2026-08-03 05:11:00 网络安全文章来源：ZONE.CI 全球网 0 阅读模式

文章总结： ProjectMaven是美国国防部AI军事化旗舰项目，从2017年计算机视觉实验演变为整合多源情报和LLM的战争操作系统，已部署于全部作战司令部并在乌克兰、伊朗等冲突中实战使用，但引发严重伦理争议和人道主义关切，对中国构成战略风险，需系统性应对。 综合评分： 89 文章分类： AI安全,红队,威胁情报,网络安全,数据安全

cover_image

【深度调研】梅文计划（Project Maven）-AI军事化的里程碑、全球影响与中国应对策略

原创

丁爸丁爸

丁爸情报分析师的工具箱

2026年8月1日 19:57 四川

在小说阅读器读本章

去阅读

梅文计划（Project Maven）深度调研报告

-AI军事化的里程碑、全球影响与中国应对策略

信息来源：基于MAVEN相关7份原始文档 + 多源网络公开情报

报告制作：欧深特公司

撰写日期：2026年8月1日

📑 目录

执行摘要
Project Maven的起源与演进
技术架构与核心能力
实战部署：从索马里到伊朗
伦理争议与硅谷的”军工转向”
制度化与全球扩展
美军AI军事复合体的形成
中国视角的风险分析
中国的应对策略建议
结论

01执行摘要

Project Maven（正式名称”算法战跨职能团队”AWCFT，现更名为”Maven智能系统”MSS）是美国国防部旗舰AI军事项目，2017年4月由时任副国防部长罗伯特·沃克签署备忘录设立。该项目从最初利用计算机视觉分析无人机视频的实验性计划，已演变为一个整合多源情报、大语言模型和杀伤链管理的”战争操作系统”。

截至2026年初，Maven智能系统已部署于美军全部五个作战司令部（中央司令部、欧洲司令部、印太司令部、北方司令部和运输司令部），拥有超过25,000名活跃用户，并由Palantir公司作为主要承包商运营。2026年3月，副国防部长史蒂夫·费恩伯格签署指令，将MSS正式列为”记录项目”（Program of Record），使其成为美军联合全域指挥控制（CJADC2）架构的”基石”。

该系统已在索马里、阿富汗、伊拉克/叙利亚、乌克兰和伊朗等实际军事行动中部署使用。2024年2月，Maven首次在伊拉克和叙利亚的空袭中用于辅助目标识别；2026年对伊朗的”史诗狂怒”行动首日，系统在12小时内生成超过1,000个打击选项，协调打击约900个目标。然而，AI辅助目标打击也引发了严重的人道主义关切——五角大楼正在调查Maven是否参与了对伊朗一所女子学校的空袭，该事件造成170余人死亡。

本报告基于MAVEN相关的7份原始文档（包括Katrina Manson所著《Project Maven》全书393页、CSET政策简报、CNAS研究报告等）以及多源公开情报撰写，从中国视角分析Project Maven带来的战略风险，并提出系统性的应对建议。

02Project Maven的起源与演进

2.1 诞生背景：数据洪流与分析瓶颈

2016年前后，美军面临一个严峻的技术瓶颈：无人机和卫星收集的情报数据量远超人工分析能力。在伊拉克和阿富汗战争期间，空中侦察无处不在，但训练有素的分析师严重不足。部分无人机收集的视频 footage 甚至从未被审阅。据商业卫星遥感公司Maxar Technologies的数据，2022年其首席技术官向CSIS表示，一名分析师需要85年才能审阅Maxar卫星单日采集的影像，而五角大楼的无人机和卫星采集量远超Maxar。

这种”数据丰富、情报贫乏”的困境，成为Project Maven诞生的直接催化剂。正如Manson在书中所记录的，项目的创始人——海军陆战队上校德鲁·库克（Drew Cukor）从观看AlphaGo击败李世石的纪录片中获得灵感，坚信”人类加机器永远优于人类单独行动”。库克认为，AI可以穿透”战争迷雾”，解决美军在火力与情报匹配上的长期失败。

2.2 关键时间线

2017年4月26日

副国防部长罗伯特·沃克签署备忘录，正式设立”算法战跨职能团队”（AWCFT），即Project Maven，初始资金约7,000万美元。库克被任命为首任负责人。

2017-2018年

Google作为首批商业承包商加入，提供基于TensorFlow的计算机视觉工具，合同价值约900万美元。Google的技术最初用于分析中东地区无人机视频。

2018年4-6月

Google员工抗议事件：超过4,000名员工联名请愿CEO桑达尔·皮查伊，要求退出Maven项目。十余名工程师辞职。Google宣布不续签合同，并发布AI原则，承诺不开发武器技术。

2020年

第18空降军开始通过”猩红巨龙”（Scarlet Dragon）演习系列测试Maven智能系统（MSS），实现首次AI辅助火炮打击。杀伤链时间从743分钟压缩至不到1分钟。

2022年

Maven在乌克兰危机中首次大规模实战部署。第18空降军通过Maven向乌军传递”兴趣点”情报，配合HIMARS火箭炮实施精确打击。单日最高传递267个目标。

2023年11月7日

Maven正式成为”记录项目”（Program of Record），获得国会全额拨款，标志着从实验项目向永久性军事项目的转变。

2024年2月

Maven首次公开用于实战目标打击——在伊拉克和叙利亚的空袭中辅助识别目标。一名操作员可在Maven辅助下每小时处理80个目标，而无Maven时仅30个。

2024年5月

五角大楼与Palantir签订4.8亿美元、为期五年的合同，MSS扩展至五个作战司令部。

2025年2月

Google悄然撤销2018年的AI武器禁令，重返国防AI领域。

2025年5月

合同上限提升至13亿美元（延伸至2029年），反映预期需求激增。Maven活跃用户超过20,000人，覆盖全部军种。

2025年4月

NATO通过Palantir获取自己的Maven智能系统版本（MSS NATO），用于战场态势感知、后勤和目标获取。

2026年1-3月

Maven在对伊朗的军事行动中大规模使用。Anthropic的Claude模型被集成进MSS用于自然语言交互，但因Anthropic拒绝允许全自主打击，被五角大楼定性为”供应链风险”。

2026年3月9日

副国防部长费恩伯格签署备忘录，将MSS正式列为记录项目，并指定为CJADC2的”基石”。监管权从NGA移交给首席数字与AI办公室（CDAO）。

03技术架构与核心能力

3.1 系统定位与六大基线能力

根据CSIS分析和Palantir的文档，MSS提供六项核心基线能力：

3.2 技术演进：从计算机视觉到全栈AI

Maven的技术架构经历了三个阶段的演进：

第一阶段：计算机视觉（2017-2022）

初始阶段以Google TensorFlow框架为基础，训练目标检测模型识别无人机全动态视频中的车辆、人员和武器。采用”人在环中”（human-in-the-loop）的训练方式：分析师标注图像→AI学习猜测→人工反馈→逐步提升准确率。据CSET报告，该阶段实现了约十倍的目标处理速度提升。

第二阶段：多源数据融合与杀伤链整合（2022-2024）

Palantir接手后，将MSS从专业的图像分析工具重新定位为任务指挥应用（MCA）和企业级数据集成平台。系统能够融合卫星图像、合成孔径雷达、地面雷达、信号情报、文档等多种数据源，并通过单一地图界面呈现。据Maven创始主任库克所述，”在使用这些技术之前的世界里，人类花97%的时间仅仅是把数据整合在一起，只有3%的时间用于实际分析。”

第三阶段：大语言模型集成（2024至今）

ChatGPT的出现标志着Maven发展的又一重要转折。Anthropic的Claude被集成进Palantir的AI平台（AIP），使军事人员能通过自然语言与系统交互。据NGA匿名官员透露，LLM带来了额外的五倍目标处理速度提升。Palantir开发了Maven Threads（文档分析）、Maven Agent Studio（交互式AI助手）和Maven Logic（无代码LLM工具开发）等工具。

3.3 杀伤链压缩：效率的质的飞跃

杀伤链（Kill Chain）包含六个步骤：识别→定位→筛选合法目标→优先排序→分配火力单元→开火。据2024年报道，Maven已能执行其中四个步骤。一名高级目标官估计，在Maven辅助下每小时可决定80个目标，而无Maven时仅30个。目标处理时间已压缩至1分钟以内。

在”猩红巨龙”演习中，第18空降军用约20人的打击单元达到了伊拉克自由行动中被誉为”美军历史上最高效”的打击单元同等效率——而后者拥有超过2,000名人员。陆军领导层希望利用MSS实现火力单元在一小时内做出1,000个高质量目标决策的愿景。

3.4 高光谱影像与AI-HyperCal扩展

根据MAVEN文件夹中的《AI-HyperCal》论文（美国空军Capt. Chelsey Sturtevant撰写），Maven的计算机视觉能力正扩展至高光谱影像（HSI）领域。HSI能将每个像素分解为20至数百种颜色（从远红外到紫外），使分析师能识别目标的化学成分——如区分伪装与真实植被、检测化学气体羽流、发现扰动土壤等可见光和红外影像无法 discernible 的目标。这一扩展将显著增强Maven对隐蔽目标和欺骗手段的识别能力。

04实战部署：从索马里到伊朗

根据Manson的著作和多源报道，Maven及其前身系统已在多个实际军事行动中部署：

| 冲突/行动 | 时间 | Maven角色 | | — | — | — | | 索马里（反青年党） | 2017-2018 | 初期计算机视觉原型部署，表现拙劣但积累了经验 | | 阿富汗撤侨 | 2021 | 辅助平民疏散行动中的情报分析 | | 乌克兰（反俄入侵） | 2022至今 | 第18空降军通过Maven向乌军传递目标情报，配合HIMARS实施打击。单日最高传递267个目标 | | 伊拉克/叙利亚空袭 | 2024年2月 | 首次公开用于实战目标打击 ，AI辅助识别空袭目标 | | 委内瑞拉突袭 | 2026年1月 | 集成Claude的Maven用于马杜罗突袭行动 | | 对伊朗军事行动 | 2026年3-4月 | 迄今最大规模AI辅助作战 。首日12小时内生成1,000+打击选项，打击约900目标。日均300-500目标打击节奏 |

⚠️ 人道主义关切

在伊朗行动中，AI辅助目标打击引发了严重的人道主义质疑。五角大楼正在调查Maven是否参与了对伊朗一所女子学校的空袭，该事件造成170余人死亡，多数为儿童。多名美国参议员致函国防部长要求就平民伤亡和AI使用做出解释。

此前，2024年2月伊拉克阿尔卡伊姆（Al-Qaim）的一次空袭中，20岁的阿卜杜勒-拉赫曼成为首个被确认在AI辅助目标打击中丧生的平民。

4.1 乌克兰：Maven的”突破时刻”

Manson在书中详细记录了Maven在乌克兰的部署。2022年2月俄罗斯入侵乌克兰后，第18空降军迅速部署至欧洲。到5月，该部队开始频繁向乌军传递”兴趣点”——这些被委婉命名的情报包包含潜在目标的海拔、时间戳和略微不精确的位置数据。在美国向乌克兰提供HIMARS火箭炮后，乌军打击Maven识别的目标变得更加容易。

乌克兰的实战经验也暴露了Maven的技术局限：其计算机视觉模型最初仅在中东（特别是阿富汗）的作战环境中训练。当系统被用于监控乌克兰的难民流动时，发现Maven无法有效工作——最终需要专门拍摄乌克兰的卫星图像来补充训练数据。这一”分布偏移“（distributional shift）问题在MAVEN文件夹中的《Hands-on the Trigger》政策简报中被详细分析，被视为AI军事应用的核心风险之一。

05伦理争议与硅谷的”军工转向”

5.1 Google员工抗议事件（2018）

2018年4月，约4,000名Google员工签署请愿书致CEO皮查伊，信中写道：”我们认为Google不应卷入战争。”员工要求公司退出Maven项目并承诺永不发展战争技术。数十名工程师辞职。Google伦敦子公司DeepMind的研究人员也撇清了与该项目的关系，援引2014年收购协议中不得在军事和监控系统中使用其技术的条款。

内部邮件显示，Google国防和情报销售负责人斯科特·弗罗曼将Maven描述为”可以更快速识别邪恶活动的大型政府项目”，预计18个月内创造1,500万美元收入，未来几年可创造2.5亿美元收入。这些邮件还显示，Maven与国防部价值100亿美元的JEDI云计算合同”直接相关”。

2018年6月，Google宣布不续签Maven合同，并发布AI原则，明确禁止将AI用于”主要目的或实施目的是直接或间接导致人员伤亡的武器或其他技术”。

5.2 硅谷的全面”军工转向”（2024-2026）

2025年2月，Google悄然撤销了2018年的AI武器禁令，标志着硅谷与国防机构关系的根本性逆转。这一转变的驱动力包括：

地缘政治压力

：乌克兰和加沙的战事将自主无人机和面部识别软件带入战场，硅谷高管意识到”下一场战争将由拥有最先进技术的一方获胜”
对华竞争

：与中国在科技优势方面的竞争促使科技人士更倾向于与美国政府结盟
商业利益

：Palantir市值飙升至超过3,750亿美元，超过洛克希德·马丁、诺思罗普·格鲁曼和通用动力的总和，成为”效仿”榜样
政治气候变化

：部分高管和风投家公开支持右翼观点和候选人

5.3 Anthropic vs. 五角大楼：AI伦理的最后防线？

2026年初，Maven中集成的Anthropic Claude模型引发了一场关于AI伦理边界的重大冲突。Anthropic的AI模型不允许用于全自主武器或大规模国内监控。当五角大楼要求取消这些限制时，Anthropic拒绝退让。2026年3月4日，五角大楼将Anthropic定性为”供应链风险“，要求6个月内淘汰所有Anthropic产品。

“美国的战士……永远不会被未经选举的科技高管和硅谷意识形态所挟持。我们将决定，我们将主导，我们将获胜。” —— 五角大楼新闻秘书金斯利·威尔逊

这一事件揭示了”军事AI复合体”的结构性特征：当AI公司试图坚持安全红线时，行政机关可通过供应链风险定性和合同条款施压；当司法部门试图介入时，又会遭遇国家安全和”战时例外”的限制。Google、xAI和OpenAI正在被考虑替代Claude在Maven中的角色。

5.4 “自动化偏见”与”人类去技能化”

MAVEN文件夹中的《Hands-on the Trigger》政策简报和《The Conversation》关于以色列AI targeting的文章共同揭示了AI军事化的深层风险：

自动化偏见（Automation Bias）

：操作员对AI输出产生不加批判的信任。一名军官描述与算法互动的过程：”接受。接受。接受。”——人类变成了机器输出的”橡皮图章”
人类去技能化

：随着军方日益依赖AI辅助目标识别，人员将逐渐丧失独立识别目标的能力
决策时间压缩

：研究表明，在10秒或更短的决策窗口下，人工与自动模式的区别在操作上变得毫无意义
速度优先于判断

：系统追求的速度和规模”加速了行动链，这是系统的诱惑和诱惑力”

以色列的AI目标系统”Lavender”曾一度识别出37,000个潜在目标。一名以色列情报官员表示：”在这个阶段，我对每个目标只投入20秒，每天做几十个。作为人类，我没有任何附加价值，只是一个批准印章。”

06制度化与全球扩展

6.1 从实验项目到永久基础设施

Project Maven的制度化进程体现了美国军事AI从实验到常备的系统性转变：

| 里程碑 | 时间 | 意义 | | — | — | — | | AWCFT设立 | 2017年4月 | 首次将AI正式纳入军事作战体系 | | NGA接管 | 2022年 | 从实验性DIU模式转入情报机构管理 | | 正式记录项目 | 2023年11月 | 获得国会全额拨款，预算纳入FYDP五年计划 | | Palantir独家供应商认证 | 2023年5月 | Palantir成为MSS唯一技术提供商 | | 4.8亿美元合同 | 2024年5月 | 扩展至五个作战司令部 | | 合同上限提至13亿美元 | 2025年5月 | 反映需求激增，延伸至2029年 | | 费恩伯格备忘录 | 2026年3月 | MSS成为CJADC2″基石”，监管移交CDAO |

6.2 CJADC2整合：从”发现”到”打击”的一体化

Maven被定位为美军”联合全域指挥控制”（CJADC2）概念的核心实现。CJADC2旨在将美军所有传感器、平台和武器系统连接到一个灵活的网络中。MSS的三大功能直接服务于这一目标：

传感器融合

：将无人机视频、卫星图像、雷达、信号情报等多源数据整合到单一界面
决策加速

：从识别目标到生成行动方案，到执行目标打击，全部在一个系统中完成
盟国互操作

：通过分级权限管理，使北约盟国能在适当密级下共享情报和作战图

正如首席数字与AI官员卡梅伦·斯坦利在2026年3月的演示中所说：”我们已经从识别目标，到制定行动方案，到执行目标打击。全部在一个系统中完成。这是革命性的。”

6.3 NATO与盟国扩展

Maven的影响已跨越国界。2025年4月，NATO通过Palantir获取了自己的Maven智能系统版本（MSS NATO），用于战场态势感知、后勤和目标获取。2025年8月，NATO联合作战中心在挪威开始训练整合MSS。英国也与Palantir签署了高达15亿英镑的战略合作协议。Maven系统已外溢至美国盟国作战体系，形成了一个以美国为核心的军事AI联盟网络。

07美军AI军事复合体的形成

MAVEN文件夹中的中评月刊文章深刻分析了”美国军事AI复合体”的制度化特征。该复合体不再是孤立的采购项目，而是一个由模型、数据、云端、软件、武器平台和战场反馈共同构成的制度性生态系统：

模型层

Anthropic Claude、Google Gemini、xAI Grok等前沿AI模型被集成进军事平台。多家公司并列以防供应商锁定。

数据层

NGA负责地理空间情报，包括计算机视觉模型训练。CDAO管理文本功能。数据治理成为与模型性能同等重要的议题。

云端层

MSS运行在AWS上，拥有国防信息系统局IL6认证（机密级别）。JWCC分类云端提供底座支撑。

平台层

Palantir的MSS/AIP定义了”发现-决策-打击”的杀伤链逻辑。Anduril将AI接入自主武器平台。Thunderforge要求AI生成作战计划草稿。

这一复合体具有强大的自我强化逻辑：采购规模越大，企业越依赖国防市场；分类部署越深，军方越依赖特定模型与平台；实战数据越多，模型越能被军事特化；竞争压力越高，伦理红线越容易被国安叙事压缩。即使遭遇员工抗议、司法挑战、平民伤亡和国际批评，军事AI化也未必收缩，反而可能在”必须更快、更强、更不受限制”的逻辑下进一步扩张。

08中国视角的风险分析

2026年3月11日，中国国防部发言人姜滨在记者会上就美国军方在伊朗行动中使用AI模型选择目标一事发表评论：”无限制地将AI用于军事目的……让算法决定谁该生谁该死，不仅模糊了适用于战争的伦理和责任规范，还可能导致对技术的失控，甚至实现美国电影《终结者》中的灾难性场景。”

从中国的战略视角分析，Project Maven及其代表的美国军事AI化趋势构成多层次、多维度的风险：

8.1 直接军事安全风险

风险一：印太战场态势感知不对称

Maven已明确部署于美军印太司令部（INDOPACOM）。Palantir的公开演示中多次出现南海岛礁特征画面，包括对永兴岛（Woody Island）的卫星视图叠加战术图层——显示射程环、单位符号、目标和机场跑道、港口设施。五角大楼将Maven定义为应对”大国竞争”（尤其是中国）的关键技术，旨在抵消中国在印太地区的”反介入/区域拒止”（A2/AD）优势。

这意味着Maven的AI能力正被用于：生成针对中国南海特定岛礁的模拟打击方案，辅助指挥官进行印太冲突的快速决策。Palantir工程师常驻五角大楼作战中心，直接参与作战流程设计。一旦台海或南海爆发冲突，Maven将大幅压缩美军的”传感器到射手”时间线。

风险二：杀伤链压缩削弱预警与反应时间

Maven将杀伤链从数小时压缩至分钟甚至秒级。在传统模式下，中国军队有相对充裕的时间进行态势评估、外交交涉和军事反制准备。Maven的”机器速度”决策将使对手的反应窗口大幅缩小，增加危机升级的不可控性——特别是在核武器与AI系统交互的复杂场景下。

风险三：AI系统的对抗性脆弱性

MAVEN文件夹中的《Hands-on the Trigger》政策简报深入分析了AI军事系统的技术脆弱性，这些脆弱性同样可能被利用或被对手攻击：

分布偏移

：在不同作战环境中，模型可能产生”自信但错误”的输出。Maven在乌克兰的早期失效就是明证
数据投毒

：对手可操纵训练数据集，在部署前植入系统性误分类
对抗性输入

：对环境中物体的小幅物理修改可导致系统误分类
电子战干扰

：通信链路被降级或切断时，AI系统可能失效或产生不可预测行为

8.2 战略与地缘政治风险

风险四：AI军备竞赛螺旋升级

Maven的制度化和全球扩展正在引发AI军备竞赛。Manson在书中10次提到”第三次世界大战”，并记录了美军内部的焦虑——一位英国国防官员透露，美国同僚在私下简报中低声说”我们还没准备好”应对中国入侵台湾。这种焦虑驱动了AI军事化的加速，而加速本身又增加了误判和意外升级的风险。

正如CNAS报告《Averting AI Armageddon》所指出的，AI与核武器的交汇带来了新的不稳定因素：AI可能被整合进核指挥控制系统，AI赋能的常规系统可能与核系统产生纠缠（entanglement），而三极核秩序（美-中-俄）的不稳定性进一步加剧了风险。

风险五：NATO军事AI联盟网络化

Maven向NATO的扩展意味着美国盟国正在形成以MSS为标准平台的军事AI联盟网络。这不仅提升了联盟的互操作性和情报共享效率，也在技术上将更多国家绑定到美国的AI军事体系中。在台海或南海冲突场景下，这一网络可能被用于多国协同的目标识别和打击行动。

风险六：AI治理话语权的争夺

美国通过Maven等项目的实战应用，正在以”既成事实”塑造军事AI的使用规范。在联合国关于致命性自主武器系统（LAWS）的谈判中，美国主要关注维持其AI技术发展优势，而中国主要关注减缓美国技术进步。双方在AI军事治理上的合作空间极为有限，而治理真空正在被单边行动填补。

8.3 技术与产业风险

风险七：AI人才与产业链的军事化虹吸

库克在2017年的草案中明确提出，要用政府国防支出”将新兴的商业AI市场拴在美国而非让其去中国寻找客户”。Google、Amazon、Microsoft等科技巨头已深度嵌入Maven生态系统。这种军民融合模式正在虹吸全球AI人才和资源向国防领域集中，形成对民用AI发展的挤出效应，同时也试图切断中国获取先进AI技术的渠道。

风险八：芯片与算力封锁的战略意义升级

Maven等AI军事系统对先进芯片和算力的高度依赖，使美国对华芯片出口管制具有了直接的军事意义——不仅是限制中国的AI发展，更是确保美国在AI军事化竞赛中保持代际优势。2026年5月1日，八家公司同时接入IL6/IL7网络的机密AI协议，标志着”全产业全堆栈”模式的形成，进一步强化了技术封锁的系统性。

09中国的应对策略建议

面对Project Maven所代表的美国军事AI化趋势，中国需要从技术、军事、外交和治理四个维度构建系统性应对策略：

9.1 技术维度：加速自主AI军事能力建设

策略一：构建中国特色的军事AI体系

中国已在无人智能作战领域取得显著进展——2025年九三阅兵展示了”机器狼群”、”阿特拉斯”无人机蜂群系统（一人操控96架无人机）、L30自主无人艇、攻击-11隐身无人机与歼-20/歼-16D的”三剑客”编队等。应在此基础上，加快构建类似Maven的多源情报融合与杀伤链管理系统，重点突破：

多模态AI融合平台

：将计算机视觉、信号情报、电子战数据整合到统一作战界面
大语言模型军事化应用

：开发军事专用LLM，支持自然语言指挥交互和作战方案生成
卫星与无人机协同侦察

：构建天基-空基-地基一体化ISR体系，克服单一传感器的局限性

策略二：针对AI军事系统的对抗性技术研发

利用AI系统的固有脆弱性（分布偏移、对抗性输入、数据投毒、电子战干扰），发展”反AI”能力：

对抗性机器学习

：开发可欺骗或瘫痪敌方AI目标识别系统的技术和装备
电子战与AI结合

：利用电磁压制、欺骗、窃取等手段干扰敌方AI系统的通信、导航和感知链路
数据环境保护

：防止对手通过开源情报或网络渗透获取训练数据
反无人机/反无人集群体系

：继续发展激光武器、高功率微波和弹炮系统”铁三角”反无体系

策略三：确保AI芯片与算力自主可控

Maven等系统对先进芯片的依赖是美国的优势也是中国的短板。必须加速国产先进制程芯片、AI专用芯片和算力基础设施的研发，突破美国技术封锁。同时发展抗制裁的替代供应链，确保在极端情况下军事AI系统的持续运行能力。

9.2 军事维度：创新作战理论与编制体制

策略四：发展”智能化战争”作战理论

党的二十届四中全会审议通过的”十五五”规划建议已明确提出”加快无人智能作战力量及反制能力建设”。应在此基础上深化：

人机混合战理论

：发展”有人主导、无人攻坚”的任务分工和”无人在前、有人在后”的作战部署
多域协同战理论

：利用中国”蜂群””狼群””鲨群”等无人作战集群优势，构建跨域协同攻防能力
集群消耗战理论

：以大量低成本无人装备饱和攻击消耗敌方高价值装备和弹药
反制无人智能作战理论

：发展全域探测、链路阻断、末端干扰、雷达诱骗、信息控制、高能毁瘫等反制手段

策略五：改革军事AI采购与迭代机制

CSET报告详细分析了Maven成功的制度因素：90天DevSecOps迭代周期、灵活合同机制（BAA/OTA/CRADA）、嵌入式工程师、以及”三语领导人才”（同时掌握作战、技术和采购）。中国军事AI发展可借鉴：

建立军事AI快速迭代机制，缩短从需求到部署的周期
引入竞争性开发模式，允许多家供应商同时开发同一功能
培养既懂军事作战又懂AI技术和装备采购的复合型人才
将开发者嵌入一线部队演习和部署，实现技术与作战的协同进化

9.3 外交维度：塑造AI军事治理国际议程

策略六：推动联合国主导的AI军事治理体系

中国应主动塑造而非被动应对AI军事治理议程：

在联合国框架下推动制定军事AI的明确禁制清单：禁止完全自主致命武器、禁止未经司法授权的大规模国内监控、禁止以未验证数据库直接驱动打击决策、要求高风险军事AI系统保留可审计记录
倡导”智慧向善“的AI治理理念，与美国将AI异化为霸权工具形成鲜明对比
联合全球南方国家，推动建立以联合国为核心的AI全球治理体系
在AI军控谈判中争取主动，避免美国以”既成事实”单方面塑造规范

策略七：建立危机沟通与风险管控机制

CNAS报告指出，AI与核武器的交汇使三极核秩序更加不稳定。中国应：

推动中美AI军事风险管控对话，建立类似核风险降低中心的AI危机沟通机制
就AI系统在核指挥控制中的使用界限达成谅解
建立AI军事事故的通报和调查机制
在台海和南海等热点区域建立AI军事行为的”交通规则”

9.4 治理维度：完善国内AI军事伦理框架

策略八：建立军事AI的独立监督与评估体系

借鉴Maven争议中暴露的治理经验教训：

设立独立的军事AI监督机构，具备技术审查、法律评估、事后调查与公开报告功能
建立强制性技术评估制度：任何进入核心军事任务的AI系统均应接受可靠性、偏误、对抗韧性、数据更新与可解释性测试
明确区分”合法用途”与”负责任用途”——合法性只是最低门槛
保留人类对致命性武力使用的最终决策权，设定法定最低决策时间窗口
建立军事AI事故的问责机制，避免”分散式责任”成为系统性风险的掩护

9.5 舆论维度：占据道义制高点

策略九：系统揭露美国军事AI化的伦理危害

持续追踪和公布美国AI军事行动中的平民伤亡事件（如伊朗女子学校空袭）
强调美国强迫AI公司放弃伦理红线的霸权行径（如对Anthropic的供应链风险定性）
对比中美AI治理路径：中国推动”智慧向善”vs. 美国将AI异化为霸权工具
支持国际社会对美国AI军事化行为的批评和调查

10结论

Project Maven从2017年一个耗资7,000万美元的实验性项目，发展为2026年拥有25,000+用户、合同上限13亿美元、覆盖美军全部作战司令部和NATO盟国的”战争操作系统”。这一演进轨迹清晰地展示了AI军事化从”是否应该”到”如何加速”的范式转变。

MAVEN相关的七份文档从不同维度勾勒了这一转变的全貌：

Manson的《Project Maven》全书提供了最详尽的内部叙事，记录了从AlphaGo启感到伊朗实战的完整历程
CSET的政策简报揭示了Maven成功的制度密码——”三语领导”、DevSecOps和灵活合同
《Hands-on the Trigger》分析了AI军事系统的技术脆弱性和人类监管的结构性失效
CNAS的《Averting AI Armageddon》将AI军事化置于美中俄三极核竞争的框架下审视
《The Conversation》关于以色列Lavender系统的报道提供了AI目标识别导致人道主义灾难的现实案例
《AI-HyperCal》展示了Maven向高光谱影像扩展的技术前瞻
《Building the Tech Coalition》记录了”猩红巨龙”演习如何成为MSS的孵化器

对中国而言，Project Maven带来的核心挑战不仅在于技术层面——一个能将杀伤链压缩至秒级的AI系统确实构成直接的军事威胁——更在于其代表的系统性范式转变：美国正在构建一个以AI为核心、以Palantir等商业公司为骨架、以NATO为外延的军事AI复合体，其自我强化逻辑意味着即使遭遇伦理质疑和平民伤亡也难以逆转。

中国的应对不应局限于”追赶”或”反制”的被动逻辑，而应从体系建设、理论创新、治理塑造和道义引领四个维度主动布局。中国已在无人智能作战装备领域展现出强大实力——”机器狼群”、无人机蜂群、自主无人艇等成果标志着解放军在无人化、智能化作战方面的跨越式发展。关键在于将这些分散的装备优势整合为系统性的AI作战能力，同时在国际治理层面占据道义制高点，推动建立以联合国为核心的AI军事治理体系。

核心判断

AI军事化已不是”是否会来”的问题，而是”已经到来”的现实。Project Maven是这一现实的标志性产物。面对这一挑战，中国最危险的应对不是技术差距，而是战略麻木——低估AI军事化的速度、规模和不可逆性。唯一有效的策略是加速构建自主的军事AI能力体系，同时积极塑造AI军事治理的国际规范，在”技术追赶”与”规则引领”之间找到平衡，为智能化战争时代的国家安全奠定基础。

本报告基于MAVEN相关的7份原始文档及多源公开情报撰写仅供研究参考，不代表任何官方立场撰写日期：2026年8月1日

报告撰写：成都欧深特公司

原始素材文档已上传知识星球

长按识别下面的二维码可加入星球

里面已有万余篇资料可供下载

续费五折优惠

免责声明：

本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。

任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。

本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。

本文转载自：丁爸情报分析师的工具箱丁爸丁爸《【深度调研】梅文计划（Project Maven）-AI军事化的里程碑、全球影响与中国应对策略》