全球国防AI发展到哪一步?621页报告梳理25国案例
本文解读:《全球国防人工智能现状:25国家地区案例研究》 · 共 621 页 · 原文
621页、25个国家,这本牛津式比较研究给出的结论出奇克制:多数国家只是用AI改进原有做法。《The Very Long Game》由德国赫尔穆特·施密特大学国防AI观察站的三位学者Borchert、Schütz、Verbovszky主编,2024年由施普林格开放获取出版。
它给每个国家都套同一副骨架:怎么想、怎么研发、怎么组织、怎么投钱、怎么部署、怎么训练,六段一一对应。所以这本书真正的贡献不是国别情报,而是可比性。25个国家用同一把尺子量,强弱才看得出来。
25个国家用同一把尺子量出来的结论是:AI还没有改变战争,改变的是备战的方式。

图源:《全球国防人工智能现状》(第1页)
一、先分清三代AI,才谈得上国防应用
导论花了整整一节讲概念,因为国防领域最容易把AI当成一个东西。书里借的是DARPA的三波划分。第一波是手工知识,人类专家把经验写成规则,系统照着执行,早期的专家系统属于这一类。
第二波是相关性学习,用统计和概率方法训练神经网络做分类和预测,这一波靠的是数据量。第三波是语境推理,系统要有完整的态势感知,能理解自己行动的后果,也能推演对手的反应。
为什么这个划分对军方重要?因为第二波在信息完备的棋类游戏里表现惊人,而战场恰恰是信息不完备的。书中引用的一组对比很说明问题:美国国防部每天采集约22TB数据,谷歌每天处理约20PB,相差三个数量级。

图源:《全球国防人工智能现状》(第3页)
二、六段框架:把“AI强不强”拆成六个问题
全书统一框架是六条线:想、研发、组织、投钱、部署运用、训练。每章按这个顺序写,方便横向比。“想”看的是军事概念与条令,AI被放在什么位置;“研发”看项目与生态,谁在做基础研究。
“组织”看有没有专责机构,编制怎么调;“投钱”看预算优先级,钱流向哪里。“部署运用”看已经用在哪,是后勤、情报还是指挥;“训练”看部队怎么学会和机器智能协作。
六段之外,书里还抓了四个变量:观念、推动者、制度、产业。四者缺一个,技术就落不了地。
判断一支军队的AI水平,看预算不如看编制,看编制不如看训练大纲。

图源:《全球国防人工智能现状》(第4页)
三、美国:从“有风险”到Replicator计划
美国这一章标题叫“有风险的渐进主义”,作者Lauren Kahn的判断是:进展不小,但节奏仍偏慢。2023年11月,美国国防部发布新的《数据、分析与AI采纳战略》,并完成了AI组织架构的重组。
核心动作是成立首席数字与人工智能办公室(CDAO),把原先分散的AI项目集中起来,与数据流对齐。同期还成立了生成式AI工作组“利马”,更新了武器系统自主性指令3000.09,并推出Replicator计划。
Replicator的目标是在18到24个月内部署数千套全领域可消耗自主系统。这个时间表本身就是一种压力测试。书里也写了隐忧:如果创新速度上不去,AI可能不是美国的优势项,反而扩大已经出现的“脆弱窗口”。

图源:《全球国防人工智能现状》(第6页)
四、中国:换道超车与芯片这道硬约束
中国这一章的问句是“换道超车?”,作者John Lee的重点放在产业基础而不是应用场景上。一个细节是开源指令集RISC-V的使用。相比ARM和X86,它受美国出口管制的影响更小。
书里也提到2023年初《解放军报》几篇讨论类ChatGPT工具的评论,同时强调实际落地的证据仍然有限。真正的约束在上游。2022年10月和2023年10月两轮出口管制,瞄准的是先进逻辑芯片、存储芯片和制造设备。
这打断了中国半导体长期依赖的“快速跟随”策略。很多环节的复杂度决定了替代需要以年为单位计。书里的判断偏冷静:管制难以完全执行,但未来几年仍会构成阶段性的硬约束。
这一章还有一个观察角度值得记:中国的优势在应用层和工程速度,短板在高端算力与工具链。
芯片卡的不是算法,是把算法变成装备的连续性。

图源:《全球国防人工智能现状》(第8页)
五、乌克兰:战场是最快的产品经理
乌克兰这一章的关键词是生态,而不是技术。作者Vitaliy Goncharuk写的是“最聪明者生存”。参与方极其多元:部委、准政府机构、本土国防初创、以及涌入乌克兰的国际AI公司。
最具代表性的是Brave1平台,由数字转型部推动,作用是加速器加对接窗口,把民间方案快速送到前线。传统军工那一侧由Ukroboronprom这类国有集团承担,旗下包括安东诺夫、基辅卢奇设计局等单位。
问题也写得很直白:生态越长越复杂,协调和同步就成了瓶颈,谁来统筹至今没有答案。
战场把研发周期从年压到周,代价是组织复杂度迅速超过制度承载力。

图源:《全球国防人工智能现状》(第10页)
六、以色列:没有统一机构,但生态极密
以色列这一章标题叫“拥抱有组织的混乱”,这个说法本身就是结论。书里明确写:以色列目前没有一个统管国防AI的单一机构,靠的是单位、产业、初创之间的高频流动。
一个具体数字很能说明这种密度:某技术单位2003到2010年间的毕业生,创办了约五十家公司。其中Innoviz、D-Fend做的是国防可用的方案,Exodigo把无人机、地面传感器和AI结合,做地下三维测绘。
产业侧的代表项目是CARMEL,未来战斗车辆,由IAI旗下ELTA研制,目标是两人车组也能完成城市作战。出口也在跑。Elbit的Seagull无人水面艇已卖给东亚某国,但以美之间的国防AI合作预算几乎查不到,保密程度很高。

图源:《全球国防人工智能现状》(第7页)
七、欧洲:十二国同框,北约与欧盟两套节拍
欧洲部分覆盖12个国家,包括英、法、德、意、荷、北欧四国加西班牙、希腊、土耳其。这12国被放在欧盟与北约两套框架下看,同一笔钱要同时满足两边的标准,节奏自然慢半拍。
德国的章节标题是“主与仆”,讨论的是人与机器谁主导;法国那章叫“规模化之前的一条弯路”。英国那章相对乐观,叫“前景光明,挑战巨大”;瑞典问的是“是AI的沃土吗”。
小国的策略更清晰。丹麦那章标题是“服务器先于坦克?”,芬兰讲的是谨慎的数据驱动演进。爱沙尼亚被夹在“今天与明天之间”,这六个字大概是多数欧洲国家国防AI的真实处境。

图源:《全球国防人工智能现状》(第5页)
八、亚太:韩日新澳四种不同的快慢
韩国这一章问“一枚戒指能否套住”,指的是能否用统一架构整合三军分散的AI项目。陆军的动作很具体:2019年在训练与条令司令部内设AI研发中心,后来并入AI与无人机战斗发展中心。
到2023年上半年,该中心已有50名专职AI人员在总部和训练条令司令部工作,规模不大但位置关键。日本那章的标题是“走出过去的漫长阴影”,说的是战后体制对军事AI的长期约束。
新加坡被写成“重新想象国防创新”,书里用一张表列出十个应用方向,从态势感知到后勤预测维护。澳大利亚的结论最朴素:演进而非革命。这四个字,可能是全书对多数国家的共同判词。
台湾、印度、伊朗三章被放在相近位置,讨论的都是“战略模糊”下的技术选择难题。
亚太的差别不在技术投入,在各自能用什么样的组织方式把技术装进部队。
九、俄印伊:能力受限的三种样本
书里没有只挑成功案例,三个“受限样本”写得同样细。俄罗斯那章的标题是“艰难现实中的高期望”,战场消耗与工业能力之间的落差是主线。
印度是“被动的雄心,主动的限制”,雄心写在文件里,限制落在采购流程和产业基础上。伊朗这一章的标题最传神:雷声大,没下雨。说明宣传声量与实际部署之间存在明显缺口。
三个国家的共同点是:都把AI写进了战略文本,都缺把文本变成装备的中层能力。这也反过来说明,国防AI的门槛不在算法,在中间那一层——试验、鉴定、采购、训练。
完整版报告有几十页图表,这里只挑了对经营判断最有用的部分讲,想全看的去运营动脉(www.yydm.cn)搜标题。
原文附录里还有分城市、分年龄的细表,做区域方案的时候能直接拿来用。
十、读完621页,三个判断值得记住
第一个判断关于性质。多数国家把国防AI当成效率工具,用于改进侦察、后勤、维修这些既有流程。真正的“改变战争形态”,在25个案例里都还停留在推演层面。这是全书最不讨喜的结论。
第二个判断关于组织。凡是跑得快的国家,都设了跨部门的中枢,美国是CDAO,韩国是AI研发中心。第三个判断关于产业。新兴国防公司成了技术桥梁,但也带来出口管制、算法主权、黑箱接受度三个新问题。
书里对“技术决定论”的批评很直接:技术必须嵌进文化、概念和组织的上下文,才可能改变行为。
书名里的“很长”,说的不是技术周期长,是组织改变的速度慢。
声明:除非特别标注,否则均为本站原创文章,转载时请以链接形式注明文章出处。如若本站内容侵犯了原著者的合法权益,可联系本站删除。




