2026-10-16 12:42:56 网络安全文章来源：ZONE.CI 全球网 0 阅读模式

从制造、作战到维护：AI对水下作战体系的赋能

原创

渊亭防务
渊亭防务

渊亭防务

2026年10月15日 15:16
福建

在小说阅读器读本章

去阅读

在公众号小说中沉浸阅读

摘要：尽管称人工智能将开启“水下杀伤网”时代，甚至会对兵力部署形态产生重大影响的说法言过其实，但人工智能技术仍能在诸多其他方面——从设计、制造、作战到维护——对水下作战资产产生深远影响。本文将从潜艇建造与操作、海洋建模、战术前沿、反潜作战中的水面舰艇与空中力量、水下无人艇、水雷、电缆与传感器等7个方面具体阐述。(相关资料已上传知识星球，文末扫码可加入)

关键词：智能制造；水下杀伤网；无人潜航器；潜艇建造

潜艇建造与操作

要探讨企业级人工智能（AI）如何辅助潜艇的建造与运营，首先需要了解其背景：核动力潜艇堪称现代工业中最复杂的工程产物之一。即便是由弯曲高屈服强度钢制成的重型钢板和工字梁，这项看似简单的任务也极具复杂性。切割部件、精修切口边缘以及进行焊接，确保焊缝能承受潜艇在最大潜深时所受到的巨大压力同样充满挑战。而这仅仅是在将12万个专用部件（其中许多由定制工具锻造而成）组装进耐压壳体之前的工序。

随后，全球最灵敏的一些声学传感器会被安装在耐压壳体内部，或集成到潜艇的涂层之中。最后，核反应堆被安置在艇身中部的浮动基座上。即便是在供应链管理这类相对简单的环节，其复杂程度也极高，因此非常适合利用企业级人工智能进行优化改进。

1.潜艇建造

目前，美国现役核动力潜艇（SSN）分别由通用动力电船公司以及亨廷顿·英格尔斯工业公司建造，且几十年来一直采用计算机辅助设计与制造系统进行开发。这些系统早已能够实现对潜艇船体分段的切割与精密焊接（部分工序由机器人完成）。然而，几十年来也存在一些已知的局限性：例如，在潜艇艇首狭窄空间内完成复杂的S形弯管焊接，仍需依靠人工而非机器人，且在未来一段时间内仍将如此。

然而，随着机器人技术的进步，以及得益于AI辅助模式识别的先进仿真技术的应用，某些设计与制造任务已具备引入更多AI辅助自动化技术的条件。正如现代飞机的制造一样，先进的设计、制造和仿真技术使得构建和认证“虚拟孪生体”成为可能；利用这些虚拟模型，可以在潜艇下水前全面预测其各项性能。同时，通过加大对机器人焊接和装配技术的投入，还能缩短周转时间并减少单艘潜艇所需的人工，从而降低成本。

鉴于潜艇平台的效能取决于性能（包括下潜深度、航速、机动性、探测能力及武器管理）与隐身能力的结合，这种将设计与仿真同步进行的能力显得尤为宝贵。国际上不乏在这方面具备先进技术的供应商，例如，在水面舰艇建造领域，意大利芬坎蒂尼集团（Fincantieri）被公认为拥有最先进的AI辅助焊接工艺，而这一技术正是其在水面舰艇建造过程中磨炼出来的。此外，与美国同行相比，瑞典萨博考库姆斯公司（Saab Kockums）在潜艇建造中采用机器人作业的比例更高；而韩国则在舰载系统自动化方面取得了显著进展，从而减少了对艇员数量的需求。

（图片来源于网络，如有侵权请联系删除）

迄今为止，这些前沿设计与制造技术（如机器人3D打印）中，鲜有能显著超越传统半自动化设计与制造水平的。这一现实，加上美国海军装备更新换代缓慢的特点，意味着除了通过部分改装（如加装先进声纳系统）外，这些技术变革尚未对现有美国舰队产生重大影响。包括利用嵌入式人工智能向水中释放声学欺骗信号在内的所有技术，都可能成为美国下一代攻击型核潜艇（即计划中的SSN-X）设计与建造的核心要素。

2.潜艇操作与维护

另一个潜在的创新领域在于利用人工智能及AI辅助工具来操纵潜艇，其中包括预防性维护和智能化的老化状态监测。在这方面，韩国的韩华集团（Hanwha）已在其潜艇的多个功能领域实现了自动化，涵盖了从作战管理系统到导航、操纵以及推进系统管理等各个方面。

（图片来源于网络，如有侵权请联系删除）

利用AI模型进行预防性维护尤为重要。美国核潜艇部队拥有针对组件及系统故障进行测试与预防的深厚文化。利用AI工具加速发现潜在问题，既能减轻艇员的压力，又能缩短维护所需的时间。

反应堆操作培训中的一项关键技能，是如何在物理极限范围内管控反应堆。反应堆配备大量传感器，利用来自这些反应堆的数据进行人工智能辅助培训，既能帮助操作人员掌握这些技能，又能降低认知负荷，从而提升运行效能与安全性。若结合泵和管道等设备设计的改进，此类人工智能工具还有望降低反应堆系统的噪声。

如果一艘舰船在设计和维护过程中均采用了智能系统，那么随着时间的推移，“作战”与“维护”之间的界限可能会被大幅模糊。除了需要进入干船坞进行大修外，一艘处于服役状态的舰船，其本身就是一个持续收集并应用数据以实现改进与维护的平台。相关企业已针对造船领域推出了各类解决方案，其中Palantir公司的ShipsOS表现尤为突出，展现出了巨大的潜力。

海洋建模

早在潜艇或无人潜航器入水之前，海量的数据采集工作便已开始，旨在构建海洋整体流动与动力学模型。这些能力对于预测天气、定位不同水体层（特别是对声学特性至关重要的温跃层）以及预判可能引发水体湍流的风暴事件至关重要。潜艇既依赖详尽的模型，也需要实地采样，以评估不同深度水体的温度与盐度状况。上述因素决定了声波在海洋各水层中的传播特性。建模越是精密，实地采样越是准确，潜艇对“声速剖面”的掌握就越精确，而声速剖面正是潜艇规避探测及优化自身阵位以搜寻敌方目标所需的关键信息。

在美国，人工智能工具已在支持这一工作的两个方面发挥作用：处理海量数据集，以及优化主动采样的方法与策略。

人工智能有望进一步推动海洋－大气整体系统建模的改进，而该领域的建模水平已显著提升。这种进步的一个体现是，人们长期以来持有的“天气建模的精度必然高于气候建模”的假设正逐渐被打破。传统观点认为，天气预报受限于大气的混沌特性，其可靠预测时效通常仅限于未来一周左右。然而如今，气候模型往往能超越天气模型，这归功于它们能够全面捕捉海洋与大气的内在特性。气候模型的成功为提升建模性能指明了方向，即采用依赖于大规模模式识别的技术，而这正是人工智能的核心优势所在。

在地理尺度的另一端——即高度局域化的采样领域——人工智能也已发挥着重要作用。高度局域化的采样至关重要，尤其是在美国国防规划中占据重要地位的近海水域。近海水域通常水深较浅，但更重要的是，其环境错综复杂。近海区域的重要特征包括潮汐、不规则及由潮汐引发的内波、昼夜变化、多变的海底地形，以及杂乱的声学和视觉背景——所有这些因素都增加了反潜战（ASW）行动的难度。

原位测量至关重要，但也伴随着风险，因为这会将己方资产置于靠近敌方的位置，从而面临被侦察或被捕获的威胁。测量工作可部分由水面舰艇完成，例如美国气象与海洋司令部的T-AGS级海洋调查船。然而，在敌方海岸附近或防御严密的水域行动时，采用较小的平台则是更佳的选择。

在海洋采样方面，美国海军目前有两项由人工智能（AI）支持的重点项目。其中一项涉及一个由智能浮标组成的网络；这些浮标漂浮在指定深度，持续收集有关温度和盐度的数据——这两种数据是了解水体状况的关键信息。随后，这些信息可与舰队共享。与此同时，得益于人工智能增强的数据融合技术，有关海洋状况的估算和模型能够比以往更快地进行更新。

第二个项目是“近岸作战空间感知滑翔机”。其外形酷似一枚导弹，能以约0.5节的速度在水中平稳航行，下潜深度可达1000米，并根据电池续航能力在海上停留3到5个月。这些滑翔机既可由美国海军的测量船进行控制，也能由一套名为“GHOST”（意为“异构观测系统制导”软件）的软件包进行自主操控。GHOST的优势之一在于，它能利用洋流来提高滑翔机的航行效率，从而延长电池续航时间，进而增加在海上的观测时长。

战术前沿

人工智能也将在战术前沿（即舰艇上的作战行动中）的至少四个方面发挥作用。这些应用均基于“边缘人工智能”（edge AI）技术，即直接部署在设备或平台自身之上的人工智能。这与基于网络的云端人工智能形成了鲜明对比；后者依赖于设备与存储及处理数据的云端数据库之间建立可靠的高带宽通信连接。随着通信技术的进步以及利用人工智能技术对不完整通信内容进行补全（插值）能力的提升，随着舰艇与其他设备共享信息并协同开展实地作战行动，“边缘”的规模可能会不断扩大。

1. 生成虚假声学信号

人工智能和机器学习有望帮助舰艇——特别是那些在涂层中集成有声学效应装置的新型舰艇——生成旨在干扰敌方传感器的声学信号。这包括识别海洋自然背景噪声的模式，并利用主动发声技术对其进行模拟。此外，这还涉及制造非工业噪声，从而向敌方传感器（以及敌方基于人工智能的信号解读系统）输入关键的误导性信息。

机载人工智能也有助于应对反向问题——即对手引入的声学虚假信息。随着对手试图利用虚假声学数据来“投毒”训练系统和检测器，这很可能成为一项日益严峻的挑战。

2. 提升情报综合能力

集成于潜艇作战系统中的人工智能工具能够提升情报综合能力。潜艇作战系统汇集了多种数据流，既包括潜艇自身采集的数据，也包括从外部接收的数据。利用人工智能处理海量数据并识别其中的模式，其速度远超人类操作员，这将带来显著优势。

3. 提高火控速度

如果先进的人工智能与计算系统能将生成目标解算方案（海军术语称为“火控解算方案”）所需的时间从60秒缩短至40秒，那么这节省下来的20秒，很可能就是决定“先发制人”还是“后发制人”的关键。

4. 增强目标锁定

美国Mk.48鱼雷已配备自主寻的软件，在运行初期（涵盖数英里的航程或整个运行过程），其部分控制依赖于通过一根从鱼雷本体释放出的细导线传输的信息。一旦脱离导线，该鱼雷便利用基础图像识别软件自主锁定并持续追踪目标。若在鱼雷上加装性能更强大的图像识别与导航软件，将能进一步提升其作战射程与自主能力。这种通信是双向的，意味着鱼雷也能将信息回传给潜艇。

（图片来源于网络，如有侵权请联系删除）

这体现了边缘计算的前沿应用：鱼雷内置的高级图形处理器能够优化对目标追踪所需感知信息的解析，从而缩短锁定目标所需的时间。

上述鱼雷领域的情况在空射型“战斧”导弹上已初见端倪。简而言之，这些武器主要有两种运作模式：一种是利用发射时预先设定的目标数据；另一种是在飞行途中获取或更新目标信息。

目前，部分“战斧”导弹在升空后，已能通过卫星或战区内的舰船与飞机建立连接并更新数据；随着AI技术不断增强“水上杀伤链”的丰富度与响应速度，这种能力的影响力也将随之提升。

当然，在战场上使用这些武器时，必须应对干扰与定位失效等挑战，这就需要在“预设固定目标”方案的稳健性与“动态调整目标”方案的灵活性之间进行权衡——后者虽然灵活，但本质上也更容易受到干扰。

对于“战斧”导弹和鱼雷而言，能够传输高带宽加密数据的“数据载运平台”或许能左右这种平衡的走向，因为它们能确保与飞向目标的武器装备之间建立更可靠的通信链路。

反潜作战中的水面舰艇与空中力量

值得指出的是，在水下空间进行的探测与作战活动，不仅发生在水线以下，也发生在海面及低空飞行器上。得益于在水线以上运行的特性，这些领域的作战平台能够通过远程通信手段接入基于云端的人工智能系统，从而构成“杀伤网”。

例如，迄今为止美国海军舰队中最成熟的无人海上系统，当属“海上猎手”（Sea Hunter）和“海鹰”（Seahawk）这两款中型无人水面艇（USV）。它们的任务是为反潜作战提供自主辅助支持。至关重要的是，这些舰艇还能加装拖曳阵列声纳，从而为反潜追踪编队提供一种低成本且无需人员涉险的作战手段。

同样，人们不难设想：为远程无人机加装磁异常探测雷达，将海上巡逻机改装为远程遥控飞行模式，或者进行其他形式的改造与创新，使舰队能够利用这些机器人平台在空中和水面巡航，开展由人工智能赋能的反潜作战。此类设备还能执行其他重要的水下任务，例如布放新型海底传感器或投放“数据载运平台”（即用于数据中转和传输的无人载具）。无人水面艇也可用于回收这些“数据载运平台”——尽管这一过程伴随着一定的被探测风险。

水下无人艇

远程高带宽通信的局限性以及能耗挑战，将严重制约远程水下无人航行器（UUV）作为武器的使用。尽管如此，如果能将小型UUV编队部署至战区，它们仍能执行一些关键的特定任务，包括：

◼ 在现有传感器受损或性能退化时，就地增设额外的传感器。

◼ 利用小型无人艇集群构建某种形式的“咽喉要道”屏障——不过，其中涉及一些亟待解决的关键问题，例如全自主运行与“仅在接收到定向指令后才激活”的设备之间在风险上的权衡。

◼ 部署UUV作为诱饵——目前，部分北约盟国以及俄罗斯已在欧洲地区使用此类UUV诱饵。

◼ 补给体积小但需求紧迫的装备。

正如此前所述，由潜艇（通过鱼雷发射管）投放并回收UUV，能为舰队通信提供更多选择；在当前环境下，即便只是短暂上浮至潜望镜深度，也往往会增加被发现的风险。美国海军正积极开展UUV试验，以探索其发挥最大效能的领域。其中包括利用潜艇鱼雷发射管投放并回收“黄海鳗”（Yellow Moray）REMUS 600型UUV的行动。此类行动也曾在美军潜艇与盟国潜艇之间进行过，但前提是双方具备足够的平台互补性，在训练和通用条令方面有前期投入，并建立了稳固的互信关系。

（图片来源于网络，如有侵权请联系删除）

利用UUV执行情报、监视与侦察（ISR）任务具有诸多优势。这些航行器能够搭载多种专用传感设备，例如各类声纳、磁力计和水听器。若从潜艇、水面舰艇或目标区域附近的陆地部署，UUV能够扩展特定区域内的感知能力。它们能够下潜至更深处收集数据或获取影像，这对监测海底基础设施至关重要。然而，仍存在一个根本性的局限：若通过水面进行通信，则面临被发现的风险；若保持水下航行，UUV共享所获情报的能力则会受到极大限制。

水雷

水雷布设任务目前仍主要由飞机和水面舰艇承担。例如，美国海军的水雷可由P-8和P-3C海上巡逻机、F/A-18“大黄蜂”/“超级大黄蜂”战斗机、“宙斯盾”级驱逐舰及其他水面战舰，以及“洛杉矶”级潜艇进行投放。目前，相关方也在设计用于布设水雷的UUV。某些由潜艇发射的现代水雷本质上属于“巡飞鱼雷”，一旦探测到附近舰船发出的特定声学信号，便会引爆。这类水雷也可由载荷能力较强的UUV（如波音公司的“虎鲸”Orca）进行投放。在此类任务中，主要的制约因素在于航程，跨越广阔海域所需的能耗往往会耗尽UUV的能量，导致其在抵达任务区域前便已电力耗尽。

（图片来源于网络，如有侵权请联系删除）

水下航行器在当前的水雷搜寻与扫雷行动中发挥着作用，但其自主能力有限。相比UUV，航空器能以更快的速度覆盖更广的区域，且许多UUV仍需依靠水面舰艇进行投放，这些舰艇上配备了遥控潜水器。

更多自主及半自主的水雷战能力正在研发中，但目前尚未实现大规模部署。“梭鱼”（Barracuda）就是一个例子，这是一种无缆、半自主系统，旨在追踪、识别各类水雷并将其清除（最终决策由人工执行）。该系统于2025年7月进行了测试，相关项目计划在2030年前实现初始作战能力并投入初期生产。第二个例子是水雷战无人水面艇（USV），这是一种长续航、半自主的无人艇，配备了多种水雷战载荷，可执行扫雷、猎雷及水雷清除任务。它还能搭载并部署“梭鱼”载荷，并具备由濒海战斗舰、其他可用舰船或岸基设施进行收放的能力。一旦投入使用，该系统将能够扩大作战所需的作业距离。

电缆与传感器

一些新技术使得连接海底传感器与陆地的电缆本身也能成为传感源。在商业领域，利用既有海底电缆作为传感平台这一做法，主要得到了联合国主导的SMART（科学监测与可靠电信）海底电缆倡议的支持。简而言之，这些项目协助各国政府在电缆上加装传感器，从而将原本单纯用于数据传输的线路转变为部署在海底的传感器网络。这些传感器能够监测海水温度、海底压力、地震活动以及各类异常现象。该项目虽旨在实现环境监测，但也具备潜在的战略用途。目前，美国正通过名为NEREUS（即“海底系统网络化远征路由与交换”）的项目，探索在此领域的各种方案。

虽然SMART电缆能将现有的通信链路转化为传感器，但这种功能仅限于已铺设此类电缆的区域，而这些区域的地理覆盖范围相当有限。位于极浅水域的电缆通常被埋设在海底，以防遭受蓄意或意外的损坏。这意味着，在这些电缆上加装传感器，对于探测潜艇或其他航行器而言，其实际效用微乎其微。长期以来，海底电缆的铺设往往集中在几条主要路线上。有极小一部分海底区域被电缆覆盖或处于其传感范围内。这些电缆的位置大多广为人知，敌方潜艇很容易避开它们。

此外，人工智能的应用正推动数据使用量与传输量大幅增长，进而加大了对海底光缆及海外数据中心的需求。这些深层态势使得此类基础设施愈发重要，同时也促使水下作战部队承担起更为广泛的使命任务。

该领域一个重要的项目是，澳大利亚、英国和美国决定将AUKUS（“奥库斯”）计划中所谓的“第二支柱”（Pillar II）重点放在共同开发能够保护海底电缆的UUV载荷上。此类装备能够定期“巡逻”电缆，一旦检测到任何形式的干扰，便可向更广泛的平台发出信号以采取应对措施，其通信方式可能是利用“数据载运平台”进行中继，或是浮出水面进行传输。

扫码加入知识星球，获取更多AI对水下作战体系赋能的相关资料