美国天基情报加速拥抱AI

（一）报告背景指向一次体系级转型

报告指出，过去几年，AI已成为地理空间情报领域几乎所有会议发言和专业讨论的持续主题。美国国家侦察局认为，AI正在改变角色、流程、速度和能力，因此不再只是工具升级，而是空间情报体系重塑的关键变量。

从中国军事专家视角看，这份讲话的重点不在技术概念本身，而在美国国家侦察局如何把AI嵌入侦察体系全链条。简单来说，天基ISR就是利用卫星从太空获取情报、监视目标、实施侦察的能力。报告把AI与天基ISR绑定，反映其对未来空间情报竞争节奏的判断。

（二）全生命周期管理是其能力基础

报告强调，美国国家侦察局负责天基侦察系统的研究开发、采购、发射、部署、运行以及相关数据处理设施。这种全生命周期职责，使其能够持续接收用户需求，并把研发、工程和作战使用压缩到同一体系内。

报告认为，这一模式构成美国空间情报优势的重要来源。其逻辑是，用户提出问题，研发部门快速调整，地面和天上系统同步更新，最终形成较短的能力迭代链条。AI被放入这一链条后，主要作用是加快识别、处理和分发。

（三）近年转型集中在四个方向

报告将美国国家侦察局近年变化概括为创建以来最重要的转型之一，核心是用更多卫星、更多商业能力和更多算法处理快速增长的数据。相关内容可归纳为以下方面。

- 新能力提供更精确测量，并覆盖更多情报收集模态。

- 系统通过扩散化和多样化提升空间与地面韧性。

- 流程调整、供应商扩展和商业能力运用加快能力交付。

- AI和机器学习用于处理指数级增长的多源数据。

- 自动化把多情报学科数据以机器速度推向需求端。

（一）卫星星座扩展提供现实牵引

报告指出，美国国家侦察局在过去两年增加了200多颗不同尺寸和能力的卫星，并建立专门办公室整合商业能力，吸收前沿技术进入自身体系。其扩展星座已从设想转为运行，表现好于预期。

这一段信息值得重视。报告所说的星座扩展，不是单纯增加卫星数量，而是同时追求能力、韧性、精度、重访时间、持续观测和数据传输速度。其背后是以规模换韧性，以算法换速度，以商业能力补充军方体系。

（二）研发周期压缩体现采购改革效果

报告称，美国国家侦察局通过综合采购改革工具，并加强任务办公室和工业伙伴协作，把平均能力发展周期从5年以上压缩到约3年。这一表述说明，AI应用并不局限于卫星载荷和数据分析，也进入采办、合同和工程管理环节。

报告强调，其目标是在不牺牲质量和安全的前提下更快交付作战能力。这种表述反映美方对对手快速部署能力的焦虑，也说明空间情报竞争已从单项技术比拼转向组织速度、工程速度和数据速度的综合竞争。

（三）AI被用于压缩工程链条

报告列举了AI支持能力交付的多个具体用途，重点是减少人工审查、加快模型转换、提前发现风险。相关做法具有明显工程化特征，不是停留在概念展示。

- AI识别地面和空间运行异常，用于发现网络入侵风险。

- AI评估设计需求缺口，在生命周期早期降低系统风险。

- 模型化系统工程把关键文档加速转换为数字模型。

- 在轨检验通过识别校准模式缩短发射后投入运行时间。

- 自动生成测试程序，减少需求文档转化中的人工负担。

- 风险分析识别关键路径脆弱点和概率性交付预测。

- 技术文件和需求包审查用于检查准确性与一致性。

- 历史任务文档和经验库检索速度获得明显提升。

报告还提到，AI正用于加快合同动作。这一点容易被忽视，但对军事能力建设很关键。合同处理越快，新平台和新技术进入体系越快，采办周期就越短。美国国家侦察局把这类事务性环节也纳入AI应用，说明其关注的是全流程效率。

（一）自主化需求来自星座规模增长

报告指出，随着星座规模扩大，人工操作员将超过有效管理能力上限，因此必须把更多自主功能纳入运行体系。这里的自主化不是完全替代人员，而是让航天器、地面系统和任务规划具备更强机器驱动能力。

报告认为，美国国家侦察局已有数十年自主化和机器驱动功能经验，当前是在此基础上叠加AI和机器学习。其目的，是让任务安排、目标获取、数据处理和异常发现更快、更少依赖复杂人工流程。

（二）AI让系统从复杂操作转向自然交互

报告提出，未来用户应能用普通语言提出信息需求，并由系统即时转换为任务请求。简单来说，大语言模型就是能理解和生成自然语言的AI模型。美国国家侦察局正在部署智能体AI框架，用于编排其内部系统行动，并跨工具和外部来源查询数据。

这种设计的军事含义很直接。过去用户需要懂系统、懂流程、懂任务指令，未来则希望把复杂操作隐藏在后台，由AI把普通提问转成可执行请求。对战场用户而言，这意味着从找系统转向问系统，从查数据转向要答案。

- 航天器自主性增强，支持星上处理和实时态势响应。

- 任务分配流程简化，星座级任务规划由手工转向对话。

- 短暂目标探测和响应能力提高，捕捉瞬时机会窗口。

- 异常检测自动化，可发现人工操作员容易忽略的偏差。

- 数据可发现性增强，高压场景下用户更容易理解信息。

（三）多源数据融合决定情报价值释放

报告回顾称，美国国家侦察局自20世纪60年代起就是数据驱动机构，长期处理大规模数据集，以解决复杂、时敏情报问题。今天，其客户从分析员、跨机构和民事群体，到政策制定者、作战人员，需求更复杂。

报告以9·11之后红点项目为例，说明其早期已尝试快速自动融合数据。该项目把信号和卫星图像结合起来，近实时、较高精度识别简易爆炸装置可能位置，向部队发出警报，并引导爆炸物处理小组排除威胁。

报告强调，当前对更高精度、更低时延、更大规模数据收集的需求进一步上升。AI和机器学习技术可在海量数据中搜索相关信息，并以更快速度交付给用户。报告使用的逻辑是，在更大的干草堆中找到更多针。

- 分析员需要发现过程更容易，并能追踪元数据和来源。

- 作战人员需要近实时可行动情报，直接服务现场处置。

- 急救人员关注速度和明确性，不需要复杂分析链条。

- 对分析员，系统提供数百类目标检测并嵌入工作流程。

- 对作战人员，系统交付融合后的近实时可行动情报。

（四）可信、可审计是AI作战化前提

报告指出，AI系统必须交付可获得、作战有用、用户可理解、可审计的产品。对于设计优化和任务分配算法，可以通过经验测试验证是否符合需求；但要证明AI给出的是最优解，仍然困难。

报告特别强调数据融合问题。系统提供的答案并不总能立即验证，且相关测量可能被人为或自然因素遮蔽。因此，AI可解释性成为美国国家侦察局的重大关切，也是仍未完全解决的研究领域。

报告称，美国国家侦察局正在把信任和透明度纳入每个AI系统，做法包括严格测试验证、持续监测性能问题、清晰记录系统开发过程，并建设超密集环境等基础设施，在本财年把图形处理器容量翻倍。

（一）结论

该报告的结论是：美国国家侦察局认为，AI正在建立在其近65年空间侦察创新基础之上，推动天基ISR从能力建设、系统操作到数据理解全面加速。通过AI、机器学习和自动化，该机构正把多情报学科数据以机器速度和全球规模交付至需求端，以保护卫星、监视对手活动，并向作战人员、分析员、急救人员和决策者提供及时、准确情报。

从材料本身看，美国国家侦察局的AI路线不是单点应用，而是覆盖采办、合同、工程、在轨检验、星座调度、数据融合和人员建设的体系工程。其核心判断是，未来空间情报优势取决于谁能更快创新、更快部署、更快把数据转化为可行动情报。

（二）建议

该文件提出的建议：美国国家侦察局应继续利用AI和所有可用新兴技术，维持美国天基情报优势，同时确保AI系统可信、人员能力适配、数据产品可用。其建议可概括为以下方面。

- 继续把AI嵌入天基ISR全生命周期，提升能力交付速度。

- 扩大自主化和自然语言交互，降低星座运行复杂度。

- 强化多源数据融合能力，满足不同用户的时效需求。

- 建立可解释、可审计AI体系，维护情报产品可信度。

- 增强算力和验证基础设施，支撑可依赖AI能力开发。

- 建设AI就绪队伍，让人员承担更高层次创造性任务。