人机编队作战的必要性与挑战

本文探讨了普适性人机组队的必要性及机遇。文章深入分析了在所有层级广泛部署高效人机组队所需的要求，并审视了相关的技术挑战。

缩略语 • MANET：移动自组网
• MOSA：模块化开放系统方法
• NGVA：北约通用车辆架构
• QoS：服务质量
• SATCOM：卫星通信
• STANAG：标准化协定
• VICTORY：C4ISR/电子战车辆集成互操作性

引言

在现代战争中，战场产生的数据量极其庞大，据估计仅传感器数据每日规模即可超过PB级别。这种数据过载情况需要启用人工智能的系统来有效筛选并优先处理可行动情报，从而改进作战决策。人工智能应用已展现出显著能力，能够大幅缩短决策时间，有时可达70%，从而在高节奏环境中提升态势感知和作战效率。此类能力为指挥官提供了关键优势，使其能够做出更快速、更明智的决策，这在当代冲突场景中具有决定性作用。

近期的“蛛网”行动代表了现代战争的一个转折点——在战术无人机作战方面具有战略性影响，是人机组队实战应用的典型，其中人工智能模型、无人驾驶无人机和分布式的人类参与者实现了跨距离的无缝协作。尽管人机组队涵盖广泛的用例，但其作战化应用是高度动态的，受技术成熟度、任务特定约束以及人机之间责任框架的演变所塑造。

这种动态相互作用通常通过人机组队的三层模型来体现：人在环内、人在环上、人在环外：

• 人在环内： 在需要精确度和问责制的高风险场景中，人类操作员仍直接参与决策。例如，无人机操作员可能控制侦察飞行，而人工智能则提供关于最优飞行路径或潜在目标的建议。

• 人在环上： 在作战节奏要求快速决策的情况下，人类仅进行监督并在必要时进行干预。人工智能系统处理常规任务，例如监控多个视频流或协调蜂群活动，使操作员能够专注于更高阶的决策。

• 人在环外： 对于高度自主的任务，例如远程监视或后勤补给，人工智能系统在遵守预定义的交战规则和任务参数的情况下独立运行。

普适性人机组队对于在未来冲突中获得决策优势至关重要。要真正实现此类战术系统的潜力，其部署必须具有普适性——在战场的所有层级和领域大规模集成。然而，实现这一转变伴随着一系列艰巨的技术挑战。其中最主要的是连接基础设施，它必须能够在现代战斗环境典型的碎片化及对抗性网络条件下支持弹性、高性能的人机组队。本文重点在于应对这一基础性挑战。

(1) 普适性战术人机组队的必要性

现代军事行动日益由决策优势原则所塑造：即能够持续比对手做出更快、更好、更具弹性的决策。实现这一点需要应用辅助性原则——授权在最底层、最接近战术边缘的层级做出决策，同时确保与高层意图保持一致。

在当今环境中，决策与无人系统的交互和协作密不可分——无论是用于收集情报、扩展触及范围还是执行打击效果。这就是人机组队的本质。挑战不仅限于单一层级；它涵盖了广泛的用例和任务场景，包含多种形式的人机组队——从自主感知，到决策支持功能，直至直接行动——并与通常认可的三个层级保持一致。

自早期关于人机组队的理论著述以来，最明显的一个转变是摆脱了单一的、线性的OODA循环（在该循环中人工智能仅在观察或定位阶段为人类提供支持）。在当今战场上，人类和机器通过分布在传感器、射手和决策节点上的多个并发OODA循环进行运作。在这种环境中，人类的角色更少涉及单点控制，而更类似于指挥一个由机器增强的微循环组成的管弦乐队的指挥。指挥官并非亲自决定每一个战术事件并采取行动（这会迅速超出人类的认知带宽），而是将人工智能系统的集体行为对齐到一个包罗一切的作战最终状态。这种指挥模式保留了人类作为意图的发起者和可接受风险的仲裁者，同时允许边缘的人工智能系统以在高节奏交战中所需的速度执行有限的决策/行动功能。

为使每个层级都能果断行动，建立普适性人机组队是必要的。没有它，无人系统的全部潜力将仍然是零散的。有了它，指挥官和班组就能利用信息、同步行动并取得能决定性改变战术优势的成果。

普适性人机组队不是静态的。它在一个动态的作战和技术环境中展开：理论在演变，无人系统在快速升级，人工智能模型在持续训练和改进，战场由自下而上的创新和快速迭代工程所塑造。在如此流动的环境中，任何封闭或僵化的解决方案都面临几乎立即过时的风险。相反，需要的是开放、适应性强且可扩展的架构——能够吸收海量视觉信息、新传感器，集成新算法，并能与作战创新同步演进的系统。

一个能有力说明此必要性的例子是为部署班组设计的一体化人机组队解决方案概念。在投入战斗几分钟内，一个班组可以发射无人机，通过中央界面操作它们，应用人工智能模型提取可行动见解，并围绕融合了所有传感器输入的共享战术图进行协作。这种能力能够实现快速的态势理解、更快的决策和同步的行动，从而倍增战斗效能。

简而言之：在战术边缘实现高效、普适的人机组队，对于充分利用无人系统优势并在未来作战中产生决定性影响至关重要。它通过授权班组采取行动来确保辅助性原则，并通过压缩感知、决策和行动之间的时间来提供决策优势。

(2) 战术人机组队的关键组成部分

普适性战术人机组队通过无缝集成关键组成部分来实现作战效能，这些部分使得同步协作、实时决策和增强的态势感知成为可能。这些组成部分必须协同工作，以应对现代战斗环境带来的挑战，因为在此环境中，数据量、作战速度和场景复杂性日益超出未经辅助的人类能力。重要的是，战术人机组队必须支持不同程度的人类参与——无论是人在环内、人在环上，还是人在环外——以确保适应任务特定需求。本节探讨这些基础要素，重点是通过先进技术和人工智能驱动的解决方案来克服作战挑战。

视觉信息的关键作用

在战术领域，视觉信息是决策和作战感知的支柱。单张图像、视频流或战术叠加层可以比文本报告或语音通信更有效地传递可行动情报。然而，随着无人机、传感器和无人系统的部署扩大，整个战场产生的原始视觉数据量巨大，可能迅速使人类操作员不堪重负。在涉及多架无人机甚至蜂群场景中，手动实时分析和关联实时视频流成为一个关键瓶颈。

人工智能驱动系统通过自动化从原始视觉数据中提取和转换相关信息，提供了一种变革性的解决方案。例如，人工智能可以识别和分类感兴趣的目标，跨多个视频流跟踪目标，甚至可以将视觉输入与元数据（如时间戳或地理空间坐标）相关联。这些能力不仅减轻了操作员的认知负担，还确保了决策者能够专注于可行动的见解，而不是被无关或冗余的数据所淹没。

从云到边缘：应对数据洪流

战术人机组队系统产生的海量数据必须实时传输、处理和交付，以支持作战需求。虽然基于云的处理提供了强大的计算能力，但它依赖于可靠的网络连接——这种资源在战斗环境中往往稀缺或存在竞争。战术网络面临带宽限制、延迟和间歇性可用性等挑战，所有这些都会影响关键信息的及时处理和交付。

边缘部署通过靠近数据源进行数据处理，为这些挑战提供了实用的解决方案。部署在边缘的人工智能模型可以在本地过滤、优先排序和分析数据。这减少了在带宽受限的网络上传输原始数据的需求。例如，边缘人工智能可以识别并仅传输最相关的片段（如显示潜在威胁或关键任务事件的镜头），而不是将所有视频流传输到中央服务器。这种方法不仅缓解了网络拥堵，还能确保操作员即使在通信条件降级的环境中也能更快地获得可行动的见解。

用于态势分析和数据转换的人工智能

除了过滤和优先处理数据外，人工智能在将信息提取并转换为可操作格式方面发挥着至关重要的作用。例如，人工智能可以将语音通信转录为文本，从而实现关键更新在分布式团队间的快速传播。同样，人工智能驱动的态势分析可以整合来自多个来源的数据（如实时视频流、地理空间叠加层和传感器输入），以生成连贯的作战图景。

这些能力在复杂、动态的环境中尤其宝贵，因为人类操作员可能难以实时处理和关联信息。通过自动化这些任务，人工智能不仅增强了态势感知，还确保了关键见解在正确的时间送达给相关的参与者。

信任、沟通与训练

信任仍然是普适性人机组队能否成功的关键。大语言模型和基于对话的人工智能系统改变了组队的心理机制：它们类似人类的回应能迅速建立默契感和可靠性。然而这种信任是脆弱的——操作员更容易原谅人类重复的错误，而不是单个可见的机器错误。因此，训练必须转向将交互技巧作为一项士兵技能。

提示工程远非编程技巧，它已成为向决策支持系统传达意图、约束和紧急情况的实用方法。能够清晰表达精确请求（如说明上下文、指定输出格式、指示置信度阈值）的士兵将获得更准确、更具操作性的协助。模拟在此至关重要，不仅用于训练人类掌握这些新的沟通习惯，也用于在真实世界数据稀缺或难以伦理获取的环境中，生成完善人工智能模型所需的合成数据。

统一的视觉生态系统与信息融合

统一的视觉生态系统对于确保战术人机组队框架内的所有参与者基于共同的作战图景进行操作至关重要。该生态系统必须将来自无人机、传感器和地面单元等不同来源的数据集成到单一、连贯的界面中。人工智能驱动的信息融合在此过程中扮演关键角色，它关联不同的数据流以提供战场的全面视图。

例如，实时无人机视频流可以与地理空间数据、战术地图和元数据叠加，以创建丰富的视觉界面。操作员可以与此界面交互，以探索特定关注区域、回顾历史数据或监控实时事件。通过以统一格式呈现相关信息，战术人机组队系统增强了态势感知能力，并在所有指挥层级实现了更有效的决策。

通过人工智能减轻认知超载

最后，人工智能在战术人机组队中最关键的贡献之一是其减轻人类操作员认知超载的能力。通过自动化常规任务、过滤无关数据并提供可行动的见解，人工智能使操作员能够专注于其任务最关键的方面。这不仅改善了决策，也提高了操作员在高压力环境下的效能和持久力。

实时决策与协作

现代战争的节奏要求快速、协调的决策，通常发生在分秒必争决定任务成败的环境中。战术人机组队系统必须支持人与机器之间的实时协作，使分布式团队能够以前所未有的速度评估、决策和行动。同步视频回放、共享战术叠加层和协作标注工具等功能增强了协调性，并确保所有参与者对任务目标保持一致。

例如，前方部署的排长查看无人机实时视频流时，可以直接在视频流上标注潜在威胁，这些标注会立即被远程指挥官看到。这种级别的实时协作确保了决策基于对作战图景的共同理解，降低了误传或延迟的风险。

有界的自主性与问责制

普适性部署人机组队需要健壮的框架来限制机器行动，同时又不扼杀其效用。此处，与交战规则的类比很有说服力：正如士兵被授权在明确规定的参数内行动一样，人工智能也可以通过地理围栏、目标类别和允许的效果来约束。在这些范围内，机器可以高速地解释和行动，并带有不可预测性，从而针对敌方系统提供出其不意的战略优势。

问责制遵循与人类下属相同的逻辑。责任仍由授予致命权限的指挥官承担，前提是在测试、训练和分配系统时已履行应有的勤勉。关键挑战不在于发明新的法律架构，而是将人工智能系统嵌入完善的军事指挥责任传统中，同时确保审计追踪和任务后溯源，以支持审查和经验教训总结。

战术网络的弹性通信

战术人机组队的有效性取决于其通信基础设施的弹性。实时视觉协作和同步决策需要能够承受对抗性和带宽受限环境挑战的健壮网络。战术人机组队系统必须包含先进的通信技术，如自适应视频编解码器、自动化服务质量管理和多路径网络，以确保在不利条件下的可靠性能。

总之，战术人机组队的关键组成部分——从视觉信息优势到边缘人工智能部署——构成了在现代战斗环境中获得决策优势的基础。通过将这些要素集成到一个连贯的框架中，战术人机组队系统能够克服数据过载、带宽限制和作战复杂性的挑战，确保人类操作员和机器系统无缝协作，实现任务目标。

(3) 通信基础设施挑战

如上所述，普适性人机组队需要在战术网络上支持大规模、实时、同步和交互式的视觉通信。在电力、计算能力和带宽稀缺成为常态的战斗环境中，这些复杂的视觉通信带来了一系列必须——并且能够——解决的关键挑战。

虽然乌克兰战场提供了宝贵的见解，但其通信模式主要基于云和以低地球轨道为中心——严重依赖如“星链”之类的低地球轨道卫星网络——可能无法完全反映其他欧洲军队的作战限制，这些军队依赖异构混合的网络技术（例如，高频通信、卫星通信、地面移动通信）以实现冗余和跨联盟的更广地理覆盖。

带宽可用性与波动性

必须在传输层更广泛地采用自动化的带宽和服务质量（QoS）管理机制，以确保跨异构网络的弹性、实时视觉通信。这些机制已经存在，并且可以在现有基础设施上部署，实现根据波动的网络条件（通过分辨率、帧率或比特率调整）进行动态视频编解码器自适应，并提供高视觉质量和强大的弹性，尤其是在对抗性或带宽受限的战术环境中。

延迟与同步

当前大多数流媒体解决方案依赖缓冲来补偿抖动和数据包丢失，但这种方法会引入延迟，这对实时协作和同步的人工智能工作流有害。超低延迟视频系统对于支持远程组队、视频AI推理和自主系统协调等应用至关重要。 新的视频技术——特别是基于GPU的转码——现在能够以极低的延迟实现复杂处理，同时支持精确的流同步。这对于数据增强用例尤其关键，因为通过同时分析多个同步视频流可以显著提高准确性。

可扩展与冗余架构

由移动自组网技术和第三层路由支持的弹性网状网络可确保可靠的连接。这些网络可以通过基于软件的工具进行增强，这些工具管理媒体连续性、负载均衡和自动故障转移。这些技术完全基于软件，对计算能力要求低，并且可以嵌入当前一代的电信设备或边缘服务器中。

干扰与安全性

作战环境也可能遭受故意的电磁干扰（干扰）和其他物理层攻击，这些攻击可能中断或严重降低单个链路的性能。因此，人机组队系统的设计应基于任何单个承载链路都可能随时不可用的假设——但必须保持应用连续性。实际上，这意味着需要依赖多种通信技术（高频通信、卫星通信、地面蜂窝通信、移动自组网/网状网络）的组合，并在网络传输层和人机组队应用之间放置一个轻量级的中间件层。

该中间件透明地管理会话连续性、身份验证和加密，同时执行快速路径选择和故障转移（例如，从卫星通信切换到地面链路）、自适应流量控制和编解码器自适应，以便上层应用无需嵌入式重新配置即可继续工作。通过这种方式抽象连接性，操作员即使在对抗性频谱条件下也能保持实时视觉协作和人工智能工作流，同时实现优先处理并优雅降级非关键视频流的策略。

前向兼容性与简化集成

战区内部署的视频系统多样性导致了显著的编解码器互操作性挑战。不同的视频编解码器针对不同的延迟、带宽和功耗限制进行了优化，使得无缝集成变得复杂。

为解决此问题，应在网络边缘部署高性能、实时转码，以确保系统与传感器之间的兼容性和前向互操作性。这种方法使系统保持灵活性，并能快速适应不断变化的集成需求。例如，排级单位经常需要集成使用不同视频编解码器的新无人机。通过编解码器无关的解决方案支持它们，可以实现快速的“插即用”集成——这对于保持作战节奏至关重要。最后，北约认为解决方案必须使用标准化协定（STANAG）、通用车辆架构（NGVA）、C4ISR/电子战车辆集成互操作性（VICTORY）或模块化开放系统方法（MOSA）原则进行互操作。

基于边缘的过滤、优先级排序与拥塞缓解

整个战场产生的视觉数据量惊人且迅速增长。即使持续投资基础设施，如果没有智能数据管理，网络饱和也是不可避免的。基于人工智能的边缘视频过滤、优先级排序和路由对于避免网络和操作员过载至关重要。

这些能力——通常称为视觉AI路由——已被作为国防和公共安全用例的6G网络规范的一部分进行讨论。6G尚需时日，但如今已存在解决方案，可以在边缘使用轻量级或中等模型实现边缘AI过滤和路由。这是在边缘或网络中实现实时视频转码的另一个关键优势。

能源与计算能力稀缺

随着边缘AI日益普及，管理边缘的功耗变得越来越关键。虽然新一代GPU提供了更高的每瓦性能，但仍需要额外的策略来平衡能源使用和计算需求。

一种实用的方法是为每个用例选择最合适的数据集和推理模型。精度要求较低的任务可以使用轻量级、计算效率高的模型在编码的视觉流上运行——为需要解码视频流和高精度推理的更高要求操作节省能源。

另一个关键考虑因素是士兵使用的平板电脑和移动设备的能耗足迹。为延长电池寿命，必须减少这些设备需要解码和合成的视频流数量。一个高效的策略是发送单个合成视频流，将多个源（例如，视频流、动态地图、元数据）聚合到一个统一的视图中，在保持态势感知的同时最小化解码负载。

安全性

安全性必须嵌入到视觉通信基础设施的所有层面。在对抗性环境中，视频和控制数据流容易遭到拦截、欺骗和破坏。必须在边缘和网络组件之间强制执行加密、流认证和安全密钥交换——且不引入额外延迟。此外，在高度分布式和移动的指挥控制系统中，集成零信任原则和边缘动态威胁检测将是保持机密性、完整性和可用性的关键。

开放架构

最后，开放架构是构建弹性、可扩展和自适应系统的基础。此类架构的核心是网络层，它支持无限生态系统的传感器、设备、应用和人工智能模型的无缝集成。随着人工智能的快速发展，操作员必须能够动态地将模型连接到网络中的任何实时或录制的视觉流。将特定的人工智能推理引擎直接连接到实时视频流的能力——无需深度集成——正成为现代指挥控制与情报、监视、侦察系统的基础能力。目前已讨论多个涉及多个分阶段人工智能模型的用例。

结论

普适性战术人机组队（HMT）不再是遥远的愿景——对于寻求在高动态、对抗性环境中获得决策优势的现代军队而言，它已成为必需品。忽视这一机会将面临作战效率低下甚至决策瘫痪的风险。作战和技术趋势是明确的：未来战斗将由分布式决策的速度和质量来定义，而这需要通过跨所有层级的人机无缝协作来实现。

为此，防务组织必须接纳开放、自适应和弹性的架构。挑战是巨大的——带宽稀缺、延迟、干扰、互操作性和能源限制——但无一不可克服。边缘AI、实时转码、自适应网络和视觉信息融合方面的进展已经为弹性、可扩展和安全的人机组队部署提供了构建模块。

现在需要的是思维模式的转变：从孤立的、僵化的解决方案转向一个普适的、集成的生态系统，在这个生态系统中，无人系统、人工智能模型和人类操作员可以实时协作，无论网络条件如何。这样的生态系统不仅将释放当今技术的潜在潜力，还将确保与未来创新的前向兼容性。

最终，大规模部署普适性人机组队的能力将决定哪些部队能够持续在思维、决策和机动上超越其对手。通过直面网络技术挑战并投资于开放、灵活和面向未来的系统，现代军队可以确保人机团队成为战略优势的决定性工具。

随着人机组队的持续发展，人机之间的无缝协作将使得在复杂、高压环境中能够做出更快、更准确的决策，从根本上重新定义团队在不确定性下的运作方式。通过今天接纳开放架构、边缘AI和适应性强的系统，组织可以使自己处于这一变革的前沿，确保不仅在防务领域，而且在所有需要及时、明智决策的领域获得竞争优势。人机组队的未来不仅限于战术优势——它是跨社会人机协同新时代的蓝图。

参考文献

Pelicano, M. And Duff, D. (2018). Sensor overload. The United States Army.

Collins, S. (2025). Army senior leader outlines data-driven transformation for warfighting superiority. Army.mil.

Baxter, C.A. (2024). Enhancing tactical level targeting with artificial intelligence. Line of Departure Journal.

Bondar, K. (2024). How Ukraine’s Operation “Spider’s Web” Redefines Asymmetric Warfare. Center for Strategic and International Studies.

Bondar, K. (2024, July 8). How Ukraine’s Operation “Spider’s Web” Redefines Asymmetric Warfare. Center for Strategic and International Studies.

参考来源：karve