行业动态

 2025年7月，美国陆军战争学院战略研究所（SSI）发布了《将人工智能和机器学习技术融入通用作战图和行动方案制定》的报告。讨论将AI技术嵌入通用作战图（COP）与行动方案（COA）制定。其要点并非“让AI替代参谋”，而是把AI放在提高态势信息整合效率、加速COA生成与比较，并通过数据结构化与流程嵌入，把工具输出转化为可校验、可追责的规划输入等功能位置上。

作战规划整合人工智能的技术要求

 人工智能技术如何改进COP和COA开发的关键环节，是作战规划工作的核心。通用作战图是指“统一展示多个指挥部门共享的相关信息，以促进协同规划并协助各级单位实现态势感知”。理想的COP常被称为战场上的“单一视窗”，是制定作战行动计划、迅速作出决策以及确保在对抗对手时获得作战优势的重要工具。行动方案通常被视为规划中的“艺术性”环节，它是一个通过开发流程而形成的综合性解决方案，必须与指挥官的意图和指导保持一致。该流程需运用与任务相关的说明和知识产品，结合作战与战术的艺术，通过调整诸如阶段划分和节奏等要素，形成多种可供选择的行动方案。

 人工智能和机器学习模型建立在数据基础之上。对于COP和COA的开发，大多数相关数据将直接来自传感器或工作人员的估计，这些数据必须经过结构化处理才能供模型使用。因此，需要进行一定程度的数据准备，将数据重新格式化为机器可读的形式。

（一）将模型集成到通用作战图

 美国国防部的联合全域指挥控制战略旨在利用人工智能、机器学习和预测分析从传感基础设施中提取、整合和处理大量数据信息。Palantir公司的Maven智能系统（MSS）可整合多种数据，利用计算机视觉等为COP生成提供支持，提升了目标处理效率。不过，它存在依赖人工确认、模型需重新训练等局限，且一些创新应用尚未实施。人工智能和机器学习应专注于为COP提供信息的效率，而非直接生成COP。在图像和视频处理等领域应用人工智能和机器学习，能加速COP开发和决策，如在前沿传感器上添加相关模型可提供实时情报。

（二）将模型集成到行动方案

 在军事决策过程（MDMP）中，COA的开发、分析和比较占时过半。当前人工智能和机器学习可在作战规划的科学层面发挥作用，如自动化简单任务节省时间，评估战斗力时结合数据与主观因素提供洞见。人工智能和机器学习模型有望整合众多军事指挥官和规划者的经验，但商业生成式人工智能在COA开发中存在不足，如易受算法偏见影响、依赖训练数据准确性等。需注意的是，没有人工智能和机器学习模型能制定完美的COA，其输出依赖数据质量，需与其他信息比对验证。当前建议人机协同使用模型，以弥补短板、发挥优势。在可预见的未来，人机协作仍是主流。

（三）为通用作战图和行动方案制定提供数据支持

 鉴于在模型训练所需可用数据方面存在挑战，应当采取多项措施来应对、协调或降低风险。包括以下步骤：

 一是建立“作战数据网格”。数据网格是一种去中心化的数据架构，按业务领域（如财务与后勤）来组织数据。赋予数据生产者制定文档管理、质量控制及访问权限的自主权。数据使用者则可自由搜索并按需使用这些资源。既保障数据生产者的控制权，又方便使用者获取高质量数据。二是制定数据屏蔽策略和能力，以解密大量数据。数据屏蔽技术通过令牌化、格式保留加密等方式处理敏感数据，使其可用于非机密环境训练，在医疗领域已见成效，也适用于军事操作数据。但半结构化和非结构化数据处理存在技术与政策挑战，且基于解密数据训练的模型可能因涌现行为泄露机密，不过仍是值得投资的领域。三是生成合成数据，这是弥补数据不足的重要手段，包括数据增强（通过修改原始数据生成新数据，如文本同义词替换）、模拟（虚拟环境生成数据）、生成模型（借助大语言模型生成逼真内容）。其中数据增强和生成模型更具投资价值，而模拟因成本较高不建议用于合成数据集。四是数据标准化。需制定严格标准，兼顾半结构化与非结构化数据的灵活性，同时通过治理机制确保执行，平衡规范与实际需求。

作战规划整合人工智能的组织调整

 新兴技术的管理与整合是各国军队都面临的挑战。尽管资源配置决策为变革提供了手段，但组织调整才是实现变革的途径，它构建了整合的框架。对于未来的组织设计结构而言，一个重要的考量是机器智能与人类专业知识的结合，以将人工智能能力制度化，从而增强陆军部队的态势感知、行动方案制定和规划能力，并简化领导者的决策流程。

 当前，美国陆军已确定了不同人工智能整合水平所需的知识和技能，并为少数人提供了关键培训资源。但利用新的人工智能工具不仅仅是在一个设施中有少数主题专家，或者作战单位能够向更高层级的总部寻求支持。相反，整合机器学习和数据驱动技术以提高态势感知和行动方案制定能力，将要求几乎所有参与规划过程的人员都获得新的知识和技能。在构建人工智能人才库的同时，还必须考虑如何解决未来在留住有教育背景和经验的人工智能专业人员方面的差距，这些专业人员能够推动开发和维持先进技术所需的变革。

 此外，报告指出，还必须从整体层面评估现有兵力结构与组织设计，识别差距，并在各个层级制定切实可行的改进方案：淘汰旧有架构，投资于新型兵力结构；重新划分职责，增设新职能，以优化劳动分工和信息流转。最直接的弥补方式是审视内部组织设计，明确哪些岗位应被界定为人工智能专业人员、技术人员或使用者。将这些组织变革制度化，是迈向“人工智能就绪部队”的艰难一步。然而，若要实现转型，还必须化解文化阻力，并克服固有的官僚摩擦。