把握作战体系智能化演进特征
■盛 霏 梁海民 宋志峰
引言
当前，随着智能技术在军事领域广泛应用，战场规则和对抗逻辑已发生深刻变化，对情报侦察、指挥控制、火力打击、作战保障等作战能力提出全新要求，推动作战体系加速向智能化形态演进。准确把握作战体系智能化演进的特征，探析其内在规律，是抢占未来战争制高点、赢得战场主动权的重要前提。
明晰智能化演进的主要动力
作战体系智能化演进，不是智能技术在作战领域的线性突破，也不是应对战争威胁所产生的被动策略，而是技术革新、竞争压力和现实需求在一定条件下交织作用的结果。在这一过程中，作战体系呈现出螺旋式升级态势，最终演变为具有智能化特征与内涵的形态。
技术推力是“基础引擎”。近年来，人工智能技术呈“井喷式”发展，为作战体系智能化演进提供了物质基础。实战、训练、演习、试验等活动产生了规模空前的多源异构数据，这些数据经过标注、清洗、融合后，成为推动智能模型迭代升级的重要“原料”；高性能计算、边缘计算、量子计算等技术的突破，使实时处理战场海量数据成为可能，为智能算法在线运行提供了支撑；强化学习、自监督学习等智能算法持续优化，在图像识别、路径规划、方案生成等作战活动中表现出接近甚至超越人类的水平，使作战体系的能力边界不断拓展。
竞争态势是“外部驱动”。当前，军事智能领域的竞争日趋激烈。世界各主要国家将人工智能视为争夺未来军事优势的重要手段，纷纷出台军事智能化发展战略，加大研发投入，加快智能技术向侦察、指挥等作战领域的转化速度，形成持续用力、相互牵引的竞争态势。各国高度重视在作战领域推进智能化建设，力求抢占先机，避免出现明显的能力差距。作战体系智能化演进，不仅可以使其在技术领域保持领先地位，同时能够推动在作战概念、编制体制、装备水平等体系能力上形成竞争优势，是作战体系保持能力优势、塑造战略胜势的关键。
现实需求是“目标牵引”。信息化手段的泛在使用，实现了海量数据实时获取和作战体系互联互通，但传统人工处理模式存在一些瓶颈问题，影响体系效能的输出。将智能技术嵌入“OODA”循环，可以全面提升作战体系的决策速度，实现作战体系的能力跃升。并且，无人集群作战等非对称手段具有高度不确定性和强对抗性，使以预先配置规划为基础的传统作战体系难以应对，面对智能技术应用带来的战场变化，需要用更先进的智能技术去应对，这种“以优胜优、以智克智”的体系需求与对抗策略，成为推动作战体系智能化演进的目标牵引。
掌握智能化演进的运行机理
在作战体系智能化演进的过程中，物质基础的改变使体系原有运行结构被打破，运行方式发生了变化，其运行机理也相应改变。
“能力预设”变为“能力进化”。传统作战体系能力形成后相对固定，强弱态势在体系对抗开始前就已基本成型。在智能化条件下，任何“能力预设”优势都难以持久。作战体系能力不是一次性交付的“定量”，而是持续迭代的“变量”。战争时间越持久，强者更强、弱者愈弱，作战体系进化速度快的一方就越有利。因此，需要将数据闭环、算法更新、仿真验证嵌入体系运行全过程，推动平时“离线进化”与战时“在线进化”无缝衔接，使体系在对抗中持续学习、动态适应，像生命体一样自我完善。
“集中控制”变为“规则赋能”。传统作战体系的树状指挥结构依赖中心节点集中控制，信息逐级传递、指令层层下达，难以适应智能化战争作战节奏。为了加快响应速度，需要把指挥控制的重心前移到规则设计环节，通过统一交战规则、授权边界和协同逻辑，将决策权以规则形式赋予海量并行的“微决策中心”，使作战节点能够依据预设规则自主感知、判断、决策与行动。作战体系每个节点在统一规则框架下自主行动，整体涌现出高度协调的作战效能，可以实现“无序中的有序”。这种分布式决策既可以赢得速度优势，又增强了体系韧性。
“人为主控”变为“人机共生”。在智能化作战体系中，人与机器在认知、决策和行动上实现深度耦合，机器承担态势感知、数据处理、高危突防等高负荷任务，人则聚焦于战略判断、风险管控和伦理抉择。人机关系从“人在环内”逐级审批，走向“人在环上”监督干预，最终可能迈向“人在环外”的智能敏捷自适应。人的角色从操作者转变为规则设计者和最终裁决者，体系智能化程度越高，对人在认知、伦理与应急处置等能力上的要求就越高。
厘清智能化演进的阶段过程
作战体系智能化演进是分阶段渐进的过程，要准确把握体系演进的阶段性规律，认清各演进阶段的主要特征，科学推进作战体系向智能化方向演进，推动实现效能跃升。
赋能增效阶段。该阶段是作战体系智能化演进的初始阶段，主要特征是将智能技术嵌入作战体系的各个环节，在保持体系整体架构不变的前提下，实现局部效能提升。智能系统扮演“增强器”的角色，帮助积累运行数据、开展技术验证、建立人机互信，这一阶段是既有体系对智能技术的选择性吸纳，将其由外围工具逐渐变为体系的组成部分。体系效能提升需求与既有体系架构不相适应将成为这一阶段的主要矛盾，为后续发展指明了变革方向。
体系重构阶段。当智能技术应用规模超越临界点后，作战体系中的智能要素将由“附加项”升级为“必选项”，体系演进将进入质变区间。整个作战体系在指挥结构、决策方式、作战编组、组织形态等方面，突破原有结构约束，实现扁平化组织、部分自主、多域编组和智能支撑，充分释放智能要素的作战效能。该阶段解决了局部智能与体系结构不相匹配的矛盾，但也面临能力需求与效能输出之间的矛盾问题，从而推动体系进一步演进。
自主演进阶段。随着智能要素作用范围不断扩大，作战体系智能化演进将逐渐转向“智能自主”。作战体系将具备自主感知、决策、协同和演化能力，实现自学习、自适应和自进化。这一阶段是自主与可控之间的平衡博弈，绝非简单意义上的“无人化”。体系的自主化程度越高，算法的主导性越强，越需要人对智能要素进行规则约束与监督干预，确保体系的强韧和可靠，使体系效能释放更为稳健。
预判智能化演进的风险挑战
作战体系加速向智能化方向演进，在拓展体系能力空间的同时，也伴随着技术“黑箱”、体系脆弱性和竞争失控的风险。这些风险不是单一的技术缺陷，而是贯穿体系演进全程的挑战。要及时前瞻预判、全程实时监控、同步预置方案，从而实现对风险的有效管控。
技术“黑箱”风险。人工智能技术目前还存在可解释性不足的问题，智能系统能够给出可供选择的各类方案，但其决策过程往往不透明，即使开发者也无法完全洞悉其内部复杂的相互作用机制。在军事应用中，这种“黑箱”特性会带来严重风险，例如智能系统误判可能无法及时发现、失效原因可能无法快速定位、行为异常责任将难以界定。为此，要建立智能系统全周期验证机制，构建系统稳定性标准，将稳定性测试结果作为智能系统上线使用的前置条件；要采用生成路径可追溯的架构，并在决策链路中设置人工审核节点，当系统处于低置信度状态时自动触发防错纠错机制，转为人工研判。
体系脆弱性风险。高度互联互通的作战体系，在提升作战效能的同时，也放大了体系脆弱性风险。数据“投毒”可能污染智能模型、网络攻击可能瘫痪指挥链路、对抗性攻击可能误导智能感知，一个节点的失效通过智能系统的自主决策机制快速扩散，就会造成系统性崩溃。为此，要将作战体系结构由线性转化为网状，做到分布式部署、一体化协同，在实现体系多样化功能的同时增强自身抗毁能力；要构建体系“能力池”，将感知、决策、打击等功能转变为跨平台服务模块，实现系统功能的解耦；要设计部署智能驱动的体系监测系统，自动识别体系风险，实现快速隔离处理。
军备竞赛与失控风险。智能技术门槛相对较低、扩散渠道多样，其失控或被滥用的后果十分严重。高度自主的进攻性武器还可能会降低冲突门槛、增加误判风险、破坏战略稳定，而国际规则的缺失和滞后进一步加剧了失控的风险。为此，要明确人类的最终控制权，以人类共同安全为出发点，构建兼顾安全、技术与伦理的多元规制体系；要推动构建各方普遍参与、具有广泛共识的治理框架，为人工智能军事应用划定红线，确保其安全、可靠、可控。
