2025年军工AI行业专题报告：智能化主导下的未来战争，美军AI作战体系建设与应用启示

一、军工 AI 技术发展与军事变革推动

1、军工 AI 赋能：引领现代战争的战略重心转移

1.1 现代战争的智能变革与战略重心确立

人工智能技术在军事领域的应用正以前所未有的速度发展，成为现代战争中的关键因素。从无人机作战到 网络战，AI 技术的应用范围不断扩大，对军事战略和作战方式产生了深远影响。美国在军工 AI 领域处于全球 领先地位，其技术优势和创新能力使其在军事 AI 应用方面具有显著优势。美国国防部和各大军工企业积极推动 AI 技术在军事领域的应用，不断探索新的作战模式和技术解决方案。 现代战争中除了核威慑外，新型常规威慑成为未来战争的重要组成部分，作战空间的领域和维度大大拓展， 战略前沿技术的应用将深刻改变战争形态。新型常规威慑包括赛博威慑、空间威慑、高超威慑、自主集群威慑、 全球快反威慑和军工基础威慑，在现代战争的威慑体系中发挥越来越重要的作用。此外，美国还通过政治、经 济和军事领域的互相渗透构建“一体化威慑”体系。现代战争已经演变到智能战争阶段，机械化信息化智能化 融合是未来武器装备的发展方向。智能化战争基于能量和信息网络，以数据计算和模型算法为核心，通过人工 智能、大数据、云计算、无人装备、物联感知等技术重塑战场认知空间、信息空间与物理空间，形成多域融合、 跨域攻防、无人为主、集群对抗、虚实一体的全新作战形态。机械化、信息化和智能化发展是层层递进的关系， 机械化完成各作战节点的建设和储备，如先进战机、先进舰船等；信息化是将这些武器平台连接到一起，形成 信息网络，主导力量是信息力；智能化则是通过模型和算法提升作战能力，主导力量是算力智力。人工智能主 要生成近实时、精确、优化的对策，网络化信息技术主要支持群体反应，机械化技术群主要支持作战行动的时 空自由度，三者共同支撑着智能化战争的普适制胜机理，其系统融合的质量几乎就是智能化战争的制胜条件。

人工智能将成为重要的牵引技术和主导技术。人工智能在移动互联网、大数据、超级计算、脑科学等新技 术新理论的驱动下，呈现深度学习、跨界融合、人机协同、群智开放、自主操控等新特征，引发军事领域链式 突破，使人、武器，以及人与武器、武器与武器的结合方式都发生了重大变化。在这其中，人工智能将成为重 要的牵引技术和主导技术，基于 AI 模型和算法的 AI 系统将贯穿到各个方面、各个环节，起到倍增、超越和能 动的作用，平台有 AI 控制、集群有 AI 引导，体系有 AI 决策，传统以人为主的战法运用被 AI 的模型和算法所 替代。除了在真实空间外，未来战争基本上都要先经过虚拟空间作战仿真、实验、建模及必要的物理验证。AI 指导下的虚拟仿真与试验训练技术将得到快速发展。各主要国家均发布政策或研究报告，探讨、规划人工智能 在军事领域的应用。 我国二十大报告明确指出，打造强大战略威慑力量体系，增加新域新质作战力量比重，加快无人智能作战 力量发展，统筹网络信息体系建设运用。其中，打造强大战略威慑力量体系是捍卫国家主权、安全、发展利益 的战略性军事能力的最终依靠。增加新域新质作战力量比重是提升现代战场战斗力的必然要求。而无人智能作 战力量和网络智能信息体系是整个新域新质作战力量中的重要关键作战节点和基础设施。新域新质作战系统呈 现由分离向融合、由节点向网络、由单装向集群、由有控向自主、由单域向多域、由实物为主向虚实结合发展 的趋势。 在俄乌冲突、巴以冲突等地区冲突中，新兴技术的军事赋能作用不断凸显。国防大学国家安全学院教授温 百华表示，以人工智能为代表的新兴技术已经对战争产生革命性影响，2025 年全球将掀起新一轮智能化军事革 命浪潮。美军依托强大的军事创新能力，大力推动新兴技术军事应用。温百华指出，美军将人工智能视为推动“第三次抵消战略”的核心驱动力和赢得大国高端战争的关键，推出“联合战争概念”以指导智能化战争能力 开发。按照美军规划，2025 年初步具备智能化作战能力，2035 年实现作战装备、信息系统、作战指挥、组织形 态的智能化转型。

在此背景下，近年来由 SpaceX、安杜里尔 Anduril、帕兰蒂尔 Palantir、OpenAI等企业组成的新军工联盟 在军工 AI领域崭露头角，这些企业凭借其在人工智能、航天、大数据等领域的技术优势，积极参与军事 A I 项 目的研发和应用，为美国军工 AI 的发展注入了新的活力。通过与政府和军方的合作，不仅推动了军工 AI 技术 的创新和发展，还在一定程度上改变了传统军工企业的格局，促进了军工 AI 产业的多元化和竞争。其中，美国 军事智能化公司 Palantir，过去两年市值上涨超 10 倍，市值快速超越美国传统军工巨头波音、洛马和雷神等公 司成为美国市值最高军工企业。2024 年 12 月，美国太空探索技术公司 SpaceX 估值已跃升至 3500 亿美元，成 为世界上最有价值的私人初创公司。同期，ChatGPT 开发商、全球人工智能领军企业 OpenAI 与美国军工企业宣 布建立战略合作伙伴关系，共同开发服务于国家安全的人工智能解决方案。

1.2 全球竞逐态势：军工 AI 加速布局与战略博弈加剧

1）美国：军工 AI项目密集落地，人工智能企业技术军事化应用加速

美国总统特朗普签署的第 14179 号行政命令，美国政策层面给予 AI 项目底层支持。1 月 23 日，美国总统 特朗普签署的第 14179 号行政命令：Removing Barriers to American Leadership in Artificial Intelligence（清除美国 在人工智能领域取得领导地位的障碍）。该命令强调美国在 AI 创新方面的传统优势，并提出通过政府政策巩固 其全球 AI 领导地位。主要内容包括：撤销可能阻碍 AI 创新的现有政策和指令；制定新的 AI 行动计划；审查并 调整与新政策不一致的行动；以及确保政策实施符合适用法律和预算规定。该命令还明确了“人工智能”的定 义，并强调了政策实施过程中对各部门和机构法定权力及职能的尊重。美国强调通过 AI 技术的发展来增强其经 济竞争力，使美国企业在全球市场中占据优势地位，创造更多高质量的就业机会，推动经济增长。此外，国家 安全也是美国 AI政策的重要考量，通过发展先进的 AI技术，美国希望提升其国防能力，保护国家免受外部威 胁，确保在国际事务中的战略优势。 美国人工智能企业通过提供先进的技术支持，加速研发进程和降低项目成本，助力美军工 AI项目的发展； 而军工 AI 项目则为人工智能企业提供了丰富的应用场景，促进技术迭代与创新，并增强其市场竞争力。双方 通过技术合作、数据共享和战略合作伙伴关系等模式，加速了 AI 技术在军事领域的应用和项目的落地实施。 预计这一系列战略合作将促进美国人工智能产业的应用，同时让硅谷重回“国防谷”，并因此改变美国军工利益 集团的格局和硅谷的主导文化。

美国星际之门 AI项目。美国星际之门（Stargate Project）计划在未来四年内投资 5000 亿美元，初期投资额 为 1000 亿美元，旨在建设美国的 AI 基础设施，确保美国在 AI 领域的领导地位，并为全球带来巨大的经济 利益。该项目由 OpenAI、软银集团、甲骨文和 MGX 等科技巨头共同参与，软银和 OpenAI 分别承诺投资 190 亿美元，并将各自持有合资公司 40%的股权，甲骨文和 MGX 将分别出资 70 亿美元。项目将从美国得克萨斯 州的一个数据中心开始，逐步扩展到全国范围内的多个地点，目标是为美国及其盟友提供战略能力，以保障国 家安全，并推动 AI 技术的快速发展，提升美国在全球 AI 竞争中的优势地位。 美国国防部“心智理论”项目。新华网 2 月 12 日报，该项目由美国国防高级研究计划局（DARPA）发起， 旨在预测作战对手策略，引导认知域对抗。通过整合多方面情报，辅助决策者研判战争威胁、行动方式和结果。 项目已展开一年，通过建模和仿真环境构建多种国家安全场景，对潜在作战对手行动进行预测，且程序能自主学习。在战略层面，“心智理论”主要针对国家行为体，通过整合外交、经济、科技等方面情报，辅助决策者研 判战争威胁、行动方式和结果。与传统战争推演软件不同，该项目侧重于模拟战略对手高层领导者的心理素质、 决策习惯等，并评估不同应对策略的效果。在战役和战术层面，“心智理论”围绕作战方向或战斗任务，对作战 对手指挥官的性格、指挥习惯、成长履历及部队训练情况等数据进行分析，从而区分等级确定未来行动方式。 与“心智理论”同时公开的还有多个人工智能项目，如美国国防情报局的“情报自动生产平台”项目、网络空 间司令部的“网络安防与信息智能维护”项目，以及空军研发的“人工智能欺骗与认知干扰”项目等。

军工 AI政企合作加深，人工智能企业技术的军事化应用加速项目落地。上述项目中，美国国防情报局与美 国人工智能公司 OpenAI 展开合作，美国网络空间司令部的项目有美国安杜里尔、帕兰蒂尔等科技公司参与， “心智理论”项目负责人戴维斯来自伽罗瓦人工智能开放公司，该公司与美国情报界和宇航局等政府机构联系 密切。除此之外，L3Harris 与 Palantir 宣布战略合作伙伴关系；微软与 Palantir 合作提供人工智能和云解决方案 等。

2）中国：形成新型军兵种结构布局，聚焦现代化战争战略体系建设

我国形成新型军兵种结构布局，聚焦现代化战争战略体系建设。2024 年 4 月 19 日，中国人民解放军信息 支援部队成立大会在北京八一大楼隆重举行。此次改革后，中国人民解放军总体形成了中央军委领导指挥下的 陆军、海军、空军、火箭军等军种，以及军事航天部队、网络空间部队、信息支援部队、联勤保障部队等兵种 的新型军兵种结构布局。体现了我军对网络信息体系建设、网络安全、太空安全的高度重视。

信息支援部队作为全新打造的战略性兵种，是统筹网络信息体系建设运用的关键支撑，在推动我军高质量 发展和打赢现代战争中地位重要、责任重大。要有力支撑作战，坚持信息主导、联合制胜，畅通信息链路，融 合信息资源，加强信息防护，深度融入全军联合作战体系，精准高效实施信息支援，服务保障各方向各领域军 事斗争。要加快创新发展，坚持作战需求根本牵引，加强体系统筹，推进共建共享，强化科技创新，建设符合 现代战争要求、具有我军特色的网络信息体系，高质量推动体系作战能力加速提升。 军事航天部队肩负我国太空政策重要使命，太空安全威胁日益显现。太空安全是国家建设和社会发展的战 略保障。推进军事航天部队建设，对提高安全进出和开放利用太空能力、增强太空危机管控和综合治理效能、 更好和平利用太空具有重要意义。 网络空间部队主要以“网”域为主战场，在六维战域中构建网络安全防御的屏障。相当于企业的网络安全 部门、黑客红客、人工智能、大数据等，负责数据利用，独立进行对企业有直接价值的互联网业务，或与业务 人员协作开展线上线下活动。在现代战争中，网络空间部队通过网络进行情报探测、对敌方系统爆破和网络欺 诈。 联勤保障部队是承担联勤保障和战略战役支援保障的主要力量，其主要职责包括物资供应、医疗保障、运 输投送等多项任务，目的是提升军队后勤保障的效率与质量，确保部队得到迅速且有效的支持。近年来，联勤 保障部队坚持 “创新为战” 理念，借助 “互联网 +”“5G”“大数据” 等新技术，不断提升面向战场的多维 保障能力。

3）欧盟：地缘政治紧张加剧，倒逼国防开支与人工智能领域加码

欧洲国防开支筹措 8000 亿欧元，地缘政治不确定性加剧，世界军费与军贸或仍维持增长。据参考消息报 道，欧盟委员会主席冯德莱恩 3 月 4 日提出了一项由五个部分组成的计划，为欧洲防务筹措约 8000 亿欧元资 金，并“立即”向乌克兰提供军事支持。此前，美国总统特朗普已下令暂停美国对乌克兰的军事援助，直到他 确定乌克兰领导人表现出“达成俄乌和平协议的诚意”。“欧洲面临着我们成年后从未见过的明显而现实的危险。” 冯德莱恩表示，“重新武装欧洲计划”可以筹措近 8000 亿欧元的国防开支（2024 年欧盟国防开支总额约为 3260 亿欧元），以建立一个安全而有韧性的欧洲。1 月 7 日，美国总统特朗普要求北约成员国提高各自军费支出，将 国防开支比重提升至国内生产总值的 5%。 全球人工智能竞赛日益激烈，欧盟也开始加码 AI投资，以期在这场关乎未来的角逐中占据有利地位。2月 10 日，法国总统马克龙与欧盟高级官员们共同宣布，将对人工智能技术的监管进行放松，以助力人工智能在欧 盟地区的蓬勃发展。2 月 11 日，欧盟委员会主席乌尔苏拉·冯德莱恩在巴黎人工智能行动峰会上宣布了一项名为“InvestAI”的重大计划，旨在通过 2000 亿欧元的投资，推动欧洲在人工智能领域的发展，提升其在全球 AI 竞赛中的竞争力。该计划包括一个 200 亿欧元的新基金，专门用于建设 AI 超级工厂，用于训练最复杂的人工智 能模型。 3 月 19 日，欧盟委员会发布《欧洲防务未来白皮书》和《欧洲重新武装计划/2030 战备计划》。提出了弥补 关键能力差距和建立强大国防工业基础的解决方案，为成员国提出了大规模投资国防、长期加强国防工业准备 等方法。其中包括，缩小能力差距并支持欧洲国防工业：简化法规，整合工业项目，提高国防工业的效率和竞 争力。成员国需在关键能力领域进行大规模投资，包括防空、导弹防御、无人机、网络战和电子战等，以弥补 当前存在的能力缺口。人工智能、网络安全和电子战：加强软件环境的安全性，利用人工智能和量子计算系统， 提升网络防御和电子战能力。

4）其他国家：全球军备竞赛加速，人工智能为核心焦点

2025 年 1 月，以色列国防部设立人工智能和自主系统管理局。该机构汇集以色列科技部门、学术界、国防 工业等领域专家，旨在实现“史无前例的军事技术突破”，维持自身在地区的优势地位。韩国国防部组建“国防 人工智能中心”和“国防综合数据中心”，以统筹新兴技术军事运用相关工作，并计划在 2028 年前组建约 90 个 人工智能作战试点分队，2032 年前建成 16 个配备人工智能模拟设备的训练场。英国陆军则宣布将加强机器人 与自主系统建设，2030 年建成机器人与自主系统合成旅，2035 年实现机器人与自主系统从师到班排的全覆盖。 1 月，俄联邦政府副总理丹尼斯·玛图洛夫在“时代”军事创新科技城主持召开战略会议，研究发展人工智能武 器和指挥系统。

2、国防信息化转型：以 AI 为核心驱动构建智能化作战新体系

2.1AI 构筑新一代国防智能化信息底座：美军建设路径解析

新一代智能化信息底座的核心是人工智能技术，人工智能技术能够帮助进行分析战场情报，创建战场模型， 提供决策支持。军事智能化的本质，是利用智能科技为战争建立多样化决策模型与优化算法，这些模型与算法 就是人工智能。人工智能以芯片、算法和软件等形式嵌入战争体系的各个系统、各个层次、各个环节。2023 年 11 月，美国国防部在整合 2018 年《国防部人工智能战略》和 2020 年《国防部数据战略》的基础上，发布 2023 年《数据、分析和人工智能应用战略》，设定了国防部人工智能战略目标金字塔，强调实现五种决策结果，即 卓越的战场空间感知和理解，自适应兵力计划和应用，快速、精准和有弹性的杀伤链，有弹性的持续性支持， 以及高效的业务运营。 战争样式持续由信息化向智能化转型，美军提出到 2050 年实现全面智能化。体现在 2024 年美国国防预算 中，人工智能技术研发经费 18 亿美元，联合全域指挥与控制研发经费 14 亿美元。海湾战争成为战场信息化转 折点，俄乌战争则开启作战智能化时代。俄乌冲突中的无人机、卫星等新技术的应用，显示了智能化战争的初 步形态。各国高度重视发展军事智能化，美军计划 2035 年前初步建成智能化作战体系，与主要对手形成新的军 事“代差”，到 2050 年前美军的作战平台、信息系统、指挥控制全面实现智能化。 美军信息系统无论是在建设规模、技术水平，还是实际使用效果等方面，始终处于世界领先水平。美军信 息系统建设历程对于我国军事信息系统发展具有很大的启发意义。自 20 世纪 50 年代以来，在军事需求牵引和 电子信息技术进步的推动下，美军信息系统大致经历了单系统建设、独立系统建设、集成建设、网络中心化建设四大阶段。

美国从 20 世纪 90 年代初开始大力推进军队信息化建设，目前已经发展到数字现代化战略体系。1991 年的 海湾战争暴露出各军兵种信息系统相互脱节、不能互联互通的系统缺陷，为此，美军启动了著名的“武士 C4I” 计划，作为其军事一体化信息系统发展的目标。其后，基于“网络中心战”理论，美军先后开展了国防信息基 础设施（DII）、全球信息栅格（GIG）、联合信息环境（JIE），数字现代化战略（DMS），为“全球警戒、全 球到达和全球力量”奠定了坚实的基础。从 GIG 到 JIE，表明了美军国防部 IT 建设的上一个转型，牵引美军从 高度分散和孤立的架构向统一的单一安全架构转变；从 JIE 到 DMS，表明了美国防部企业信息环境的下一个转 型，信息基础设施数字现代化改造将全面升级，新型信息基础设施体系将成为美军实现数字化转型的新动力。

2.2 军工 AI 建设路径：赋能智能战场基础层、传输层和感知应用层全面演进

在智能化战争向纵深演进的趋势下，人工智能（AI）正逐步渗透赋能并重构军事作战体系。从架构角度出 发，智能战场的 AI 建设可划分为基础层、传输层与感知应用层三个技术维度，各层相辅相成，构成“数据驱动 —智能协同—精准打击”的闭环体系。

基础层：智能战场的“数字地基”。基础层主要涵盖军用云平台、AI计算设施、边缘算力节点与安全网络 架构等核心支撑能力。该层为 AI 模型的训练、部署、推理和作战场景适配提供算力基础与数据支撑环境。例 如，美军已构建“Joint Warfighting Cloud Capability（JWCC）”统一战场云平台，通过集中化与分布式架构兼 容，支撑多战区、多任务、多层级的智能任务流处理与数据融合。基础层的强弱决定了上层 AI 系统在复杂战 场下的部署灵活性与响应时效。

传输层：智能战场的“数据动脉”。传输层承接基础设施与前沿作战平台之间的数据通信任务，是实现全域 信息共享、态势同步与实时任务协同的关键。其组成包括战术数据链系统（如 Link-16、MADL 等）、卫星通 信链路、5G/6G军用通信模组、无人平台中继通信节点等。在多域作战环境中，该层需具备抗干扰、高带宽、 低延迟和加密能力，确保战术数据流在空天、地面、海上及电子战环境下的可靠传输。 感知应用层：智能战场的“眼睛与手臂”。感知应用层是 AI 技术赋能战场行动的直接体现，涵盖卫星遥感 系统、无人机集群、地面雷达站、航空预警与打击平台、反隐身感知设备等多源前沿感知系统。该层负责采集 战场数据、动态目标识别、任务执行与打击反馈，既是“数据来源”，也是“行动执行体”。其中，无人机与卫星 平台被视为感知节点中的关键主角。 军工 AI可赋能智能战场建设的全部三个维度。在数据获取层，AI 技术通过整合多源数据，提升战场态势 感知能力；在基础平台层，AI 平台如 Palantir Gotham通过多源情报融合，为军事决策提供支持；在作战应用 层：AI 算法不仅生成作战方案，还通过实时数据反馈优化作战行动。

1）数据获取层：以 SpaceX 星链、遥感侦察、下一代 GPS 等构建智能战场的感知神经网络

在智能战场体系中，数据获取层是构建“感知-理解-决策”链路的起点，其功能相当于战场的“神经末梢”， 负责收集、传输与初步处理作战环境中的多维数据。当前，该层以 SpaceX 星链、遥感侦察系统、下一代 GPS 为核心支撑，并正加速向“通导遥一体化”方向融合演进，实现多平台、多域、多模态数据的实时共享与精准协 同。 SpaceX 星链提供的低延迟通信是军工 AI数据获取层的基石：SpaceX 的星链（Starlink）项目通过低地球 轨道（LEO）卫星提供全球低延迟通信服务。在军事应用中，星链能够确保战场上的实时通信和数据传输，即 使在传统通信基础设施受损或不可用的情况下也能保持通信畅通。其低延迟特性使得实时数据传输和远程控制 成为可能，极大地提高了军事行动的响应速度和灵活性。例如，在乌克兰冲突中，星链被用于提供战场通信支 持，帮助乌克兰军队在地面通信设施受损的情况下保持指挥和控制能力。 星链低轨卫星星座凭借大容量、高通量、低时延和重访周期短等优势首次介入战场，可实现对全球近乎全 天候不间断的侦察与监视。根据《“星链”在俄乌冲突中的运用分析与思考启示》一文中指出，在俄乌冲突 中，“星链”带来的卫星网络支持，使乌军在通信、侦察等方面获得巨大助力，提升了其在网络通信、地面遭 遇、情报信息、精确打击、无人机支援、反网络电子干扰等方面的能力。截至 3 月 26 日，SpaceX 的星链 （Starlink）卫星在轨数量已超过 7100 颗。

遥感系统：提供战场“高维视角”的感知基座：美国在遥感侦察领域居于全球领先，其遥感卫星星座由光 学成像卫星、合成孔径雷达（SAR）卫星、红外侦察卫星、电子侦察卫星等多种类型构成，覆盖从高轨到低轨 的多层空间维度。这些系统能够实现米级甚至亚米级分辨率的成像能力，并在恶劣天气和夜间环境下保持侦察 能力。以 SAR 卫星为例，其穿透云层与烟尘的能力使其在复杂天气和电子对抗环境中依然具备可用性。商业 遥感服务商（如 Maxar、Planet Labs）也逐步成为战场辅助情报的重要来源。遥感数据的战术应用已不仅局限 于战前战略侦察，更延伸至战时实时定位、目标重访与打击效果评估。目前，美国第四代“锁眼”卫星的分辨 率已达到 0.1 米（10 厘米）以内，能够在 250 公里的高度清晰辨识地面目标。 卫星图像服务无人机，可替代 GPS 的导航软件。近日，美国麦克萨情报公司（Maxar Intelligence）宣布， 开发了一种基于视觉的导航技术，支持无人机在没有 GPS 的情况下运行。这款名为“猛禽”（Raptor）的软件 利用根据麦克萨卫星图像创建的详细 3D 模型，为无 GPS 环境中的无人机提供基于地形的定位系统。配备该软 件的无人机不依靠导航卫星信号定位，而是将机载实时摄像头获取的数据与内置的 3D 地形模型进行比对，以 确定自己的位置和方向。

下一代 GPS：高精度定位与抗干扰导航的关键支柱。美军正在推进下一代 GPS 系统的部署，包括 GPS III和 GPS IIIF 卫星。这些卫星不仅提高了定位、导航和授时（PNT）的精度，还增强了抗干扰能力和网络安全防 护。例如，GPS IIIF 卫星将具备区域军事保护（RMP）能力，可以将战区的抗干扰能力提高 60 倍，确保美军 及其盟友在敌对环境中不会被拒绝进入。目前，运行中的 GPS 星座共有 31 颗在轨卫星，洛克希德-马丁公司正 在建造多达 32 颗下一代 GPS III/IIIF 卫星，这是美国太空部队利用新技术和先进功能使当今 GPS 网络现代化 的一部分。

通导遥一体化：空间信息系统的融合发展趋势 —— 以“星盾”系统为例。在战场上实现通信（通）、导 航（导）、遥感（遥）三位一体化已成为当前军事空间技术的核心发展趋势。这一趋势的代表性项目是美国空 军与太空军推进的“星盾（Starshield）”系统。星盾是 SpaceX 面向政府与军方用户推出的定制化版本，基于星 链架构延展而来，融合通信加密、遥感载荷、导航中继、机载任务处理能力于一体。其目标是打造多用途、多 轨道、可模块化组合的军用太空平台体系。

多源融合节点：从“设备感知”到“系统感知”。除了卫星系统外，无人机、各类武器平台、其他感知设 备如地面雷达、空中预警机和电子战系统等也在数据获取层中发挥着不可或缺的作用。侦察无人机和攻击无人 机在现代战场上被广泛使用，能够实时传输战场数据，并具备一定的自主决策能力。例如，美军的“前哨-R” 无人机能够引导炮弹精确打击目标，单日可锁定数百个目标，显著提高了打击效率和精度。地面雷达提供了全 方位的地面目标探测和跟踪能力，空中预警机则提升了空中态势感知和指挥控制能力，而电子战系统通过电子 侦察和干扰获取战场电子情报，为军事行动提供了更为全面的情报支持。 智能战场的数据获取层已从单一“感知设备集成”演进为“通导遥一体、天基与地面协同、军民融合并行”的 复杂体系。在此架构中，星链/星盾、遥感卫星、下一代 GPS 等空间系统将构成“感知神经元”的主干网络，为 AI 主导的决策与打击系统提供可信、稳定、实时的数据源保障。

2）基础平台层：Anduril“晶格网格”、Palantir Gotham 平台等打造智能战场的中枢神经系统

为实现“整合卫星、无人机、武器平台以及其他感知设备等多层次、多来源的数据获取手段，构建起一个 全方位、实时化的智能战场感知神经网络”这一目标，基础平台层的核心在于具备强大的数据获取、处理、融 合与反馈能力，从而形成具备认知与自适应能力的信息中枢体系。在该体系中，Anduril 的“晶格网格” （Lattice Grid）与 Palantir 的 Gotham 平台分别扮演前沿感知与后端决策的关键角色，构建了战场智能化体 系的“感觉-认知-响应”闭环机制。 Anduril Lattice Grid 聚焦于“获取”与“反应”问题：其核心能力体现在通过无人机、地面传感器、光 电与雷达平台等多源异构设备，实现战场前沿的实时态势感知、数据初筛与边缘决策支持。该系统具备分布式 智能节点、边缘 AI 计算与任务自适应能力，适用于复杂、通信受限环境下的无人系统协同作战。 Palantir Gotham 平台聚焦于“理解”与“判断”问题：其核心优势在于融合多源情报数据（包括卫星图 像、通信拦截、无人机视频流、社交媒体 OSINT 等），构建结构化知识图谱，支撑目标识别、威胁预测、任 务推演与高层指挥决策。Gotham以图数据库与语义建模为基础，具备强大的跨部门情报协同与实时情境建模能力。 二者结合，形成了一个“从前沿实时感知 → 多源数据融合分析 → 高阶指挥与任务反馈”的闭环式智能 战场感知中枢神经系统。其中，Lattice Grid 扮演“战场感觉神经元”角色，负责即时获取和初步处理战场数 据；Gotham则充当“认知中枢与决策皮层”，将信息转化为有组织的情报，最终指导战术响应与作战计划调 整。

Anduril“晶格网格”实现异构数据翻译： Anduril 的“晶格网格”（Lattice Mesh）技术能够实现不同传感器和数据源之间的异构数据翻译和融合。 这项技术使得来自不同平台（如卫星、无人机、地面传感器等）的数据能够被统一处理和分析，为军事指挥官 提供全面的战场态势感知。该技术是一种去中心化的网络功能，通过智能地确定数据路径的优先级，跨平台、 域和合作伙伴无缝地分发关键数据。即使在网络中断或降级的情况下也能保持数据的连续性和完整性。目前， Anduril 的“晶格网格”技术已在美军多个联合作战司令部中运行，用于提供关键数据，支持定制的生成式人 工智能解决方案。 Lattice 系统的核心理念在于构建一个分布式、可自治的前线智能感知网络，使得前沿作战单位在极端环境 下仍能具备战场态势理解、自主目标识别与快速协同反应的能力。其技术架构融合边缘 AI 计算、传感器融 合、跨平台数据中继与任务协同控制，打破了传统“集中感知—后方处理”的作战流程，以“感知即决策”的新型作战模式推动战术层的智能升级。

关键能力与系统结构： 多源感知能力：Lattice 系统能够集成多种传感器数据，包括雷达、光电/红外成像、射频传感器等，实现 全天候、跨域的目标追踪与识别。例如，Sentry 哨兵塔配备了摄像头、通信天线、雷达和热成像设备，能够自 主运行并将数据传输至 Lattice 平台。 边缘 AI计算与任务自治：Lattice 在前沿平台上部署轻量化 AI 模型，实现低延迟的目标识别、路径预测 与异常检测。Ghost 4 无人机与 Lattice 平台的结合，使操作员能够轻松控制协作的自主 Ghost 无人机团队， 执行复杂的任务配置。 分布式协同与通信弹性：Lattice 具备强大的“平台间自动协同”机制，支持在通信受限或 GNSS 干扰环境 下的多节点任务重构和指令中继。在美陆军“Project Convergence”演训中，Lattice 系统指挥的一组无人机在 缺乏卫星通信条件下，仍完成了超过 95%的任务执行率。 “人-机-云”三层架构支持：Lattice 支持从一线无人平台（机）到战术地面终端（人），再到战略后台系 统（云）之间的信息分级交互，可实现全链路任务分发与状态反馈，强化人机协同的操作透明度与安全性。 2023 年 8 月，Anduril 公司在“北方利刃 23-2”（Northern Edge 23-2）演习中成功地将传统的多域传感 器整合到其 Lattice 操作系统中，为海军陆战队员提供了先进的实时战场意识和跨印太地区的多域指挥控制能 力。作为陆战队 2030 年力量设计转型的部分，这项整合工作帮助陆战队作战实验室和国防部了解新技术如何 与遗留系统互连，并帮助作战人员更快、更准确地做出分布式指挥控制决策。在“北方利刃 23-2”演习中， Anduril 建立了一个由四个地理上分布的指挥控制节点组成的弹性数据网格网络，每个节点都部署在不同的基 础设施上，这展示了 Lattice 支持各种操作环境和可用基础设施的灵活性。这个弹性网格网络无缝共享实时作 战数据，并为指挥官提供了一致的战场画面，没有操作员通常看到的任何通信间隙。Anduril 的网格网络安全 地组织情报数据，在地理上和跨分类边界进行分发，并针对拒绝、降级、间歇和延迟（DDIL）环境进行了优 化。

Palantir Gotham 平台进行多源情报融合： Palantir 的 Gotham平台是一个强大的数据分析和情报融合工具。它能够整合来自多个渠道的情报数据，包 括卫星图像、通信截获、社交媒体等，并通过先进的算法进行分析和关联。该平台不仅提高了情报分析的效率 和准确性，还为军事分析师提供了全面的战场态势感知能力。该平台最初由 Palantir 公司为美国情报界设计， 后广泛扩展至各军种、战区司令部及联合情报中心（JIC）等关键作战与分析节点。其主要技术架构基于图数 据库引擎与语义层建模体系，可将传统孤岛式的数据源整合为统一的战场知识图谱，实现信息透明化与决策流 程标准化。 911 事件让 Palantir 创始人们思考是否可以通过一个平台将政府掌握的海量不同源头和形式的数据整合， 通过信息之间的链接，抽丝剥茧地找出线索，从而避免类似的惨案。Palantir Gotham平台作为美国国防与情报 体系中的核心信息系统，以其出色的数据融合能力和图谱级情报分析能力，在构建智能化战场态势感知体系中 发挥着不可替代的作用。该平台依托图数据库引擎与 AI驱动的语义模型，可将来自多源异构的数据流整合为 统一的知识图谱，实现从感知到认知的闭环作战支持。随着非传统战场与灰色冲突区域的兴起，Gotham系统 亦显著扩展了其对开源情报（OSINT）数据的接纳与分析能力，进一步增强了战术实时性与战略广度。

在数据层面，Gotham 整合的数据源分为传统军事情报数据与非传统开源情报数据两大类。传统军事情报 数据包括：1）国家地理空间情报局（NGA）提供的卫星遥感图像与地理信息系统（GIS）数据；2）国家安全 局（NSA）与战区信号情报平台获取的通信拦截数据（SIGINT）；3）地面雷达、无人机、红外传感器等前线 实时感知节点；4）任务数据库中累积的历史作战与演训数据；5）来自盟军（如五眼联盟）的情报共享接口。 非传统开源情报数据则涵盖：1）社交媒体平台上的位置发布、图像上传与战场动态言论（如 X/Twitter、 TikTok 等）；2）开源视频与照片资料中的目标识别数据，经由图像识别系统处理后用于战术推演；3）网络 论坛与暗网中的异常通信行为模式；4）商业卫星图像提供商（如 Planet Labs、Maxar）的民用遥感数据；5） 开源数据库中的地理、政治、人口与语言数据集（如 OpenStreetMap、Wikidata）。 据 Palantir Gotham 利用上述数据支撑三大关键军事应用场景：一是战场态势感知与目标指示，平台通过 实时融合传感器数据与社交平台发布信息，形成对目标地区的高分辨态势图；二是非对称冲突中的快速威胁识 别与预测，特别在城市战与反恐任务中，可追踪可疑通信路径、舆情变化与人员流动；三是战略级决策支持与 多机构任务协同，借助其图谱建模与权限控制机制，支撑多军种、多国情报共享与联合行动规划。

根据《Foreign Affairs》与《Defense One》的公开资料，在 2022 年俄乌战争初期，Gotham平台通过社交 媒体图像反向定位技术，成功帮助情报分析员识别了多个俄军部队集结点，为北约提供了快速反应基础。而在 美国国防部主导的“全球信息优势试验”（GIDE）中，Gotham平台的融合响应机制将战场决策周期缩短超过 40%，并展现出与开源数据流动态协同的显著能力。

3）作战应用层：军事 AI赋能，实现智能战场的决策与行动一体化

在作战应用层，人工智能（AI）技术通过生成作战方案、优化火力分配以及实时调整作战行动，实现了决 策与行动的高度融合。AI 算法能够迅速分析复杂的战场数据，制定高效的作战计划，并根据实时信息动态优 化，确保作战行动的灵活性和精准性。AI 在作战应用层的深度应用，正加速实现智能战场的决策与行动一体 化，提升了军事行动的效率和精准度。 AI算法在作战方案生成和火力分配中的应用：美国国防部正在开发的联合火力网络（Joint Fires Network，JFN），旨在整合多域情报，实现精确火力打击。JFN 通过集成先进技术、实时数据共享和自动化 系统，优化火力投送的精准性和时效性，确保在适当的时间部署适当的作战力量，从而显著提升作战效能。同 时，AI 技术促进了联合作战的智能化发展。通过构建人机协同决策指挥控制系统，应用无人机蜂群战术，以 及融合物理和非物理安全空间的作战模式，提升了作战效能和灵活性。 自主武器系统的智能化：AI 技术赋能自主武器系统，使其具备独立执行任务的能力，减少对人类操作的 依赖。在现代战场环境中，GPS 信号易受干扰，影响无人系统的导航和任务执行。为应对这一挑战，Maxar 公 司推出了 Raptor 系统，使无人机在强干扰环境下无需依赖 GPS 即可完成任务。Raptor 利用 Maxar 的 3D 地形 数据和无人机的视觉输入，实现自主定位和导航，确保无人系统在复杂战场环境中的生存能力和任务执行效 率。例如，乌克兰在与俄罗斯的冲突中，部署了数十种由 AI 增强的无人机系统，这些系统能够在强电子干扰 环境下自主识别并打击目标，提升了打击精度和任务成功率。大多数第一人称视角部队的目标命中率已降至 30%-50%，而新飞行员的目标命中率可低至 10%，信号干扰是主要问题；人工智能操作的第一人称视角无人机 命中率可达 80%左右。 AI在战场态势感知与决策支持中的作用：AI 技术通过实时收集和分析大量战场数据，帮助指挥官做出更 快速、更准确的战术决策。例如，AI 可以整合来自不同传感器的信息，提供全面的战场态势图，支持指挥官 进行态势评估和决策制定。数据驱动的分布式公共作战图景（COP）：通过多智能体强化学习，研究人员开发 了数据驱动的分布式 COP 系统，能够在 GPS 受限和通信受阻的环境下，利用无人平台的传感器数据，实现对 战场态势的实时感知和预测。实验结果显示，该系统在预测精度和对抗条件下的鲁棒性方面表现出色，误差率 低于 5%。例如，美军正在探索将生成式 AI 应用于指挥控制领域，以实现作战数据保障的精准化。

二、军工 AI 在核心作战体系中的应用拓展与战术革新

随着人工智能（AI）技术的飞速发展，军事领域正经历深刻的系统性变革。AI 已不再是局部的效率工具， 而是重塑军事指挥体系、作战流程和战争样态的核心变量。尤其是美军主导构建的“联合全域指挥控制系统” （CJADC2），更是 AI 深度融入现代战争逻辑的典型案例，标志着军工 AI 从“辅助角色”向“作战中枢”加速跃 迁。

1、联合指挥中枢体系建设：CJADC2 的战略部署与技术演进

1.1 美国军工 AI 相关预算大幅提升，C4I 战略重心凸显

美国军工 AI相关预算大幅提升。美国防部 2024 年在将人工智能应用于军事规划、情报和全域指挥控制方 面取得了重大进展，从军事人工智能工具的鼻祖——“专家系统”（Project Maven），到统称为联盟联合全域 指挥控制（CJADC2）的数据共享系统，美国防部的军事智能化系统无论在系统功能和实际使用人数方面都得 到了显著扩展。根据 2025 财年美国国防部预算草案，其 C4I（指挥、控制、通信、计算机和情报）系统的投 资预算高达 211 亿美元，占年度采购和研发总投入的 7%，同比 24 财年 145 亿美元大幅提升 45.5%。其中包 括空军主导的“作战云”、海军的 Project Overmatch 及陆军的 Project Convergence 等 CJADC2 相关项目。美空 军还专门整合 50 项子计划组成“空军作战网络项目群”，以确保 CJADC2 在战区级别的多域应用能力快速部 署落地。

通信与电子及 AI技术发展为战略核心。根据 2025 财年美国国防预算报告，C4I 部门正在积极转型并开发 未来联合军事行动的新概念，以实现全谱优势。通过一系列广泛的能力，借助互联的传感器、射手、指挥、控 制和情报网络，实现了这一击败任何对手或控制任何情况的总体目标。网络中心化改变了信息管理的方式，以加速决策、改善联合作战并创造情报优势。美国军队高度网络化，需要可靠、安全和可信的信息访问，并依赖 基于网络的互联互通以提高作战效能。通过增强信息共享，分散的部队能够进行沟通、机动、共享共同的用户 定义作战图景，并更高效地完成分配的任务。该组合还包括网关、波形、网络管理和信息保障等技术的发展。

1.2 跨域协同战略定位与职能机构：“发现即打击”高效闭环

CJADC2（Combined Joint All-Domain Command and Control）是美军为适应未来多域联合作战而构建 的指挥体系。其核心目标在于打通军种壁垒，实现海、陆、空、天、电磁、网络等全域的信息互联与作战协 同，从而实现“发现即打击”的高效闭环。在 CJADC2 架构下，AI算法嵌入至传感器-平台-指挥节点之间的 各个环节，极大压缩 OODA（观察-判断-决策-行动）循环时间。据美国防部资料，CJADC2 的构建旨在将 “数分钟级”决策缩短为“秒级反应”。 其战略意义不仅体现在速度上，更体现在“决策维度的协同”上：在陆海空天电五域并行作战的背景下， CJADC2 构建了一个多点感知、分布分析、集中指挥的作战范式，打破了传统“纵向命令链”滞后问题，实现 “数据主导战术意图”的前推。 跨军种战斗网络：首个版本投入使用。截至 2024 年，CJADC2 的“最小可行能力”（MVP）已在 11 个四 星级作战司令部落地部署，涉及印太司令部、中央司令部等战略节点，为美军构建全球范围内多域同步作战能 力奠定初步基础。

1.3 CJADC2 中关键 AI 赋能技术：联合火力网与智能决策加速引擎

CJADC2 并非单一系统，而是以 AI为核心驱动的全域感知-分析-决策-执行一体化作战体系，其核心在于 通过 AI加速“信息-火力”链路的闭环速度，并通过边缘计算与多域协同构建动态适应型作战网络。这一系统 的部署，标志着军工 AI 正在从“能力支撑”走向“决策主导”，成为未来战争规则重构的重要力量。

联合火力网（Joint Fire Network，JFN）：AI赋能构建战场实时态势感知与精确打击体系

JFN 通过跨域数据融合与 AI赋能，大幅提升了美军的作战响应速度和打击精度，体现了现代战争中信息 优势向作战优势的转化。在 CJADC2 体系中，联合火力网（Joint Fire Network, JFN）作为连接“感知、理 解、打击”全过程的关键一环，承载着将多源情报快速转化为精确打击能力的核心职能。它构建的是跨军种、 跨平台、全域联通的火力闭环网络，是美军从“指令链主导”向“数据流驱动”作战转型的关键节点。该系统旨在 实现“任一传感器发现目标、任一火力平台迅速响应”的“发现即打击”作战逻辑。 传统作战体系中，火力指令链条层级过长、响应迟缓，极难满足现代战场对秒级打击决策的要求。JFN 通 过统一数据接口与开放式系统结构，将分布在各战区的无人机、雷达、卫星、地面前沿终端、空地火力平台接 入同一作战数据流中，构建起“情报-指控-打击”一体化流程。系统内大量引入 AI算法，实现对目标威胁等级 的智能评估、火力平台匹配与自动化弹种建议，显著压缩了传统 10 分钟以上的响应周期，最优可缩短至 60 秒 以内 JFN 并非单一武器平台，而是由软件架构主导、AI算法驱动的分布式网络化火力执行系统。它支持 F35、B-21、HIMARS、海军导弹系统等多种作战资源的无缝集成，并可动态接入下一代远程精确火力系统和无 人协同节点。系统与 CJADC2 顶层规划高度同步，是实现“联合即插即用”作战结构的关键组件之一。在 2023 年“Project Convergence”实验中，JFN 首次实现了“目标发现—态势融合—AI 火力推荐—跨军种打击”全链条闭 环操作，标志着美军“AI 作战链”已进入可实战部署阶段。 JFN 项目的建设整合了美国多家核心国防承包商与创新企业：包括雷神技术公司（RTX）与洛克希德·马 丁（Lockheed Martin）提供火力调度框架与作战网络模块，帕兰提尔（Palantir）则负责 Gotham平台的数据融 合与战场态势图生成。诺斯罗普·格鲁曼（Northrop Grumman）主导多平台系统适配，L3Harris、BAE Systems和 C3.ai 提供 AI 算法训练、目标优先级排序与战术模型自动生成支持。这一承包体系不仅延续了传统军工复 合体的系统集成优势，也体现出 AI 平台型公司在军事决策链中的技术渗透深度。 根据美陆军作战能力发展司令部（DEVCOM）与导弹防御联盟（MDAA）披露的信息，JFN 系统目前已 在印太与中东两个战区节点实战部署，支持上千目标的实时跟踪与打击计划管理，具备与 CJADC2“最小可行 能力”并行运作的战备水平。

智能决策加速引擎：AI赋能战场指挥系统核心环节

除了在火力执行端的JFN系统，CJADC2的核心能力更体现在其“感知-分析-判断-指令”链条的决策中枢层， 即以 AI 算法为核心的智能决策引擎。传统军事指挥决策依赖多层级人工汇报、态势判断和逐级审批，面对现代 战场的高节奏、高不确定性环境，已难以支撑作战节奏。为此，美军在 CJADC2 架构中大规模部署 AI辅助决策 平台，以替代部分人工流程，并实现任务推演、方案生成和实时反馈的“人机混合指挥体系”。 以空军主导的 ABMS（先进战斗管理系统）为例，其核心能力之一是通过 AI 模型自动汇总来自太空、空 中、地面和网络空间的情报数据，进行战场态势预测和实时风险评估，从而生成最优资源配置和火力调度建议。 这一能力依托于谷歌云、Palantir Gotham 和 Anduril 软件组件构建的“指控一体化界面”，可在几秒钟内完成传 统作战室需花费数分钟甚至更长时间完成的目标评估与指令发布流程。 AI已从“战术效率工具”转型为“作战逻辑再构引擎”，并正在重塑军事指挥层级。CJADC2 各子系统之间不 再依赖线性通信流程，而是借助 AI 算法形成数据的快速交叉验证和意图识别，最终支持“战术自治”、“战区级 实时重构”、“人机共决策”等新作战模式。例如，帕兰提尔与 C3.ai 共同开发的战术 AI 模型，已具备根据实时地 理、电子频谱与敌军态势数据，生成初始作战方案并实时修正路径的能力，广泛部署于印太战区的指挥节点中。 端侧 AI为前线单位提供即时计算、模型本地推理与节点级任务重构能力。值得注意的是，这些 AI能力的 部署不再集中于大型指挥中心，而是随着边缘计算单元同步下沉至前沿节点，形成“云-边-端一体化”架构。例如， “晶格网格（Lattice Mesh）”作为 CJADC2 边缘通信与 AI 部署平台，正逐步被整合进 ABMS、Project Convergence 与海军“超越项目”（Project Overmatch）中，为前线单位提供即时计算、模型本地推理与节点级任务重构能力。

CJADC2 的技术重心正从“信息传递”转向“决策自治”，其关键特征是：AI 算法深度嵌入感知、理解、判 断和指令下发各环节，边缘设备获得半自主任务重构能力，作战节奏由集中指令流转为多节点协同涌现。未 来，AI 将在战场指挥系统中从“战术助手”走向“战略结构”，成为下一代作战体系的底层驱动。

2、作战支撑系统集群：AI 赋能下的五大核心体系演进

人工智能（AI）技术的飞速发展，正深刻地重塑现代军事体系。在“联合全域指挥控制系统”（CJADC2） 框架下，AI 的应用已渗透至多个关键分系统，从不同维度显著提升了作战方式、作战效能和决策速度。

2.1 无人系统：无人装备智能化水平快速提高，应用场景全面性价比凸显

在 CJADC2 架构中，AI对“无人作战体系”的改造正向“空-地-海-水下”全域智能平台集群演化。无人 系统的全面部署，正在重塑美军作战编组方式与指挥控制链路，形成以 AI算法为中枢的任务分布式执行网 络。无人驾驶地面车辆（UGV）、无人驾驶航天器、无人驾驶航空器（UAV）和无人驾驶水下车辆（UUV） 正在逐渐部署于军事应用。利用 AI感知和快速学习周围环境，为无人机器自主导航提供建议，是目标检测和 模式识别学习算法的典型应用。自主车辆（AVs）使用 NN（RNN）、LSTM 和 RL 等 AI 技术在各种情况 下可以很好的清除路径，未来还能够完成更多任务。 在空中平台方面，AI已广泛嵌入各类无人机（如 XQ-58“女武神”、ALTIUS-600M、MQ-28“幽灵蝠” 等）的导航系统与任务模组，实现多机协同、自主避障、目标识别与打击路径规划等核心功能。AI 赋能的无 人机集群作战系统通过自主协同和智能决策，实现了对复杂战场环境的快速响应和高效作战。例如，美国国防 部高级研究计划局（DARPA）主导的“编队空中作战”项目，旨在开发能够自主协同的无人机集群，以执行 侦察、电子战和精确打击等任务。美国空军提出，作为美国空军更广泛的"下一代空中优势"（NGAD）计划的一部分，该计划旨在快速部署大量自主无人驾驶飞机（正式名称为 "CCA"），与第五代或第六代有人驾驶战 斗机协同作战。 美空军在 2 月举行的“橙旗 25-1”军事演习中，成功测试了 MQ-20“复仇者”无人机搭载的蜂群思维人工智能 系统，该系统由 Shield AI 公司开发。期间，MQ-20 无人机在飞行中切换至蜂群思维系统控制模式。通过蜂群 思维系统，无人机群可动态分配任务、实时共享战场信息，并能快速应对威胁。这种“群体智能”不仅提升了作 战效率，还降低了单机被击毁对整体任务的影响。目前，Shield AI公司正推动蜂群思维系统成为美空军“协同 作战飞机”项目的标准配置。

AI技术提升机器人的适应性与理解力。2021 年 4 月，法国军队在军事演习中测试了波士顿动力的 “Spot”机器狗，用于侦察任务。这次演习展示了“Spot”在军事应用中的潜力，包括在复杂地形中的导航能 力和对士兵的支持。AI 技术在军事机器人中的应用越来越广泛，特别是在提高机器人对环境的适应性和对人 类指令的理解能力方面。 地面无人装备适应于城市战的特点，具备广阔的应用空间。美陆军持续推进“未来地面战斗系统”（FMS） 中无人战车（UGV）的战术部署，诸如“机器人战车-中型”（RCV-M）已具备 AI 辅助导航、火力引导与危险 区域前出侦察能力。目前正在进行的俄乌冲突、巴以冲突均主要以城市战为主要作战样式。城市战需要高度智 能化、精准化的技术装备，如陆军察打一体无人机、军用机器人、无人车等。这些技术装备可以提高作战效率， 减少误伤和误杀的可能性，并且可以加强情报收集和交流，提高作战效率。 海上与水下作战领域，美国海军逐步将“有人/无人协同作战能力”作为未来水面与水下编队建设的核心方 向。多个大型无人水面舰艇（USV）与无人潜航器（UUV）项目已由 AI 系统赋能运行：包括“幽灵舰”Sea Hunter、 “鲸歌”XLUUV，以及“标枪鱼”特种无人水下平台等。

2.2 AI 驱动的网络攻防系统：主动防御与认知领域作战

在现代战争中，网络空间已成为关键战场，人工智能（AI）技术的引入显著提升了网络攻防能力，正引 领着网络安全策略从被动防御向主动预防和智能响应的方向转变。 AI 赋能的主动防御：从感知优势到攻防再平衡。在传统网络安全体系中，防御方长期处于“漏洞后修补”模式，难以对抗高强度、快速演化的网络攻击。美国国防部体系通过引入 AI 技术构建“智能化主动防御”系统， 正在逐步扭转这一局面。美军联合人工智能中心（JAIC）开发的“AI 防火墙”，利用生成对抗网络（GAN）模 拟潜在攻击路径，提前发现系统漏洞并进行强化修补，从“被动检测”向“前置防御”演进。例如，美国国防部 高级研究计划局（DARPA）于 2016 年举办的网络安全超级挑战赛（Cyber Grand Challenge）中，卡内基梅隆大 学团队开发的“Mayhem”AI 系统，展示了自动发现和修补漏洞的能力，证明了 AI 在网络防御中的巨大潜力。该 系统于 2020 年被全面部署于美国国防部各机构，旨在提升防御者发现漏洞的速度，超过攻击者利用漏洞的速度。 人工智能武器化与网络攻防平衡。更深层次的变革在于，AI 的引入正促使网络空间的攻防格局发生结构性 变化。根据乔治城大学安全与新兴技术中心（CSET）2022 年报告，AI 武器化最初确实强化了攻击方能力，如 自动化漏洞发现、海量渗透路径规划等，短期内加剧了“进攻者优势”。但随着 AI 能力向防御侧同步下沉，防守 方通过 AI提升漏洞覆盖率、整合碎片化监测资源，并部署自主响应机制，逐步形成“规模引发的攻防转换”（OD scaling）。即：在较低技术密度下，AI 赋能进攻更易建功；而在高密度部署场景下，AI 增强防御方资源整合与 持续修复能力，最终反将优势转移至防御一侧。正如布鲁斯·施奈尔（Bruce Schneier）所言，AI 技术的成熟“将 使发现与修复所有关键漏洞成为可能”，实现从“攻强守弱”向“智能均衡”过渡。CJADC2 架构下，主动防御已不 仅是战术响应工具，而成为塑造网络安全态势的战略机制，推动网络空间重回可控、可稳的平衡区间。

认知领域作战：AI赋能的舆论战与信息操控。认知领域作战（Cognitive Warfare）是一种通过信息手段影 响目标群体的思维、态度和行为，以达到战略目的的现代战争形式。其核心在于利用信息传播、心理操作等手 段，塑造或改变目标对象的认知，从而影响其决策和行动。这种作战形式融合了心理战、舆论战和信息战，被 视为非动能作战的高级形式。 人工智能（AI）技术的进步为认知作战提供了强大的工具。AI 可以通过大数据分析、自然语言处理和深 度学习等技术，精准识别目标群体的认知模式和信息需求，从而制定更有效的舆论引导策略。例如，AI 可以 分析社交媒体上的海量数据，识别出关键意见领袖和热点话题，进而通过定向信息投放影响公众舆论。此外， AI 生成的深度伪造（Deepfake）技术能够制造高度逼真的虚假音视频内容，用于误导公众或抹黑特定目标。 美国在认知作战领域具有丰富的实践经验，广泛运用 AI技术进行舆论战和信息操控。2001 年美国防部呈 交国会的报告《网络中心战》中，首次在军事上引入认知域概念，明确强调“认知域决定着很多战斗和战争的 胜负”。随着战争实践和科学技术的不断发展，美认知战实现从“量”到“质”的跃升，2020 年 3 月，位于美国的北约盟军转型司令部推出“作战 2040：北约在未来将如何竞争”认知战项目，全面展示美国对认知战 概念、目标、手段、特征的系统理解和深刻把握，充分体现美国在认知域多维布局、多方入手、多点发力、多 向运用的特点。美国国防部高级研究计划局（DARPA）推出了多项项目，融合纳米技术、生物技术、信息技 术、神经科学和人工智能等，旨在提升个体认知能力，以在特定场景和关键节点发挥战略杠杆作用，影响作战 全局。

2.3 战场情报与态势感知：从信息拼图迈向智能全景

以 AI 为核心驱动的情报体系正在从“碎片整合”向“智能生成”跃迁，通过多源感知、大模型解析与实时识别 能力，构建出具有预测性、适应性与自治特征的作战环境理解机制。

1）多源情报融合：AI驱动的信息整合中枢

传统情报融合往往受限于源头隔离、格式不统一与处理周期过长的问题。CJADC2 以Palantir Gotham、Palantir Foundry、Project Maven 等平台为中枢，接入来自卫星、无人机、地面雷达、通信拦截、社交媒体等多源数据， 借助 AI 模型进行语义统一、威胁重构与战术相关度排序。 Palantir 平台通过将多源情报融合、AI辅助决策、星载算法部署与大语言模型推理能力整合，显著提升了 乌克兰军队的战场态势感知、快速决策与目标打击效率，构建出具备“非对称优势”的战场 AI中枢。 情报融合分析：实现战术级别的信息优先权。Palantir 平台在战场数据处理方面具备快速融合能力，可在 1 小时内提供俄军部署与高价值目标位置判断；帮助乌军构建了动态指派 + 自主执行的任务体系，在特种作战中 大量应用于伏击、斩首、破袭等高价值作战任务；平台支持多种数据类型的情报快速整合：卫星图像、社交网 络、战术终端、通信截获等。 AI 辅助指挥与决策：显著压缩 OODA 周期：AIP 平台可实时生成多种打击方案（如 F-16、远程火炮、标 枪导弹），结合敌我部署、弹药状态与时间窗口做出最优方案推荐。在 2023 年跨年夜袭击行动中，乌军使用 AI P 快速决策，仅用数十秒完成火力组织与指令下达，相比俄军传统炮兵体系需耗时 3-5 分钟；平台具备人机共决 策机制，AI 建议由指挥员审核确认，保持指挥权稳定性。 MetaConstellation 星载算法系统：构建空天地一体作战链路。Palantir 通过 MetaConstellation 将 AI 微 模型部署于在轨卫星，与 SpaceX 星链形成“快速感知-定位-传输-打击”闭环；支持在指挥网络瘫痪情况下， 战场数据依然可通过星链进行目标上报与打击任务下达；集成 AI 人脸识别+地理空间智能，实现在动态战场中 远距“斩首”式精确打击。

2）开源情报获取与大模型解析：打破“人力瓶颈”

在当代高强度多域冲突背景下，情报获取不再局限于传统机密来源，开源数据（OSINT）日益成为军事情 报的重要支柱。海量异构信息的实时捕捉、筛选、关联与决策支持，正由 AI大模型系统接管，实现“从人脑筛 选到机器生成”的范式跃迁。AI 赋能的开源情报平台通过对新闻、社交媒体、商业遥感、公开数据库等非结构 化信息的自动化采集与分析，快速建立区域热点、网络态势、政治经济关联等情报图谱，显著提升了战略与战 术层的情报覆盖面与响应速度。 在数据层面，Palantir Gotham 整合的数据源分为传统军事情报数据与非传统开源情报数据两大类。传统 军事情报数据包括：1）国家地理空间情报局（NGA）提供的卫星遥感图像与地理信息系统（GIS）数据；2） 国家安全局（NSA）与战区信号情报平台获取的通信拦截数据（SIGINT）；3）地面雷达、无人机、红外传感 器等前线实时感知节点；4）任务数据库中累积的历史作战与演训数据；5）来自盟军（如五眼联盟）的情报共 享接口。非传统开源情报数据则涵盖：1）社交媒体平台上的位置发布、图像上传与战场动态言论（如 X、 TikTok 等）；2）开源视频与照片资料中的目标识别数据，经由图像识别系统处理后用于战术推演；3）网络 论坛与暗网中的异常通信行为模式；4）商业卫星图像提供商（如 Planet Labs、Maxar）的民用遥感数据；5） 开源数据库中的地理、政治、人口与语言数据集（如 OpenStreetMap、Wikidata）。

美国军方多个前沿项目正在推动这一能力向战场前沿落地： VANE系统（BigBear.ai）：作为美国国防部合作项目，VANE 通过实时抓取全球公开数据（如社交媒体、 新闻、商业遥感图像等），借助自然语言处理与图神经网络分析技术，自动生成动态威胁评估报告。例如系统 可识别特定国家对某一军事演习的网络舆情异常，进而预测可能的灰区干预或军事动作，成为跨域战略部署的 重要参考。 DARPA“心智理论”项目：该系统通过整合经济、科技、外交政策等多维度信息，构建敌方国家高层领导 的行为模型，模拟其在不同压力情景下的战略选择逻辑。尽管在 2024 年多场景仿真测试中展现出良好的政策趋 势预测能力，但仍面临历史数据片面、短时反应不准等战术层挑战。 战场决策支持——城市作战路径规划：美陆军实验室基于开源地理信息（如 OpenStreetMap）与战区社交动 态，部署“专家 AI”系统对城市战场进行高风险路径预测，优化部队通行路线。该系统可动态避开高密集民居区与敌方潜伏点，降低附带伤害，提升任务精准度与伦理容忍度。 非对称作战优势——供应链与基础设施打击：美军情报单元使用 AI 工具快速解析敌对国家或非国家武装 组织的公开数据，如武器生产企业、交通节点、卫星通信公司等供应链信息，定位其“战术弱链”。这一能力为 网络战、电子干扰与定点打击提供了精准靶标支持，在低成本条件下显著提升打击效能，实现了“以智取强” 的非对称战略目标。

3）实时目标识别：从“感知延迟”到“自动推演”

现代战场节奏持续加快，传统“观察—报告—命令—打击”的指令链难以满足高动态作战环境需求。CJA DC2 体系强调“以算法压缩链路”，在战术前沿部署轻量化 AI 模型，使目标识别、威胁评估与火力推荐过程从“分 钟级”压缩至“秒级”，实现真正意义上的“边感知、边决策、边打击”。 以美陆军 TACAI系统为代表的战术 AI平台，具备在边缘节点本地完成图像识别、威胁排序、打击建议生 成等核心能力。TACAI 系统旨在支持在无网络环境下的实时决策，例如无人机目标识别等任务。美海军领域的 代表性系统是 AEGIS 作战系统（Aegis Combat System），其升级版本已引入 AI 算法用于目标轨迹重构、威胁 等级预测与火控推荐。AEGIS 系统整合舰载雷达（如 AN/SPY-6）、电子战传感器、导弹系统等构成实时闭环， 其核心作战模式为“自动识别→快速定位→即时反应”。新一代“BMD（导弹防御）版本”AEGIS 系统已具备 同时处理多飞行目标轨迹、自动选择拦截武器与优先目标的能力，并正计划与 CJADC2 战术云对接，实现跨平 台目标共享与指令链融合。

2.4 战争推演与训练：从虚拟仿真到智能指挥力构建

AI增强了军事训练模拟的真实性和有效性。人工智能（AI）在战争推演与训练领域的应用，正从传统的 虚拟仿真迈向智能指挥力的构建。通过引入 AI 技术，军事训练系统能够模拟复杂的战场环境，提升指挥官的 决策能力和部队的协同作战水平。 美国在军事训练中积极利用 AI技术，开发了多种模拟训练系统。例如，Command: Professional Edition （PE）是一款被五角大楼、美国空军和英国战略司令部等军事机构采用的模拟程序。该系统拥有高度精确的全球军事装备数据库，支持军事分析和战略制定。包含实时多人模式、高分辨率全球地形数据、自定义地面单 位、编队预设、交互式命令行界面（CLI）等。此外，AI还被用于开发新的战争推演方法。研究人员提出了 COA-GPT，一种利用大型语言模型（LLM）快速生成军事行动方案的算法。COA-GPT 结合军事学说和领域专 业知识，允许指挥官输入任务信息，并在几秒钟内生成符合战略的行动方案。 法国“战术 AI战斗模拟”系统的核心优势在于将 AI战术推演与虚拟协同训练深度融合，构建高还原 度、多要素的智能演训平台。该系统通过战术推理引擎、情境感知算法与行为建模模块，能够动态模拟敌我对 抗过程，辅助军官在虚拟环境中完成战术制定、兵种协同与决策复盘。尤其在“有人-无人”混合编组模拟方 面，法国系统已实现虚拟空间内地面部队与无人平台协同作战的实训演练，大幅提升训练多样性与指挥系统容 错性。系统目前已在法国陆军及北约框架下广泛部署，成为欧洲军队智能化训练体系的关键组件。2018 年， 法国通过加大投资，推动将近 400 个项目向人工智能转型；2024 年法国宣布成立国防人工智能部长级机构 （AMIAD）。 在实际应用中，乌克兰军队收集了超过 200 万小时的无人机战场视频，用于训练 AI模型，提升目标识别 和战略决策能力。这些数据的积累和分析，增强了战场效率，体现了 AI在现代战争中的重要作用。

美国还将 AI作为重构军事教育体系的战略支点。根据 RAND 公司研究，美国国防部正在将人工智能训练 纳入职业军官生命周期教育体系（PME），形成从初级军校到高级指挥课程的“全栈式 AI 认知训练路径”。这 一体系强调军官不仅要掌握 AI 工具，更需理解 AI 如何做出判断，从而与 AI 模型协同推理、互补控制。国会 授权的《DoD AI战略》已明确要求构建 AI相关职业路径，并推动空军战争学院、陆军作战指挥学院等高等 军事教育机构系统性引入 AI 推演工具与人机共训平台。军官在模拟作战中需掌握 AI 模型推荐的战术路径、分 析其依据，并根据情境判断是否采纳与调整，实现人类-算法混合决策逻辑的演训场景化应用。尽管当前尚存 在军种间培训标准不一、系统互操作性待提升等问题，但已构成美军 AI 军事训练的系统框架。

2.5 供应链与装备维护：从响应式后勤走向预测型保障

在 AI全面赋能美军作战体系的背景下，后勤保障不再只是作战系统的附属支撑，而是融入“决策-执行”闭 环的关键环节。AI技术通过对装备状态、供应链节点和战场需求的实时预测，实现了后勤系统从“被动响应” 向“智能前置”的战略转型。

预测性维护与数字孪生系统提升装备完好率。以 F-35 战斗机为代表的高价值装备，其维护保障工作正全面 转向 AI 驱动的“基于状态的强化维护（Condition-Based Maintenance, CBM+）”模式。美国空军借助 A I 模型对 传感器数据进行持续学习与趋势预测，可提前发现系统疲劳、部件磨损等故障隐患，并在损坏发生前即部署替 换计划。例如，F-35 最初配备的自主后勤信息系统 ALIS（Autonomic Logistics Information System），曾作为 全球分布式数据平台，被用于自动生成维修计划、优化部件替换流程，理论上可将计划外停飞时间减少 20%以 上。美国国防部自 2020 年起逐步推进新一代维护平台——ODIN 系统（Operational Data Integrated Network）的 替代部署。ODIN 采用云原生架构，具备更强的模块扩展性和用户友好性，在 2022 年底前全面接管 F-35 后勤保 障任务，实现更快数据同步、更精确健康评估和更智能的维护建议生成。 AI能力的进一步增强源自洛克希德·马丁与谷歌云的深度合作。近期，洛马在 ODIN 与预测性维护体系中 引入其自研的 AIFactory 平台，该平台结合谷歌云提供的 TPU（张量处理单元）大幅提升模型推理效率。在实 际应用中，AIFactory 基于多层神经网络结构，对飞行数据、任务负载、结构应力等多源信息进行建模，支持对 维保任务的智能编排、部件磨损趋势识别以及任务间隔动态优化。

AI优化全球供应链布局，构建“弹性库存”机制。在传统军事后勤体系中，库存调度常因“以防万一”式 冗余储备和线性响应机制而效率低下、成本高昂，尤其在远海部署与战区快速转场中面临高风险断供问题。美 军近年来积极推动 AI 在全球供应链管理中的深度嵌入，以期实现预测驱动、按需分布、弹性回调的新型“智能 库存链路”。美国海军的 LAI（Logistics AI Integration）计划是智能供应链管理的代表工程。该系统基于舰艇任 务计划、历史维修记录和部件损耗模型，使用 AI 算法预测未来各类零部件的使用概率和更换时间，从而实现 对全球库存的智能调度。 AI辅助运输调度，规避战场威胁与补给延误。在运输路由规划方面，AI 系统整合天气、交通、战场火力 态势等多因素，动态生成最优补给路线，并与无人驾驶运输平台联动，完成全流程物资配送自动化。这种协同 效应显著降低了在敌对环境下后勤车队的暴露风险，提升了战时补给任务的准时率和安全性。 开源智能工具支撑非对称后勤打击。AI 也被用于解析敌方武器制造企业、通信节点、交通枢纽等供应链 信息，识别“战术弱链”并将其转化为打击目标。这一策略在低成本条件下形成了对敌后勤体系的“精准削弱”，提升了美军在复杂冲突环境下的非对称制胜能力。

2.6 分系统人工智能军事应用重点方向成熟度

从目前美军 AI 军事应用的发展态势来看，态势感知、目标识别、无人平台控制与智能化武器系统等技术 方向正加速迈入“成熟期”。这些系统往往部署在感知链路前端或武器终端，具备明确任务目标、数据结构清晰 的优势，使其更适合率先实现算法闭环与系统集成。 相比之下，作战辅助决策与复杂情报分析等需要人类高度参与的系统，仍处于 AI赋能的“成长期”。 这类 任务往往涉及跨模态信息融合、多变量推理与高层逻辑建模，尤其在多域作战环境下，需要 AI 系统不仅“ 看见 战场”，更要“理解局势”“预测行动”，这对模型的泛化能力、语义理解力和因果推理结构提出更高要求。以 Palantir Gotham 平台为例，虽已具备生成战术建议、评估威胁等级与路径规划能力，但目前仍需由人类指挥员进行“最 终裁判”，AI 更多充当智能助手角色，尚未实现完全的决策自动化。 这种“感知先行，决策待破”的分层发展态势，凸显当前 AI 军事应用面临的本质难点在于：任务的不确定性 越高、信息的模糊性越强，AI 系统越难脱离人类监督独立运行。未来，随着多模态大模型、神经符号推理、因 果建模等前沿 AI技术的军用转化深入推进，辅助决策与情报分析方向有望迈入“融合期”，实现“人机协同判断 —自主辅助决策—指令执行闭环”的全流程一体化演进。

三、军事 AI 对战争形态与战略的颠覆性影响

1、美新军工联盟：企业技术突破与生态重构，深度嵌入三层级智能作战体系

近年来，在美军推进 CJADC2 体系、构建智能化战场的进程中，一批新兴高科技企业正逐步取代传统军工 承包商在关键技术链条中的核心地位，形成以 AI能力为主导的“新军工联盟”。这一联盟并非单一武器供应商 体系，而是以数据、算法、平台与多域算力为主轴的跨产业协同网络，其战略地位已由“技术支撑方”跃升为 “体系架构共同构建者”。代表企业包括 SpaceX、Anduril、Palantir、OpenAI 等，它们依托在人工智能、商 业航天、大数据建模等领域的原生优势，广泛参与美军在感知融合、智能指控、作战推演、无人系统等领域的 核心项目，为军事 AI 能力体系注入持续的技术活力。 这类企业通过与美国政府和军方形成深度协同，不仅带动了军工 AI 的技术突破，也在结构上重塑了传统军 工产业格局，推动行业向平台化、智能化、多元化加速演进。例如，专注于智能作战平台与数据决策引擎的 Palantir， 在 2023–2024 年间市值上涨超过 10 倍，成功超越波音、洛克希德·马丁、雷神等传统防务巨头，成为全球市 值最高的军工科技企业，标志着 AI平台型公司正在成为未来国防体系的中枢性力量。

在数据获取层，以 SpaceX 为代表的商业航天企业通过星链系统提供低轨高通量卫星通信，实现战场的实时 连接与动态信息回传；Maxar、Planet Labs 等商业遥感公司则提供高分辨率卫星图像，成为战术目标定位与环境 评估的重要支撑；而新一代 GPS 系统的持续升级也显著增强了战场导航、授时与抗干扰能力，为全域感知打下 了技术底座。 在基础平台层，Anduril 公司打造的“晶格网格（Lattice Mesh）”系统以及 Palantir 的 Gotham 与 Foundry 平 台，成为战场中枢神经系统的代表。它们通过 AI 算法对多源感知数据进行实时融合、语义解析与战术重构，构 建从“数据流”到“作战指令”的智能决策通道，并支持跨平台、跨军种的全域协同作战。特别是晶格网格系统 突破了传统 C2 架构中心化的瓶颈，使得前沿作战单元具备更强的自组织和任务适应能力，赋能战术级别的指挥 智能化。 在作战应用层，帕兰提尔（Palantir）、C3.ai、Shield AI 等企业通过深度参与目标识别、火力推荐、无人系 统协同等任务模块，推动 AI 算法从“辅助判断”向“主导行动”跃升。以 JFN（联合火力网）为例，该系统已 整合多家企业的 AI 模块与作战资源接入能力，构建起“从任一传感器发现目标，到任一平台迅速打击”的智能 火力闭环，实现“发现即摧毁”的作战逻辑重构。 整体来看，AI企业主导的“新军工联盟”已全面嵌入从感知、理解到行动的三大智能战场层级，其角色已 不再是传统意义上的外包商或配套商，而是构建未来战争体系的“算法架构师”与“作战逻辑塑造者”。这不仅 重塑了美国国防技术供应链的形态，也对我国军工生态和战略竞争格局带来借鉴意义。

2、战争规则重构：关注军事 AI 应用落地的各层级产业链企业

2.1 我国国防信息化战略地位提升带来行业发展机遇

国防信息化战略地位提升带来行业发展机遇。我国国防信息化在国家政策上得到高度重视，战略地位不断 提升。2015 年 5 月发布的《中国的军事战略》白皮书就强调军事斗争准备基点放在打赢信息化局部战争上。未来国防信息化地位有望进一步提升。中期来看，《第十四个五年规划和 2035 远景目标纲要》指出：加快机械化 信息化智能化融合发展，全面加强练兵备战，提高捍卫国家主权、安全、发展利益的战略能力，确保 2027 年实 现建军百年奋斗目标。长期来看，《二十大》报告明确指出：坚持机械化信息化智能化融合发展，加快军事理 论现代化、军队组织形态现代化、军事人员现代化、武器装备现代化，力争到 2035 年实现国家安全体系和能力 全面加强，基本实现国防和军队现代化。军事智能化的推进将全面提升新型军兵种的 作战能力和指挥效能，特别是在情报处理、辅助决策、火力打击、网络攻防、电子对抗、综合保障等关键领域， 有望为新型军兵种结构布局提供强大的技术支撑。 国防军费稳步增长，占 GDP 比重长期保持低位，未来增长可期。国防军费预算直接影响军事仿真行业的成 长空间。纵向来看，近五年来中国的国防军费预算稳步增长，增长幅度保持在 7%左右。横向比较，中国军费占 GDP 总量的比重长期保持在 1.5%以下，与其他国家相比明显较低，未来的提升空间较大。当今世界正经历百年 未有之大变局，国际安全面临的不稳定性不确定性更加突出，世界并不太平，国防军费增速和占 GDP 比重有望 进一步提高。《新时代的中国国防》指出：以信息技术为核心的军事高新技术日新月异，武器装备远程精确化、 智能化、隐身化、无人化趋势更加明显，战争形态加速向信息化战争演变，智能化战争初现端倪。国防信息化 市场有望实现高于国防军费的增长幅度。

中国国防信息化建设持续加速，未来 10 年市场总规模有望达到 3.30 万亿元。2017 年，中国国防装备领域 投入约 3436 亿元，其中国防信息化开支约 1155 亿元，占比 33.61%。预期国防信息化投入占比将持续提升，到 2035 年有望接近 50%。我们预测，2021 年国防装备总支出约 4415 亿元，其中国防信息化开支约 1589 亿元，同 比增长 9.97%，占比为 37%，2022 年中国国防装备领域投入约 4723 亿元，其中国防信息化开支约 1748 亿元。 2035 年中国国防信息化开支将增长至 5598 亿元，年复合增长率 8.66%，占 2035 年国防装备费用（11163 亿元） 比例达到 48%。未来 10 年国防信息化总规模有望达到 3.30 万亿元。

2.2 军事 AI 新型作战样式下我国产业链关注方向

随着人工智能深度嵌入军事体系，美军智能作战架构已形成“数据获取层—基础平台层—作战应用层”的 三层级体系逻辑。其中，SpaceX 星链、Maxar 遥感、GPS III/IIIF 等构成智能战场的数据神经网络（获取层）； Anduril“晶格网格”、Palantir Gotham等平台形成感知与认知中枢（平台层）；JFN 系统、TACAI 边缘部署平 台、智能弹药与多域无人集群等代表 AI 在指挥决策与作战执行中的深入落地（应用层）。这一体系展现出“感 知-理解-决策-执行”一体化闭环架构，重构了战争流程与能力边界。 在此背景下，我国军事 AI相关产业链的战略发展方向应聚焦于以下三大核心领域，对应美军三层级模型， 构建具备自主可控与体系对抗能力的未来作战支撑结构：总体而言，未来军事 AI 竞争的本质不在于某单点技 术的突破，而在于“跨层级协同、跨域智能闭环”的能力构建。我国相关产业链可参考对标美军智能作战三层 级架构，在星地融合、算力分布、无人智能平台等方向实现系统跃升。

1）低轨卫星系统（对应数据获取层）：构建“通导遥一体化”感知基座

美国通过 Starlink 星链构建天基通信覆盖，通过 Maxar 等遥感卫星提供亚米级战术图像，并借助 GPS III/IIIF 强化 PNT 系统，形成高可靠、弹性强、全天候的战场信息支撑网。特别是在俄乌冲突中，星链成为关键通信保 障力量，其战时网络冗余调度和敌我管控能力为全球提供了“战时低轨通信”范式。我国在高分遥感、高轨卫 星通信、北斗三代导航系统方面已形成较为完善布局。下一步应聚焦“通导遥融合+低轨组网”能力提升，通过 星座部署、数据接口标准化与任务级智能调度算法的联动，构建多层次、多模态的空天感知系统。可重点支持 “军事+民商”双轨推进路径，加快打造具备星间通信、中继自愈与低延迟回传能力的自主天基感知网络。 在“通导遥一体化”感知基座的建设路径中，我国低轨卫星系统的未来发展重点，正在由“信息获取”向“智能 计算”延伸演进，推动从‘天数地算’向‘天数天算’的本质跃升。这不仅是星座规模的扩张，更是体系结构的战略 再定义。以 AI 驱动的智能感知网络为核心，未来低轨卫星将不再是简单的信息中继节点，“算力星座”将成为 “在轨智能体”，具备本地分析、智能判断、实时反应能力，极大提升感知-决策链路的速度与可靠性。

海外方面，Palantir 通过“MetaConstellation”系统，已将微型 AI 模型部署至在轨卫星，实现在太空端完成任 务调度与数据融合，与 SpaceX 星链构建起“快速感知-定位-传输-打击”一体化闭环体系。这种“边云协同+星地融 合”的架构，使传统的中心计算模式得到重构，形成多节点、分布式、弹性冗余的战场感知能力，极大增强作战 节奏与抗毁性能。我国也已在算力星座方向展开系统布局，形成“实验验证—平台部署—生态成型”的全链条 推进格局：1）之江实验室提出“天基算力星座”计划，目标是构建全球覆盖、动态调度的天基智能计算网络， 为低空经济、智能感知和军事任务提供就近算力支持，探索“云边天”一体化架构。“三体计算星座”项目，将 协同全球合作伙伴，共建千星规模的天基智能计算基础设施，星座建成后整个太空算力将达到 1000P（每秒百亿 亿次浮点运算）。2）国星宇航启动“星算计划”，共计 2800 颗算力卫星组网，同时将与地面超过 100 个算力 中心互联互通，从而构建未来天地一体化算力网络。重点在于推进太空计算技术，探索异构在轨计算、智能芯 片部署与星载操作系统架构，构建以算力为核心的新型卫星体系，实现数据预处理、本地分析、任务联动的在 轨作战能力。3）中科曙光（中科院空天院）则从更广泛的算力生态入手，整合“芯片—整机—平台—服务”全 链条，投资中科星图、中科三清、中科天玑等核心企业，向天基计算提供技术储备与工业支撑，并在“时空大 数据+AI 模型”融合方面具备较强先发优势。

2）AI平台与边缘端部署（对应基础平台层）：打造战术智能中枢

美军在该层级的代表是 Palantir Gotham、Foundry、Anduril Lattice Mesh 等平台，通过接入多源异构数据、 构建战术图谱与情报关联网络，实现快速理解与自动化指令生成。同时，战术 AI 服务器（如 TACAI）被部署到前线，实现战场本地推理与低延迟响应能力，强化了平台级 AI 与边缘端 AI 的协同。 我国当前在算法平台能力（如类 Gotham 的智能决策系统）、国产 AI 芯片及算力模组等方向具备一定基 础，应强化“平台软件 + 端侧算力 + 系统集成”三位一体发展路径。推动面向军事场景的 AI 中台部署，结合 战术节点高性能 AI 边缘计算终端，构建前沿-中台-后端协同作战网络。同时推动工业级 AI 模型（识别、预测、 语义建构）向战术级轻量模型转化，适应实战部署需求。例如，渊亭科技推出了“天机·军事大模型”平台，采 用“大模型带小模型”的架构，融合知识图谱、图计算、强化学习等技术，已在强敌研究、作战指挥、模拟训练 等 70 多个军事场景中实现应用。

3）智能无人系统（对应作战应用层）：构建“感知—决策—打击”一体化执行体系

美国在 JFN 系统中整合 F-35、B-21、HIMARS 等平台的 AI 火力调度能力，支持目标识别、威胁评估与武 器指派自动化；而在无人系统方面，Shield AI、Anduril Ghost 无人机等实现蜂群作战、地图重建、自主打击等复 杂任务执行；DARPA 还推进“自主武器与人类协同”路径规划系统，构建未来“机动即火力”结构。 我国在察打一体无人机、地面无人车、无人舰艇与水下潜航器（UUV）等领域已有工程化进展。以“集群 智能+多域协同”为发展核心，突破动态目标追踪、自主航迹优化、作战任务重构等关键能力，推动“AI 原生 型”无人系统体系化生成。并探索基于数字孪生与虚实融合演训机制，构建从开发—训练—实战的一体化闭环。

编辑：火腿肠