2026-10-15 13:57:05 网络安全文章来源：ZONE.CI 全球网 0 阅读模式

【会员下载】2026年全球新兴军事人工智能七层技术栈架构探析

原创

006
006

蓝军开源情报

2026年10月12日 05:00
湖南

在小说阅读器读本章

去阅读

在公众号小说中沉浸阅读

关注*▲蓝军开源情报▲*和10万+情报研究员，一起成长

*【导读】*

本简报为EPINOVA LLC全球人工智能治理与政策研究中心2026年8月发布的政策简报，本政策简报探讨了从人工智能赋能武器到人工智能协同作战的转变。

简报指出，军事人工智能竞争的主要单元正从单一模型或武器转向更广泛的军事人工智能体系，该体系整合了计算、可信数据、模型、指挥平台、传感器、武器、自主系统和盟军网络。

简报确定了七个体系层级——能源与计算、数据与模型、集成与数字环境、指挥决策支持、火力协同、边缘自主和联盟治理——并比较了美国、北约、中国、美国盟国、乌克兰、俄罗斯和以色列的主要发展路径。

简报总结认为，军事人工智能最重要的影响是决策压缩：即使人类仍然拥有正式授权，人工智能也能影响指挥官的视野、威胁排序、可行选项以及决策速度。

军事人工智能正步入一个新阶段。公众讨论的焦点往往集中在人工智能赋能的武器上，例如自主无人机、机器视觉目标定位、巡飞弹和机器人平台。

这些系统固然重要，但变革的主要方向是人工智能主导的战争：将计算能力、军事数据、模型、指挥平台、传感器、武器、自主系统和盟军网络整合到一个持续运行的作战架构中。

本简报介绍了一个七层军事人工智能架构，涵盖能源与计算、数据与模型、集成与数字环境、指挥决策支持、火力协调、边缘自主性和联盟治理。

它比较了美国、北约、中国、日本、韩国、英国、德国、乌克兰、俄罗斯和以色列的现有路径。该架构的核心战略作用在于决策压缩。即使人类保留正式的指挥权，人工智能也能压缩信息、决策时间、组织流程、选择和作战顺序。

因此，军事人工智能治理应该超越对完全自主武器的狭隘关注，涵盖决策支持平台、目标生成系统、模型更新、数据来源、供应商依赖性、审查时间、人为干预和降级操作。

本文摘录自2026年8月，由全球人工智能治理与政策研究中心发布的报告《从人工智能赋能武器到人工智能编排的战争：2026年全球军用人工智能新兴技术栈》，原文15页。扫码文末二维码，加入蓝军开源情报知识星球会员，免费下载本文原文。检索翻译、资料采购、报告定制联系方式：191-1880-5880（微信同号）。

关键词：军事人工智能；人工智能编排战争；决策压缩；七层技术栈；有意义的人类控制；联盟互操作性；主权人工智能

这是蓝军开源情报的第 *735*期分享

编译006 l 校对006 l 排版019

来源 l 蓝军开源情报（ID：Lanjunqingbao）转载请联系授权（微信号：19118805880）

一、关键判断

军事人工智能竞争的单位正在从单一的模型或武器转变为整个“技术栈”。模型质量固然重要，但作战优势取决于模型是否能够访问受信任的数据、在安全的基础设施上运行、连接到指挥工作流和武器、在通信中断中生存，并通过作战反馈进行改进。

最重大的影响是压缩，不一定是自主性。人工智能可以改变致命决策的节奏和结构，而无需获得正式的指挥授权。

美国和中国正朝着“编排”发展不同的路径。美国模式结合了商业平台、私人资本、机密数据等；中国模式强调国内技术控制、体系规划和自主规模。

联盟互操作性正在成为软件和数据治理问题。

战场自适应能产生巨大的军事价值。乌克兰和俄罗斯证明，小型机器视觉模型、机载制导和蜂群协调在电子战环境下具有直接价值。

治理范围扩大但依然碎片化。国际进程尚未对整个军事人工智能技术栈提供综合监管。

二、核心意义

向人工智能编排战争的过渡影响着威慑、升级、联盟政治、国防采办和平民保护。能够更快地解释战场并协调效果的军队可能会给速度较慢的对手带来操作上的困境。但造成优势的“压缩”也缩短了核实情报、咨询盟友或区分攻击与升级准备的时间。

这一过渡也重新分配了国防企业内部的权力。软件提供商、云运营商、数据中心开发商、芯片供应商和模型公司正在成为作战准备的组成部分。人工智能编排改变了人类控制的意义。如果系统生成目标的速度快于人员审查的速度，正式的人类批准可能会变成程序性的而非实质性的。

三、七层军事人工智能技术栈

这七个层级在分析上是独立的，但在操作上是相互依存的。如果电力、通信或云访问中断，在演习中表现良好的技术栈可能会成为战略脆弱点。

1.能源与计算。包括电力、芯片、数据中心、军事云、冷却、通信和离线计算。战略考验：在电网、网络、供应商或冷却中断时，优先工作负载能否继续？

2.数据与模型：包括军事数据集、基础模型、机器视觉、模型路由和更新。战略考验：数据来源、模型行为和更新效果是否已知且可控？

3.集成与数字环境：包括通用作战图像、数据本体、数字孪生和模拟。战略考验：异构系统能否在不产生单一依赖点的情况下交换数据？

4.指挥决策支持：包括情报融合、威胁排序、规划、兵棋推演和行动方案生成。战略考验：指挥官能否理解、质疑并拒绝系统的建议？

5.火力编排：包括传感器到射手连接、武器-目标匹配、打击排序和重新评估。战略考验：更快的协调是否保留了核实、比例审查和升级控制？

6.边缘自主：包括机载感知、导航、目标跟踪、末端制导和蜂群协调。战略考验：系统能否在欺骗、通信丢失和电子战下可靠运行？

7.联盟与治理：包括技术标准、权限、供应商关系、法律审查、审计和人类控制。战略考验：盟友能否在不放弃数据、任务规则或武力授权控制权的情况下实现互操作？

四、全球军事人工智能转化的六大路径

美国：平台、资本与作战数据

美国正在构建最全面的军事人工智能技术栈之一。Maven正成为连接这些元素的关键平台。Maven和Anthropic的Claude据报道被用于美国针对伊朗的行动中，以支持情报分析、目标提议、目标坐标和打击后评估。报告称美国在最初24小时内打击了1000个目标。此外，五角大楼与Anthropic的纠纷表明，嵌入任务工作流的基础模型可能无法像办公软件那样轻易移除，模型提供商已成为国防供应链的一部分。在基础设施层面，美国陆军有条件地选择Carlyle和CyrusOne在布利斯堡和达格韦试验场谈判数据中心项目（预计分别于2027和2029财年形成初始能力）。

2.北约：从采购到联盟作战环境

3.北约对Maven的采用表明商业平台如何成为联盟范围指挥环境的一部分

2025年3月，北约完成了盟军司令部MSS NATO的收购（仅用时约六个月）。该系统于2026年6月22日达到全面作战能力。北约官员表示，北约数据将保留在北约服务器上，平台可支持多个提供商的模型。2026年7月，DIANA选择了十家公司将建模、模拟、目标支持等工具整合到云环境中。

美国盟友：混合主权与互操作性的权衡

日本正在探索既使用美国平台实现互操作，又发展国内能力。Preferred Networks获得合同开发使用PLaMo 3.0 Prime模型的作战环境分析系统。日本防卫省还在开发战术人工智能卫星原型（用于星上信息融合），以及斥资19.91亿日元开发实时数字孪生项目。

韩国宣布到2030年建立五个军民人工智能中心、约150个优先数据集和专用的国防人工智能数据中心。2026年5月同意与SK Telecom合作测试基于国内基础模型的国防模型。

英国陆军报告称，ASGARD数字目标网络将兵团级规划周期从72小时缩短至1小时，目标处理能力提高十倍。德国也在探索利用人工智能分析战场数据，同时强调数据主权和北约兼容性。

乌克兰与俄罗斯：边缘的分布式战场自适应

这两个国家没有依赖超大规模基础设施，而是将有限的自主权整合到廉价系统中。乌克兰的DELTA生态系统整合数据提供通用作战图像，其Vezha模块支持实时战场视频分析；Bravel测试了机器视觉系统，操作员锁定目标后无人机可在无外部通信链接下进行末端制导。俄罗斯Rostec报告了2026年基于Supercam的蜂群测试，无人机自动共享目标信息，神经网络识别并分配攻击序列。

以色列：算法目标生产

以色列展示了目标生产能力的扩张。调查报告称 Lavender、The Gospel 等系统生成了成千上万的潜在目标，并且对某些建议的审查时间极短。以色列国防军否认 Lavender 是自主目标选择系统，称其数据库交叉引用情报，不替代人类对军事优势的个别评估。然而，2026年埃尔比特系统公司报告称，其Tzayad数字指挥系统自2023年10月以来处理了大量实时目标数据。

五、人工智能编排战争的五大压缩

1.信息压缩：将海量传感器数据转化为通用作战图像。风险：缺失的数据和不确定性变得不可见。

2.决策时间压缩：风险：减少了核实、法律审查、咨询和降级的时间。

3.组织压缩：自动完成情报、规划、法律审查、指挥和火力的移交。风险：责任变得分散，人类审查可能变得流于形式。

4.选择压缩：对威胁进行排序并提出狭窄的推荐行动方案。风险：系统在没有正式指挥权的情况下获得了议程设置权。

5.作战序列压缩：同步侦察、电子战、打击和重新评估。风险：对手的恢复窗口缩小，增加了升级和误判风险。

六、政策启示

通过有意义的人类控制治理完整决策链

国防部门应当将人工智能保障和法律审查的范围扩展到负责过滤情报、生成目标、排列威胁优先级、推荐武器及安排作战序列的系统中。风险分类应直接反映系统在决策链中的具体位置、影响规模及输出结果的可逆性。对于高后果决策，人类审查者必须收到充分证据、关于系统不确定性的明确提示及竞争性解释，从而做出知情判断。紧急情况下的例外操作应当被严格界定、记录并在行动后进行审查。

要求可审计性、可反驳性和退出能力

军事系统必须保留完整的数据来源、模型版本、目标列表变更、人类干预步骤、被拒建议及行动后评估记录。操作员必须具备挑战系统输出、要求替代方案并推翻建议的能力。采购合同应当要求数据可移植性，提供文档化接口以支持模型替换及过渡协助。技术主权不要求所有组件在国内生产，而是要求在商业或政治争端期间，军队能保持保存数据、替换供应商和维持关键功能的能力。

构建具备弹性的基础设施和安全降级

系统架构应当在失去云服务、卫星通信、外部模型、电力、导航、数据完整性及承包商支持的极端情况下进行严格测试。演习内容必须涵盖离线操作、降带宽运行、应对欺骗性输入、应对模型失效及向手动操作模式的安全回退。军事数据中心必须全面纳入能源、水资源、网络和物理安全规划中。政府应明确区分需要超大规模基础设施支持的工作负载与可安全转移到战术边缘的工作负载。

建立联合互操作性并衡量作战结果

盟友应当在数据交换、身份验证、权限管理、模型评估和日志记录等环节建立通用标准，而不强制要求成员国采用完全相同的软件平台。联盟演习应当测试在失去共享模型或外部提供商情况下的运作能力，以评估互操作性是建立在开放标准之上还是对单一供应商的依赖。评估标准应当超越单纯的速度，扩展到准确性、可用性、手动回退能力、对抗环境鲁棒性、推翻建议频率及最终任务结果。

将国际治理扩展到致命性自主之外

国际治理虽已开始超越致命性自主武器的范畴，但整体仍呈现碎片化且大多不具约束力。当前全球治理的主要缺陷是缺乏一个涵盖整个军事人工智能决策链的综合框架。各国应当针对决策支持、目标生产和作战编排系统建立信任措施，通过披露系统功能、制定法律审查要求、强制事件日志记录、设定人类推翻程序、在欺骗和降级条件下进行测试以及针对核系统设立强力保障措施，将现有各项倡议有效联系起来。

▌蓝军星球精选（会员免费下载）

俄乌战争的11个人工智能教训（2.6万字干货）