生成式人工智能如何賦能未來戰爭

近年來，生成式人工智能技術加速發展，以ChatGPT、DeepSeek等為代表的模型在數據整合、信息集成與內容生成方面展現出良好的交互性與創造性。研究生成式人工智能在未來戰爭中的運用，能充分挖掘其軍事潛力、助推軍事智能化進程、增強軍隊作戰能力，同時通過剖析風險挑戰制定應對策略，可為完善軍事管理提供理論支撐，助力搶占未來戰爭先機、維護國家安全與戰略利益。

生成式人工智能是什么

生成式人工智能的概念界定與技術定位。生成式人工智能是使用Transformer模型等深度學習算法，基于注意力機制構建，旨在解決傳統循環神經網絡與長短期記憶網絡處理長序列數據時的梯度消失、梯度爆炸問題，以及彌補對長距離依賴關系捕捉不足的缺陷。

以DeepSeek、ChatGPT為代表的

大模型工具正快速融入到各個領域

以GPT系列模型為例，其架構以Transformer解碼器為基礎，核心支撐是自注意力機制。該機制允許模型處理輸入文本序列時，為每個詞匯分配差異化權重，聚焦于與當前任務最相關的內容。這一機制使模型能同時考量序列中所有詞匯，有效捕捉長距離依賴關系。同時，GPT模型采用的多頭注意力機制進一步強化了表達能力。通過并行部署多個自注意力頭，每個頭專注于輸入序列的不同表示子空間；不同頭的輸出經拼接與線性變換后形成最終結果，使模型能學習更豐富的文本特征。

相較于判別式人工智能，傳統人工智能多依賴人工標注的數據進行有監督的學習，學習過程被動且對數據依賴性強，數據分布變化時，性能易受影響。生成式人工智能則可在海量無標注數據中自主挖掘知識，通過無監督預訓練學習數據的潛在特征與分布規律，構建對世界更廣泛深入的理解。同時，生成式人工智能可通過持續學習迭代升級。

在軍事應用中，生成式人工智能突破了傳統信息處理的被動性，成為動態作戰環境中主動生成決策支持信息、構建戰場認知的核心技術支撐。戰場數據具有多源異構、動態變化、對抗性強等特點，生成式人工智能憑借無監督學習形成的通用規律認知，可在有限數據中快速適配：在情報碎片化時主動整合多域信息生成完整戰場態勢，在戰術調整中實時生成多套應對方案，有效彌補傳統技術在突變環境下的響應短板，成為連接信息感知與決策執行的關鍵樞紐，為全域作戰提供主動化、智能化的支撐。

核心技術原理。生成式人工智能核心算法架構的自注意力機制擅長處理長序列數據，可精準捕捉多時段戰場情報中的時空關聯，為多域情報融合、跨軍種協同決策提供高效支撐；擴散模型通過逐步降噪生成高保真內容的特性，可模擬復雜戰場環境，為作戰推演、訓練模擬提供逼真場景；生成式對抗網絡可模擬攻防博弈過程，生成逼真的虛假流量、偽裝機載信號干擾敵方檢測系統，判別器則可識別敵方虛假信息，雙向強化網絡戰、電子戰演練的真實性，提升對抗訓練效果。

美軍將大語言模型Donovan系統

用于紅龍演習中

軍事數據因涉密性強、實戰案例有限而具有稀缺性，這對生成式人工智能的訓練提出特殊要求。針對這一問題，技術層面通過小樣本學習與領域自適應訓練實現突破：可從有限實戰案例中快速提煉戰術規律；領域自適應訓練則借助遷移學習，將通用模型的知識底座遷移至軍事領域。同時，通過數據增強技術生成模擬戰場數據擴充訓練樣本，在平衡數據稀缺性的同時，保障模型對軍事場景的適配能力。

技術特點及軍事價值。一是從“被動響應”到“主動創造”的作戰支撐能力。傳統軍事人工智能多被動執行指令，而生成式人工智能可基于戰場態勢主動創造決策支持內容。在戰術指揮中，模型能依據實時兵力部署、地形數據、氣象條件，主動生成多套作戰方案，涵蓋行動路線、火力配置及突發情況應對預案；在后勤保障中，可結合部隊機動速度、物資消耗規律，主動預測補給需求并生成動態調配計劃，變“人找信息”為“信息找人”，大幅提升指揮效率與響應速度。

二是通過多模態協同保障跨域作戰。在聯合作戰中，模型可整合衛星圖像、無線電通信、情報報文等多模態信息，生成統一戰場態勢圖，輔助指揮官快速掌握全域情況；在認知對抗中，能生成多模態欺騙信息，如模仿敵方指揮官語音下達錯誤指令，同步生成配套的虛假行動文書與衛星圖像，對敵決策鏈形成認知干擾。

三是憑借輕量化部署適配戰場動態響應。通過模型輕量化技術（如知識蒸餾），可將大型模型壓縮至適配無人機、單兵終端等邊緣設備的規模，實現戰場數據本地實時處理，減少對后端網絡的依賴；其遷移學習能力可支持模型快速適配不同作戰場景，例如從城市作戰環境快速遷移至山地作戰，通過少量戰場數據微調，短時間內形成針對性作戰支持能力，確保在網絡延遲或中斷的復雜環境中，仍能高效響應戰場動態變化，提升戰術執行的時效性。

未來戰爭形態的發展趨勢

認知域對抗的凸顯。未來戰爭的作戰目標正從傳統的物理域摧毀向認知域主導深度延伸，認知域已成為決定戰爭走向的核心對抗場。這種轉變的核心是：通過塑造信息認知優勢，使敵方在OODA鏈路中產生偏差，進而放棄抵抗或陷入戰略誤判。烏克蘭危機中雙方的信息博弈已超越單純的情報獲取，轉向對認知的主動塑造，物理摧毀是支撐認知壓制的手段，而認知主導則決定了物理行動的戰略效能。

作戰節奏的秒級博弈。傳統依賴人工整合分析的信息處理模式已無法適配“發現即摧毀”的快節奏對抗。在態勢感知環節，衛星、無人機、傳感器等多源設備實時回傳的戰場數據呈現碎片化、瞬時性特征，需在秒級內轉化為可直接用于決策的結構化內容。生成式人工智能的價值不僅在于速度提升，更在于將海量原始數據即時轉化為決策可用的認知產品。

跨域協同的深度融合。現代戰爭的跨域協同邁向“陸海空天電網認知”全域深度融合，即把陸軍的地面偵察數據、海軍的海域態勢數據、空軍的空中軌跡數據、網電域的電磁信號數據等，轉化為各作戰單元可理解、能協同的統一信息內容，生成式人工智能通過學習各軍種數據的語義規則，自動消除數據壁壘。

體系對抗的復雜性躍升。未來戰爭的體系對抗作戰要素從傳統的兵力、火力，擴展到算法、數據、認知等新型要素；要素間關聯從線性因果（如火力強度決定摧毀效果）變為非線性耦合（如電磁干擾強度可能影響火力精度）；戰場狀態則因敵方非對稱戰術（如小型無人機蜂群突襲）而頻繁突變。這種復雜性要求“動態、非對稱”方案生成需能實時響應戰場變化，而生成式人工智能恰能適配這一需求。

生成式人工智能賦能

未來戰爭的場景與機制

情報與態勢感知領域。一是多源異構情報的自動化整合。戰場情報來源呈現“多域異構”特征，圖像、視頻文本往往因格式、維度、語義規則不同形成“數據孤島”。生成式人工智能破解這一困境：對衛星圖像，自動提取結構化語義標簽；對電磁信號，轉化為文本描述；對社交媒體文本，提煉關鍵信息。這種多源異構情報的整合方式，使各作戰單元能基于統一認知協同行動，實現情報價值的跨域釋放。

生成式人工智能可破解“數據孤島”問題

二是潛在威脅的預測性生成。生成式人工智能通過歷史戰例建模、敵方行為模擬、多場景推演的模式，實現對敵方意圖的深度預判。其核心在于基于歷史對抗數據構建敵方決策模型，模擬其在不同戰場條件下的可能行動邏輯。這種基于歷史規律的意圖模擬，使情報分析從被動響應轉向主動預判，為防御部署提供精準指向。

作戰決策與指揮控制領域。一是動態作戰方案的生成與評估。戰場不確定性要求決策系統具備“多預案并行響應”能力。生成式人工智能可通過以下方式實現這一目標：首先基于當前態勢生成多套基礎方案；隨后向每套方案注入隨機變量；再通過兵棋推演評估各方案在變量影響下的效能。這種并行推演并非替代指揮員決策，而是通過窮盡潛在風險，降低決策的未知盲區。

二是跨層級指揮的自然語言交互。戰場決策鏈路存在“層級多、信息雜”的特點，前沿偵察兵的口語報告、營級指揮部的戰術簡報、戰區指揮中心的戰略指令，往往因表述習慣、專業術語差異導致信息衰減。生成式人工智能通過構建覆蓋“單兵、營、戰區”的統一語義庫，將不同層級的表述轉化為標準化信息，確保信息在指揮鏈路中不失真、不冗余，實現決策意圖的精準傳遞。

認知對抗與心理作戰領域。一是定向信息的精準生成與傳播。認知對抗的核心是精準觸達到認知共鳴，生成式人工智能首先基于大數據構建目標群體的“認知特征模型”.在傳播環節，系統根據目標群體的信息渠道偏好，自動適配傳播形式，使認知影響從廣撒網轉向精準滴灌，顯著提升心理作戰的效能。

二是反制虛假信息的生成式防御。面對敵方利用生成式技術制造的虛假信息，傳統人工核查存在“響應慢、證據散”的短板。生成式人工智能通過對比視頻幀的光影邏輯、文本的語義特征，快速識別虛假信息；隨后自動關聯原始數據源，生成“證據鏈簡報”；最后針對虛假信息的傳播渠道與受眾，定制澄清內容，揭露其欺騙邏輯。

Sora生成的視頻截圖

軍事訓練與裝備研發領域。一是動態生成高保真虛擬戰場。生成式人工智能構建的虛擬戰場并非靜態復現，而是基于真實戰例的“動態演化系統”，以歷史戰役為原型，通過注入可控變量，生成多樣化訓練場景，逼迫受訓者突破思維定式。這種“戰例為基、變量驅動、動態適配”的生成模式，使訓練從“復刻歷史”轉向“預演未來”。

二是裝備原型的生成式設計與優化。傳統裝備研發多采用“串行設計”“逐步迭代”模式，而生成式人工智能通過將裝備需求拆解為技術參數約束，再基于材料數據庫、結構力學模型、歷史設計案例，同時生成數十套差異化原型方案，縮短研發周期。

后勤保障與網絡作戰領域。一是智能生成物資調配方案。現代戰場后勤保障面臨“環境突變”及“需求波動”的雙重挑戰，生成式人工智能通過構建物資節點網絡，再針對突發干擾，自動生成替代方案：重新規劃運輸路徑；調整物資優先級；聯動生產端調整保障計劃，最大限度減少戰場環境對作戰的影響。

二是自動化生成網絡攻防代碼。網絡戰場的“秒級對抗”要求攻防代碼具備實時生成、動態適配的能力。生成式人工智能可實現攻防代碼的自動化產出：對網絡防御，基于敵方既往攻擊手法，自動生成針對性檢測規則、補丁程序；對網絡攻擊，根據目標系統特征，生成適配的滲透代碼、偽裝流量，顯著提升在網絡攻防窗口期的制勝概率。

生成式人工智能賦能戰爭的

現實問題及對策建議

技術局限性引發的安全風險。一是生成內容真實性失控問題。生成式人工智能模型在訓練與推理中可能出現梯度消失、梯度爆炸等問題，導致模型產生異常輸出。在高強度、快節奏的信息戰中，模型一旦出現崩潰、死循環或輸出亂碼等故障，作戰系統將瞬間喪失關鍵信息處理與決策支持能力，使作戰方陷入被動，影響作戰效能；二是模型魯棒性與抗干擾能力不足，突出表現為戰場強電磁環境下的性能衰減。強電磁干擾區域的傳感器數據可能存在大量噪聲、丟失或錯誤，導致輸入數據質量驟降，生成式人工智能模型易出現誤判。三是軍事數據泄露與隱私風險，訓練數據中涉密信息存在被逆向提取的可能。準確性、完整性不足的軍事數據輸入模型后會嚴重干擾學習與判斷，導致情報分析、作戰方案出現偏差。同時，軍事數據若在收集、存儲、傳輸與共享中缺乏嚴格防護，易導致泄露，對國家安全構成嚴重威脅。

對此，一方面，應優化模型技術方向，重點發展“可解釋生成AI”“抗幻覺訓練技術”與“軍事領域適配的輕量化模型”，提升模型精準性與可靠性，通過先進對抗訓練技術增強對戰場噪聲、錯誤數據的魯棒性。同時加速模型輕量化與高效化，采用知識蒸餾等技術削減參數量，降低算力依賴，實現快速部署與實時響應。另一方面，應健全數據安全機制，構建軍事專用高可信度數據資源庫，整合多源異構數據，通過嚴格清洗、標注與質量評估確保數據準確完整。同時強化數據安全防護，采用加密技術保障傳輸安全；基于區塊鏈技術構建去中心化存儲與共享機制，抵御外部攻擊與內部泄露風險；建立嚴格的數據訪問權限管理機制，筑牢數據安全防線。

人工智能安全可控至關重要

倫理困境與認知主權爭奪問題。一是自主武器殺傷的道德責任歸屬問題，若AI武器系統誤判目標，將違背人道主義原則。且自主決策機制導致責任界定模糊，傳統戰爭中作戰人員對自身行為負責的模式被打破，開發者、使用者與AI系統的責任歸屬混亂。二是認知操縱的倫理邊界問題，生成式人工智能在信息戰中被濫用于制造虛假信息，危害顯著。

對此，一方面，應制定生成式人工智能軍事應用的倫理審查清單，明確禁止性應用場景。各國軍隊應協同制定權威的AI信息戰道德行為規范：在信息真實性上，嚴禁編造、歪曲信息；在攻擊行為上，嚴禁傷及平民與民用設施；在責任界定上，清晰責任，避免推諉；將準則納入軍事教育訓練，強化作戰人員的倫理意識。另一方面，應建立跨學科倫理監督機制，構建嚴謹的倫理審查機制：組建審查機構；在項目實施各階段進行嚴格審查，立項時評估目標與倫理風險，研發中監督數據與訓練方法，測試中核驗輸出的準確性，部署前審視復雜戰場環境下的運行機制；以國際倫理原則、人權法與戰爭法為審查標準，制定量化指標，建立審查結果公示與反饋機制。

法律規制的滯后性與模糊性問題。一是現有戰爭法對生成式人工智能的規制適配性不足，生成式人工智能的技術特性與傳統法律框架存在沖突，責任界定上，AI系統在信息戰中造成損害時，現行法律缺乏明確分配準則。二是跨境作戰的法律責任劃分難。生成式人工智能軍事化應用的全球化加速，使國際規則制定滯后于技術發展：科技強國試圖主導規則制定，弱國持謹慎態度，導致國際談判僵局；各國對AI軍事應用的限制、數據共享、倫理審查等關鍵問題難以達成共識，短期內難以出臺有廣泛約束力的公約。

對此，一方面，應推進國內立法，明確軍事應用的審批流程與責任主體。加快構建法律體系：對軍事關鍵領域的AI設定嚴苛準入門檻；在軍事指揮與情報分析中規范數據使用與監督原則；立法應聚焦責任界定、數據保護與應用邊界，明確作戰中系統故障的責任劃分，確保軍事數據全生命周期安全。另一方面，應加強國際協調，推動生成式人工智能軍事應用的多邊規則構建：召集各國與多方代表制定AI戰爭行為準則，禁止無差別攻擊與惡意虛假信息傳播；各國可通過共享技術標準、聯合科研與協同制定規范深化合作；在監管執法上，建立信息共享機制，對跨國AI信息戰違規行為聯合調查取證與制裁，形成執法威懾，維護國際信息戰秩序。

結　語

生成式人工智能在情報整合、決策支持、認知對抗等領域的突破，正在重塑戰爭形態與作戰邏輯。然而，技術局限性帶來的安全隱患、倫理困境引發的責任爭議、法律規制滯后的治理難題，也警示我們：技術賦能的前提是可控善用。唯有以技術創新突破瓶頸、以倫理準則劃定邊界、以法律規制構建框架，推動技術、倫理及法律協同治理，才能讓生成式人工智能真正成為提升國防能力、維護戰略安全的利器，在未來戰爭中實現安全與發展的動態平衡。

免責聲明：本文轉自軍事文摘，原作者鄧小林、劉明坤、 蘇軍院。文章內容系原作者個人觀點，本公眾號編譯/轉載僅為分享、傳達不同觀點，如有任何異議，歡迎聯系我們！

研究所簡介

國際技術經濟研究所（IITE）成立于1985年11月，是隸屬于國務院發展研究中心的非營利性研究機構，主要職能是研究我國經濟、科技社會發展中的重大政策性、戰略性、前瞻性問題，跟蹤和分析世界科技、經濟發展態勢，為中央和有關部委提供決策咨詢服務。“全球技術地圖”為國際技術經濟研究所官方微信賬號，致力于向公眾傳遞前沿技術資訊和科技創新洞見。

地址：北京市海淀區小南莊20號樓A座

電話：010-82635522

微信：iite_er