在印太与中东，随着地缘对手的A2/AD能力不断增强，美、欧、澳、日等西方盟国正逐步失去海上广域侦察监视（MWAS）能力上的传统优势，与此同时，MWAS任务中的人员疲劳、数据过载等问题也严重困扰着他们。受多重压力推动，西方国家军队正加速引入可边缘部署的AI/ML，通过“软”升级的方式重塑MWAS能力优势。

一、 传统 MWAS 运作模式面临的困境

在西方海军的传统MWAS模式里，海上巡逻机是最重要、最核心的力量。无论是有人驾驶的，如P-8A巡逻机，还是无人驾驶的，如MQ-4C/MQ-9B，即便先不考虑它们在对抗环境下的生存问题，也面临四个非常棘手的问题：

首先是有人/无人巡逻机都避不开的操作员“疲劳”问题。为了能发现故意关闭船舶自动识别系统（AIS）、规避雷达探测的“暗船”（Dark Vessels），以及海上的小目标。有人巡逻机后舱或无人机地面站的传感器操作员都需要注意力高度集中地紧盯雷达与光电传感器屏幕，然而，一次海上巡逻任务通常持续6到12小时，在这种极高的认知负荷下，每班人类操作员会在工作1至2小时后目标识别率断崖式下降。如果是在高海况环境下执行任务，操作员的认知负荷还会显著增加，有质量的信息处理时间也会更短。

其次是“数据过载”问题。西方现役的各类海上巡逻机均配备了性能优异的雷达与多波段光学传感器，单次巡逻飞行就能产生几个TB的原始影像数据。由于巡逻飞行非常频繁，而投入即时判读的人手又远远不够，大量珍贵数据在落地后闲置甚至被直接覆盖，陷入恶性循环。

第三是过度依赖雷达带来的综合影响。传统MWAS模式中，巡逻机依赖合成孔径雷达（SAR）进行广域搜索，引导光电设备精确识别目标。然而，雷达发射的电磁波形会暴露巡逻机的位置，高海况带来的强烈海杂波、对手释放的电磁干扰都会使雷达效能下降。

第四是MQ-4C这类海上巡逻无人机面临的传输脆弱性。前面已经提到过，它们每次飞行都会产生数个TB的数据，当前，这些数据极度依赖高带宽卫星链路即时回传至岸基融合中心，一旦通讯链路被干扰传输数据量显著下降或阻断，这类远程海上巡逻无人机将瞬间失去战术价值。

二、 解决思路与现货AI/ML产品（系统）

不难发现，造成问题一、二、四的根本原因是数据无法自动化、现场实时处理，问题三则是广域搜索依赖雷达造成的。近年来，随着计算机视觉、AI/ML、边缘计算等技术快速发展，西方军队与公司选择了一条新的解决途径，他们不再耗费巨资更换光电球或雷达等硬件设备，转而引入与传感器硬件解耦，以计算机视觉为核心，可直接部署于传感器终端边缘处理芯片中的AI/ML任务软件，这样，九成以上的原始数据在源头被快速自动处理，人机协同工作模式显著减轻人类操作员的工作压力，提炼出的有用信息数据量小，降低了对传输宽带的要求。为降低对雷达的依赖，西方尝试在单平台上运用“基于计算机视觉的无源广域光学/红外搜索与跟踪”技术（可简称为ViDAR技术），并探索由多平台上的光学传感器实现广域覆盖。

三、 部署与运用情况

上述AI/ML系统目前已进入了实际部署阶段，成为美、欧、澳、日等西方国家军队与执法部门日常MWAS的得力帮手。下面将分单平台上部署与组网覆盖两种情况进行介绍。

在单平台部署方面，美海军最为积极，其海军航空作战中心（NAWCAD）已将Overwatch Imaging公司的 ASO 软件集成到有人巡逻机与多型无人巡逻机上，有报道称，部署该软件的巡逻机在演习中曾利用光学传感器发现100海里外的海上目标。在欧洲，欧盟海事安全局（EMSA）与欧盟边境局（Frontex）为应对日益严重的偷渡，已在地中海与英吉利海峡常态化使用配备Shield AI公司ViDAR产品的S-100 无人直升机执行MWAS任务，显著提高了在大雾和低能见度下发现并识别偷渡橡皮艇的成功率。与欧洲相同，澳大利亚也为其Dash-8 巡逻机配备了Shield AI公司ViDAR产品，用以搜索来自东南亚的海上偷渡船只。日本海上自卫队则为其P-1巡逻机与SH-60L直升机采购了Teledyne FLIR公司的Star SAFIRE 系列多光谱影像系统，用以强化对日周边外国海军舰艇的监视能力。

在组网覆盖方面，美海军同样领先，部署在中东的第五舰队第59特遣队（TF59），其管理的Saildrone、MARTAC T38等无人平台上不但部署了AI/ML视觉处理系统，而且都接入Anduril 的 Lattice OS，接受后者的统一调度，TF59利用这张由无人系统构建的MWAS网监视波斯湾与红海，有西方媒体报道，利用这种组合配置，无人艇上的AI/ML视觉系统在低带宽的条件下协作识别并跟踪关闭 AIS 的走私船，并自动将目标坐标与经压缩的目标影像数据经卫星传回总部，通信带宽需求仅为原来的10%。

四、 启示

在HMDI看来，西方国家通过在执行MWAS任务的节点上部署相关AI/ML视觉系统，将其从一个“数据采集器”升级成为了“实时信息处理器”，不仅大幅提高了和平时期MWAS任务的效费比，而且使其获得了更适应未来高强度海上对抗的MWAS能力。

首先，他们掌握了无辐射的被动隐蔽侦察手段。借助ViDAR等系统，西方的有/无MWAS节点无需开启主动雷达，仅凭光学与热成像镜头搭配相应的算法，即可独立或组网协同完成对大范围海域内目标的“粗筛、定位与分类”。如果这些MWAS节点采用隐身设计或自身尺寸很小，那将能在“神不知、鬼不觉”的状态下开展MWAS行动，有效避开威胁。

其次，加速远程对海打击杀伤链的进程。以往，组织远程对海打击，目标信息从传感器到射手需要跨传感器联动，而这个过程高度依赖人工操作，而现在西方军队边缘部署的这些AI/ML已将该流程彻底自动化。例如，某巡逻机机载雷达或广域光学被动扫描一旦发现像素异常，机上相关AI/ML 算法（系统）会在毫秒级内完成去海浪杂波与自动分类，并瞬间触发（Slew-to-Cue）相机进行窄视角高精确度锁定，自动或人机协同提取目标的三维坐标与目标特征，再将目标信息压缩实时上传，让“发现”到“确认”的时间由数十分钟缩短至秒级，显著加快了交战速度。

通过上述分析不难发现，通过“软”升级，西方正加速自身MWAS体系的转型重构，悄然形成的多维度、隐蔽、高生存力的海上感知网格将为西方应对未来高强度海上冲突提供新优势。