近幾個月來，美軍加快了大語言模型(LLM)工具的實戰(zhàn)化部署進程，其推進速度超越了傳統(tǒng)裝備采購與網(wǎng)絡安全審查流程。例如美軍通過國防部GenAI.mil平臺擴大了谷歌Gemini等大語言模型(LLM)的應用范圍，同時持續(xù)評估其他商用模型，以適配后勤保障、情報分析及決策支持等應用場景。

國防領(lǐng)域LLM的應用不僅是技術(shù)層面的升級，更可能引發(fā)一場深刻的軍事革命。然而，LLM在帶來巨大機遇的同時，其固有的黑盒特性、偏見、脆弱性以及被惡意利用的風險，在軍事這一高風險、強對抗的環(huán)境中被無限放大。因此有必要跳出單點應用的視角，分析LLM將如何從外圍工具滲透至一個高復雜度的領(lǐng)域。

顛覆性技術(shù)如何滲透一個領(lǐng)域?

一項顛覆性技術(shù)對一個行業(yè)的滲透和改造的過程具有一些普遍性的規(guī)律，這一過程是一個層層遞進、影響深度與廣度不斷擴大的演進階梯。就AI技術(shù)對各個行業(yè)的滲透而言，其過程可以分為以下幾個階段：

第一階段：舊產(chǎn)品賦能。這是技術(shù)滲透的初始階段，核心在于增量改進而非顛覆重塑。AI技術(shù)如同一個新的插件，被集成到現(xiàn)有的產(chǎn)品或系統(tǒng)中，目的是提升其效率、改善用戶體驗或自動化部分流程。

第二階段：產(chǎn)品邊界拓展。在舊產(chǎn)品賦能的基礎上，開始擴展到如何利用AI的核心能力創(chuàng)造出新功能或新產(chǎn)品，從而擴大服務范圍。這是一個鄰近創(chuàng)新的階段。

第三階段：產(chǎn)業(yè)鏈價值重構(gòu)。當AI技術(shù)的應用足夠深入，它將開始觸動甚至重塑整個行業(yè)的底層邏輯和價值分配格局。這是一個系統(tǒng)性變革的階段。在國防領(lǐng)域，這意味著領(lǐng)域核心價值可能從傳統(tǒng)的硬件平臺(如坦克、飛機)向控制這些平臺的AI系統(tǒng)轉(zhuǎn)移。

第四階段：全新AI原生產(chǎn)品。這是技術(shù)滲透的最高級形態(tài)，其產(chǎn)物是“AI即產(chǎn)品”，而非“產(chǎn)品中使用AI”。這類產(chǎn)品在沒有AI技術(shù)之前是無法想象的，其核心功能、用戶交互都完全構(gòu)建在AI能力之上。在國防領(lǐng)域，這意味著可能出現(xiàn)完全自主的作戰(zhàn)指揮系統(tǒng)或全新的認知域作戰(zhàn)工具。

這個四階段的邏輯框架揭示了AI技術(shù)滲透的普遍規(guī)律：由點及面，由表及里，從提升效率的工具，演進為拓展能力的伙伴，再到重塑規(guī)則的引擎，最終成為開創(chuàng)新范式的核心。參照這個通用框架，結(jié)合國防領(lǐng)域的特殊屬性(高風險、強對抗等)可以對國防領(lǐng)域的大語言模型(LLM)滲透路徑進行分析，用來預測LLM從輔助工具到作戰(zhàn)核心的演進過程。具體來看，國防領(lǐng)域LLM的滲透路徑可以分為四個階段：

第一階段：傳統(tǒng)軍事信息系統(tǒng)的升級

這是LLM進入軍事領(lǐng)域的初始切入點，不改變原有系統(tǒng)架構(gòu)，通過嵌入LLM模塊解決傳統(tǒng)軍事信息系統(tǒng)的效率短板。傳統(tǒng)軍事信息系統(tǒng)(如情報處理系統(tǒng)、指揮控制系統(tǒng)、后勤管理系統(tǒng)等)的核心痛點包括信息過載、人機交互復雜、輔助決策能力弱等，LLM的固有能力使其可以作為智能插件成為解決這些痛點的方案。典型的應用場景有：

情報分析系統(tǒng)升級。對傳統(tǒng)情報處理系統(tǒng)進行自然語言理解增強，實現(xiàn)多源情報自動整合、文本情報快速摘要、跨語言情報實時翻譯等。從而縮短情報周期，提升情報時效性與準確性。

指揮控制系統(tǒng)增強。為傳統(tǒng)指揮系統(tǒng)增加自然語言交互界面，實現(xiàn)指揮員意圖的精準理解與轉(zhuǎn)化，生成標準化作戰(zhàn)指令。從而在復雜戰(zhàn)場環(huán)境中，減少指揮層級，提升指揮效率。

后勤保障系統(tǒng)優(yōu)化。對現(xiàn)有后勤管理系統(tǒng)進行智能升級，實現(xiàn)裝備故障報告自動分析、維修方案智能生成、物資需求精準預測。提升后勤響應速度，降低保障成本。

軍事訓練與教育。在現(xiàn)有的模擬訓練系統(tǒng)中，利用LLM生成更逼真的內(nèi)容、自動生成演習后的評估報告，或為軍事院校學員提供智能化的條令法規(guī)學習助手。

這一階段的應用已經(jīng)有較多的實例，例如美國海軍將LLM作為減輕人員工作壓力、提高效率的虛擬助手，推出人工智能助手Amelia。美國海軍第106攻擊戰(zhàn)斗機中隊使用LLM工具賦能艦載機輔助著陸、無人加油機空中加油，甚至為后勤補給管理提供幫助。

該階段的能力邊界受限于原有系統(tǒng)，無法突破傳統(tǒng)系統(tǒng)的功能范圍，例如如果傳統(tǒng)情報系統(tǒng)無法處理圖像情報，LLM也無法憑空實現(xiàn)多模態(tài)情報融合。

第二階段：軍事應用場景的創(chuàng)新

當LLM在傳統(tǒng)系統(tǒng)中完成技術(shù)驗證與數(shù)據(jù)積累后，其能力不再局限于優(yōu)化現(xiàn)有功能，而是基于軍事需求的未被滿足點，延伸出傳統(tǒng)系統(tǒng)無法實現(xiàn)的全新功能。LLM從插件升級為核心功能模塊，不再僅僅是提升效率的輔助工具，而是開始成為催生新戰(zhàn)術(shù)、新能力的賦能平臺。此階段的變革開始觸及戰(zhàn)術(shù)層面，催生新的作戰(zhàn)方法。典型的應用場景有：

從指揮控制到AI參謀：LLM除了幫助指揮官查詢信息，開始主動提供決策建議。基于對戰(zhàn)場態(tài)勢數(shù)據(jù)的深度理解，LLM可以拓展出全新的作戰(zhàn)方案生成與評估模塊。根據(jù)指揮官下達的作戰(zhàn)意圖，結(jié)合當前敵情、我情、地理環(huán)境等信息，快速生成多種作戰(zhàn)方案。

從情報分析到認知域作戰(zhàn)：LLM除了處理和理解信息，還可以主動影響信息環(huán)境?；趯δ繕巳后w社交媒體、新聞輿論的深度分析，可以精準描繪其心理特征、價值觀念和關(guān)注焦點。在此基礎上，可以拓展出認知影響內(nèi)容生成功能，用于開展心理戰(zhàn)、輿論引導和反信息作戰(zhàn)。

該階段的代表性產(chǎn)品是Schale AI公司的Donovan系統(tǒng)。2023年5月，美國Schale AI公司推出Donovan軍事決策輔助系統(tǒng)，旨在增強分析人員和作戰(zhàn)人員對作戰(zhàn)環(huán)境的理解，并提出行動方案建議。該系統(tǒng)已被美國陸軍第十八空降軍部署，并用于猩紅之龍系列演習。

第三階段：國防產(chǎn)業(yè)體系的重塑

隨著LLM的應用從單一服務功能創(chuàng)新延伸至多系統(tǒng)協(xié)同，其影響將突破技術(shù)層面，深入軍事產(chǎn)業(yè)鏈的價值分配、角色定位與運作模式。到這一階段，國防產(chǎn)業(yè)體系的重塑會有以下特點：

軟件定義戰(zhàn)爭，算法成為核心資產(chǎn)：傳統(tǒng)的國防工業(yè)以硬件平臺為王，飛機、艦船、坦克的性能是價值的核心。隨著LLM應用的深化，價值的重心將向軟件和算法遷移。一架擁有先進AI模型的無人機，其作戰(zhàn)效能可能遠超一架沒有對應能力的更昂貴的傳統(tǒng)戰(zhàn)機。這意味著，控制著核心AI模型和數(shù)據(jù)處理能力的公司，將在產(chǎn)業(yè)鏈中占據(jù)越來越重要的地位。

國防工業(yè)研發(fā)體系的重構(gòu)。LLM的應用的滲透將催生一個全新的、更加開放和多元化的國防產(chǎn)業(yè)生態(tài)。在這個生態(tài)中，數(shù)據(jù)提供商、模型開發(fā)者、算力提供商、系統(tǒng)集成商和最終軍事用戶之間的關(guān)系變得更加網(wǎng)絡化和動態(tài)。

這一階段的趨勢已初見端倪。2025年，OpenAI與國防科技初創(chuàng)企業(yè)安杜瑞爾(Anduril Industries)建立合作關(guān)系，安杜瑞爾因此獲得了美國五角大樓授予的一項金額為1億美元的合同。此次戰(zhàn)略協(xié)作聚焦于研發(fā)并負責任地部署專門用于國家安全任務的先進AI解決方案，特別是著重提升反無人機系統(tǒng)(CUAS)效能，致力于有效探測、評估與應對空中威脅。合作將整合OpenAI的LLM模型、安杜瑞爾的高性能防御體系及其晶格(Lattice)軟件平臺。

第四階段：AI原生作戰(zhàn)范式與全新軍事能力

這是LLM在軍事領(lǐng)域應用的最高形態(tài)，完全基于LLM的技術(shù)特性與軍事需求的本質(zhì)痛點，設計無傳統(tǒng)產(chǎn)品形態(tài)束縛的全新軍事產(chǎn)品。這些產(chǎn)品不再是對現(xiàn)有系統(tǒng)的改進，而是定義全新的作戰(zhàn)樣式與軍事能力，推動戰(zhàn)爭形態(tài)從信息化戰(zhàn)爭向智能化戰(zhàn)爭躍遷，目前主要停留在構(gòu)想階段的新式作戰(zhàn)概念(如算法戰(zhàn)、馬賽克戰(zhàn)等)也將得以實現(xiàn)。典型產(chǎn)品形態(tài)的構(gòu)想如下：

全自主多域指揮控制系統(tǒng)。具備戰(zhàn)役級理解和規(guī)劃能力的AI指揮官，能夠在聯(lián)合戰(zhàn)區(qū)層面，根據(jù)最高戰(zhàn)略意圖，自主規(guī)劃并指揮海、陸、空、天、網(wǎng)、電等多域作戰(zhàn)力量，動態(tài)分配任務、管理資源、應對突發(fā)狀況，實現(xiàn)全局最優(yōu)的作戰(zhàn)效果。

認知域作戰(zhàn)智能體。誕生專門在信息和認知領(lǐng)域作戰(zhàn)的AI系統(tǒng)。這些系統(tǒng)能夠以機器速度和全球規(guī)模，實時監(jiān)測和分析全球輿論場、社交媒體和文化產(chǎn)品，理解不同群體的心理和認知模式。它們可以大規(guī)模、自動化地生成和傳播影響目標受眾認知、情緒和決策的定制化信息(文本、圖像、視頻)，實現(xiàn)不戰(zhàn)而屈人之兵的目標。

國防領(lǐng)域LLM滲透融合的核心制約因素

上述國防領(lǐng)域LLM滲透融合的四個階段是一種邏輯上的階段關(guān)系，并非線性的、時間上的順序關(guān)系。各個階段可以并行推進、相互促進，在第一階段“傳統(tǒng)軍事信息系統(tǒng)的升級”的同時，可同步開展第二階段“軍事應用場景的創(chuàng)新”的研發(fā);第三階段“國防產(chǎn)業(yè)體系的重塑”的成果，又可反哺前兩階段的技術(shù)應用。第四階段“AI原生作戰(zhàn)范式與全新軍事能力”是前三個階段發(fā)展的最終結(jié)果，它是技術(shù)、戰(zhàn)術(shù)、體系和理論全面成熟后，共同催生出的全新戰(zhàn)爭形態(tài)。

LLM在國防領(lǐng)域的應用前景廣闊，但受技術(shù)特性、軍事需求的約束，其演進速度與深度仍存在不確定性，核心制約因素包括：

技術(shù)安全性瓶頸：軍事場景的高對抗性、低容錯率，使得LLM的技術(shù)安全性成為首要門檻，這種瓶頸源于LLM本質(zhì)特性與國防需求的矛盾。LLM的黑盒特性與軍事決策的可追溯性、可控性要求相悖。LLM的輸出依賴海量參數(shù)的隱式關(guān)聯(lián)計算，其決策依據(jù)無法被人類完全拆解、驗證，一旦出現(xiàn)誤判或偏差，難以定位問題根源。

倫理與規(guī)則約束：LLM在國防領(lǐng)域的深度應用，尤其是在自主作戰(zhàn)系統(tǒng)、認知域作戰(zhàn)智能體等方面，打破了傳統(tǒng)戰(zhàn)爭的倫理邊界與規(guī)則框架，正在引發(fā)一系列倫理爭議與規(guī)則困境，成為制約其發(fā)展的重要軟性約束。

體系適配性難題：LLM在國防領(lǐng)域的應用需要嵌入現(xiàn)有軍事體系的全鏈條，而傳統(tǒng)軍事體系的封閉性、固化性與LLM所需的開放化、智能化生態(tài)存在沖突，這種適配性難題貫穿指揮、裝備、人才、算力等多個維度。

總結(jié)

LLM對國防領(lǐng)域的改變將是一個從量變到質(zhì)變的演進過程。它始于對現(xiàn)有系統(tǒng)的賦能，提升單點效率;發(fā)展為對作戰(zhàn)能力的拓展，催生戰(zhàn)術(shù)創(chuàng)新;深化為對作戰(zhàn)體系與產(chǎn)業(yè)的重構(gòu)，引發(fā)系統(tǒng)性變革;最終將導向以AI原生為特征的全新戰(zhàn)爭范式。LLM在每一階段的滲透都伴隨著巨大的機遇和嚴峻的挑戰(zhàn)，對挑戰(zhàn)的認知和管控能力，將決定LLM軍事應用的成敗。(北京藍德信息科技有限公司)

參考資料

[1] https://www.bankinfosecurity.com/pentagons-use-grok-raises-ai-security-concerns-a-30546

[2] https://www.af.mil/News/Article-Display/Article/3800809/department-of-the-air-force-launches-niprgpt/

[3] https://www.c4isrnet.com/industry/2023/06/13/meet-amelia-the-us-navys-conversational-ai-tech-support-tool/

[4] https://www.news.cn/milpro/20240620/c23913bcec94481593f3a9b8afe287fa/c.html

[5] https://news.qq.com/rain/a/20250806A03HUU00

[6] https://www.csis.org/analysis/pentagons-ai-problem-isnt-algorithms-its-evaluation