术界和创新者之间正在进⾏的对话做出有意义的贡献，他们正在共同塑造⼀个⾃⼒更⽣、安全和进步印度的未来。GauravMehndiratta合伙⼈及全国主管航空航天、国防与太空毕⻢威印度未来的战场memberfmsaflatedwihKEPMGImnteratonalLimted,aprtvateEnglshcompanyIhmited,它通过压缩决策周期、扩展自主性以及提升数据和99 未来战场连续的技术时代压缩了从传感器到射手的杀伤链，将战场感知从单个士兵和野战编队转向算法驱动的战略决策。战场感知从单个士兵和野战编队转向算法驱动的战略决策。战争不断随着技术、组织以及军事⼒量⽣成和利⽤信息的⽅法的进步⽽演变。从战场感知仅限于个别指挥官和局部编队的时代开始，战争经历了机械化、精确打击能⼒和⽹络化作战的进展，这些进展扩⼤了军事⾏动的规模和速度。在这些连续的时代中，共同的趋势是通过改进传感、通信、处理和武器系统来压缩从传感器到射⼿的循环。如今，战场数据量和复杂性的增⻓带来了新的挑战：⽐对⼿更快地解读信息并采取⾏动的能⼒。⼈⼯智能代表了这⼀演变的最新阶段，使军事组织能够将海量数据流转化为可操作的⻅解，加速决策，并⽀持⽇益⾃主的作战⾏动。理解这⼀历史进程为评估⼈⼯智能如何重塑战争特性并在⼆⼗⼀世纪重新定义军事优势奠定了基础。战争的演变可以看作是军队如何收集信息、做出决策并将这些决策转化为战场效果的过程。在最早的时代，指挥官依赖于有限的局部观察和缓慢的通信，导致决策周期是顺序进⾏的。机械化、⽆线电通信和空中侦察随后扩⼤了态势感知能⼒，使更⼤编队间的协调成为可能。卫星、雷达和精确制导武器的出现进⼀步加速了从传感器到射⼿的链条，使信息成为战⽃⼒的关键来源。下⼀阶段是⽹络化⼒量的发展，实时数据共享使多域协调作战成为可能。图表1展⽰了相同的趋势。图表1：战争的五个时代与决策单元的转移时代战场感知决策模型主导决策单元决策的特点周期局部化意识和指挥员主导的信息主要来源于主要来⾃直接信使和报告来⾃附近的编队不完整、延迟和局部持有的信息指挥员和连续且缓慢：本地观察，转达信息，决定集中下达命令连接指挥和机械化侦察和移动总部扩展意识超越视线指挥官协调使⽤机动定期更新来⾃多⽅报告或舰队连接但等级分明：更快的通信改善协调，但信息仍然传感器支持的精确作战卫星、空中监视、雷达与创建更⼴泛的作战图像专家分析传感器信息和指挥官匹配确定⽬标与精确武器联合或战区级级指挥传感器到射手整合：检测与批准仍然网络化和分布式来⾃多个数据源的数据平台和服务通过共享通⽤作战决策是分布式的跨连接的总部、平台和战术单位近实时协作：共享态势感知使能跨协调⾏动领域和更短的杀伤算法-辅助和自主AI持续融合传感器、智能和识别模式并优先处理威胁机器⽀持定位和航向授权或设定决策决策系统未来战场未来战场如今，战争正进⼊⼀个算法辅助和⾃主作战的时代，⼈⼯智能系统不断处理海量数据，⽀持⾏动⽅案制定，并实现⼈机协同。纵观这些时代，⼀贯的趋势是战场感知的扩展、决策周期的加速，以及信息处理作为军事优势决定因素的重要性⽇益提升在⼯业时代的⼤部分时间⾥，战场上的胜利取决于动员和维持规模的能⼒：庞⼤的军队、集中的⽕⼒和⼤量的武器弹药储备。部队⼒求压倒和饱和敌⽅防御，承受可接受的损失，并通过数量优势实现突破。然⽽，随着时间的推移，战争的⽬标和约束已扩⼤到占领和控制领⼟之外。情报、监视、通信、导航和精确制导武器的进步，将效能的基础从单纯的规模转向了⼒量的选择性运⽤。指挥官获得了更⼴泛的选择来实现军事和政治⽬标，以更⾼的精准度打击特定⽬标、调整效果的规模和时间、限制附带损害并节省稀缺的⼈员和物资。因此，信息优势本⾝就成为了⼀种战⽃⼒形式，使部队能够以精确、适度且⽇益⽹络化的⾏动取代⽆区别的集中。⽆⼈机⾸次在反恐和反叛乱⾏动中展⽰了其独特的作战价值，尤其是在阿富汗和伊拉克。其续航能⼒使其能够对感兴趣的区域进⾏持续监视，⽽武装型⽆⼈机可以精确地快速打击已识别的⽬标，限制附带损害，并使空勤⼈员——在某些情况下还包括地⾯部队——免于直接危险。随后，其⻆⾊从不对称作战扩展到常规冲突。在2020年纳⼽尔诺-卡拉巴赫战争1中，阿塞拜疆有效使⽤⽆⼈机和游荡弹药对抗亚美尼亚军队，利⽤持续感知和精确打击来定位、暴露和摧毁防空系统、装甲⻋辆及其他战场资产。在这两种情况下，⼀个关键推动因素是技术不对称：在对⼿缺乏分层防空、电⼦战能⼒和相应反⽆⼈机措施的情况下，⽆⼈机最为有效。因此，⽆⼈机的兴起不仅仅代表了⼀种⽆⼈平台的引⼊；它凸显了收集持续传感器数据、将其快速处理为可⾏动情报，并在传感器到射⼿链路上可靠传输的重要性⽇益增⻓。近期的冲突，尤其是俄罗斯-乌克兰战争2和2025年5⽉印度的“⻛神⾏动”3，凸显了⽆⼈机作为现代战场上主要消耗⼿段的出现。这些冲突展⽰了⽆⼈系统能够以相对较低的成本和⻛险提供持续监视、精确打击和⼤规模作战效果。“⻛神⾏动”在印度被⼴泛描述为该国⾸次在很⼤程度上⽆接触的冲突，⽆⼈机、游荡弹药和远程导弹取代了常规部队的⼤规模使⽤4。其结果是，战争⽇益向⾮接触式、技术驱动的⽅向转变,在这种战争中，较量越来越围绕着传感器、⽹络、算法和⾃主平台展开，⽽不是部队的集结。1.CSIS。纳⼽尔诺-卡拉巴赫的空中与导弹战争：对未来打击与防御的教训。2020年12⽉。3.“信德”⾏动：国家安全中“⾃⼒更⽣”创新的崛起，新闻信息局，桑托什·库⻢尔、⾥图2.⽆⼈机如何改变战争？战场的未来，·卡塔⾥娅和克⾥蒂卡·拉内，2025年5⽉欧洲政策分析中⼼（CEPA），迈克尔·⽜顿，4.《论坛报》。“信德”⾏动加速了本⼟⽆⼈机开发及反制措施。2026年5⽉9⽇。1.3智能化转型,但人工智能改变了它们之间关键的一层：决策制定和数据处理。人工智能使军事组织能够以远超人类能力的这一挑战的规模可从商业卫星图像中看出。据一家领先的地理空间情报公司的首席技术星一天生成的图像，一名分析师大约需要85年时间。机器学习算法可以在几秒钟内1.4人工智能战争十年：时间线以下时间线突显了2017年至2026年间塑造人工智能赋能战争出现的一些最重要全球里程碑。这些里程碑共同强62026KPMGAsuranceandConsultingServicesLLP,anTndianLimielLabilyPartrershpan62026KPMGAsuranceandConsultingServicesLLP,anTndianLimielLabilyPartrershpan2019年2020年与此同时，“阿森纳-112”提出了一种软件驱动的工厂模式，用于大规模生产自主系统和弹药。北约采购的MSSNATO扩展了人工智能赋能的情报融合、战场感知、规划和瞄准能力，覆盖联盟所有行动。同一时期，“信德行动”、“蜘蛛网行动”、DARPA的AIxCC以及一场由人工智能驱动的间谍活动，展示了人工智能在网络化作战、网络防御和进攻性网络行动中日益增长的作用》62026KPMGAsuranceandConsultingServicesLLP,anTndianLimielLabilyPartrershpan6.成立算法战争跨职能团队(Maven项目),美国国防部，副部长办公室,2017年4月加速向作战人员以速度和规模交付全域可消耗自主系统，国防创新部门，2023年11月2025年3月环境，用于训练军事人工智能解决方案，乌克兰国防部，2026年1月62026KPMGAsuranceandConsultingServicesLLP,anTndianLimielLabilyPartrershpan2.1军事人工智能技术栈军事人工智能技术栈为理解人工智能赋能的军事能力如何形成并转化为作战效果提供,以实现信息的收集、处理和分发。随后，人工智能模型、决策支持服务和任务应用将这些信息转化为可操作的人的判断仍对重大决策至关重要，而网络安全、测试、验证、治理和法律监督等保未来战场未来战场图表3：军事AI能力堆栈FromrawbattlefielddatatoauthorisedmilitaryeffectsCybersecurFromrawbattlefielddatatoauthorisedmilitaryeffectsCybersecurityGovernance·Safety·Red-teamingAuditLegalandethicalcompliance·Supplychainassurance集成智能。确保优势。更安全的明天。人类保留判断、升级授权及对重大行动的责任77任务效果与人类指挥决策优势·精确性·就绪性·⼒量保护·韧性任务应用情报、监视与侦察·指挥与控制·⽬标定位·后勤·⽹络防御·维护·计算机视觉计算机视觉·多模态与语⾔模型·预测·优化·仿真·智能体4AI工程与集成机器学习运维·模型注册表·应⽤程序编程接⼝·数字孪⽣·测试·部署·监控3数据与知识2计算、云边和网络安全云·加速器·边缘处理器·战术⽹络·弹性通信1传感器、平台和数据源卫星·雷达·光电/红外（EO/IR）·声呐·信号情报（SIGINT）·⽹络·遥测·后勤未来战场未来战场以下各节将从多个⻆度审视这⼀⼈⼯智能⽣态系统。报告⾸先探讨了⼈⼯智能改变战争⽅式的三种途径，即将数据转变为战略资产、压缩决策周期以及在军事⾏动中实现更⼤程度的⾃主性。随后，报告分析了主要军事⼤国如何推进⼈⼯智能的应⽤，包括其为⼤规模实现这些能⼒⽽建设的制度、技术和⼯业基础。⼈⼯智能通过三种根本⽅式改变战争特性：它将数据转化为战⽃⼒来源，通过⾃主系统实现可负担的⼤规模部署,并将⼈类努⼒从处理信息转向运⽤判断⼒。总体⽽⾔，这些变化将军事竞争从平台优势转向决策优势。1.将数据转化为武器系统在⼈⼯智能赋能的战争中，数据正从辅助资产演变为战⽃⼒的核⼼要素。数据如同弹药或燃料⼀般，必须持续收集、处理、分发并更新，才能产⽣作战优势。现代军事平台——包括卫星、⽆⼈机、雷达、电⼦情报系统和前线传感器——⽣成关于敌⽅动向、⽬标、信号特征和弱点的⼤量信息，同时也能清晰反映⼰⽅部队的状态、战备⽔平和部署情况。⼈⼯智能通过将这些分散的数据流融合成通⽤作战图（COP）来创造价值，使指挥官能够提⾼态势感知能⼒、优先排序威胁、更有效地分配资源，并加速从探测到⾏动的过程。因此，军事优势越来越不取决于收集的数据量，⽽取决于数据的质量、可获取性、及时性和互操作性。⾼质量的数据集能带来更准确的模型、更快的决策和更⾼的作战精度，⽽分散或过时的数据则可能削弱即使是最先进的⼈⼯智能系统。近期的举措凸显了数据⽣态系统⽇益增⻓的战略重要性。乌克兰的Brave1数据室为经过审查的开发者提供结构化的战场数据集，⽤于训练和验证国防AI模型18，⽽美国的AI战略则强调跨域数据共享和作战模型的快速部署1920。这些发展共同标志着现代战争的根本性转变：对可信、⾼质量作战数据的控制正⽇益成为决策优势和持续军事优势的先决条件。2.它改变了数量优势的经济学AI赋能的⾃主性正在改变数量优势的经济学，它允许相对廉价的⽆⼈系统以⾜够的数量部署，从⽽饱和传统防御。由此产⽣的不对称不仅是作战层⾯的，也是经济层⾯的：防御⽅可能被迫消耗稀缺、⾼成本的拦截弹，保持持续监视，并部署专⻔的对抗措施来应对那些单独⽽⾔廉价且可消耗的威胁。即使⼤多数来袭系统被拦截，其数量也能耗尽弹药库、使传感器和指挥⽹络过载、暴露防御阵地，并为更强⼤的武器创造突破⼝。⽆⼈机、游荡弹药和⽔⾯或⽔下⽆⼈航⾏器是这种模式的核⼼，因为它们可以将感知和打击功能分布到众多可损耗平台上。⾃主导航和末端制导进⼀步增强了这⼀优势，减少了对持续通信的依赖，并使某些系统对⼲扰更具韧性21。近期⽆⼈机蜂群攻击以及使⽤⽆⼈⽔⾯航⾏器攻击⾼价值海军资产的事件表明，低成本⾃主数量优势如何施加不成⽐例的经济防御需求，并将成本交换⽐推向有利于进攻⽅的⼀侧。18.乌克兰国防部（Z.ua）。乌克兰20.GovCIOMedia&Research。赫格塞斯在战略⽂件中公布“战时状态”公司在Brave1数据室⼤规模训练AI。2026年6⽉11⽇。军事AI战略⽂件。20219.美国战争部。《⼈⼯智能战略》21.《基辅邮报》。“发射后不管”：乌克兰推出FPV⽆⼈机战争部。2026年1⽉9⽇。人工智能正在将人类的角色进一步沿决策链后移。早期的数字工具主要帮助分析人员;当代的人工智能系统则越来越能够融合多个数据流、识别模式、评估其作战意义，并以可直接用于决策的格随着人工智能承担了更多的数据整合和分析工作量，人类独特的贡2.3全球主要参与者的军事AI方法还在投资更广泛的创新体系，以将尖端技术转化为实战军事能力。例如，23个北约盟国同意设立张。2024年，其测试中心从90个扩展到182个，加速器从11个扩展到23个。这些数字表明，成功的军事AI应用依全球国防支出为军事AI提供了更广泛的投资背景。2025年军费支出约达2.9万亿美元，按实际价值计算比上年增长2.9%,比2016年水平高出约40%。虽然AI赋能系统在这笔支出中所占比例仍然相对较小，但市场预测表明其将持续增长。主要机构的估值将全球军事AI市场在2020年代中期定在约90至150亿美元，并预计到2030年将达到190至290亿美元，这意味着每年约13%至20%的增长。增长涵盖自主平台、情报与监视、网络安全、指挥控制、然而，由于市场定义不同，且没有全球公认的方法能够将军事62026KPMGAsuranceandConsultingServicesLLP,anTndianLimielLabilyPartrershpan全球军用人工智能市场规模(十亿美2025年市场规模2030年预计市场规模(20.1预计全球军用人工智能市场将从2025年的115亿美元增长至2030年的287亿美元，预测期内复合年增长率为20.1%。(2025年)国防支出增加，重点投入人工智能、分析和数字化转型。预计2025-2030年间将见证最快增长。地缘政治紧张局势加剧和国自主和无人系统的采用日益增多欧洲。多域作战中实时决策的需求。0102115亿美异，从加快决策速度、改进自主系统，到增强网络韧性和军工产业竞争力，但一个能正被整合到军队的核心职能中，而非被视为一项独立倡议。因此，各全球军事参与者的经验表明，从测试向规模化能力部署的转变正在进行。虽然一些国防62026KPMGAsuranceandConsultingServic图表5：公开披露的美国国防数字投资代理指标选定主要选定主要IT业务项⽬，2022-24财年陆军NGC2确定成本，直⾄2026财年国防部云合同义务，2025财年国防部AI请求不同时期和会计基础下，数据重叠，不得相加。⽬前尚⽆权威的全球军事AI国防数据仓库序列。33亿美元30亿美元91亿美元18亿美元图表6：主要国防大国为军事AI采取的举措行为体举措有记录的项目和能力美国美国国防部于2017年4⽉成⽴了算法战跨职能团队（AWCFT）,以加速⼤数据和机器学习的整合，并将国防数据转化为可操作“梅⽂计划”：其⾸要任务是增强或⾃动化处理、开发与分发战术⽆⼈驾驶航空系统（UAS）及中空全动态视频，以⽀持“击败伊斯兰国”⾏动。初始能⼒包括基于计算机视觉的⽬标检测、分类和警报，计划以90天为⼀个周期进⾏集成。美国国防部2024年向国会提交的报告描述了中国⼈⺠解放军的现代化⽬标及其作为未来部队发展⼀部分的⼈⼯智能和其他先进技术的发展,包括与2027年相关的⽬标。该报告涉及解放军的战略、当前能⼒、军事技术发展、作战概念和部队现代化资源。它指出⼈⼯智能是解放军⻓期发展相关的技术之⼀。北约为盟军作战司令部采购了⼀项⽀持⼈⼯智能的通⽤数据和作战能⼒，以⽀持军事⾏动，并采⽤联盟内部开发的其他⼈⼯智能模型。“梅⽂智能系统北约版”：北约通信与信息局(NCIA）表⽰，该系统⽀持情报融合与⽬标锁定、战场感知、规划和加速决策，并包含从⼤型语⾔模型到⽣成式⼈⼯智能和机器学习等应⽤。从需求定义到签订合同仅⽤了六个⽉。26.算法战跨职能团队的成⽴(⻢⽂项⽬),美国国防部,罗伯特·O·沃克,27.美国国防部,国防部副部⻓备忘录,“建⽴算法战争跨-28.涉及⼈⺠解放军的军事与安全发展29.北约获得⼈⼯智能作战系统,北约未来战场未来战场未来的战场未来的战场行动者倡议已记录的项目和能力乌克兰。乌克兰国防部正在向经过审查的国防开发者提供对结构化作战数据集的控制访问权限，⽤于训练、测试和验证军事⼈⼯智能模型。Brave1数据室：于2026年1⽉启动，包含空中⽬标的视觉和热成像数据集。初步重点是敌⽅⽆⼈机的探测、分类和⾃主拦截。到2026年6⽉，国防部报告称已有100多家乌克兰公司获得访问权限。以色列。以⾊列国防军表⽰，它使⽤⼤数据处理⼯具帮助情报分析⼈员交叉⽐对现有情报来源，并专注于与其研究相关的信息。Gospel和Lavender：以⾊列国防军称其为⽀持情报处理的数据分析⼯具。它表⽰这些⼯具不会⾃主选择或⽣成⽬标，不能作为识别⽬标的唯⼀依据，也不能取代分析⼈员或作战指挥官。在多⽅利益相关者⼯作组之后，印度国防部于2019年2⽉成⽴了国防⼈⼯智能委员会（DAIC）和国防⼈⼯智能项⽬机构（DAIPA），以提供政策指导、结构⽀持和国防⼈⼯智能采纳的运营框架。官⽅发布记录了军种级⼈⼯智能分委会和三军联合⼯作组、军种数据政策及数据管理官员、通过iDEX和学术界开展的项⽬，以及国防公共部⻔企业的⼈⼯智能路线图32。2022年8⽉，政府报告识别了70个国防公共部⻔企业⼈⼯智能项⽬，其中4俄罗斯。俄罗斯联邦于2019年通过了《⾄2030年⼈⼯智能发展战略》。该战略⽂件指⽰政府机构⽀持包括国防在内的优先领域采纳⼈⼯智能34。“乌兰-9”机器⼈作战系统：该平台集成了⾃主导航系统、⽬标跟踪和远程控制能⼒以及障碍物规军事人工智能的产业参与者军事⼈⼯智能部⻔正经历快速增⻓和多样化，使其成为国防⼯业中最具活⼒的领域之⼀。随着政府加快⼈⼯智能能⼒的整合，市场吸引了⼴泛的私营参与者。这些参与者从传统国防巨头到新兴公司不等。这导致产业格局显著演变，新参与者正在重塑竞争动态和传统价值链。因此，国防承包商正通过战略伙伴关系、内部创新和收购⼩众⼈⼯智能初创公司，扩⼤其⼈⼯智能产品组合。根据斯德哥尔摩国际和平研究所关于“绘制军事⼈⼯智能产业”的报告，参与提供军事⼈⼯智能的公司已根据其商业模式进⾏了分类，具体如下：30.国防部推出Brave1数据室，这是⼀个安全⽤于训练军事⼈⼯智能解决⽅案的环境，乌克兰国防部，2026年1⽉。31.以⾊列国防军⾏动中的技术与⼈类决策：在情报处理中使⽤数据技术，以⾊列32.⼈⼯智能实施⼯作组，新闻信息局，33.⼈⼯智能技术能⼒提升，新闻信息34.俄罗斯联邦总统关于俄罗斯联邦⼈⼯智能发展的法令，36.绘制军事⼈⼯智能产业图，斯德哥尔摩国际和平研究所（SIPRI），亚历⼭⼤·布兰查德，⽂森特·布拉宁未来的战场未来的战场图表7：主要国防大国为军事人工智能采取的措施国防主承包商新主承包商和初创公司大型科技公司基础模型提供商•与政府有⻓期合作关系的传统国防承包商•作为主要国防项⽬的主导集成商•应⽤涵盖武器集成、物流、维护、监视和⽬标获取•例如：⾃主巡⻜弹药、⾃动化武器系统。•相对较新的参与者•主要专注于数据分析、⾃主性、AI智能和数字平台•提供⾼度专业的能⼒;可能为军⺠两⽤•能⼒包括⾃主系统、⼈⼯智能驱动的智能⼯具、战场管理系统（BMS）以及反⽆⼈机解决⽅案。•在商业和军事两个市场运营的⼤型全球科技公司•利⽤其在数据中⼼、云平台、通信⽹络等关键数字基础设施上的资本、规模和主导地位。•构建和维护⼤规模AI模型，作为基础技术做出贡献•应⽤包括分析、情报功能、⾃主性和决策⽀持•由战略资⾦和⼤型科技公司的⻛险投资共同⽀约翰·博伊德上校是美国空军战⽃机⻜⾏员和军事战略家，他在空战、决策和组织适应⽅⾯的研究影响了现代军事思想。他将冲突描述为⼀个观察、定向、决策和⾏动的循环过程，即OODA循环。其核⼼论点不仅仅是完成循环最快的⼀⽅将获胜，⽽是它能够反复创造并利⽤变化，速度超过对⼿理解和响应的能⼒37。定向是关键阶段，因为它赋予观察到的内容以意义。在这⾥，原始信息通过经验、条令、训练、⽂化假设、先前知识和不断展开的作战环境进⾏过滤，形成对局势的⼯作认知。决策和⾏动的有效性取决于这种解释：快速观察后若定向有缺陷，可能导致⾃信但错误的反应。定向还通过决定指挥官接下来关注什么、哪些发展被视为重要以及哪些选项可⾏，持续塑造循环的其他部分。因此，能够⽐对⼿更准确调整其⼼智模型的⾏动者，即使不拥有全⾯优势的平台或信息，也能扰乱对⼿的理解和主动权。⼈⼯智能通过增加观察的量和速度、将多样输⼊融合为通⽤作战图（COP）、识别模式以及⽀持⽐较可能响应来改变OODA循环。其最显著的影响在于定向阶段，算法在这⾥⽇益帮助确定数据的意义和哪些内容值得关注。因此，⼈⼯智能可以压缩整个循环并⽀持更⾼节奏的⾏动，但它也可能更快传播过时数据、隐藏偏⻅或对抗性欺骗。各阶段的影响及相关脆弱性如下所述。37.⽂化知识、技能和能⼒（KSAs）：使⽤OODA循环进⾏技能发展，空军⼤学，帕特⾥夏·福格蒂，2019年3⽉未来战场未来战场图表8：人工智能前后的OODA循环38分析师观看数据流人工节奏循环每个周期数⼩时⾄数天人工操作⼈⼯融合参谋估算任务下达，出击⾃动检测，所有源⾃主性与指导排名选项人类判断AI压缩循环每周期分钟，⼈在回路中⾃动检测，所有源⾃主性与指导排名选项人类判断AI压缩循环每周期分钟，⼈在回路中博伊德模型：循环更快且方向调整更佳的一方获胜随着⼈⼯智能嵌⼊指挥控制系统，它压缩了从探测到⾏动所需的时间，同时提⾼了指挥官可⽤信息的规模和质量。然⽽，这些收益伴随着新的⻛险，包括⾃动化偏⻅、数据操纵、对抗性欺骗和机器速度的升级。下图展⽰了⼈⼯智能如何改变OODA循环的每个阶段，突出军事组织在⽇益由⼈⼯智能赋能的战场上必须管理的作战优势和新兴脆弱性38.⽤⼈⼯智能加速OODA循环：有益还是限制框架？，联合空中⼒量能⼒中⼼，欧⽂·丹尼尔斯，2021年5⽉未来战场未来战场图表9：AI如何改变OODA循环的每个阶段阶段AI之前新的漏洞观察。借助AI阶段AI之前新的漏洞观察。•分析师⼿动审查视频、图像、雷达和传感器数据流•传感器超出了⼈⼒负荷,因此细微或短暂的指标常常被忽略。•计算机视觉和信号处理模型扫描来⾃卫星、⽆⼈机、雷达和地⾯传感器的数据流•它们标记物体、动态和异常,使分析⼈员能够专注于重•伪装、诱饵和欺骗可以规避检测•有毒、过时或缺乏代表性的训练数据可能导致漏报威胁或产⽣误报。•情报、⾏动和后勤报告通过电⼦表格、地图和语⾳更新进⾏核对•过程缓慢，总部往往根据不同的情况版本进⾏•数据融合⼯具构建共享的基于地图的⾏动画⾯•模型关联轨迹并识别模式,语⾔模型则总结相关报•清晰的显⽰可能让不确定的信息看起来很确定•偏⻅、错误的关联或过时的输⼊可能误导指挥官，尤其是当这些信息被⾃信地呈现•⼯作⼈员⼿动匹配⼒量、武器、时机和交战规则•建议在授权前经过多个系统和审批级别的传递。•决策⽀持系统在⼀个界⾯中⽐较⾏动⽅案并将⽬标匹配到执⾏器•指挥官仍会检验假设，并批准、修改或拒绝。•当机器建议看起来精确或节奏紧凑⽆暇质疑时,⽤⼾可能会听从这些建议•⽬标定义不当可能导致系统优化错误的结果。•命令通过语⾳、消息或独⽴系统下达，操作员全程控制平台。•保留了⼈类控制权，但速度较慢，且依赖于可靠的通信。•已批准的任务直接从通⽤命令界⾯发出•当链接降级时，⾃主系统可以在⼈类设定的规则内继续导航或引导。•软件故障、链路丢失或条件变化可能导致系统依据过时指令运⾏。•更快的执⾏速度使得阻⽌意外⾏动或管理事态升级的时间更少。未来战场未来战场有效加速循环的赋能因素战场优势取决于决策速度与决策质量的结合。⼈⼯智能可以通过帮助指挥官在作战时间线内处理更多信息，加速决策周期并增强态势感知。正如某安全研究中⼼副主任所指出的，只有在合理的解读、情境理解和知情的⼈类判断⽀持下，更快的处理速度才能发挥最⼤价值。以下赋能因素可以帮助军事组织实现这些益处：•强⼤的机构和技术基础实现更快的决策周期：2025年4⽉，美国政府问责署强调了对国防部联合指挥控制⼯作进⾏全⾯框架的价值，包括跨军种的协调实施和适当的数据访问。企业级架构、通⽤标准和明确的治理可以让个体⼯具的速度转化为整个部队的⼀体化决策。•有韧性的态势理解增强作战认知：由于态势理解决定了信息的解读⽅式，部队可以通过多样化的数据来源、模型验证、⾝份验证和对欺骗技术的定期测试来加强这⼀阶段。在2020年的纳⼽尔诺-卡拉巴赫冲突中，据报道阿塞拜疆使⽤诱饵⻜机对抗亚美尼亚防空系统，这说明了在将传感器输⼊纳⼊通⽤作战图之前进⾏交叉验证的作战重要性。•⼈类权威⽀持机器速度下的受控作战：当对⽴的AI辅助系统以⾼节奏运⾏时，明确定义的决策权限、升级阈值和⼈⼯批准点有助于确保⾃动化建议与指挥意图保持⼀致。这些安排使军事组织能够在保持对重⼤决策知情监督的同时，享受速度带来的益处。下⾯的案例研究展⽰了⼈⼯智能驱动系统如何加速作战流程，以及当前可靠的数据如何⽀持有效性能。案例研究1|Maven智能系统的决策优势|美国/北约Maven智能系统（MSS）美国国防部的旗舰⼈⼯智能作战管理和⽬标定位平台，作为Maven项⽬之上的主要集成商构建。它是利⽤⼈⼯智能创造决策优势的经典范例。多传感器数据融合提⾼准确性增益来⾃集成多个系统合⽽为⼀，⽽⾮来⾃单⼀智能模型决策优势决策优势AI驱动的多元化采购为战场管理系统带来更好的决策优势源更快的目标定位周期由于AI分析数据的速度远快于⼈类，从感知到⽬标定位的周期显著缩短39.现实与理想之间：OODA循环与军事⼈⼯智能，LUFTLED，欧⽂·J.丹尼尔斯，2024年4⽉41.纳⼽尔诺-卡拉巴赫2020年冲突的教训，中⼼40.国防指挥与控制：进⼀步进展取决于陆军经验教训，菲利普·安德鲁斯，2021年8⽉建⽴全⾯框架，美国政府未来战场未来战场Maven智能系统（MSS）MSS是美国国防部旗舰级、由⼈⼯智能赋能的作战管理与⽬标定位平台，作为ProjectMaven（始于2017年）之上的主要集成商构建。它摄⼊卫星、⽆⼈机、雷达和信号数据；利⽤⼤语⾔模型提供⾃然语⾔查询和分析，运⾏计算机视觉模型以检测物体，并允许⽤⼾选择检测到的⽬标、⽐较可⽤的打击资产并通过统⼀作战界⾯下令实施打击。这是⼈⼯智能带来决策优势的典型范例。以下赋能因素可帮助军事组织实现这些益处：规模与采用•2025年5⽉，五⻆⼤楼将MSS合同上限提⾼了7.95亿美元，从4.8亿美元提⾼到近13亿美元，直⾄2029年。2027财年预算申请中包括为MSS和联合⽕⼒⽹络拨款23亿美元，且国防部副部⻓指⽰将MSS列为正式记录项⽬•根据⼀家战略研究中⼼引⽤的报告，2024年中央司令部部署MSS时使⽤了179个不同的数据源43。•2025年3⽉25⽇，北约最终确定了采购⼀种MSS版本（称为“MSS北约版”，⽤于盟军作战司令部）的事宜。关键要点•数据融合加速了流程。增益来⾃于将多个系统整合为⼀个，⽽⾮单⼀的智能模型。•⼈⼯智能驱动的多样化情报来源为战场管理系统提供了决策优势。2.5战略和战役层面战争中的人工智能——一个框架⼈⼯智能在战争的所有层⾯都能创造军事价值，但其⻆⾊和运作模式在战略、战役和战术层⾯各不相同。战略和战役层⾯的应⽤通过整合国防企业中的数据、系统和决策流程来获得价值，⽽战术层⾯的⼈⼯智能则必须在⽆法保证连接性的对抗环境中发挥效能。随着现代战场在电磁频谱领域的对抗⽇益激烈，军队逐渐认识到需要具备⽹络化作战能⼒和在通信降级或中断时独⽴运⾏的战术边缘⼈⼯智能能⼒。在战略层⾯，⼈⼯智能通过应⽤于国防制造、后勤、情报分析、⽹络作战、基础设施保护和⻓期能⼒建设等领域,为兵⼒⽣成、国家韧性和军事准备做出贡献。在战役层⾯，⼈⼯智能通过多传感器数据融合和决策⽀持，增强战区级规划、联合指挥控制、⽬标锁定、战场态势感知和部队协调。这些应⽤的很⼤⼀部分价值来⾃对跨多个领域和组织的⼤量信息的访问能⼒。然⽽，在战术层⾯，⼈⼯智能具有独特的作⽤。除了改进⽬标识别、⾃主导航、集群协同和前线态势感知之外,⼈⼯智能还能使平台和武器系统在与上级指挥部或更⼴泛的通信⽹络断开连接时继续有效运⾏。在⼲扰、⽹络攻击或带宽限制可能破坏连接性的对抗环境中，配备⼈⼯智能的平台能够以更⾼的⾃主性维护局部态势感知、适应不断变化的条件、执⾏任务⽬标并⽀持决策制定。这使得即使在集中式指挥控制系统暂时⽆法访问的情况下，军事⾏动也能保持有效性。42.需求增⻓"促使国防部将Palantir的Maven合同提⾼⾄超过10亿美元，Defense合同提⾼⾄超过10亿美元，DefenseScoop，BrandiVincent，2025年5⽉23⽇战略与国际研究中⼼（CSISMattMande和GregoryC.Allen，2026年6⽉未来战场27因此，该框架强调了军事⼈⼯智能的双重作⽤。在战略和作战层⾯，⼈⼯智能主要作为⼒量整合器，连接数据、传感器、平台和决策者，以提⾼军事决策的速度和质量。在战术边缘，⼈⼯智能充当⼒量倍增器，使分布式平台和部队能够在受争议、退化、间歇性或断连环境中以更⼤的⾃主性进⾏感知、决策和⾏动。这些能⼒共同构建了⼀个更具弹性的军事架构，既能够利⽤⽹络化作战的优势，⼜能在⽹络中断时保持效能。图表10：人工智能在战略、作战和战术层面的应用AI-enabAI-enableddata,modelsandhumancommand部队设计与战备国家韧性与长期优势确保安全|加强实⼒|引领国家备战与部队发展预先研判|建设能⼒|持久加⼊战役与联合作战整合|计划|战役协调性与决策优势同步|机动制胜|实战化精确更快、精准的战场效果防护|赋能|制胜威胁前线行动点的交战感知|决策|⾏动接下来的章节详细考察了⼈⼯智能在战争战略和作战层⾯的作⽤，其⾸要贡献在于增强国家战备、部队⽣成、联合部队协调、决策⽀持和战役执⾏。然⽽，争夺激烈、退化以及通信受限的战场环境的⽇益普遍，提升了⼈⼯智能在战术前沿的重要性。以下章节也将聚焦这⼀维度，探讨终端⾃主性、⾃主蜂群以及反⽆⼈机系统等能⼒如何使平台和前线部队能够更独⽴地进⾏感知、决策和⾏动，即使在脱离更⼴泛的指挥控制⽹络的情况下，也能保持未来的战场未来的战场在战略层面，人工智能持续辅助一个国家建设、防御和维持所需的一切，不仅在战时，在和平时期和灰色地带也同样如此。4445虽然战略人工智能不如战术打击那样显眼，但它决定了冲突的走向以及系统保护自身并持续运作的准备程度。与以积极冲突为主的作战和战术层面不同，战略工作在和平时期、灰色地带竞争及战时始终持续进行。它涵盖了国家资产，例如在和平时期建立的工业基础，以及通过未升级为战争的入侵行动定期测试的网络防御。它还包括对关键基础设施的保护，这些设施可能在任一阶段受到攻击。在战略层面，这些资产大致可分为四个领域：制造和维护装备的工业基础；网络域；关键国家基础设施（包括民用和军用）；以及广阔的信息空间。4647。⼈⼯智能在设计仿真、⽣产、供应链和维持四个阶段协助军⼈⼯智能在设计仿真、⽣产、供应链和维持四个阶段协助军⼯⼯业基础。4849在设计仿真阶段，数字模型在启⽤⼈⼯智能的软件中进⾏测试，随后才开始物理流程。在⽣产阶段，⼈⼯智能协助⾃动检测、调度和机器⼈⽀持。在供应链管理⽅⾯，可以使⽤⼈⼯智能模型预测需求并发觉短缺。为维持⼯业基础，⼈⼯智能有助于规划维护并预测故障。战争准备是在和平时期建⽴的，在交战开始前数年就进⾏，并贯穿整个过程。展览11：用于制造与维持的人工智能通过在建造前使⽤⼈⼯智能软件测试，缩短设计周期Arsenal-1背后的模块化F-35ODIN人工智能辅助印度的倡议维持保障供应链生产阶段44.美国战争部⼈⼯智能战略45.2025年度国会报告：军事与安全涉及中华⼈⺠共和国的动态，美国46.⼈⼯智能如何保护关键基础设施免受新兴全球威胁，世界经济论坛，RicardoVilladiego，2047.五⻆⼤楼报告警告中国可能利⽤⼈⼯智能增强‘认知域作战’,DefenseScoop,JonHarper,3048.Anduril宣布新设施以简化⾃主系统、武器⽣产，DefenseScoop，MikaylaEasley，849.F-35联合项⽬办公室完成后勤系统改⾰第⼀阶段，空军与太空军杂志，格雷格·哈德利，2022年2⽉未来战场未来战场案例研究2|F-35ODIN和阿森纳：保障与生产|美国F-35F-35ODIN和阿森纳–1⾃主物流信息系统（ALIS）是全球F-35机队原有的物流⻣⼲系统，⾯临可⽤性问题并受到误报警的困扰。2020年，它被⼀个名为作战数据集成⽹络（ODIN）的云原⽣系统所取代。于超⼤规模⽣产“数万”决策优势AI驱动的多元化采购使战场管理系统获得更好的决策优势更快的瞄准周期由于AI分析数据的速度远超⼈类，从感知到瞄准的周期显著缩短多传感器数据融合提⾼了准确性，增益来⾃将多个系统集成为⼀个系统，⽽⾮来⾃单⼀的智能模型通过Replicator计划从数⽐现役ALIS服务器F-35：从ALIS到ODINALIS，作为全球F-35机队的原始后勤骨干，曾用于追踪备件、安排和预测维护。但它面临可用性问题，并且饱受误报警的困扰。因此，在2020年，它被一个名为ODIN的云原生系统所取代。为了保持军事用户下的控制权，政府编写的软件运行在政府控制的硬件上。首批与ODIN集成的硬件套件于2022年开始在基地安装。据联合项目办公室称，ODIN旨在更加安全，实现预测性维护，并减少错误。505152Arsenal-1：软件定义的生产2024年8⽉，⼀家美国国防科技公司宣布计划建⽴⼀个设施，旨在通过整合其Lattice软件、模块化设计和商业供应链，以“超⼤规模”⽅式⽣产“数万”枚弹药和⾃主系统。这被称为Arsenal-1，并获得了15亿美元的资⾦⽀持。5350.F-35JPO完成后勤系统⼤修第⼀阶段，Air52.洛克希德·⻢丁公司将提供29套ODIN维护和软件&SpaceForcesMagazine，2022年2⽉套件以帮助F-35机组⼈员保持战⽃机⻜⾏，M51.F-35项⽬将ALIS替换为ODIN，Air&SpaceForcesAerospaceElectronics，2022年1⽉Magazine，2020年1⽉53.Anduril宣布新设施以简化⾃主未来战场未来战场复制器：政府需求的快速响应2023年8月，美国国防创新单元（DIU）宣布了其“复制器”计划。该计划旨在24个月内在多个领域部署数千个可损耗的自主系统。2024年，该计划转向反无人机系统。次年8月，DIU报告称其正在按计划数量推进，但对该说法的独立评估尚未得到验证。2024年，DIU正在向私营企业征集关于两个软件领域的提案：弹性指挥控制结构和大量无人资产的集群协同自主。五个月内，该征集活动进入了合同授予阶段。5455关键要点•战备取决于对软件和数据的控制56。虽然ALIS曾经历过数据感染的风险，但ODIN的基础设施允许操作员控制代码57。•通过整合商业供应链和模块化设计实现数量优势。为了更快取得成果，必须修改设计，并从多个供应商处采购AI模型。•明确的需求信号推动创新。“复制器”的成功凸显了明确作战需求和强有⼒领导承诺的重要性。当采购优先级明确且存在可⾏的采⽤路径时，初创公司更愿意参与。⽹络作战是最容易受到AI颠覆影响的领域之⼀，因为其核⼼输⼊——数据、软件、⽹络流量和代码——本质上是数字化的。与必须先收集和传输信息的物理战场不同，⽹络环境已经⽣成了训练、部署和持续改进AI系统所需的结构化数据。因此，AI正在加速进攻和防御两⽅⾯，形成⼀种动态竞争，双⽅都试图通过⾃动化、规模和速度来在进攻⽅⾯，AI通过⾃动化此前需要⼤量⼈类专业知识和时间的任务，增强了侦察、漏洞发现、漏洞利⽤开发、⽹络钓⻥和⼊侵操作。威胁⾏为者可以利⽤AI分析⽬标⽹络、识别弱点、⽣成利⽤代码，并以⼿动难以实现的⼤规模开展⾏动。在防御⽅⾯，AI通过持续⽹络监控、异常检测、⾃动化威胁狩猎、漏洞修复和机器速度的事件响应增强了⽹络韧性。因此，这场竞争越来越围绕着哪⼀⽅能够更快地检测、分析和响应。这种竞争⼤部分发⽣在常规战争⻔槛以下，使⽹络作战成为灰⾊地带竞争中最突出的⼯具之⼀。与动能攻击不同,⽹络作战可以破坏关键基础设施、窃取敏感信息、削弱公众信⼼或施加经济成本，同时避免直接军事对抗，并常常模糊归属。AI通过降低实施复杂⽹络作战的⻔槛和缩短漏洞发现与利⽤之间的时间，进⼀步放⼤了这些特征。近期发展展⽰了这场技术竞赛的两⾯。AI驱动的⽹络⾏动已展⽰出⾃动化⼤部分进攻性操作的能⼒，⽽美国AI⽹络挑战赛（AIxCC）等倡议则展⽰了如何利⽤AI在软件漏洞被利⽤之前识别和修复它们58。总之，这些趋势表明，未来的⽹络优势将越来越依赖于以机器速度运⾏、保障软件供应链安全以及维护对AI驱动系统信任的能54.DODReplicator倡议：背景和国会问题），55.国防创新部⻔。Replicator。访问于2026年9⽉56.F-35联合项⽬办公室完成物流系统改⾰第⼀阶段，空军57.洛克希德·⻢丁公司将提供29套ODIN维护和软件帮助F-35机组保持战⽃机⻜⾏的套件，军事与58.DARPA⼈⼯智能⽹络挑战赛旨在保护国家最关键软件，国防⾼级研究计划局（DARPA），未来的战场未来的战场案例研究3|网络穹顶|以色列网络穹顶：构建人工智能驱动的国家网络防护盾网络穹顶：构建人工智能驱动的国家网络防护盾⽹络穹顶是⼀种国家⽹络防御架构，其设计仿照了“铁穹”防空系统。它利⽤⼤数据和⼈⼯智能来检测异常，并从海量威胁情报中甄别真正的威胁。从组织防御到国家防御：⽹络防御正从保护单⼀组织到⼀个全国性的防护盾牌中，持续监控关键资产军⺠合作推动优势将军事情报专业知识与⺠⽤⽹络机构结合，创造了单⼀机构⽆法独⾃实现的可视性人工智能在规模上至关重要INCD宣布⽹络穹顶作为以⾊列的“⽹络穹顶”是创建国家级AI赋能⽹络防御架构的最雄⼼勃勃的尝试之⼀。该架构能够实时检测、分析和缓解⽹络威胁。“⽹络穹顶”旨在提供以⾊列导弹防御系统“铁穹”的数字对应物。其关键作⽤是保护以⾊列的国家⽹络关键基础设施，抵御⽹络攻击活动、间谍活动、勒索软件和破坏性攻击5960。与在组织层⾯运作的传统⽹络安全系统不同，该架构旨在构建全国性的⽹络防御⽣态系统。它整合了多个安全利益相关⽅的专业知识。它利⽤⼤数据分析处理⼤量⽹络遥测数据、AI驱动的异常检测和威胁识别，并在政府、军事和⺠⽤组织之间进⾏实时情报共享。“⽹络穹顶”还⾃动化跨部⻔的威胁关联，以提供国家层⾯的⽹络态势感知并协调事件响应。“⽹络穹顶”可与以⾊列的军事⽹络和情报⽣态系统整合，特别是8200部队开发的能⼒。该架构的优势源于军事级情报和分析与⺠⽤⽹络保护基础设施的融合。59.我们正在推动国家“⽹络穹顶”，以⾊列国家⽹络局，加⽐·波特诺伊，2022年6⽉未来的战场未来的战场关键要点•⽹络防御正朝着国家⼀体化防空模式发展：这种架构展⽰了⽹络防御如何从组织层⾯的保护转向集中式、全国性的防御架构，持续监控并防御关键国家资产61。⽹络穹顶将国家机构、电信运营商、关键基础设施运营商和安全组织的数据整合到共同的作战图中。这实现了跨部⻔的可⻅性，⽽这在独⽴操作中是难以实现的62。•信息优势需要军⺠协作：⽹络穹顶的有效性源于军事作战专业知识与⺠⽤⽹络防御机构的结合。•⼈⼯智能正成为⼤规模防御⾏动的关键：当前⽹络威胁的规模、速度和复杂性超出了⼈类的分析能⼒。⽹络穹顶展⽰了⼈⼯智能如何在全国⽹络防御⽣态系统中实现实时识别、排序和响应。3.3保护国家资产：能源、港口、核能、医疗、燃料和水坝关键国家基础设施在所有三个阶段中仍然是高价值目标。在和平时期，它可能被探测，脆弱性可能被绘制，系统之间的相互依赖关系可能被记录；在灰色地带环境中，基础设施可能受到干扰，其程度足以传达意图，造成经济或政治损害，而不引发军事回应；一旦战争开始，这些资产成为直接目标，因为拆除它们可能在社会、经济和军事领域产生连锁效应。信息技术（IT）和操作技术（OT）的融合本能使这些基础设施更具韧性，但也使它们变得脆弱。636465诸如能源基础设施、港⼝、核设施、医疗保健、燃料⽹络和供⽔系统等资产，对国家韧性、经济稳定和军事⾏动⾄关重要。⼈⼯智能正越来越多地被⽤于通过实时异常检测、OT环境的⾃动化监控、预测性维护和更快速的应急响应，来增强这些资产的韧性。展示12：人工智能赋能的关键基础设施保护AI洞察。韧性基础设施。更安全的明天所有关键服务的基础•异常检测•预测性维护•隔离受损节点港口与海事贸易和军事物流⽹关•船舶/货物检查•运营技术监控•设备和⼊侵警报核设施产•融合传感器监控•⽹络异常检测•持续受保护的⽹络关乎⽣命且⾼度依赖数字化•遗留系统监控•⾃动化威胁分流•服务连续性警报石油与管道⽀持经济和军事机动性•预测性维护•泄漏检测•⼊侵监测⽔坝与供⽔系统：具有⼴泛影响的基•结构监测•处理控制保障•快速异常命令第三⽅和供应链访问机器速度的⽹络威胁61.随着伊朗⿊客技术⽇益精湛，以⾊列建设‘⽹络穹顶’保护⾃⾝，《以⾊列时报》，法新社62.我们正在推⼴国家⽹络穹顶，以⾊列国家⽹络63.⼈⼯智能可以保护关键基础设施免受新兴威胁，64.NCIIPC详解：保护印度关键infrastructure，UpGuard，2026年65.破坏⾸次报道的AI策划的⽹络间谍未来的战场未来的战场⺠⽤和军⽤⽤⼾越来越依赖相同的战略基础设施；因此，韧性在很⼤程度上既取决于保护，也取决于整合。印度的军⺠两⽤资产，如卫星星座、计算基础设施、港⼝和其他物流⾛廊，同时服务于军事和经济⽬标。这些资产得到了“总理加蒂·沙克蒂计划”、“国家物流政策”和“国防航天局”等倡议的⽀持。在这种背景下，⼈⼯智能赋能的⽹络防御能⼒可以作为共享资产上的通⽤层，提供统⼀的威胁可⻅性、更快的响应时间和更⾼的运营效率。对⺠⽤和军⽤安全架构采取各⾃为政的做法可能会引发盲区和重复投资的问题。⼈⼯智能的军事影响远不⽌于⾃主平台和决策⽀持系统。战略竞争正⽇益转向⽀撑⼈⼯智能军事⾏动的基础数字基础设施、数据⽣态系统和信息环境。因此，未来的战场空间不仅涵盖物理领域，还将包括军事⼒量的计算、信息和认知基础。计算基础设施和数据中心⼈⼯智能能⼒从根本上依赖于对计算能⼒、数据存储、连接性和可靠能源基础设施的获取。这些资产构成了现代军事⼈⼯智能系统的⻣⼲，⽀持模型训练、数据处理和实时作战⽀持。因此，数字基础设施正成为战略推动器和⾼价值⽬标。最近的冲突表明，对数据中⼼、通信基础设施和能源⽹络的攻击，其破坏军事⾏动的效果不亚于对常规军事资产的攻击。在⼈⼯智能时代，计算能⼒已成为国家安全和军事准备的关键要素。天基情报、监视与侦察卫星、⽆⼈系统和⽹络化传感器的快速扩展产⽣了前所未有的海量作战数据。然⽽，仅收集信息已不再能保证优势。军事效能越来越依赖于快速处理、分流、分析和分发情报的能⼒。⼈⼯智能在这⼀过程中发挥着核⼼作⽤，通过⾃动化图像分析、识别异常、排序⽬标优先级，并将原始传感器数据转化为可执⾏的情报。随着情报、监视与侦察数据量持续增⻓，⼈⼯智能驱动的分析将成为保持态势感知和决策优势不可或缺的⼯具。认知领域在物理和数字基础设施之外，⼈⼯智能正⽇益塑造战争的认知维度，即影响感知、决策、公众舆论和战略叙事的竞争。⽣成式⼈⼯智能、⼤型语⾔模型和合成媒体的进步显著降低了信息操作的成本并扩⼤了其规模。这些能⼒可⽤于制作有说服⼒的内容、放⼤叙事、针对特定受众，并以前所未有的速度和精准度开展影响活动。因此，⼈⼯智能正在扩⼤灰⾊地带竞争的范围，使国家和⾮国家⾏为体能够在传统冲突⻔槛之下追求战略⽬标。在这种环境下，维护信息完整性和构建社会韧性的能⼒可能与传统军事能⼒同样重要。66.印度推⾏军⺠融合的必要性，RakshaAnirveda，A.Mirza，2026年未来战场未来战场前一节探讨了人工智能在平时备战、工业动员和灰色地带竞争中的作用，本节则聚焦于其在积极军事行动中的应用。现代战役同时在陆、海、空、网络和太空域展开，给指挥官带来了前所未有的信息量需要处理。历史上，作战效能受到收集情报、制定计划、协调部队和维持后勤所需时间的制约。随着传感器、平台和作战⾏动参与者的数量增加，决策变得越来越复杂。⼈⼯智能通过融合来⾃不同来源的⼤量数据，将其转化为连贯的通⽤作战图（COP），并为指挥官提供决策⽀持，从⽽应对这⼀挑战。因此，在作战层⾯，⼈⼯智能最重要的贡献并⾮⾃主⾏动，⽽是决策优势。通过加速从传感器到指挥官的流程，⼈⼯智能帮助军事组织更快地理解战场空间，更有效地评估选项，并跨多个领域协调⾏动。现代军事⾏动⽇益跨多个领域开展，涉及⼤量传感器、平台、指挥部和军种部队同时运作。卫星、机载预警系统、⽆⼈机、雷达、电⼦情报资产、海军平台和地⾯传感器共同产⽣海量信息。虽然数据的可⽤性显著增加，但指挥官处理、关联并据此采取⾏动的能⼒已成为主要挑战。⼈⼯智能通过将数据转化为可操作的理解来应对这⼀挑战。它可以⾃动融合来⾃不同传感器的输⼊，识别模式，移除重复轨迹，解决冲突报告，并⽣成连贯的通⽤作战图。⼈⼯智能使指挥官⽆需参谋⼈员⼿动整理多个系统的信息，便能接近实时地查看作战环境，突出最相关的发展和潜在威胁。超越态势感知，⼈⼯智能提升了决策的质量与速度。它能够关联多个来源的情报，识别新兴趋势，评估对⼿可能的意图，并向决策者提供优先排序的⾏动⽅案。这有助于指挥官将注意⼒集中在关键决策上，⽽⾮⽇常信息处理,从⽽压缩观察—判断—决策—⾏动（OODA）循环。在联合作战和⼀体化⾏动中，⼈⼯智能赋能的指挥控制尤为宝贵。通过在陆、海、空、⽹络和太空等领域提供共享的作战态势图，它改善了各军种之间的协调，并降低了决策碎⽚化的⻛险。其结果是作战⾏动更加同步，资源调配更加迅速，以及在战区范围内更有效地运⽤作战⼒量。归根结底，⼈⼯智能对联合作战指挥控制的贡献并⾮取代指挥官，⽽是减轻管理复杂多域作战的认知负担。其价值在于将⼤量碎⽚化数据转化为共同理解和及时决策，从⽽在作战节奏和协调⽅⾯形成决定性优势。未来战场未来战场军事⾏动的有效性⽇益取决于部队从探测⽬标到打击⽬标的速度。传统上，这⼀过程通常被称为传感器到射⼿链或杀伤链，涉及多个连续阶段：探测⽬标、验证其⾝份、评估其优先级、分配适当武器、获得指挥批准、执⾏打击以及评估结果。每个阶段都需要⼈⼯⼲预，从⽽引⼊延迟，可能导致⽬标在交战前移动、分散、隐藏或执⾏其任务。⼈⼯智能通过⾃动化许多位于感知与⾏动之间的数据处理和分析任务来压缩这⼀决策周期。它可以同时处理⼤量图像、视频流、信号情报和传感器数据，识别感兴趣⽬标并近乎实时地提醒操作员。⼈⼯智能⽆需分析⼈员⼿动审查海量信息，即可在多个领域实现快速⽬标检测、分类和跟踪。除了检测之外，⼈⼯智能还有助于⽬标优先级排序和武器-⽬标匹配。通过分析⽬标价值、威胁级别、位置、武器可⽤性、附带伤害考虑因素以及成功可能性等因素，⼈⼯智能可以为指挥官推荐最佳交战选项。这使得稀缺的打击资产能够更有效地分配，并减少制定和批准交战计划所需的时间。⼈⼯智能还增强了维持持续⽬标跟踪的能⼒。现代战场的特点是⾼度机动和时效性强的⽬标，包括导弹发射⻋、指挥所、防空系统和后勤节点。智能跟踪系统可以关联多个传感器的观测数据，预测移动模式，并即使在⽬标暂时消失时也能保持跟踪连续性。这提⾼了成功交战的可能性，同时减轻了⼈类操作员的负担。另⼀个贡献来⾃打击之后。⼈⼯智能辅助的战⽃损伤评估（BDA）可以快速分析打击后的图像和传感器数据,以确定是否实现了预期效果，使指挥官能够决定是否需要进⾏再次交战并相应调整资源。累积效应是杀伤链的显著压缩。⼈⼯智能使部队能够⽐传统指挥流程更快地探测、决策和交战，从⽽提⾼作战节奏并减少对⼿反应的机会。在作战层⾯，优势不仅仅在于发现更多⽬标，更在于⽐对⼿适应更快地将信息转化为效果。在现代战争中，能够缩短传感器到射⼿周期的⼀⽅往往在主动权和作战效能⽅⾯获得决定性优势。防空和导弹防御是最具时间敏感性的军事任务之⼀，要求操作员在数秒内识别并对多个威胁作出反应。现代防空⽹络必须同时跟踪⻜机、导弹、⽆⼈机和游荡弹药，尤其是在⼤规模饱和攻击期间。⼈⼯智能通过将多个传感器的输⼊融合成统⼀的空中态势图来增强这些系统，提⾼态势感知能⼒并缩短决策时间。它可以根据轨迹、速度、可能⽬标和危险程度⾃动检测、分类和优先级排序威胁，使操作员能够专注于最关键⼈⼯智能还⽀持交战管理和武器-⽬标匹配，帮助指挥官将最合适的拦截器或防御系统分配给每个威胁。这在饱和攻击期间尤其有价值，因为此时⼿动决策可能会因来袭⽬标的数量和速度⽽不堪重负。未来战场未来战场此外，⼈⼯智能通过协调⽹络中的传感器和效应器，实现更有效的分层防空。这使得低成本的系统能够应对常规威胁，保留⾼价值拦截器⽤于更危险的⽬标，从⽽提⾼防御的整体成本效益。印度的Akashteer计划反映了向⽇益集成和⾃动化的防空⽹络过渡的趋势。通过将传感器、指挥节点和武器系统连接到⼀个通⽤作战图（COP）中，此类系统旨在加速决策过程，并增强防空和导弹防御的有效性。在作战层⾯，⼈⼯智能的主要贡献是缩短从探测到交战的时间线，使部队能够更快、更⼤规模、更协调地案例研究4|综合防空系统的决策优势|印度“信德”行动：“信德”行动：Akashteer和SANJAY，印度自主融合层经受考验Akashteer是⼀种⾃动化防空控制和报告系统，将雷达和传感器数据融合到通⽤作战图中。SANJAY结合了地⾯和空中传感器输⼊，并使⽤边缘处理，因此当⽹络受到⼲扰时，分析仍能继续进⾏。网络传递了结果两个军种，一张空情图将Akashteer与空军指挥系统连接，使陆军和空军能链路故障时分析仍在继续，边缘处理保持了监视画⾯即使在⽹络堵塞或中断时也能⼯作那次攻击的⽬标是从列城到西尔克⾥克的地点信度尔行动：Akashteer和SANJAY印度已经证明，它可以在⽕⼒下建造和操作⾃⼰的融合层。Akashteer和SANJAY携带了防空系统，在2025年5⽉7⽇开始的⼏个晚上内，摧毁了数百架巴基斯坦⽆⼈机和导弹。Akashteer是⼀个⾃动化防空控制和报告系统，由多个印度国防研究和制造单位联合开发。它将雷达和传感器数据融合成单⼀空情图像，将该图像分发给最低级别的陆军防空部队，并与空军的综合防空指挥控制系统连接，使两个军种基于同⼀轨迹⼯作。该系统在西部前线的六个节点投⼊使⽤，在2025年5⽉9⽇⾄10⽇的协调空袭中，拦截并摧毁了所有来袭弹体。其优势来⾃⽹络，⽽⾮任何单⼀雷达或发射装置。67.信度尔⾏动加速本⼟⽆⼈机发展以及对策，《论坛报》，VijayMohan和《论坛报》“阿卡什蒂尔守护印度”，Inc42，塔潘贾纳·鲁德拉，2025年5⽉防御系统阻挡巴基斯坦的空中冒险，《德⼲先驱报》，70.阿卡什蒂尔：印度新战争能⼒背后的⽆形⼒量，印度政府信息与⼴播部新闻信息局，桑托什·库⻢尔、⾥图·卡塔⾥亚和克⾥蒂卡·拉内，2025年5⽉未来战场桑杰系统负责监视，它将地面和空中传感器输入融合为通用作战图，并供陆军的与陆军的特内特拉系统相连，并采用边缘处理技术，因此在网络被干扰或切断时，分5年4月26日至28日在边境地区举行的反无人机演习，曾演练了随后采用的饱和战术，并且在袭击期间雷达间网络带来了成果：没有任何单一的雷达或发射装置空情图，并将该图传递给实际开火的部队。优势在于将各部分连接在一两个军种，一幅空情图：阿卡什提尔系统与空军的指挥控制系统相连，因此陆军和空链路中断时分析仍继续：桑杰系统在设备本身上处理传感器数据，而不是将所有数据回传网络被干扰或切断时，监视图仍能保持工作。这一4.4规划、兵棋推演与后勤62026KPMGAsuranceandConsultingServicesLLP,anTndianLimielLabilyPartrershpan未来战场未来战场案例研究5|DELTA与复仇者|乌克兰乌克兰的乌克兰的DELTA和复仇者AI：自下而上的战场管理系统Delta是乌克兰的态势感知和战场管理平台，在从前线部队到作战指挥部的各级指挥中得到应⽤。COP是一种力量倍增器⽤⼾主导的开发推动采⽤，软件经过编写和迭代改进，往往能够相较于⾃上⽽下的设计，演进更快且更贴合作战需求数据是战略资产AvengersAI通过视频分析每周检测到的敌⽅乌克兰的DELTA和AvengersAI：一种自下而上的战场管理系统DELTA，乌克兰的态势感知与战场管理平台，从⼀线部队到作战指挥部的各级指挥层均有使⽤。通过将⽆⼈机馈送、传感器数据和情报输⼊整合到实时通⽤作战图（COP）中，并通过平板电脑和智能⼿机（包括离线设备）访问，DELTA显著加速了决策过程。据报道，从⽬标探测到交战的反应时间已从20-30分钟缩短⾄3-10分钟。AI层DELTA有效性的关键推动⼒是计算机视觉模块Avengers。它⾃动化处理⽆⼈机和监控图像中的⽬标检测与分类。据乌克兰数字部称，该系统在数秒内识别并分类约70%的观测