近日，美国战略与国际问题研究中心（CSIS）发布《Maven智能系统是什么？它能做什么？》一文，对美军AI赋能作战核心软件平台“Maven Smart System”（MSS）进行梳理。文章认为，Maven智能系统已不再只是早期“Maven项目”中的图像识别工具，而是美军推进AI辅助情报分析、目标识别、火力运用和联合全域指挥控制的重要平台。

总体看，Maven智能系统的意义不在单一算法，而在于把传感器、情报数据、目标识别、兵力态势、武器选择、行动审批和打击效果评估整合到同一软件界面中，推动美军从“人工搜集和比对情报”向“机器辅助发现、融合、推荐、执行和复盘”的作战流程转型。

一、从Maven项目到Maven智能系统

文章指出，Maven智能系统是美国防部“Maven项目”的产物。Maven项目创立于2017年，初衷是把人工智能能力引入作战部队，尤其是利用计算机视觉提升对图像和视频情报的处理能力。

Maven项目早期发展并不平稳。谷歌曾是该项目的重要技术合作方，但2018年因员工抗议公司参与军事AI开发而退出。此后，数据整合和分析公司Palantir接手并逐步成为Maven项目的主要产业合作方。到2025年5月，Palantir与美国防部围绕Maven相关工作的合同上限已超过10亿美元；同年秋季，Maven智能系统相关工作被纳入该合同范围。

需要区分的是，“Maven”与“Maven智能系统”并不是完全等同的概念。前者是美国防部当前AI项目和相关能力建设的统称，涵盖自动目标识别等多条工作线；后者则是具体的软件平台，是美军当前AI赋能作战体系中的旗舰式应用。CSIS援引Palantir相关资料称，Maven智能系统由Palantir平台提供支撑。

从部署范围看，该系统已经被美军联合参谋部、各战区司令部、国防部和情报界多个单位使用，也扩展到部分北约盟友。Palantir方面称，该系统用户数在过去两年多里每六个月翻一番。文章据此推算，若2025年5月用户数已超过2万人，那么当前用户规模可能已接近8万人。

这说明，Maven智能系统已经不是一个试验性工具，而正在成为美军跨机构、跨军种、跨盟友使用的作战软件平台。

二、系统具备六项基础能力

文章认为，Maven智能系统的核心功能是为军事情报和目标打击提供图形化用户界面，同时承载不断扩展的联合全域指挥控制功能。

通俗来说，该系统把大量情报、监视和侦察数据接入统一界面，并通过AI模型对其中的目标、活动、模式和异常进行识别，再把结果以地图、标记、任务流程和推荐选项的形式展示给操作人员。

CSIS文章列出Maven智能系统的六项基础能力：

• 战场空间管理

• 目标管理

• AI辅助的周密计划与执行

• 计算机视觉目标探测

• 机器辅助情报披露

• 生成式人工智能能力

其中，计算机视觉主要解决“看见什么”的问题，即从卫星、无人机、传感器视频和图像中识别车辆、人员、设施、武器系统等目标；生成式AI和大语言模型则更多解决“如何理解、关联和生成方案”的问题；战场空间管理和目标管理则把识别结果嵌入作战流程。

文章指出，在作战场景中，操作人员可以在系统中选中AI发现的目标，查看周边可用打击平台，比较不同武器和兵力选项，并结合时间、距离、燃料、打击窗口等约束作出选择。选定打击手段后，系统还能支持下达行动命令，并利用ISR数据持续监控打击效果。

这意味着，Maven智能系统试图把“发现目标—评估目标—选择武器—执行打击—评估效果”压缩到一个统一流程中。其价值并不只是提高识别速度，而是缩短从情报发现到火力运用的整个杀伤链。

三、解决三类作战难题

文章认为，美国防部在快速打击正确目标方面长期受到三类问题制约。Maven智能系统正是围绕这些问题展开能力建设。

第一，数据量远超人工分析能力。伊拉克和阿富汗战争期间，美军无人机侦察已非常普遍，但传感器数量增长速度远快于分析员数量增长速度。文章引用商业卫星公司Maxar的例子称，仅Maxar卫星一天生成的影像，单个分析员就需要约85年才能全部看完。Maven智能系统的解决方式，是让AI先执行初步筛选和标注，再由人类分析员验证和判断。

第二，多源情报难以实时整合。现代目标打击往往需要综合无人机视频、雷达、信号情报、卫星图像和地理信息。过去这些系统常采用不同格式、接口和流程，分析员需要在多个系统间查找和拼接数据。Maven智能系统通过单一地图界面整合不同传感器数据，使操作人员能在同一平台内关联图像、视频、信号、地理和任务信息。

第三，目标识别与武器运用脱节。有效打击不仅需要知道目标在哪里，还需要知道己方兵力在哪里、附近有哪些武器平台、哪些平台可用、打击窗口如何、平民和友军风险如何。Maven智能系统试图把目标、友军位置、武器能力、行动约束和推荐算法放入同一界面中。

美国防部首席数字与AI官Cameron Stanley曾在2026年3月演示中表示，美军已经从“识别目标”推进到“生成行动方案”并进一步“执行目标行动”，且这些流程都能在同一系统中完成。过去这一过程可能需要8到9个系统协同。

四、目标打击效率显著提升

文章认为，公开资料中最能体现 Maven 智能系统效率提升的案例，是美国陆军第18空降军在2023年至2024年开展的“猩红龙”系列演习。

相关评估认为，第18空降军使用Maven智能系统后，能够在时敏目标处理方面达到“伊拉克自由行动”时期美军目标打击小组的效率水平。

值得注意的是，两者投入人员规模差异巨大。“伊拉克自由行动”时期的目标打击单元拥有超过2000名工作人员，而第18空降军相关演习中的目标处理小组大约只有20人。如果这一比较成立，其意义十分重大：AI和软件平台正在显著压缩目标处理所需的人力规模。

文章还指出，美军在伊朗战争最初24小时内使用Maven智能系统协助打击超过1000个目标，据称较前Maven时代能力提升约10倍。虽然这一数据来自公开报道，仍需结合具体作战背景谨慎理解，但它显示该系统已不只是演习工具，而是被用于实际军事行动。

五、大语言模型进入作战流程

早期Maven项目更容易被理解为“用AI看图像”，但CSIS强调，随着大语言模型接入，Maven智能系统的能力已超出计算机视觉范围。

计算机视觉模型通常围绕特定任务训练，例如识别车辆、人员、设施、船只或特定装备。大语言模型则具备更通用的语言理解、信息整合、模式分析和交互能力。

文章认为，大语言模型至少提供两类关键能力。一是自然语言交互。分析员可以通过自然语言询问系统，要求其解释战场态势、汇总目标变化、关联不同时间段的发现，或辅助形成可能行动方案。二是更广泛的模式分析。大语言模型可以吸收计算机视觉模型生成的探测结果，并在更长时间范围内识别活动规律。

在 Maven 智能系统中，Palantir 的人工智能平台 AIP 主要承担接入和调用大语言模型的功能。Maven Threads、Maven Agent Studio和Maven Logic等工具分别支持文档分析、交互式助手和无代码函数开发。这说明，美军并不只是把大语言模型当作聊天工具，而是试图将其嵌入军事业务流程。

六、Anthropic与Claude的作用及争议

文章指出，Palantir的AIP需要底层大语言模型支撑。Anthropic是首家将其模型部署到相关涉密环境中的前沿AI公司，其Claude模型支撑了Maven智能系统的大语言模型能力。2024年11月，Palantir宣布与Anthropic合作，将Claude通过AIP带入涉密网络；2025年7月，美国防部续签并扩大了与Anthropic的合作。

但文章也重点分析了Anthropic与美国防部关系在2026年的恶化。据称，双方在重新谈判合同时，美国防部要求加入允许Claude用于“任何合法用途”的条款，并删除此前已接受的服务条款限制。这些限制涉及大规模国内监控和完全自主致命武器等用途，Anthropic拒绝接受。

随后，美国防部将Anthropic标记为“供应链风险”，特朗普总统还下令联邦机构在六个月内停止使用Claude。与此同时，SpaceX、OpenAI和Google等前沿AI公司已与美国防部达成协议，将相关技术部署到涉密网络。

这一变化反映出一个重要问题：美军不希望在关键作战软件平台上依赖单一AI模型供应商。未来Maven智能系统可能形成“平台由Palantir整合，多家AI公司提供模型能力，美国防部控制使用边界”的格局。

七、结论

文章的结论是：Maven智能系统已经成为美军AI赋能作战的旗舰软件平台。它不是单一算法，也不是单个目标识别工具，而是一个把ISR数据、AI识别、大语言模型、战场态势、目标管理、火力选择和联合作战流程整合起来的平台。

从技术层面看，Maven智能系统解决的是海量数据处理、多源情报融合和目标打击流程压缩问题。从作战层面看，它试图缩短发现目标到实施打击之间的时间差。从组织层面看，它正在推动美国防部把AI能力纳入正式采办、预算和联合全域指挥控制体系。

但这并不意味着该系统已经完全成熟。模型可靠性、数据规则、军种壁垒、盟友共享、供应链依赖和AI伦理限制仍将影响其后续发展。尤其是Anthropic与美国防部关系恶化，显示前沿AI公司、国防承包商和政府之间的利益边界并不稳定。

未来，Maven智能系统值得持续关注。它不仅反映美军AI作战能力发展方向，也可能成为其他国家研究智能化战争、指挥控制体系和AI辅助打击链建设的重要参照。