西方认为除非改写对自主性的理解，否则其将继续列装那些在纸面上看似现代、却在战场联系中断时即刻瘫痪的系统。应摒弃关于“自主性”的遗留概念，迅速转向真正的AI自主性——即能够在无法依赖卫星导航系统、外部数据和人类监督的对抗环境中独立感知、决策和行动的系统，越来越自主的、适应电子战密集型环境的系统。
真正的AI自主性需要被定义，并与当下常具误导性的营销术语区分开来，后者常将遥控与智能自主混为一谈。俄乌战争近期的进展，特别是在电子战、人力短缺以及机器人在后勤和伤员后送中日益增长的作用方面，说明了为何真正的自主性如今在战略上不可或缺。然而，阻碍其快速采用的生态系统壁垒依然存在，包括数据稀缺、测试基础设施不足、开源协作有限、监管障碍以及脆弱的系统架构。迫切需要制定架构原则和长期技术路线图，以构建能够以18-24个月而非数十年为周期进化的系统。
防务领导人应采取特定步骤以实现真正的AI自主性，包括创建共享数据集和国家测试靶场、要求模块化可升级架构、为民用创新者开辟途径，并发出清晰的采购信号，以奖励真正的自主性而非渐进式的伪自主功能。
何为真正的AI自主性，何者不是？
当今防务技术领域充斥着各种术语——“无人系统”、“自主系统”、“机器人技术”、“AI赋能”等等——这常常模糊了理解。
决策者很容易产生错误印象。例如，一个“无人”航空系统可能会让人联想到像《终结者》中的猎杀机器人一样自主飞行的无人机，而实际上它只不过是一架由人类机组人员指导任务每一步的遥控飞机。
让我们抛开术语的迷雾。本文将采用一个严格的真正的AI自主性定义，并避免使用“无人”等掩盖实际人类控制水平的委婉语。
真正AI自主性，是指导弹、无人机或机器人内部的一组技术，使其能够在特定条件下独立执行整个任务，无需人类指令或依赖外部数据源，且在此条件下能获得相对于敌人的显著优势。换句话说，自主武器或载具可以实时自主地感知、决策和行动，以完成通常需要人类引导、全球卫星导航系统或远程传感器的任务。
真正的AI自主性任务可以是致命的、信息性的或后勤性的。在未来几年，或许仍可预期人类会为这些系统定义任务目标。例如，指挥官指派无人机侦察特定区域，或指派巡飞弹在指定区域搜索防空雷达。
但应致力于使系统能够基于对战场态势的理解来确定自身任务。这可能意味着无人潜航器识别到附近有敌舰并选择跟踪，或侦察无人机注意到干扰敌通信的机会并自动抓住。
关键的是，真正的自主性不能依赖外部连接。如果你的“AI”无人机需要远程操作员遥控，或者需要卫星导航系统卫星或远程雷达的持续数据流来寻找目标，那它就不是真正的自主。只是一个带有一些花哨功能的遥控系统。
根据这个严格的定义，当今许多被宣传为“自主”的东西根本不符合条件。而这正是关键所在——防务界不应使用此类术语。
为何AI自主性对国防至关重要
怀疑论者认为，AI自主军事系统在某些场景下不会有效。例如，批评者声称，AI制导的无人机在大洋上空无法工作，因为缺乏用于导航的地形特征，或者自主性在黄昏、雾天或大雨等困难条件下会失效。
表面上看，一场潜在冲突——一个广阔的海上战区——似乎更有利于传统的有人驾驶平台和远程导弹，而非自主无人机或机器人。然而，此类论点忽略了几个关键因素，例如电子战与导航干扰威胁、人类操作员短缺，以及后勤和伤员后送的自主性等。
电子战与导航干扰威胁
现代电子战暴露了依赖卫星导航等外部信号的武器的脆弱性。在乌克兰，俄罗斯部队使用了大规模的干扰来使GPS制导失效或进行欺骗，极大地降低了西方精确弹药的有效性。这种威胁不仅限于乌克兰前线——它正在全球范围内扩散。便携式干扰设备正变得易于被非国家行为体、爱好者和恐怖分子获得。例如，只需几十美元就能买到可干扰GPS信号的商用或自制装置。不难想象，一个资金充足的组织会使用干扰器来使警方拆弹机器人失灵或使侦察无人机坠毁。乌克兰战争“证明了AI赋能武器在敌方电子战可轻易干扰遥控系统的环境中的效用及其必要性”。换句话说，如果不能指望稳定的数据链或GPS信号，唯一的选择就是赋予机器足够的机载智能，使其能够自我保护。
人类操作员短缺
AI自主性也解决了一个非常现实的人力限制：熟练操作员的有限供给。西方已向乌克兰提供了数十万架无人机——从小型四旋翼机到巡飞弹——但要将这种大量涌入转化为战场优势，需要大量训练有素的飞手。事实证明这是一个重大瓶颈。乌克兰国民警卫队无人机部队的一名成员指出，无人机飞行员严重短缺，从零开始将一名新飞行员培训到基本水平至少需要三个月。即使经过培训，人类操作员在疲劳或风险规避成为影响因素之前，也只能执行有限次数的任务。真正的自主性提供了一种缓解此瓶颈的方法。智能自主系统可以让一个人同时监管多架无人机，或者可以在没有人类直接控制的情况下执行例行任务。减轻人力负担不仅关乎效率——在人类和机器资源都紧张的持久战中，这可能具有决定性意义。
后勤和伤员后送的自主性
AI自主性最未被充分认识的好处之一在于战场后勤和医疗后送。在乌克兰，机器人地面车辆已经开始改变前线补给和伤员后送。迄今为止，乌克兰无人地面车辆执行的任务中，有近47%涉及运送补给或后送伤员。这些机器人可以进入任何有人驾驶车辆甚至直升机都会立即成为对手目标的区域，从而更快地将关键援助送达伤员，提高其生存机会。然而，乌克兰目前的地面车辆大多仍是遥控操作的，且存在明显的脆弱性。部队避免在白天操作这些机器人，因为它们很容易被敌方第一人称视角攻击无人机发现并摧毁。如果一辆遥控后送地面车辆失去无线电链路或GPS信号，它可能会停下来，可能导致伤员被困在火线上。这正是AI驱动的自主性可以成为救命稻草的地方。同样，自主补给车队可以在没有GPS的情况下向孤立的前哨推进，利用机载传感器和预加载的地图找到路径。
所有这些因素表明，在国防领域追求AI自主性并非奢侈或小众尝试，而是一项战略要务。部署可靠的自主系统面临的挑战是多方面的——涵盖技术障碍、组织惯性和伦理考量——但其潜在的回报在整个军事行动谱系中都是改变游戏规则的。美国防务规划者正在为通信可能受到严重对抗或拒止的冲突场景做准备，并且他们认为在这些条件下自主武器系统正变得日益关键。
生态系统中的挑战
如果真正的AI自主性如此关键，为何美国等尚未大规模列装？这并非因为缺乏技术诀窍——如前所述，难题的各个部分专家大多已知。原因主要在于其生态系统和制度性障碍。主要挑战包括以下因素。
数据稀缺与数据孤岛
现代AI，特别是基于机器学习的那一类，依赖数据。然而，在国防自主性领域，缺乏用于训练和验证AI模型的高质量、可共享数据集。每家公司最终都在重复造轮子——收集自己的数据或付费获取访问权限——这既耗时又昂贵。更有效的方法是创建大型开源或政府提供的数据集，供所有人作为基线使用。缺乏这类数据基础设施正在阻碍进展。
测试靶场与竞赛
对于开发自主导航的公司而言，进行频繁现实世界测试的能力至关重要。乌克兰的初创公司现在就能做到这一点，每周完善其系统并快速整合战场反馈。相比之下，美国公司没有这样的机会。他们面临着对逼真环境的访问受限、繁重的行政要求以及实弹试验频率的严格限制。
大幅增加新的测试设施和专注于自主性的竞赛，将极大地扩展实验机会，并消除自主导航创新的一个关键障碍。
开源协作有限
繁荣的开源生态系统是软件和人工智能整体领域的关键驱动力。然而，在国防自主性领域，许多开发工作被隔离在机密或专有项目中。某些领域对保密有天然需求，但自主性的许多基础构建模块如果共享，并不会暴露敏感能力。鼓励用于自主系统的开源框架和库，可以防止每个参与者不得不从零开始。这也将使更广泛的技术界——包括学术界和初创公司——更容易为国防相关的自主性问题做出贡献。
监管与空域限制
管理法规之类的严格监管，使得在测试和部署自主无人机变得困难。在美国，特朗普政府已开始简化其中一些规定——例如，朝着允许更多超视距无人机操作的方向发展——但繁琐仍然是一个重大障碍。开发自主车辆或无人机的公司常常难以为实弹试验获得许可，从而阻碍了创新。在军方一侧，安全官僚流程同样会减慢自主性的实地试验速度。政策制定者需要建立能够在不影响安全的情况下实现快速测试和迭代的监管框架。
美国目前缺乏支持性基础设施，无法使自主系统的开发尽可能快速和具有成本效益。五角大楼国防部拟投资于共同数据集、开放测试平台和协作平台等——这些都是力量倍增器，可降低新进入者的门槛并减少重复劳动。
智能架构是关键
无人机和机器人革命的一个显著特征是其迅猛的发展速度。最先进的硬件和软件大约以18-24个月的周期跃升。2020年最前沿的无人机或AI算法，到2023年可能已过时一半。在可预见的未来，这种快速演进将持续下去，并且随着更多AI的集成，可能会加速。对于习惯以数十年衡量采购周期的军队而言，这造成了一个严重的两难境地。没有军队能够承担每两年就用新模型更换其全部库存的代价。那么，如何才能在技术上保持竞争力而不破产或后勤混乱？
答案是智能的、模块化的架构。国防工业应在设计自主系统时就考虑到可升级性。这意味着采用开放标准和模块化设计，以便传感器、计算硬件和算法可以在战场上或维护站更换或升级，而无需废弃整个平台。
另一个问题是缺乏公开的自主性长期路线图。在冷战期间，美国密切关注苏联的能力，并对10-15年后空战或防空的发展方向有明确的技术路线图。在自主性领域，由于它横跨军事和民用技术，且许多发展发生在私营部门，因此缺乏连贯的预测。这使得工程师和架构师更难预测十年后他们的系统将面临何种威胁或环境。
因此，国防部门采购负责人应确保自主无人机、无人地面车辆和导弹具有同等的灵活性。如果这些系统构建得当，它们可以通过模块更换和软件更新持续演进，而无需整体替换。这不仅具有成本效益，而且具有战略重要性。这意味着对手无法仅靠部署一个新的干扰器或欺骗手段就获胜，因为系统将在数月内更新以应对，而不是数十年。
下一代AI自主性
未来五年以上，“AI自主性”在实践层面将意味着什么？这不仅仅是让今天的无人机变得更好一点。我们谈论的是能力的质变，这将重新定义战争，届时导弹、无人机和地面车辆之间可能不会有任何实质性的区别。基于当前趋势，以下是下一代自主性的一些关键方面：
任务自主与自我设定目标
未来的自主系统将不仅仅是执行任务——它们将帮助定义任务。无人机或机器人团队将理解指挥官的意图，并规划实现该意图的最佳方式，而不是等待详细的人类指令。例如，一个自主监视网络可能会根据敌方动态自行决定侦察哪些区域，而无需为每架无人机明确分配任务。这需要能够理解上下文和优先级的AI，承担一些目前仅由人类进行的作战思考。
新型传感器集成
下一代自主平台将配备超越当前摄像头和雷达的新型传感器。设想一下用于探测化学特征的高光谱成像仪，或用于无需GPS导航的量子磁力计。许多微型传感器可能会将数据实时输入一个AI“大脑”。其结果将是远超当今水平的多模态传感器融合——自主系统能以人类无法感知的波长和细节来感知环境，并全部实时处理以指导其行动。
高速、高过载机动
自主武器将以极端速度和加速度运行，将物理和AI控制推向新的极限。我们可能会看到AI制导的导弹和无人机在人类飞行员无法承受或及时反应的速度范围内进行机动。自主性释放了载人系统先前难以想象的性能。这些平台将模糊弹药与飞行器之间的界限，利用只有机器才能驾驭的速度和敏捷性。
反机器人作战
在未来高科技冲突中，战场上将出现旨在消灭机器而非人员的武器——这本质上是一项更复杂的任务。这将推动专门用于探测和跟踪无人空中和地面平台的猎杀无人机、导弹和预警系统的开发。已经在乌克兰看到了这种转变，俄乌战场正在使用紧凑型拦截无人机来猎杀和摧毁飞行中的敌方无人机。未来，将发展出专门用于更高效、低成本地压制小型、廉价的自主系统的弹药。反机器人作战正在成为一个独特的活动领域，需要专门的探测和打击工具，以领先于依赖无人技术的对手。
更高级别的传感器融合与组网
未来的自主部队将作为网状网络运行，跨空、陆、海、天实时共享数据和决策。每个单元——无论是无人机、无人地面车辆还是水下航行器——都将作为一个更大智能网络中的节点。这个网络不仅共享原始传感器数据，还将融合洞察，实现协同决策。例如，一个地面传感器探测到移动，可能会自动引导无人机前去侦察或打击，而无需人类介入。集群将在内部协调目标分配，无人潜艇可以协同三角定位敌方接触。
这些网络还将支持动态环境理解。自主平台将不断扫描、测绘和重新分发更新后的战场布局，而不是依赖过时或手动更新的地图。如果一座桥梁被毁、出现新的障碍物或地形发生变化，网络将在数秒内传播这一变化——为所有单元提供最新的通用作战图。这种分布式自主性对于人工协调来说过于复杂。只有实时AI编排才能实现这种响应能力。
即将到来的AI自主性浪潮，关乎的是比迄今为止列装的任何系统都更智能、更快速、更协调、更自立的自主系统。这是一次从辅助人类的工具，到与人类共同积极追求战役目标的智能体的范式转变。率先掌握并部署它们的一方将获得显著的作战优势。
打造未来优势的工程
各国顶尖的工程人才已经在迭代开发可用于战场的AI自主性，并且他们使用的是当前市场上可获得的组件和架构。获得决定性优势所需的技术——机载传感、实时测绘、集群协调——已然存在。唯一的问题是谁将率先实现规模化和部署。
真正的AI自主性不仅是一种战术优势——它是在后勤、国土安全和战略威慑方面的力量倍增器。此外，尽管这些自主性计划可能看起来资本高度密集，但其投资回报将远不止于国防领域。自主性系统的突破可能惠及国土安全，甚至更广泛的经济领域，而后者正在迅速实现无数运营和流程的自动化和机器人化。事实上，为国防投资真正的AI自主性，可能会给经济带来巨大推动——就像美国20世纪60年代至80年代航天工业的投资刺激了广泛的创新和增长，据估计为美国长期GDP贡献了2.2%的增长。
然而，释放AI自主性的全部潜力，需要的不仅仅是向国防主承包商投入资金。需要有意识的基础设施投资：共享数据集、国家测试靶场、互操作性标准，以及对合格民用参与者的开放准入。降低生态系统壁垒不仅能降低成本——还能扩大能够做出贡献的创新者基础。
相关内容
微信扫码咨询专知VIP会员