数据即弹药，算法即将军

2023年4月美国国防部里来自联合人工智能中心（JAIC）、国防部首席数字与人工智能办公室（CDAO），以及几家硅谷AI公司的代表。共同演示大语言模型第一次被正式接入美军的作战数据流平台AIP，这是Palantir的人工智能平台。

同一周，Scale AI部署完毕"Donovan"平台。这个以美国二战时期著名情报军官威廉·多诺万命名的系统，首次实现了大语言模型在涉密国防数据环境中的本地化部署。它的核心能力，被描述为"允许情报分析师用自然语言查询机密数据库，并在几秒钟内获得经过交叉验证的分析结论"。

2023年到2024年，是算法从"辅助工具"升级为"战争核心"的临界点。数据不再是弹药，数据本身就是弹药。算法不再是参谋，算法正在成为将军。

一、从JAIC到CDAO：制度架构的升维

2022年2月，美国国防部宣布成立首席数字与人工智能办公室，将原先分散在各个军种的AI项目整合到一个统一的指挥架构下。CDAO的成立，标志着美国军方正式将AI从"实验性技术"提升为"作战能力"。

首任CDAO负责人克雷格·马特尔在成立仪式上的讲话非常直接："人工智能不应该只是实验室里的研究课题。它必须成为作战人员手中的工具。如果AI不能在前线被使用，它就毫无价值。"

CDAO的成立，在制度层面解决了此前困扰AI军事应用的三个核心障碍。

第一个障碍是"标准不统一"。空军用一套数据格式，陆军用另一套，海军用第三套。任何跨军种的AI系统都必须先解决"翻译"问题。CDAO被授权制定统一的AI数据标准，强制各军种在AI系统中采用通用的接口规范。这意味着，未来任何一个AI模型只要符合CDAO的标准，就可以被任何一个军种调用。

第二个障碍是"采购周期太长"。传统国防采购需要数年时间，但AI技术的迭代周期是几个月甚至几周。CDAO被授权使用"其他交易授权"——一种绕过传统《联邦采购条例》的快速采办通道，允许国防部直接从非传统承包商那里采购技术原型。这为Palantir、Anduril、Scale AI等"非传统承包商"打开了大门。

第三个障碍是"数据无法共享"——各军种的数据被锁在各自的安全飞地里，AI模型无法跨域训练和部署。CDAO启动了"联合作战数据环境"项目，目标是建立一个跨越陆军、海军、空军、太空军和网络司令部的统一数据层。

2023年7月，美国空军首次测试了使用大语言模型执行军事任务。空军上校马修·斯特罗迈尔在测试中向模型提供了涉密作战信息，用AI查询一个原本需要数小时甚至数天的信息，在10分钟内完成了。同一时期，在国防部数字技术与人工智能管理机构的主导下，美军方正在测试5种AI模型——其中包括Scale AI的Donovan平台。

到2023年底，Maven系统已经从"图像标注工具"演变为"全功能决策支持平台"，融合来自多传感器的数据以识别目标、评估威胁并促进作战决策。它可以实时处理情报、监视和侦察数据流——包括视频、图像、雷达数据和无线电信号——然后使用基于卷积神经网络的计算机视觉来检测和分类人员、车辆、设备等目标，并对每个目标进行地理定位，同时区分友军、敌军和平民。

Maven每小时可以向用户提议多达1000个目标。用户随后可以使用Maven的AI任务推荐系统，根据多种因素确定打击每个目标的最合适武器。一旦目标被识别并确定了合适的武器和平台，Maven可以直接与地面部队沟通，甚至直接与平台和武器系统本身沟通。

二、AIP与Donovan：大模型的军装

2023年4月26日，Palantir发布了一则视频，在防务行业内外引发了震动。视频展示"AIP"的人工智能平台将大语言模型深度嵌入到了军事指挥决策的完整流程中。

视频的操作界面是这样的：

分析师在对话框中输入任务指令，系统自动调用无人机传感器捕获实时视频。AI视觉算法自动识别视频中的异常活动，在屏幕上用红框标记潜在威胁。分析师用自然语言提问——"这是什么型号的装备？"——AI在三秒内返回了识别结果。然后AI根据威胁等级和可用资源，自动生成三种行动方案供指挥官选择。指挥官选定方案后，AI自动分配了电子干扰资产。

演示中让人不安的一幕是：当操作员询问"附近的平民和友军位置在哪里"时，AI不仅立即在地图上标记了这些位置，还自动在打击建议中排除了可能造成友军误伤或平民伤亡的方案。

Palantir的AIP和Scale AI的Donovan平台，标志着大语言模型第一次被正式引入美军作战决策流。Donovan平台能够"允许情报分析师用自然语言查询机密数据库，并在几秒钟内获得经过交叉验证的分析结论"。这套系统本质上是在做一件事：把原本需要分析师花数天时间才能完成的"情报综合研判"，压缩到几分钟甚至几秒钟内完成。

Palantir的AIP将现有的多种开源大语言模型集成到受控环境中，为指挥官提供战场态势感知、敌方动向自动预警、作战规划、兵力分配、交战监控、方案推荐等辅助决策功能。AIP的核心逻辑被称为"本体论"：将复杂的军事数据映射为易于理解的实体对象，"人员"、"地点"、"发射台"等，通过将所有来源的数据整合进统一作战视图，指挥官面对的不再是报告，而是实时的战场数字孪生体。

Maven系统和AIP的结合，让美军真正拥有了"鼠标点三下就能锁定打击"的能力。在一次演示中，美军展示了Maven如何将原本需要几小时的"杀伤链"闭环压缩到几分钟。传统的"观察-导向-决定-行动"循环被重构，操作员只需完成几次鼠标点击，系统就会自动处理从目标识别到行动方案推荐的全过程。

三、Maven的实战验证：2024年2月

2024年2月2日，美军对伊拉克和叙利亚境内的超过85个目标发动了空袭。对五角大楼而言，这是一次常规的报复行动，是回应此前约旦东北部美军基地遭袭、造成三名美军士兵死亡的事件。

但这次空袭有一个不同寻常之处。此次行动中，美军首次在实战中使用了MavenAI系统来帮助确定打击目标。利用计算机视觉技术自动识别火箭发射器和其他威胁。过去一年中，美军一直在中东地区通过一系列数字演习测试这项技术，直到2023年10月7日哈马斯对以色列发动袭击后，美国军方加大了AI工具的使用，正式在实战中启用了这一定位算法。

仅2024年2月2日一天，AI系统就帮助美军确定了85次空袭目标。据公开报道，帮助美军定位了也门的火箭发射器和红海的水面舰艇。美军在中东地区使用了超过125枚精确弹药，袭击目标包括指挥控制中心、情报中心、火箭和导弹发射基地、无人驾驶飞行器仓库等。

这是有史以来第一次，五角大楼公开承认，AI已经被用于"识别和打击敌方目标"。如果此前AI的军事角色是"辅助决策"，那么这一刻，它已经成为了"杀伤链"中不可分离的一环。

Maven系统每小时可以向用户提议多达1000个目标，并且一旦目标被识别并确定了合适的武器和平台，Maven可以直接与地面部队沟通，甚至直接与平台和武器系统本身沟通。

四、Lattice与Hivemind：边缘的霸权

在大语言模型渗透进指挥中心的同时，另一条技术线正在战场边缘以更快的速度进化。

Anduril的Lattice系统，被称为"面向无人机与蜂群对抗的开放式战术自主操作系统"，将AI推理直接部署在了无人机、雷达和导弹的边缘计算单元上。Lattice将人工智能与网状网络深度融合，可在最贴近战场的环境中部署具备互操作性的自主能力，实现从传感器到效应器的全链路打通。该系统的核心目标是压缩目标探测、识别、决策与行动之间的时间间隔。

Lattice不局限于特定作战域，可管控或协同空中系统（包括无人机、巡飞弹）、海上系统（自主水下航行器）、地面系统（传感/效应炮塔以及电子战装备）。操作人员可通过该系统开展多域自主装备的任务规划、仿真与监督。近程防御场景中，从目标识别到行动建议的时间指标通常小于1秒。

Lattice的底层架构，被称为Lattice Mesh的去中心化网状网络，可在各服务、平台、作战域之间远距离传输数据、事件与指令。该网络具备高抗毁性，无单点故障，在通信中断或干扰情况下可降级运行，通信恢复后自动同步。

在架构上，Lattice划分为三大模块：多源数据接入、态势理解（探测、跟踪、关联、意图研判）以及任务调度（任务规划、指令分发、安全管控）。模块化设计支持组件替换或新增，不影响整体运行，人工智能引擎与用户界面可迭代升级，同时保持与现有任务系统的兼容性。

在Shield AI这一侧，Hivemind系统，被称为"蜂巢思维"，正在实现无人战机的自主空战。根据公开报道，YFQ-44A"狂怒"协同作战飞机已经搭载Hivemind系统完成了试飞，与Anduril自研的Lattice任务自主软件栈实现了无缝切换。美国空军首次将任务自主软件与战机平台分开独立招标并选定Hivemind，标志着国防装备采购领域向软件主导的自主化模式发生了历史性转变。

Hivemind系统不绑定特定载台，与传统仅能按预设航线飞行的自动驾驶系统不同，该系统可自主规划绕飞路线或对抗动态障碍物，与同类型系统及有人战机协同执行战术动作，应对突发战场态势。

到2025年至2026年，Maven已部署于美国所有主要作战司令部以及北约盟军司令部的作战中。而Lattice和Hivemind的双系统试飞，被描述为展示了"基于任务自主能力构建空中力量的巨大潜力"。

五、争议：恐怖谷的第一道裂缝

但技术的狂飙带来了一个无法回避的问题：当AI可以在一秒内推荐打击方案、在几分钟内锁定数百个目标时，"人类监督"还有多少实质性的含义？

一个公开的提示展示了Maven系统的工作逻辑，它每小时可以向用户提议多达1000个目标，用户随后可以使用AI的任务推荐系统确定打击每个目标的最合适武器，甚至直接将数据与武器系统通信。

当一个AI系统每小时生成1000个目标建议，而人类指挥官平均只有几分钟甚至几十秒来审核每个建议时，所谓的"人类在环内"更像是一个法律虚构，而不是一个真正的控制机制。

2024年2月美军在中东使用AI辅助空袭后，争议开始从专业圈层溢出到公众视野。人权组织和隐私权倡导者警告，不加限制地使用这类工具可能会导致大规模监控或其他滥用行为。专家指出，美国正以前所未有的力度推动军工复合体与科技巨头的深度融合，人工智能的"加速主义"正将人类推向危险的边缘。

2024年4月，美国国会举行了一场备受关注的听证会。议员们传唤了Palantir、Anduril和五角大楼的官员，问题是同一个："AI杀人，谁来负责？"

Palantir的代表在证词中强调：AIP的所有决策建议都需要经过人类操作员的确认。但它也承认：当系统每小时生成上千个建议时，"确认"这个词的含义已经发生了变化。

Anduril的代表强调了Lattice系统的"开源"和"模块化"，开发者可以通过SDK创建去中心化应用、数据服务与硬件集成方案，并将其部署至作战前沿。当被问及"如果第三方开发者写了一个有缺陷的自主决策应用，谁负责"时，回答变得模糊了。

2024年5月，五角大楼发布了《负责任AI武器化框架》，首次为AI在武器系统中的应用划定了初步的伦理和法律边界。框架的核心条款包括：

第一，所有自主AI系统必须保留完整的"数字足迹"——每一个决策建议都必须可追溯、可审计。

第二，"人类必须始终在决策环内"，任何致命的行动都必须由人类操作员最终确认。

第三，AI系统的训练数据集必须接受定期审查，以防止系统性偏差。

然而，该框架的执行机制和数据访问权限仍存在争议。框架没有说明：如果AI系统做出了错误决策，责任归属于谁？是训练了数据集的工程师？是编写了算法的程序员？是确认了建议的指挥官？还是批准了系统部署的五角大楼官员？

这些问题在2024年仍然没有答案。它们被留在了框架文件的附录里，标注为"待进一步研究"。

六、算法的镜像

人类创造了能够在一秒内处理人类一辈子都读不完的数据的系统。我们让它在战场上证明了自己比人类更快、更准。然后我们把它叫做'辅助工具'，把人类的确认叫做'在环内'。我不知道这是在欺骗别人，还是在欺骗自己。"

这段话揭示了2023年到2024年间，AI军事综合体面临的深层矛盾：技术已经成熟到可以自主运作，但法律、伦理和责任的框架还停留在"人类始终在环内"的旧假设里。

就像一个在黄金操纵案中同时担任运动员和裁判的投机者，AI系统现在同时扮演着"情报分析师"、"参谋官"和"武器操作员"的角色。但它不需要为错误承担责任——因为它没有"责任"这个概念。

第一道裂缝，不是AI犯了一个错误。它发生在AI没有犯错、但人类操作员因为过度信任AI而忽略了自身的判断时。在这个意义上，恐怖谷的真正危险不在于算法会出错——算法当然会出错——而在于人类会忘记算法会出错。