文章总结： 本文系统解析了美军首个大规模部署的AI目标锁定平台梅文智能系统，该系统从2017年原型演进为整合179个数据源、集成Claude等大语言模型的云原生战争操作系统，于2026年成为美国国防部正式项目。文章阐述了其基于猩红龙演习的DevSecOps开发模式、开放式六层架构及核心功能，重点分析了其在实战中大幅压缩杀伤链时间、辅助数千次打击的高效表现，同时也揭示了系统存在的AI幻觉、误伤平民等缺陷。 综合评分： 86 文章分类： AI安全,实战经验,解决方案,数据安全,应用安全

---

实战之最：Palantir“梅文智能系统”深度解析

原创

渊亭防务 渊亭防务

渊亭防务

2026年7月24日 19:20 福建

在小说阅读器读本章

去阅读

摘要：本文系统解析了美军首个大规模部署的AI目标锁定平台——“梅文智能系统”。该系统从2017年的“梅文”计划原型，演进为整合179个数据源、集成Claude等大语言模型的云原生“战争操作系统”，并于2026年成为美国国防部正式项目，覆盖所有战区。文章阐述了其基于“猩红龙”演习的DevSecOps开发模式、开放式六层架构及核心功能，重点分析了其在“史诗狂怒”等行动中大幅压缩杀伤链时间、辅助数千次打击的高效表现。同时，文章也揭示了系统存在的AI幻觉、误伤平民、带宽过大及算力需求激增等缺陷，客观呈现了这一标志性AI作战系统的能力与挑战。

关键词：梅文计划；人工智能；帕兰蒂尔；Maven

“梅文智能系统”演示视频

“梅文智能系统”（MSS）是一个云原生、软件即服务（SaaS）平台，能够整合异构军事数据源，利用大语言模型（LLM）提供分析支持，并实现作战规模下的目标锁定工作流程自动化。截至2026年，“梅文智能系统”已正式被指定为美国国防部的“正式项目”（Program of Record），并在各联合作战司令部实现了生产级部署。北约盟军作战司令部（ACO）于2025年3月引进了该系统，这也是北约历史上速度最快的采购项目之一。

该系统高达13亿美元的合同总额上限（有效期至2029年），以及与Anthropic的Claude、OpenAI的ChatGPT和Meta的Llama模型的集成能力，凸显了其在西方作战基础设施中的核心地位。目前美军相关机构已着手推进该系统的应用培训，例如，美国陆军指挥与总参谋学院（CGSC）的领导层计划将该系统纳入参加“指挥与总参谋军官课程”的核心课程体系中。

项目概况

“梅文智能系统”是从“梅文”计划这一实验性项目中诞生的、美国军方首个大规模部署的AI目标锁定平台。其从一个在索马里表现拙劣的“计算机视觉原型”，演变成了一个整合了多源数据、能够辅助指挥官在数秒内决策并引导武器打击的“战争操作系统”。

图1.“梅文”计划关键节点

1.“梅文”计划（Project Maven）

“Maven计划”（正式名称为“算法战跨职能团队”）由美国国防部于2017年4月设立，旨在将机器学习技术应用于无人机采集的全动态监视视频，从而提供情报分析支撑。由于无人机每天收集的视频素材量远远超过人工分析能力，这使得机器学习成为显而易见的解决方案。谷歌是该项目最初的供应商，提供了基于TensorFlow的目标检测模型。2018年，由于内部员工对伦理问题提出抗议，谷歌拒绝续签合同，并将该项目开放给新的供应商。

2.“梅文智能系统”（MSS）

2024年5月，帕兰蒂尔（Palantir）公司获得一份价值4.8亿美元、为期五年的IDIQ（不确定交付/不确定数量）合同，成为MSS新的供应商。帕兰蒂尔将“梅文智能系统”重新定位，使其从一款专业的图像分析工具转变为任务指挥应用（MCA）及企业级数据集成平台，能够跨越各军种及联合指挥控制体系架构实现数据聚合。

2023年11月初“梅文智能系统”正式成为“正式项目”，即成为获得国会全额拨款的项目。2024年初，美军指挥部已经完成“梅文智能系统”从演习试验到实战应用的过渡。这是美国首次大规模地在战争中真正检验人工智能的应用。2025年5月，帕兰蒂尔“梅文智能系统”的合同额上限提升至13亿美元，期限延伸至2029年。

3.相关机构

过去十年间，美国国防部内部对“梅文”计划和“梅文智能系统”的监管归属权几经变动。“梅文”计划最初由负责情报与安全的国防部副部长办公室统筹。2022年，拜登政府将相关职责分拆，分别交由国家地理空间情报局（NGA）和首席数字与人工智能办公室（CDAO）负责。在此架构下，首席数字与人工智能办公室负责支付“梅文智能系统”的许可费用，并管理该系统的文本处理功能，例如“读取”缴获的敌方资料；而国家地理空间情报局则负责开发显示在“梅文智能系统”屏幕上的计算机视觉模型。据悉“梅文智能系统”的8项计划中有5项最终都移交给了美国国家地理空间情报局，其中包括分析无人机视频和卫星图像。2026年3月，美国国防部副部长史蒂夫·范伯格（Steve Feinberg）发布备忘录，下令将该系统的监管权完全移交给CDAO。

另外，众多民营企业参与了该系统的研发，包括但不限于亚马逊网络服务（AWS）、博思艾伦咨询公司（Booz Allen Hamilton）、DigitalGlobe、ECS Federal、L3Harris Technologies、Maxar Technologies、微软和Sierra Nevada Corporation、Anduril Industries、Enabled Intelligence等等。

开发模式

美国陆军第18空降军利用“猩红龙”（Scarlet Dragon）演习开发“梅文智能系统”，以作战人员的实际需求为指导，并能够在仿真作战环境中快速检验开发工作的成效，将情报与作战职能有机结合，从而对联合火力打击形成有效支撑。该项目团队成员包括作战人员、开发人员、技术人员、测试人员和评估人员。通过该演习对系统应用的全过程进行演练，包括目标识别与定位、合法且有效的打击目标的筛选、目标优先级的确定、目标与相应火力单元的分配以及打击执行等。

该系统采用“开发－安全－运维”（DevSecOps）开发方式，众多商业AI服务商（至少32家）参与系统研发，开发过程灵活高效。整个开发过程以90天为一个周期进行迭代，一个周期包含开发、测试、反馈和投入使用等环节。

另外，广泛机构公告（BAA）机制、“其他交易授权”（OTA）以及其他研发（R&D）协议等合同机制，亦使该项目的实施具有更大的灵活性。

在“猩红龙”演习相关测试中，“梅文智能系统”表现出一系列能力，包括：①能够获取来自多种来源的传感器数据，利用计算机视觉算法辅助士兵识别并选定军事目标，进而提供工作流程支持，确保针对目标的打击请求能获得指挥链的批准；②能够用作存储战场毁伤评估数据的数据库，并显示友军及目标位置的态势图。总而言之，该系统负责数据的组织与整合，允许用户选择并利用算法处理这些数据，从而使操作人员能够依据既定的陆军条令与决策流程，更迅速地做出决策。

图2.“猩红龙”演习中“梅文智能系统”显示的态势图

（图片来源于网络，如有侵权请联系删除）

系统架构

“梅文智能系统”采用明确的开放式可扩展架构设计，允许第三方供应商集成AI模型、传感器数据流和分析工具，而无需共享其专有算法。在2025年11月的北约“梅文智能系统”工业日上，来自英国、法国和德国的三家供应商仅用三周时间，便成功将其各自功能独特的系统集成到了一个非密级的“梅文智能系统”部署环境中。这种开放性使该系统能够充当通用数据骨干网，连接32个拥有互不兼容国家级技术的北约成员国。

“梅文智能系统”数据平台利用包括Foundry、Gaia、目标工作台（Target Workbench）、Maverick和LogX在内的各种组件和工具，以地理空间方式管理和呈现数据。

此外，该系统还利用广域监视与目标定位（BAS-T）系统及人工智能任务管理器（AI Tasking Manager）实现自动化目标检测，通过BAS Chipout工具输出检测结果。该系统还通过模式分析器（Pattern Analyzer）实现模式分析与智能警报。

表1.“梅文智能系统”关键AI能力

结合现有开源数据推测，“梅文智能系统”架构可能由六个层级构成，分别是运行环境、数据层、本体层、中间层、模型层、操作层。

图3.“梅文智能系统”系统架构

1.运行环境

面向美国业务，“梅文智能系统”在亚马逊网络服务（AWS）GovCloud云环境运行；面向北约业务，则在亚马逊网络服务斯德哥尔摩（Stockholm）区域云环境运行。

2.数据层

“梅文智能系统”聚合、整理并可视化海量的情报、监视和侦察数据，包括来自卫星图像、通信截获的地理位置数据（IP地址、地理标签、元数据等）、红外传感器、无人机视频、情报报告和合成孔径雷达信号的相关数据。据悉，中央司令部部署的“梅文智能系统”在2024年使用了179个不同的数据源，而美国战略与国际研究中心（CSIS）披露，这一数字此后已显著增加。

包括目标识别系统在内的机器学习系统会对数据进行处理，并识别潜在目标，例如敌方坦克或新建军事设施的位置。“梅文智能系统”训练数据集包含至少400万张经人工标注的军事目标图像（如军舰）。系统用户界面能够显示诸如飞行器动态、后勤信息、关键人员位置、“非打击清单”上的目标位置、舰船信息等内容。

2024年，广域监视与目标定位系统作为“梅文智能系统”的一部分运行。前者能够检测图像中的目标，并利用数据融合技术生成统一的作战态势图。该态势图在统一的用户界面上呈现，包含“针对指挥官责任区内敌方系统的、基于优先级的深度评估”信息，且适用于“低带宽战术网络”环境。广域监视与目标定位系统使用的数据源包括商用及国家级天基光电（EO）和合成孔径雷达（SAR）。

3.本体层

“梅文智能系统”的核心在于其本体（Ontology）。这是一个语义集成层，负责将数字资产（如数据集、机器学习模型、虚拟表）映射到其现实世界中的对应实体。在军事部署中，人员记录、访问日志条目和地理空间情报、监视与侦察（ISR）坐标可以自动关联，指向同一实体，而无需事先进行模式规范化。这种基于本体的联合使分析人员能够通过统一的界面同时查询机密和非机密数据。

在上述北约“梅文智能系统”工业日上，该系统展示了来自赛峰集团（Safran）的卫星图像。相关数据经由AI摄取并转化为结构化的本体对象（如“卫星图像”“检测结果”），随后AIP智能体基于这些对象进行推理，从而生成情报建议。

4.中间层

帕兰蒂尔将其人工智能平台（AIP）描述为“梅文智能系统”利用大语言模型的中间层。AIP提供了多种由大语言模型驱动的工具。例如，Maven Threads“支持‘梅文智能系统’用户利用上传的文档完成各种任务及即席分析”；Maven Agent Studio则“为用户提供配备了企业特定信息与工具的交互式助手”。第三款工具Maven Logic提供了“一种用于构建、测试及发布由大语言模型驱动的功能模块的无代码开发工具”。

5.模型层

人工智能模型能够识别上述数据中的模式，并将这些模式以可视化的方式呈现出来。例如，计算机视觉模型可以在实时卫星或无人机视频流中发现并标记潜在目标，这些目标随后会显示在用户屏幕上的黄色方框中。

图4.“梅文智能系统”界面

（图片来源于网络，如有侵权请联系删除）

包括Claude、ChatGPT、Llama等在内的大语言模型为“梅文智能系统”提供了两项关键能力：自然语言交互和更广泛的模式分析。大语言模型能够与人类分析师进行交互，协助他们解读对手意图并制定潜在的行动方案。此外，其还能够整合由计算机视觉模型生成的数以千计的探测结果，并识别跨时间维度的模式。

截至2025年3月，“梅文智能系统”已整合了大语言模型、生成式模型以及机器学习技术。

6.操作层

目标打击工作流主要在该层实现，通过目标工作台对目标进行优先级排序，操作员可以批准或拒绝目标排序结果，系统可将目标信息分发给诸如先进野战炮兵战术数据系统（AFATDS）的下游系统进行后续打击处理，或通过JREAP-C/JREAP-A协议（联合远程扩展应用协议）发布为J系列3.X格式的航迹信息。此外，“梅文智能系统”还能与“联合自动化纵深作战协调系统”（Joint Automated Deep Operations Coordination System）实现互联。

核心功能

帕兰蒂尔公司发布的关于“梅文智能系统”的文件列出了该系统六项具体的基准能力，分别是：战场管理、目标管理、由人工智能赋能的缜密规划与执行、计算机视觉检测、机器辅助的情报披露以及生成式人工智能。

1.战场管理

“梅文智能系统”通过Gaia实现实时地图视图协作，支持实时数据集成与高级地理空间分析。支持同步的任务规划与执行，具备可定制的瓦片集、地图图层及第三方平台集成功能。

2.目标管理

对识别出的目标进行筛选、排序，通过Maverick、Target Workbench和Target Nexus实现集中式目标识别与管理，从而在不同的作战区域和领域内实现统一的目标定位。

3.AI赋能作战规划与执行

基于前述优先级排序结果，可根据距离、载荷及人员状态，推荐针对特定目标的轰炸机与弹药分配方案，并通过Maverick等直接将打击命令传输至武器系统，实现自主目标打击。

4.计算机视觉检测

基于积累的众多敌方军事目标图像，反复迭代检测算法，大大提高了检测准确率。采用计算机视觉算法来发现、分类和跟踪军事目标，在操作员屏幕上用特定颜色编码的边界框突出显示潜在目标。

5.机器辅助的情报披露

该功能提供了一个“集中式门户，用于跟踪对外披露政策、处理请求以及向合作伙伴网络自动分发可披露的情报产品”，其中包含一个“由大语言模型驱动的政策库”。鉴于美军对外披露流程向来以缓慢和官僚主义著称，即便只是实现该流程部分环节的自动化，也能显著加快美军与盟友及合作伙伴之间的情报共享速度。

6.生成式人工智能

通过“模型目录”（Model Catalog）结合AIP Assist和AIP Threads，利用大语言模型驱动的工作流，实现自然语言查询与交互。Agent Studio提供针对机构特定需求的信息与工具。

系统特性

1.高效性

首先，“梅文智能系统”可直接获取卫星数据并进行目标定位，美国陆军火力支援单位正是依赖该系统获取来自商业和军事卫星的传感器数据（如卫星图像）。其次，“梅文智能系统”还能显著提升工作效率，包括自动突出显示图像供情报分析人员审阅，并通过数字化手段支持整个工作流程——从情报分析人员到负责选择目标的决策者，再到执行火力打击任务的单位，最后回馈给评估战果的分析人员。

通过“梅文智能系统”，美国陆军第18空降军展现出了与“伊拉克自由行动”期间“时间敏感目标打击小组”相媲美的能力，该小组被广泛公认为美军历史上效率最高的目标打击小组。且在前述同等效能的情况下，第18空降军人员配比仅20人，而“时间敏感目标打击小组”人员配比超过2000人。基于上述性能表现，美国陆军为“梅文智能系统”设定了一项目标，即帮助战场上的火力打击单元在一小时内做出1000次高质量决策，包括对目标进行选择或排除。

2.灵活性

“梅文智能系统”的灵活性表现在能够整合那些最初并未纳入该软件设计范畴的传感器与平台数据。例如，2021年10月，美军各军种及联合作战司令部参与了“猩红龙”演习，并将各自的软硬件工具集成到了“梅文智能系统”中。2023年2月，该系统又集成了美国太空军的作战能力。随着军用和民用传感器数量的激增及技术的不断更迭，这种灵活性赋予了该系统更强的生命力。

3.安全性

“梅文智能系统”获得美军IL6认证，能够根据用户的角色或安全权限级别来限制数据访问并调整用户界面。这使其能够作为中央指挥与控制平台，支持“联合”（即跨军种）与“联军”（即与盟友协同）环境下的多域作战。这一特性使北约成员国参与了2023年的“猩红龙”演习，因此美军能够以适当的密级与盟友高效共享信息，并利用统一的作战态势图。迄今为止，美军各军种均已参与“猩红龙”演习。

“梅文智能系统”的上述特性使其尤为瞩目，且与美国国防部的顶层战略理念，即联盟－联合全域指挥与控制（CJADC2）契合，因此得到了美国国防部的大力支持，并将用于支撑CJADC2。根据帕兰蒂尔公司透露，该系统界面共享实时同步的战场视图，使作战人员和决策者能够实时了解战场态势，从而支持CJADC2的整体任务。

应用场景

在时间范畴方面，“梅文智能系统”于2017年第一次投入实际应用，至今已有近10年，实现了从实验到“战争操作系统”的演进。另外从2017年原型到2026年北约全面列装，仅用不到10年完成传统系统需20—30年的成熟周期，体现了“快速迭代、实战验证”的硅谷模式。

在地理空间方面，该系统从索马里一个据点扩展至全球所有战区（除南极），覆盖亚、非、欧、北美、拉美及太平洋－印度洋区域，用户从几十人增长至数万人（推测至2026年达8万）。

任务类型方面，该系统从单一的无人机影像分析发展为集ISR、目标锁定、火力引导、作战规划、后勤管理、国土安全、救灾于一体的综合作战系统，已深度嵌入杀伤链各环节。

1.总体部署

“梅文智能系统”已被美国联合参谋部、作战司令部、国防部和情报界的各个部门以及北约盟国广泛使用。截至2025年5月，“梅文智能系统”的用户已超过2万人，结合帕兰蒂尔公司声称，该系统的用户群在过去两年多的时间里每六个月翻一番。因此推测，该系统当前用户群约为8万人。

帕兰蒂尔公司确认，到2025年，其“梅文智能系统”将在美国印太司令部（INDOPACOM）、欧洲司令部（EUCOM）、中央司令部（CENTCOM）、北美防空司令部/北方司令部（NORAD/NORTHCOM）、太空司令部（SPACECOM）、运输司令部（TRANSCOM）、非洲司令部（AFRICOM）及联合参谋部（Joint Staff）达到生产级部署水平，并将在网络司令部（CYBERCOM）、战略司令部（STRATCOM）和南方司令部（SOUTHCOM）进行额外部署，这意味着除特种作战司令部（SOCOM）外，该系统将覆盖所有美军联合作战司令部。这标志着该软件在整个美国军事体系中实现了前所未有的渗透，这种程度的体制性采纳，对于任何单一的国防软件平台而言，在历史上都是罕见的。

2.试验演习

在2025年之前的两年里，“梅文智能系统”被用于141项演习和实验，部署在130多个地点，包括澳大利亚、巴林、柬埔寨、乌兹别克斯坦、英国、越南和也门等，针对从中国、朝鲜、哈萨克斯坦、缅甸、巴基斯坦和俄罗斯收集的数据进行分析。在2025年的某个时期，“梅文智能系统”在日本、德国和卡塔尔设有常驻人员，并在约旦、吉布提、韩国和波兰轮换部署人员。“梅文智能系统”相关试验演习众多，下文仅列举几项关键演习和试验活动。

2.1北约“坚定威慑”演习

2025年3月25日，北约通信与信息局（NCIA）敲定了为欧洲盟军最高司令部（SHAPE）采购北约版“梅文智能系统”的相关事宜，从提出需求到签订合同仅耗时六个月。这创下了北约历史上最快的采购速度之一。北约版“梅文智能系统”随后被部署为“坚定威慑”（2025年5月）和“坚定决斗”（2025年10月）演习的主要作战集成平台。在“坚定威慑2026”演习中，北约版“梅文智能系统”展示了自动编写脚本并模拟假想敌部队的反应的能力。北约联合作战中心将其描述为“北约首个人工智能赋能的作战指挥控制系统”。2026年6月22日，北约版“梅文智能系统”实现了全面技术运行能力，且北约安全认证委员会授予了该系统在北约机密网络上运行的完全安全认证。

图5.北约版“梅文智能系统”运行模式部分概览

（图片来源于网络，如有侵权请联系删除）

2.2美国陆军“融合项目”

在“融合项目”（Project Convergence）2020年演习中，“梅文智能系统”和“死点”（Dead Center）系统被共同部署于MQ-1C“灰鹰”无人机，辅助目标识别和瞄准。据悉二者功能有所重叠，同时部署旨在比较两者性能表现。

2.3美国陆军“雄狮”演习

2025年11月3日，美国陆军南欧非洲特遣部队（SETAF-AF）在阿维亚诺空军基地举行了“雄狮”部署准备演习（Lion Deployment Readiness Exercise）。此次演习利用“梅文智能系统”追踪人员部署准备情况、资源状态、运输资产可用性、执行清单任务完成情况，并召开指挥官更新会议，显示了该系统在增强态势感知、帮助指挥官更有效地运用作战力量以及保护部队安全方面的潜力。

2.4美国海军陆战队试点项目

2025年9月，美国海军陆战队发布许可公告，宣布其内部指定的指挥机构和组织可通过SIPRnet（IL-6云）无限制地访问“梅文智能系统”。美国海军陆战队各单位已在各种作战和实验场景中应用“梅文智能系统”，并继续在相关项目中运用其底层技术能力，例如信息副司令（DC I）发起的“战备360”计划，以及负责作战发展与整合的副司令（DC CD&I）开展的能力开发试点项目。这些评估、实验和试点项目，包括二级和三级联合特遣部队认证演习，不仅确立了最佳实践，还就工作流程和数据集成提供了宝贵的反馈意见。

3.作战行动

除了演习试验外，“梅文智能系统”还是为数不多的被美军投入多个实际战场的AI平台之一。美军近期的军事行动中均有该系统的身影。以下同样仅列举几项关键行动。

3.1伊拉克空袭

2024年2月，美国中央司令部利用“梅文智能系统”定位了也门的火箭发射器和红海的无人水面舰艇。同月，在针对伊拉克和叙利亚的空袭中，该系统帮助缩小了超过85个目标的范围，随后美国轰炸机和战斗机在伊拉克和叙利亚发动了袭击，以报复此前一个月在约旦丧生的三名美军士兵。

到2024年，美国中央司令部将来自陆地、海洋、空中、太空和网络空间的179个不同的实时数据源导入“梅文智能系统”。中央司令部是该系统的主要用户，仅该司令部就有13000个账户，其中2500人是“每周至少登录几次”的常用用户。

3.2以色列导弹防御

“梅文智能系统”还可以探测和跟踪射向以色列的弹道导弹。2024年10月，伊朗向以色列发射了200枚导弹，“梅文智能系统”的工程师们为此彻夜工作，完善该系统的数字基础设施。

3.3美以-伊冲突

在美以-伊冲突爆发后的头24小时内，美国利用“梅文智能系统”进行目标识别，打击了超过1000个伊朗目标，较此前增加了十倍。此外，美国国防部首席数字与人工智能官卡梅伦·斯坦利（Cameron Stanley）曾表示：“史诗狂怒行动”利用“梅文智能系统”在整个战场范围内执行打击任务，覆盖了从数据获取到数据分析再到决策辅助的全过程，因此美军在38天内打击了13000个目标。

据美国国防部发言人透露，“史诗狂怒行动”期间，“梅文智能系统”的非机密数据使用量环比增长了38%，机密数据使用量环比增长了89%。若以词元衡量，该系统每日峰值使用量则增长了4425%。

3.4俄乌冲突

“梅文智能系统”在2022年俄乌冲突爆发后首次大规模部署，当时仅向乌克兰军队提供了一个基本版本，以帮助识别俄罗斯军用车辆、人员和建筑物。然而，当时该系统的表现并不尽如人意，积雪、茂密的植被和诱饵都会影响其性能。在伊拉克西部等沙漠地形中，由于天气状况瞬息万变，其目标识别的准确率可能会降至30%以下。

3.5“绑架”马杜罗

在对委内瑞拉总统尼古拉斯·马杜罗的绑架行动中，美军通过“梅文智能系统”使用了“克劳德”（Claude）这一大模型，并引发关于人工智能伦理问题的争议。

3.6坚定决心行动

2024年2月，正在支援“斯巴达之盾行动”和“坚定决心行动”的美国陆军第138野战炮兵旅将“梅文智能系统”与美国国家地理空间情报局的广域搜索－目标定位系统结合使用，利用人工智能生成的算法和记忆学习能力，扫描并识别责任区（AOR）内的敌方系统。通过“梅文智能系统”，第138野战炮兵旅将数字信息从美国中央司令部空军司令部（AFCENT）传递到位于约旦联合训练中心的野战炮兵旅火力控制单元。“梅文智能系统”还提供了通用作战图（COP），用于态势感知和决策辅助。

4.国家安全

2025年9月，美国海关与边境保护局和美国海岸警卫队使用了“梅文智能系统”开展工作。同月，美国南方司令部以“走私毒品”为由开始对委内瑞拉船只进行致命打击。该司令部未明确其此次行动是否使用了“梅文智能系统”，但此前该司令部曾利用“梅文智能系统”识别出一艘走私毒品的船只，随后对其进行了登船检查。据相关信息，“梅文智能系统”还协助美国南方司令部“探测、分类并最终拦截了三十多艘涉嫌从事非法或秘密活动的船只”。

5.日常监视

美国北方司令部和北美防空司令部于2024年7月开始使用“梅文智能系统”，该系统能够显示和追踪俄罗斯和中国军机以及其他接近美国的飞机的动向。到2025年，这两个司令部的日活跃用户已达2000人。

6.防灾救灾

2025年11月初，美国阿拉斯加民兵组织（AKOM）通信与信息系统局（J6）通过部署名为SHOUT Nano的新型手持卫星追踪设备维持通信，并将该设备数据与“梅文智能系统”集成，在一个地图界面上显示实时GPS位置、物资追踪和短消息，为指挥部提供共享的作战视图。

弱点缺陷

虽然目前看来“梅文智能系统”取得了巨大的成功，其研发方法甚至成为美军试图复制的范式，且实战验证效果亦有一定的说服力，但该系统并不完美，依然存在弱点和缺陷。总体而言包括四个方面：

一是AI固有的幻觉和伦理问题。美国中央司令部作战副主任约翰·科格比尔（John Cogbill）在2024年8月的一次会议上给“梅文智能系统”打了“C+”的分数，他认为该系统存在人工智能普遍存在的问题，包括幻觉和伦理问题等。该系统在美以－伊冲突中将伊朗一所学校误判为军事目标，导致100多名儿童丧生的案例表明，人工智能的伦理风险应成为最关键的关注点。这一缺陷源于帕兰蒂尔缺乏基础模型能力和驾驭工程（Harnessing），“梅文”早期和中期高度依赖外部计算机视觉和大语言模型，帕兰蒂尔主要负责“包装”和部署，而非从头构建或精炼AI的核心能力。因此，MSS可靠性仍不足以完全支撑高风险自主决策，帕兰蒂尔的“战场迭代”风格（field to learn）放大了技术债务，导致系统在演示中强大、在边缘场景脆弱。帕兰蒂尔的最终产品更像“战斗补丁”而非高度工程化的成熟平台。

二是“梅文智能系统”本身占用带宽过大，尽管该系统在战区层面表现卓越，却不适合在师级以下单位使用，而且可能会使美军前线部队因仓促建立的卫星连接和其他电子痕迹而暴露位置。此外，“梅文智能系统”集成虽更快，但高强度作战中仍报告带宽不足和数据传输延迟问题。

三是随着“梅文智能系统”的应用越来越广泛，其所需的计算能力也急剧增加。目前美国国防部正在研究各种方法以提高其在各个领域和各个密级的计算能力，确保从最基层的操作人员到最高级别的指挥官，各个级别永无止境的需求都能得到满足。

四是AI-人类协作机制仍然未能足够完善。目前，“梅文智能系统”仍然需要大量人在回路和持续迭代，数据质量与标注仍是大问题，面对新的场景仍然需要进行重新训练。同时，在高速生成目标时，人容易“橡皮图章”式批准，人监督容易流于形式，这与冗余、安全验证的要求相悖。

---

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：渊亭防务 渊亭防务 渊亭防务《实战之最：Palantir“梅文智能系统”深度解析》