摘要：本文从技术角度系统梳理了AI在军事领域的应用现状与争议。文章首先以2024年以军在加沙冲突中使用的三套AI系统（目标识别、火力规划、态势感知）为切入点，展示了AI如何将"目标到打击"周期从几十分钟缩短到几分钟；随后分别介绍了AI情报分析（图像、视频、信号、多源融合）、AI目标识别的精度与误判风险、无人机蜂群的协同作战能力，以及由此引发的伦理讨论——围绕"人在环中"“人在环上”"人不在环中"三种模式，国际社会对致命自主武器系统（LAWS）的监管存在全面禁止与有条件使用的分歧。最后，文章对比了美、中、欧的国防AI投入，并提出冷静思考：技术发展已超越伦理法律框架，关键在于建立"人在环中"硬约束、可审计性与国际条约等规则，而非阻止技术本身。
一、AI在战场上的真实案例
2024年，以色列国防军在加沙冲突中使用了AI系统。
据公开报道，以军使用了三套AI系统。
“Gospel”（Habshora）。AI目标识别系统。它能从卫星图像和无人机画面中自动识别军事目标——武器库、指挥所、火箭弹发射点。据报道，该系统每天生成数百个目标建议。传统情报分析需要几十个人花数天才能完成的工作，AI几小时做完。
“Firehouse”。AI火力规划系统。根据目标类型、距离、地形，自动推荐最优武器和弹药方案。
“Flow Director”。AI战场态势感知系统。整合所有传感器数据（卫星、无人机、地面雷达），实时构建战场态势图。
这些系统的效果。以军表示AI让"目标到打击"的周期从原来的几十分钟缩短到几分钟。
但争议巨大。AI目标识别不是100%准确。有报道称AI系统错误标记了民用建筑为军事目标。联合国和人权组织要求对AI在军事冲突中的使用进行调查。
本文不对任何冲突本身做政治判断。只从技术角度分析AI在军事中的应用。
二、AI情报分析：从海量数据中找威胁
军事情报的核心挑战是数据量太大。
一个现代战场每天产生的数据。数十颗卫星的图像（每天TB级）。几百架无人机的视频流。地面传感器网络的数据。电子侦察信号。通信截获。社交媒体信息。
人类情报分析师处理不过来。传统模式下，分析师只来得及看最优先的数据。大量信息来不及分析就成了"过期情报"。
AI情报分析的能力。
图像分析。AI从卫星图像中自动识别军事装备。坦克、火炮、防空系统的型号和数量。识别准确率约85-90%。速度——一个区域的分析从人工2小时降到AI 5分钟。
视频分析。无人机传回的视频流，AI实时标注画面中的人员、车辆、武器。操作员只需要看AI标注的可疑目标。大幅减少人力需求。
信号分析。AI分析电子信号特征，识别雷达类型、通信模式、指挥层级。自动进行信号分类和威胁评估。
多源融合。AI把卫星图像、无人机视频、信号情报、社交媒体信息整合到一张态势图上。交叉验证——如果卫星发现某区域有车辆集结，信号情报显示该区域通信突增，社交媒体出现军事调动信息，AI判断"此区域可能正在集结兵力"。
美军Project Maven。2017年启动。用AI分析中东战场无人机视频。2026年已扩展到全源情报分析。据报道，Project Maven的AI系统每天分析超过数百万张图像。相当于1000个人类分析师的工作量。
三、AI目标识别：精准打击的双刃剑
AI目标识别是军事AI最有争议的应用。
技术原理。AI模型从图像中识别目标的类别（军用/民用）、类型（坦克/卡车/装甲车）、状态（活动/静止/损毁）。使用计算机视觉模型（通常是YOLO或ResNet的改进版），在军事标注数据上训练。
识别精度。在理想条件下（白天、无遮挡、标准装备），AI识别军事目标准确率超95%。但在复杂条件下（夜间、烟雾、伪装、民用建筑附近），准确率降到70-80%。
速度。AI识别一个目标约0.1秒。人类操作员需要3-5秒。
争议的核心。
误判风险。AI可能把民用建筑误判为军事目标。把平民误判为战斗人员。在军事冲突中，一次误判可能造成平民伤亡。
谁来负责。如果AI建议打击一个目标，结果发现是民用的，谁负责？AI开发者？指挥官？操作员？
“人在环中"vs"人不在环中”。
“人在环中”（Human-in-the-loop）。AI给出建议，人类做最终决定。这是目前多数国家的政策。AI不自动触发打击，人类必须按下按钮。
“人在环上”（Human-on-the-loop）。AI可以自动行动，人类有否决权但没有时间逐个审核。这在快速反应场景中可能发生。
“人不在环中”（Fully autonomous）。AI完全自主识别目标并决定打击。不需要人类参与。这是"致命自主武器系统"（LAWS）。
目前，没有国家公开承认使用完全自主武器。但技术正在逼近这个边界——AI决策速度越来越快，人类干预的窗口越来越小。
四、无人机蜂群：改变空战的未来
无人机蜂群是AI军事应用中最引人注目的方向。
什么是蜂群？几十到几百架小型无人机协同作战。每架无人机自主飞行、自主决策，但通过数据链协同行动。像一个蜂群一样——没有中央指挥，但整体行为高度协调。
中国在这个领域处于世界前列。2024年珠海航展上展示的"蜂群"系统。200架小型无人机同时起飞，自主编队、自主分配目标、自主返航。
蜂群的技术难点。
协同算法。每架无人机需要知道自己在蜂群中的位置和角色。谁是侦察？谁是攻击？谁做诱饵？AI通过分布式算法实时分配任务。
通信。蜂群之间需要持续通信。但战场电磁环境复杂，通信可能被干扰。AI需要设计"通信降级"方案——即使通信中断，每架无人机也能自主执行基本任务。
抗干扰。敌方可能用电子战手段干扰无人机的GPS和通信。AI需要自主导航——用视觉地标、惯性导航在GPS丢失时继续飞行。
蜂群vs传统战斗机。
成本。一架战斗机约5亿人民币。一架蜂群无人机约5万人民币。1000架蜂群的成本等于一架战斗机。
效能。蜂群可以从多个方向同时攻击。防空系统很难同时拦截几百个目标。
风险。蜂群如果被敌方夺取控制（电子劫持），可能反噬己方。
俄乌冲突中的无人机。虽然还不是"蜂群"，但已经展示了无人机的战术价值。双方都大量使用小型商用无人机改装为攻击平台。AI正在让这些无人机更自主——不需要人遥控，自己找目标、自己飞。
五、AI战争伦理：技术能做的vs应该做的
AI军事应用引发了深刻的伦理讨论。
国际人道法的基本原则。
区分原则。军事行动必须区分战斗人员和平民。AI能否可靠地做这种区分？在复杂战场环境下，这个区分连人类都不容易做对。
比例原则。军事打击造成的平民伤害不能超过军事收益。AI如何量化"比例"？这是一个价值判断，不只是计算问题。
预防原则。必须采取一切可行措施减少平民伤害。AI能否被信任做出这个判断？
2025年，联合国《特定常规武器公约》讨论了"致命自主武器系统"的监管框架。核心争议。
一方主张全面禁止LAWS。理由：机器不应有权决定人的生死。算法不能承担道德责任。
另一方主张有条件使用。理由：AI可能比人类更精确、更冷静。人类在战场上会疲劳、恐惧、愤怒，AI不会。如果AI能减少平民伤亡，为什么要禁止？
折中方案。禁止"人不在环中"的完全自主武器。允许"人在环中"的AI辅助系统。要求AI军事系统必须有人类可理解的可解释性。
目前各国立场。30多个国家呼吁全面禁止LAWS。美国、俄罗斯、中国等国主张"人在环中"标准而非全面禁止。国际红十字会要求所有AI武器系统必须有人类"有意义的控制"。
六、AI军备竞赛
全球国防AI预算。美国约800亿美元/年。中国约300亿美元/年。欧洲约200亿美元/年。其他国家约200亿美元。
美国。国防部成立了首席数字与AI官办公室（CDAO）。所有军种都在推进AI应用。陆军用AI做后勤和情报。空军用AI辅助飞行决策。海军用AI做舰队调度。SpaceX的Starlink在军事通信中发挥越来越大的作用。
中国。军民融合战略。AI在国防领域的应用被列为国家重点。蜂群无人机、AI雷达、智能指挥系统。但中国在AI军事应用方面更加保密，公开信息有限。
欧洲。法国和德国联合开发的"未来空战系统"（FCAS）大量使用AI。英国"闪电"战机可能是最后一代有人战斗机。
七、冷静的思考
AI在军事领域的应用是一个客观现实。技术不会因为伦理争议而停止发展。
但技术发展的速度超越了伦理和法律的框架。当AI能在0.1秒内做出打击决策，人类还有多少时间干预？
关键不是阻止AI军事应用。是建立规则。
第一，"人在环中"必须是硬约束。AI建议，人决定。
第二，AI军事系统需要可审计性。事后能回溯AI的决策过程。
第三，国际共识和条约。类似核不扩散条约，AI军事应用需要国际框架。
技术本身是中性的。决定技术如何使用的，是人。在AI军事应用这个议题上，保持理性和克制的讨论，比情绪化的争论更重要。
