战争是一种人类活动——以武力与暴力的威胁或运用为特征的意志较量……它并非可以由机器、计算或流程精确控制的机械过程。——ADP 6-0，《指挥与控制》

随着人工智能日益塑造军队的感知、决策与行动方式，战争抗拒机械化的这一假设正受到条令未曾预料到的考验。从乌克兰人工智能赋能的无人机网络到美国与以色列针对伊朗的联合行动，近期多场冲突中，机器辅助系统正将决策周期压缩至超出人类认知处理能力的速率，实现了从传感器到射手的无缝链接，并以空前规模和节奏生成打击方案。在此类环境中，指挥官正从亲自决策转向在时间压力下从机器生成的建议中做出选择。问题已不再是人工智能是否会塑造军事行动——它已经在塑造。问题在于，它对指挥这些行动的军人造成了何种影响？

这一转变冲击了军事领导条令的根基。正如美《陆军条令出版物6-0：指挥与控制》所阐述的，任务式指挥建立在相互信任、共享理解以及受指挥官意图引导的纪律严明的主动性基础之上[1]。同样，作战流程将指挥官置于理解、可视化和指导这一迭代的、由人类驱动的周期中心[2]。然而，随着人工智能系统介导态势理解并影响决策输出，信任的重心正从人类领导者转向算法系统，而权限则日益分散于人类—机器网络之中。但责任仍由指挥官承担。

在战场之外，这些动态还延伸至日常组织领导。在组织层面，领导力从根本上讲是一种基于信任、氛围与专业判断的影响力行为[3]。随着人工智能赋能的工具嵌入规划、分析与决策支持，下属可能开始赋予机器衍生输出比指挥官意图更高的权重，因为算法的置信度逐渐取代了人类判断。问题不在于抗命，而在于人类判断被逐渐边缘化。

将这种状态描述为“失去控制的指挥”——权限在形式上依然完整，而赋予其活力的人类判断却被为速度而非智慧而优化的系统逐渐掏空。人工智能加速了军事决策，更重要的是，它重构了谁或什么被信任来做出决策，而问责制却保持不变。由此产生的与任务式指挥条令基础之间的张力正日益增长、未得到充分审视且影响深远。应对这一挑战，要求领导者不是拒绝人工智能，而是刻意且持续地在那些旨在让这种重申显得多余的系统内部，重申人类判断的首要地位。

算法压力下的任务式指挥

设想两个规划室内。在其中一处，地图是手绘的，电台是连接上级的唯一纽带，决策来自指挥官本人在亲临的地形上做出的个人研判。在另一处，人工智能生成的叠加层以快于参谋人员审查的速度填满屏幕，而本能反应是依据输出构建方案而非质疑它。这种反差与能力无关，它源于机器使不确定性显得已然确定的速度。

任务式指挥建立在一个简单却苛刻的前提之上：指挥官通过相互信任建立凝聚团队，创造共享理解，提供清晰意图，并授权纪律严明的主动性[4]。这一理念假定人类在不确定性中解读信息、行使判断并在信任框架内行动。人工智能通过介导指挥系统内理解如何构建、信任如何形成以及决策如何执行，间接挑战了这些假设，而非简单地取代领导者。

第一个摩擦点在于共享理解，这是任务式指挥的基石。人工智能赋能的系统日益通过过滤、优先排序和呈现信息来塑造部队对战场的感知。关于人工智能赋能的军事决策的研究强调，此类系统能以超出人类处理能力的速度聚合海量数据集并生成综合作战图景[5]。在乌克兰，人工智能赋能的无人机网络将传感器到射手的周期从数小时压缩至数秒，展示了机器介导的情报、监视与侦察如何从根本上改变战术层面态势感知的构建与共享节奏[6]。正在进行的美国—以色列对伊朗的联合行动将这一模式扩展至战役规模，其人工智能目标定位系统在首个二十四小时内处理超过一千个打击目标，速度之快在结构上排除了对每项决策进行审慎的人类评估[7]。结果，传统的由参谋驱动的态势理解构建过程正被机器策划的输出所补充，并在某些情况下被取代。虽然这增强了速度和数据集成，但也引入了对算法过滤的依赖，从而在指挥流程中引发了关于可见性、偏见和可解释性的关键问题。

其次，人工智能重塑了军事决策流程及相关决策框架的执行。对人工智能集成到指挥与控制的分析表明，这些系统压缩了规划与执行时间线，实现了更快的方案生成与选择[8]。指挥官不再经历审慎的参谋流程，而是更频繁地被呈上已由人工智能系统过滤和塑造的选项。这种压缩挑战了条令预期——即指挥官应通过持续对话、分析和细化来发展理解。

第三，人工智能改变了军事组织内部相互信任的基础。任务式指挥假定信任在指挥官、下属和参谋之间流动，从而实现分散执行。然而，关于军事背景下人工智能支持决策的研究表明，过度依赖人工智能工具会削弱领导者内在的决策技能，并使其保持对复杂系统控制的能力复杂化[9]。随着时间的推移，这种信任会从人转向系统感知上的可靠性。费伦茨·法泽卡斯指出，人工智能赋能的指挥系统可能无意中集中信息权限，即使其本意是支持分散执行[10]。

第四，人工智能加剧了分散与集中之间的张力，这是任务式指挥的决定性特征。一些学者认为，人工智能可以强化分散执行。索林·马泰和凯尔·里德主张，人工智能赋能的指挥系统通过数据浓缩与提炼过程，可同时向高级指挥官和战术边缘传递具备决策质量的信息，从而增强而非侵蚀任务式指挥的意图驱动逻辑[11]。在此观点下，人工智能管理信息不对称的能力不是弱点，而是分布式主动性的赋能因素。

然而，美国陆军战争学院的兵棋推演证据对这一乐观评估提出了挑战。亚伦·威尔科克斯和蔡斯·梅特卡夫记录了人工智能赋能的规划系统如何在参谋军官中造成认知锚定，他们顺从于机器生成的行动方案，即使这些输出被证明在作战上存在缺陷[12]。人工智能系统非但没有赋能分散主动性，反而充当了集中化的认知权威——不是通过指挥层级，而是通过算法对选项如何被框定、排序和接受的影响。这意味着指挥官必须更加努力地维持控制与主动性之间的平衡，而不能假设它会自然产生。

最后，人工智能使任务式指挥中权限与问责之间的关系复杂化。虽然决策支持系统塑造建议并影响结果，但责任仍由人类指挥官承担。关于人工智能赋能的军事决策的研究强调，此类系统可能难以被用户完全解释，特别是当输出通过复杂模型和概率推理生成时，这使验证和信任变得复杂[13]。这造成了一个缺口：决策输入分散在系统和参与者之间，而问责仍由指挥官承担。

这些结构性压力使任务式指挥在纸面上保持完整，同时暴露了其人类基础开始侵蚀的条件。

人工智能、信任与人类判断的侵蚀

一名参谋军官在三分钟内审查五十个由人工智能生成的打击选项，这在任何传统意义上都不是在做决策；他是在执行决策。这一区别在和平时期规划中微妙，在战斗中却是灾难性的，它正是人工智能对军事判断所造成影响的核心。条令一贯强调，指挥是在不确定性中运用判断的实践，要求领导者在信息不完整的情况下解读信息、接受风险并采取行动，尽管存在模糊性[14]。人工智能并未消除不确定性，却制造了一种确定性的幻觉，这种幻觉会扭曲领导者和下属的思考、决策与行动方式。

一个核心风险是自动化偏见日益普遍，即个体倾向于过度信任机器生成的输出，尤其是在快节奏环境中。实证研究证明，即使建议是错误的，用户也经常遵从算法推荐，尤其是在时间压力和认知负荷条件下[15]。在人工智能系统日益嵌入目标定位、情报分析和规划工具等军事背景下，这种偏见会微妙地将决策权限从人类判断移开。关键的是，这种倾向在目标定位背景下已被具体记录，对自动化推荐的过度依赖不仅引发作战问题，还引发关于遵守国际人道主义法区分和比例原则义务的法律关切[16]。领导者可能开始接受人工智能输出，不是将其视为有待质疑的输入，而是将其视为有待验证的结论。

这种转变对组织领导力和信任具有重要影响。军事组织内的领导力取决于基于专业判断和经验的的影响力。然而，随着人工智能系统嵌入规划和分析流程，这种影响力的基础可能演变。约瑟夫·休伊特认为，人工智能可以塑造决策如何被制定和解读，表明领导者必须防范对系统生成输出的过度依赖，特别是当此类输出在分析上显得稳健时[17]。在此类背景下，下属在形成自身评估时可能日益依赖系统输出。这不是抗命；它反映了组织内信任的重构，技术成为决策过程中更突出的中介。

这种脆弱性不仅限于在火力下认知疲劳的士兵。在美国陆军指挥与参谋学院，人工智能在规划演习、兵棋推演和学术评估中的集成进展迅速，足以促使正式的机构干预。2025年8月发布的《指挥与参谋学院公告921》明确警告，生成式人工智能工具“缺乏将摘要或比较可靠转化为合理分析或建议所需的背景和判断力”，并禁止在分级评估中未经授权使用，这一限制在拥有作战经验的中级军官中的必要性本身就具有启示意义[18]。事实上，这种情况甚至出现在专业军事教育环境中，表明接触人工智能本身就足以取代独立判断，无论军衔或经验如何。

人工智能还影响领导者如何应对不确定性和风险，这两者都是有效指挥的核心。军事领导力传统上要求在模糊中保持从容，并具备在信息不完整情况下做出决策的能力。然而，人工智能系统通过呈现结构化输出、概率和优先排序的建议，可以制造一种可能并不反映作战环境潜在复杂性的清晰感。研究指出，此类系统可以掩盖其自身局限性，特别是当使用者无法看到输出如何生成时[19]。更大的危险在于人工智能掩盖不确定性的倾向，助长对本质上仍不确定的决策的过度自信。

人工智能赋能战争中的权限、问责与伦理风险

人工智能并未减轻指挥官的责任。如果说有什么变化的话，它使责任更重了。虽然人工智能系统日益为作战决策提供信息、确定优先顺序甚至塑造作战决策，但这些决策的伦理与法律重担仍牢牢由人类领导者承担。结果是形成一种指挥环境：权限扩大，而问责保持不变。

这种张力源于决策支持与决策所有权之间的关系。人工智能系统可以处理海量数据集，并以超越传统人类分析的速度生成打击方案。这提高了作战效率，但也给决策者带来压力，他们必须迅速评估系统生成的输出。在高节奏目标定位环境中，这种压力更为明显。在正在进行的伊朗冲突中，美国军方确认使用了“梅文智能系统”（融合超过170个情报来源）以及商业人工智能工具，以国防分析人士描述为在结构上与审慎法律审查不相容的规模和节奏生成和排序打击目标[20]。观察该行动的研究人员还指出，虽然人工智能显著加速了目标定位，但它并未减少——反而可能强化了——对人类判断的要求，正是因为机器生成选项的数量和速度压缩了可用于评估的空间[21]。在此类条件下，决策面临从审慎评估转向程序性验证的风险，人类指挥官的角色变成确认而非批判性审问系统输出。

与此同时，人工智能对问责结构构成了根本性挑战。传统的军事问责依赖于将决策与可识别的行动者联系起来的清晰链条。然而，人工智能赋能的系统将决策输入分散在设计者、数据源、操作者和指挥官组成的网络之中。伊朗行动以空前方式使这种分散变得可见：美国军方将Anthropic公司的Claude（一款商业大语言模型）与Palantir公司的“梅文”目标定位系统结合用于打击排序，引发了关于该用途伦理限度的公开争议[22]。这种裂痕精确地说明了当决策源于人类—机器网络而非可识别的人类行动者时，责任如何在商业开发者、军事操作者和指挥官之间分散。结果是，谁影响决策与谁对这些决策负责之间的差距日益扩大。

军事领导力建立在一个原则之上：指挥官对其部队所做或未做的一切负责，包括其决策的伦理影响[23]。人工智能使这一原则在实践中的应用复杂化。区分和比例等概念需要情境判断和仔细核实，而人工智能系统无法可靠提供。对伊朗—以色列对抗中算法目标定位的分析强调，如果没有充分的人类监督，人工智能目标定位系统可能导致平民伤害，并引发关于遵守国际人道主义法的关切[24]。依赖统计推断而非经验证法律确定性的目标定位系统破坏了国际人道主义法原则——区分和比例义务——造成了现有指挥结构无法应对的问责缺口[25]。

当问责变成点击目标清单这种程序性行为，而非实质性的审慎判断时，“失去控制的指挥”就不再是理论风险，而是作战现实。

图。人工智能时代军事领导力的重构（图由作者提供）

为人工智能时代重构军事领导力

人工智能不需要新的军事领导理论；它要求在变化条件下更刻意地应用现有原则。前文确立了一种模式：人工智能不太可能直接从外部打破指挥，更可能通过使判断的让位感觉像效率一样，从内部侵蚀指挥。恢复有意义的指挥权限需要沿着三条相互强化的路线采取刻意行动（见图）。

首先，领导者必须刻意重申人类判断的首要地位。人工智能系统可以生成和优先排序选项，但无法取代情境理解、经验或伦理推理。领导者必须抵制将速度与合理决策等同的倾向，并确保关键决策保留一个审慎的人类检查点。这在高节奏环境中尤为重要，因为快速行动的压力可能将决策简化为在预处理选项中进行选择。重申判断不需要拒绝人工智能；它要求主动审问其输出、质疑假设，并确保决策植根于作战背景。

其次，领导者必须对人工智能系统建立纪律严明的信任。信任仍是任务式指挥的核心，但在人工智能赋能的环境中，它必须超越人际关系，扩展到人—机交互。这种信任不能是未经批判的。领导者必须了解所使用系统的能力和局限性，并确保下属将人工智能输出视为有待考虑的投入，而非有待接受的结论。建立这种纪律需要训练、重复和指挥强调。部队不仅必须学会如何使用人工智能，还必须学会如何适当地挑战它，特别是当输出与情境理解或指挥官意图冲突时。

第三，领导者必须积极维护指挥权限和问责。人工智能赋能的系统可以将决策输入分散在网络和流程中，但它们绝不能稀释指挥官作为最终决策权威的角色。领导者必须强化指挥官意图的首要地位，确保目的清晰，并保持对结果的所有权。同时，他们必须对受人工智能影响的决策保持问责，认识到责任不能委托给系统。这需要自觉努力保留对决策的道德和专业所有权，特别是在技术加速行动的环境中。

这些适应不是理论；它们是领导实践。通过这样做，它们在集成新能力的同时强化了指挥的人类基础。

最终，人工智能赋能部队的有效性不仅取决于技术复杂性，还取决于领导者能否保持对决策制定方式的控制。人工智能时代指挥的衡量标准不是领导者处理机器输出的速度，而是他在每一次顺从的压力下，是否选择不顺从。

结论

正在进行的冲突已明确了本文通过条令、兵棋推演和机构观察所论证的观点：人工智能并非从外部威胁指挥，而是从内部掏空它。当一次行动在数小时内生成数千个由人工智能优先排序的目标，将商业大语言模型集成到打击决策中，并引发关于谁承担伦理责任的公开争议时，条令问责与作战现实之间的差距已不再是理论上的。它已成为结构性的。

这就是“失去控制的指挥”的状态。权限在形式上依然完整。指挥官保留他们的头衔、签名和法律责任。被侵蚀的是赋予指挥以意义的人类判断，它被并非出于恶意或疏忽所取代，而是被为速度、规模和分析完整性而优化的系统所取代，这些系统使判断的放弃感觉与效率无异。

然而，军事领导力的持久原则仍然有效。战争继续是一种人类活动，有效指挥仍取决于判断、信任和责任。一位曾在无机器抵达、无信号确认的地形上指挥过士兵的军官，对此的理解不是作为条令，而是作为经验。这种理解正是人工智能时代所要求的，也恰恰是它最面临被侵蚀风险的东西。当代领导者的任务是确保这些原则不被技术所取代，而是通过技术得到强化。

在以机器速度为特征的时代，决定性优势不属于处理信息最快的部队，而属于其领导者保持对信息如何被理解、解读和行动的控制的部队。军事有效性的未来不仅取决于技术优势，还取决于领导者抵制“失去控制的指挥”并在各方面保持指挥的能力。

ADP 6-0, Command and Control, v.

ADP 5-0, The Operations Process (US GPO, 2019), chap. 1.

Department of Command and Leadership, L100: Developing Leaders and Organizations (US Army Command and General Staff College, 2025), 8.

ADP 6-0, Command and Control, 9–15.

Emelia Probasco et al., AI for Military Decision-Making: Harnessing the Advantages and Avoiding the Risks (Center for Security and Emerging Technology, April 2025), 5, https://www.doi.org/10.51593/20240028.

Ashley Ruiz, “The Future of War: Kill-Chain Supremacy and Ukraine’s Lessons,” Journal of Strategic Security 18, no. 4 (2025): 53–63, https://doi.org/10.5038/1944-0472.18.4.2592; Kateryna Bondar, “Ukraine’s Future Vision and Current Capabilities for Waging AI-Enabled Autonomous Warfare,” Center for Strategic & International Studies, 6 March 2025, https://www.csis.org/analysis/ukraines-future-vision-and-current-capabilities-waging-ai-enabled-autonomous-warfare.

Dawn Zoldi, “AI-Powered Target Bank Warfare: U.S.-Israel Use Advanced Tools to Strike ‘Pop-Up’ Threats in Iran,” Autonomy Global, 20 March 2026, https://www.autonomyglobal.co/ai-powered-target-bank-warfare-u-s-israel-use-advanced-tools-to-strike-pop-up-threats-in-iran/; Carlotta Kozlowskyj, “Iran Conflict as a Testing Ground for AI Warfare Systems,” Bloomsbury Intelligence & Security Institute, 24 March 2026, https://bisi.org.uk/reports/iran-conflict-as-a-testing-ground-for-ai-warfare-systems.

Florian Gerster et al., “The Impact of Artificial Intelligence on the Military Decision-Making Process and Mission Command,” Defence Horizon Journal, 11 September 2025, https://tdhj.org/blog/post/ai-military-decision-making-2/.

Alexandru Baboş, “Artificial Intelligence as a Decision-Making Tool for Military Leaders,” Land Forces Academy Review 26, no. 4 (2021): 271–72, https://doi.org/10.2478/raft-2021-0034.

Ferenc Fazekas, “Mission Command and Artificial Intelligence,” Land Forces Academy Review 26, no. 4 (2021): 69–79, https://doi.org/10.2478/raft-2023-0010.

Sorin Matei and Kyle Reed, “Mission Command’s Asymmetric Advantage Through AI-Driven Data Management,” Parameters 56, no. 2 (Summer 2026): 106, https://doi.org/10.55540/0031-1723.3370.

Aaron Wilcox and Chase Metcalf, “AI Command and Staff—Operational Evidence and Insights from Wargaming,” Military Strategy Magazine 10, no. 4 (Winter 2026): 4­–10, https://doi.org/10.64148/msm.v10i4.1.

Probasco et al., AI for Military Decision-Making, 17–20. ADP 6-0, Command and Control, chap. 2.

Raja Parasuraman, and Dietrich H. Manzey., “Complacency and Bias in Human Use of Automation: An Attentional Integration,” Human Factors: The Journal of the Human Factors and Ergonomics Society 52, no. 3 (2010): 381–410, https://doi.org/10.1177/0018720810376055; David Lyell and Enrico Coiera, “Automation Bias and Verification Complexity: A Systematic Review,” Journal of the American Medical Informatics Association 24, no. 2 (2017): 423–29, https://doi.org/10.1093/jamia/ocw105.

Antonio Coco, “Exploring the Impact of Automation Bias and Complacency on Individual Criminal Responsibility for War Crimes,” Journal of International Criminal Justice 21, no. 5 (2023): 1077–79, 1087–94, https://doi.org/10.1093/jicj/mqad034.

Joseph Huitt, “Leadership: Artificial Intelligence in Decision Making,” US Army, 3 July 2025, https://www.army.mil/article/286847/leadership_artificial_intelligence_in_decision_making.

Dean of Academics, “CGSC Bulletin 921: Artificial Intelligence Policy,” Command and General Staff College, 6 August 2025, para. 5,5a,10.

Probasco et al., AI for Military Decision-Making, 20–22.

Al Jazeera Staff, “US Military Confirms Use of ‘Advanced AI Tools’ in War Against Iran,” Al Jazeera, 11 March 2026, https://www.aljazeera.com/news/2026/3/11/us-military-confirms-use-of-advanced-ai-tools-in-war-against-iran; Zoldi, “AI-Powered Target Bank Warfare.”

Jon Lindsay, “US Military Leans into AI for Attack on Iran, but the Tech Doesn’t Lessen the Need for Human Judgment in War,” The Conversation, 11 March 2026, https://doi.org/10.64628/AAI.j6yj3a7e4.

Chris Rogers, “How Iran, Anthropic-DoD Dispute Show the Need for Protective AI,” Just Security, 23 March 2026, https://www.justsecurity.org/134321/iran-anthropic-dod-protective-ai/; Kozlowskyj, “Iran Conflict as a Testing Ground for AI Warfare Systems.” ADP 6-22, Army Leadership and the Profession (US GPO, July 2019), 1-6–1-8.

Lamia Faris, “Algorithmic Targeting in the Iranian–Israeli Confrontation: Technical Realities, Legal Thresholds, and the Boundaries of Human Control,” F1000 Research, June 2026, https://f1000research.com/articles/14-1200/v3.

Gerald Mako, “Legal Accountability for AI-Driven Autonomous Weapons,” Lieber Institute at West Point, 9 March 2026, https://lieber.westpoint.edu/legal-accountability-ai-driven-autonomous-weapons/.