AI没改战争的本质，改的是从发现到开枪的速度

本文解读：《2026未来的战场：人工智能如何改变战争-毕马威》 · 共 66 页 · 原文

这本报告最反直觉的一句结论是，人工智能并没有改变战争的性质，它改变的是决策的速度。毕马威印度团队把它拆成三层看：战略层是制造、网络、关键设施与太空；作战层是 C2、目标定位、防空反导和后勤；战术边缘是末端自主与蜂群。

核心机制是 OODA 循环。AI 把观察自动化、用数据融合加速判断、用分析建议支持决策、用自主系统加快行动，每一段都压一点。

报告给了一个很扎心的例子：一家地理空间情报公司的首席技术官说，人工审完公司卫星一天生成的图像，一名分析师大约要 85 年。

决策优势正在取代平台优势，这是全文的支点，也是它反复强调数据是战略资产的原因。

图源：《未来的战场》（第1页）

一、结论：AI 没改战争的本质，改的是节奏

报告开篇就把话说清楚了。人工智能不是靠某一件武器改变战争，而是把传感器、网络、指挥官和武器连成一个反应更快的系统。

战争变得越来越数据密集，优势的来源因此从「谁掌握更多兵力」，转向「谁能更快把信息变成决策、把决策变成行动」。

它列了三个基本方面。数据成为战略军事资产；自主系统改变战争经济学；人的角色从处理信息转向监督、判断和任务指挥。

但同时它也划了线：战争仍然是政治意愿、战略和人类判断的较量，AI 压缩的是周期，不是性质。这个判断对读报告的人挺重要。它意味着讨论的重点不该是「AI 会不会自己开火」，而是「谁能在更短的循环里保持判断力」。

AI 压缩的是决策周期，不是战争的性质，这条线它一步都没越过去。

图源：《未来的战场》（第5页）

二、六章一条线：从演变讲到印度的要务

报告的结构很工整。第一章讲战争的演变，第二章讲 AI 如何改变 OODA 循环，第三章讲战略层，第四章讲作战层。第五章单独讲风险与责任，第六章落到印度的关键要务，最后附一份缩略语表，中文版全 66 页。

这个顺序其实是一条论证链：先证明战争形态在变，再证明变的机制是决策循环，然后分层看应用，最后谈约束条件和一国的行动清单。

第三章的四个小节值得留意：制造与维持、网络攻防、能源港口核设施水坝这类国家资产保护，以及计算与太空与认知领域。

第四章拆得更细，从联合指挥控制、目标定位与杀伤链压缩，一路讲到战术边缘的末端自主、蜂群协同和机器速度反无人机。

图源：《未来的战场》（第6页）

三、三个基本判断，撑起整份报告

第一条是数据。报告认为数据正在变成战略性的军事资产，优势越来越取决于作战数据的质量、可获取性和开发利用程度。

这一条听起来平淡，但它解释了为什么各国都在建数据平台。模型可以买，作战数据买不到，只能自己一点点攒。第二条是自主系统改变战争经济学。大量相对廉价的平台，可以对防御方造成不成比例的成本压力。

这个逻辑在无人机上已经验证过。用几万美元的飞行器去消耗对方上百万美元的拦截弹，账算不过来的一方先撑不住。

第三条是人的角色在变。从处理信息转向监督、判断和任务指挥，治理、条令、训练和人机协同成了效能的核心。报告由此把结论推到治理层面：挑战不是部署 AI，而是在越来越自动化的环境里，保持有意义的人类判断和问责。

图源：《未来的战场》（第9页）

四、战争五个时代，决策单元一路往外挪

报告用一张表把战争切成五个时代。每个时代的差别不在武器清单，而在谁掌握战场感知、决策落在哪一级。最早是局部化意识。信息来自指挥员的直接观察、侦察兵、信使和报告，决策周期连续但缓慢，决策单元就是个人和编队。

机械化时代靠无线电、空中侦察和机动总部，连接变快但仍然等级分明，决策单元升到师、军或舰队。精确作战时代，卫星、雷达和电子情报把传感器到射手的链条压缩，决策单元变成联合或战区级指挥，分析仍然人力密集。

网络化战争把决策分布式化，共享通用作战图让跨域协同成为可能；到算法战争这一代，决策单元变成人和机器系统。

这条演化线说明一件事：技术每进一步，决策的颗粒度就细一层，而人的位置一直在往上移，从执行移向设定边界。

五个时代看下来，变的不是武器清单，是决策权最后落在哪一级。

图源：《未来的战场》（第10页）

五、从堆数量到打精度，再到无人化

工业时代大部分时间里，战场胜负取决于动员和维持规模的能力：庞大的军队、集中的火力、充足的弹药储备。情报、监视、通信、导航和精确制导武器的进步，把效能的基础从规模挪到了力量的选择性运用。

指挥官因此有了更多选项：打哪个目标、效果做到多大、什么时候停，都能调。信息优势本身成了一种战斗力。无人机的第一站是反恐和反叛乱。续航能力让它能持续盯着一个区域，武装型还能对已识别的目标快速打击。

2020 年纳卡冲突是转折点。阿塞拜疆用无人机和游荡弹药压制防空、摧毁装甲，前提是对手缺乏分层防空和电子战。

2025 年 5 月印度的「风神行动」，被广泛描述为该国首次在很大程度上无接触的冲突，无人机、游荡弹药和远程导弹取代了大规模部队使用。

结论是战争在往非接触、技术驱动的方向走。较量围绕传感器、网络、算法和自主平台展开，而不是部队的集结。

图源：《未来的战场》（第8页）

六、智能化这一层，动的是决策与数据处理

前面的革命增强的是传感器、通信网络和精确制导武器，人工智能动的是它们之间那一层：决策制定和数据处理。报告举的例子很直观。一家地理空间情报公司的卫星一天生成的图像，人工审完要约 85 年，机器学习几秒就能筛一遍。

算法做的事不只是快。它能自动识别异常、给目标排优先级，把一堆原始画面变成一组可执行的观察结果。所以竞争优势不再来自收集数据的能力，而来自比对手更快地处理、解释和作用于数据的能力。

报告列了一条 2017 到 2026 年的时间线：2017 年美国启动 Maven，2018 至 2019 年印度成立国防 AI 委员会和项目局。2021 年以色列承认在加沙行动中使用「福音」系统生成潜在目标；2022 年印度推出 75 种本土 AI 产品；2023 年美国启动「复制者」计划。

2024 年 Maven 演化为 MSS，「阿森纳-112」提出软件驱动的工厂模式；2025 年北约采购 MSS 版本，覆盖联盟所有行动。2026 年乌克兰推出 Brave1 数据室，给国防开发者提供安全的战场数据来训练和测试 AI，重点是对付空中威胁。

报告原文都放在运营动脉（www.yydm.cn）上，图表、口径说明和样本量写得清清楚楚，可以对着核。

遇到拿不准的数据，建议回原文翻一眼，比被二手解读带着走要稳妥得多。

七、OODA 循环被一段一段压短

报告用技术栈来解释这件事。底层是传感器、平台和数据源，中间是计算基础设施、通信网络和数据管理。再往上是模型、决策支持服务和任务应用，覆盖情报、指挥控制、目标定位、后勤、网络作战和自主系统。

最上层是结果：决策优势、作战效能、部队保护和任务韧性。四样东西都不是单套系统能给的。技术栈里还埋了两条原则。人的判断对重大决策仍然关键；网络安全、测试验证、治理和法律监督要贯穿每一层。

对应到 OODA：观察被自动化，判断被数据融合加速，决策被分析和建议支撑，行动被自主和半自主系统加快。循环变快的代价是新的脆弱性。报告点了五个：自动化偏见、对抗性欺骗、数据投毒、模型依赖，以及机器速度带来的升级风险。

循环压得越快，出错也越快，这是全文讲完 OODA 就马上讲风险的原因。

八、战略层看国力，作战层看杀伤链

战略层那一章不太像打仗，更像国家运行。制造与维持、网络攻防、关键基础设施保护、计算与太空与认知领域，四块。网络那节的小标题挺有意思，叫「键盘两端的 AI」。防守方用 AI 找漏洞，进攻方也用 AI 找漏洞，同一套能力两边都在用。

关键设施这节把能源、港口、核设施、健康、燃料和水坝列在一起，理由是这些目标一旦被算法盯上，防护的节奏就会被动。

作战层就具体多了。联合指挥控制要解决的是跨军种数据能不能互通；目标定位那一节的关键词是「杀伤链压缩」。

防空与导弹防御是另一块硬骨头，反应时间以秒计。规划、兵棋推演和后勤则最容易被低估，它不直接产生战果，但决定战果。

图源：《未来的战场》（第4页）

九、战术边缘：蜂群和机器速度的反无人机

战术边缘是报告里最接地气的一章。它讨论的是在有争议、降级甚至被拒止的环境里，平台和部队还能不能有效作战。

终端自主性解决的是断联问题。通信被干扰之后，平台得自己完成识别、机动和打击，不能等着后方下指令。蜂群与协同自主性解决的是数量和成本。多平台协同能分摊感知、干扰和打击，单机被击落不至于让整个任务失败。

以机器速度对抗无人机，是这一章最现实的需求。人反应不过来，只能让拦截链路自己跑完，人退到授权和边界设定上。

三件事指向同一个结论：越靠近战术边缘，人的角色越从操作者变成规则制定者，规则写得好不好，直接决定误伤和失控的概率。

越靠近战术边缘，人越不像操作员，越像那个写规则的人。

图源：《未来的战场》（第7页）

十、风险、问责，和印度的关键要务

第五章的标题很直白：军事人工智能中的风险与责任。核心不是技术能不能做到，而是做到之后谁负责。报告列的风险里，自动化偏见最容易被忽略。人倾向于相信系统的输出，时间一长，复核就变成了盖章。

数据投毒和模型依赖是另一对。训练数据被污染，模型给出的建议会系统性地偏；而越依赖模型，越难发现它偏在哪里。

第六章落到印度。报告认为印度的优势在活跃的数字生态、世界级的人才储备、扩大的创新格局和正在成长的国防工业能力。

它给出的方向是军民协同。支撑军事 AI 的技术大多先在商业和民用生态里长出来，国防创新的未来取决于政府、产业、学术界与初创企业的合作深度。

报告最后把话落回基础能力：可信的数据架构、有韧性的数字基础设施、主权 AI、安全的软件生态、可互操作的指挥网络，加上能适应变化的制度框架。

它甚至拿移动通信做类比。印度错过了固话时代，却抓住移动技术的转折点做成全球最大的移动生态之一，AI 被视为同类机会。

真正的门槛不是买得到平台，是攒得起数据、养得起人和制度。