摘要

俄乌冲突极大加速了人工智能（AI）与无人机（即无人驾驶航空系统）在现代军事行动中的融合，重塑了安全与国防格局。以静态物理防御为核心的传统军事条令，已难以应对人工智能赋能的无人机作战的速度与适应性优势。本文依托近期实战证据，提炼出三项条令转向：其一，以人机协同决策为基础，以动态监测网络替代固定防御体系；其二，通过军事单位与民间主体的协作实现创新去中心化；其三，承认无人机天然具备军民两用属性，需构建适配性政策框架。通过分析乌克兰在资源受限条件下的适应性实践，本研究凸显了主动探测、预测性分析与技术快速迭代的战略价值。上述发现表明，在技术快速扩散、威胁持续演变的时代，将人工智能驱动的预判能力与两用技术储备纳入本国军事条令的国家，将更能有效保障平民群体与关键基础设施安全。

关键词 人工智能，人工智能赋能的无人机，决策，无人机，人机协作，俄乌冲突，安全与国防条令，战争形态

1. 引言

持续的俄乌冲突揭示了军事创新本质的显著转向。面对非对称作战与技术即兴应用，传统安全与国防条令日益显现滞后性。在资源有限的情况下，冲突双方——尤其是乌克兰——纷纷采取快速创新性解决方案，推动了新兴军事技术的迭代发展，人工智能赋能的无人机便是其中的核心代表。

战场已成为自适应系统的动态试验场，为安全与国防研究提供了宝贵的实证依据。在此背景下，相较于单纯依赖物理防御手段，优先布局主动探测与人工智能驱动的情态感知能力已成为刚性需求。由此观之，俄乌冲突或可被视为首场大规模“无人机战争”，其历史地位堪比第一次世界大战开启空战时代（DeVore, 2023）。若此标志着全球无人机革命的发端，长期以来经济实力与军事实力之间的强相关性或将大幅弱化甚至彻底消解（Calcara et al., 2022, p.132）。

近年来的局部冲突表明，无人机技术虽多面向民用设计，却可快速转为军用。卡瓦列罗-马丁等学者（Caballero-Martin et al., 2024）指出，无人机广泛应用于基础设施巡检、灾害预防、环境监测与精准农业等领域，这些功能极易转化为侦察、目标指引与打击能力。乌克兰对快速适配的依赖源于现实压力：面对装备占优的对手，军事单位与民间创新主体不断将民用技术与平台改造为高效的战场工具。这种适配性与历次技术变革的趋势一脉相承——战时压力缩短了创新周期，模糊了民用与军用应用的边界。

人工智能赋能的无人机正逐步成为各类防御战略的核心支撑，不可或缺。部分专家对人工智能无人机的颠覆性影响持怀疑态度（Kirichenko, 2025），尤其质疑自主无人机蜂群的实战价值（King, 2024），认为其尚未改变攻防行动的潜力上限。另有学者指出，即便是简易的单程攻击无人机，也“为更多潜在攻击者提供了新的作战可能”，且“实质上实现了精确打击能力的纵向下沉与横向扩散”（Plichta & Rossiter, 2024, p. 1009）。小型无人机最具价值的贡献实则来自非显性作战场景——其作为空中侦察节点，可辅助士兵探测敌方阵地、指引火炮打击，在提升地面作战速度与精度的同时，降低人员暴露风险（Kunertova, 2023）。按需制造与部署此类小型无人驾驶航空系统的能力，或将推动学界重新审视军事创新的内涵（Dawson & Nadal, 2024, p. 324），同时倒逼人口与基础设施防护模式的革新。

特韦内博阿-科杜阿与布坎南指出，随着关键基础设施系统与先进技术的深度融合，其复杂度与动态性已超出传统预测能力范畴，而系统间的相互依赖性进一步模糊了边界，提升了定义难度。尽管现有风险评估方法种类繁多，但现代系统的复杂性与互联特征削弱了方法的有效性，亟需探索风险管控新路径——不存在能够应对所有安全挑战的通用解决方案（Tweneboah-Koduah & Buchanan, 2018）。俄乌冲突凸显了针对后勤基础设施的新型混合威胁，包括打击补给节点、网络攻击、水下破坏与难以溯源的非对称行动（Slusher, 2025）。不断演变的网络威胁正驱动针对能源、医疗、交通、通信等多领域关键服务基础设施的攻击向更复杂、更具针对性的方向发展，这类高风险资产的安全性、效率与可靠性关乎国计民生。各国需在制定韧性维护战略的同时，全面识别并应对所有潜在威胁（Roshanaei, 2021）。上述双重复杂性使得防护策略的制定绝非易事。

《2025年全球和平指数》显示，各国投资正持续向人工智能、无人机与水下无人航行器等自主系统、网络作战能力、天基资产、先进传感器与高精度导弹技术等前沿领域倾斜（Institute for Economics & Peace, 2025）。2022年以来，所有拥核国家均维持或扩充了核武库，大国竞争正驱动从人工智能赋能的无人机到反太空系统等先进技术的军备竞赛（Institute for Economics & Peace, 2025）。然而，在推进前沿系统投资的同时，亟需修订核心国防条令，以构建前瞻性应对框架，最大化相关技术的效能。

乌克兰的实践证明，三项核心条令转向亟待确立：第一，从固定防御向动态网络转型。实践表明，相较于静态防护，融合电子对抗、快速反应打击能力、人工智能辅助监测与决策机制的柔性分层系统可实现最优防护效果。第二，推动创新去中心化。鼓励一线作战单位与民间伙伴开展自下而上的技术适配，可大幅缩短技术迭代周期，确保技术方案贴合战场实际。第三，推进两用政策规划。正视民用与军用无人机技术不可避免的重叠性，各国应同步完善法律框架与产业政策，统筹管控与利用这一双重属性。上述原则符合历史经验：正如空战发展初期，有效军事条令需与技术可能性同步演进，而非滞后于技术发展。

本文旨在梳理人工智能无人机威胁背景下的现行安全与国防条令，核心依据来自俄乌冲突的经验教训，重点聚焦人工智能参与决策所体现的人机协作模式转向。

本文的理论框架依托两用技术理论。该理论（参见Atlas & Dando, 2006; Miller & Selgelid, 2007）为理解技术创新的社会效益潜力与其被滥用的风险之间的伦理张力提供了分析框架，尤其适用于人工智能与军事创新领域（De Agreda, 2020; Grinbaum & Adomaitis, 2024）。人机协作决策场景下的人机交互研究，则植根于先进技术（含人工智能）信任相关理论（Glikson & Woolley, 2020; Gillath et al., 2021; Choung et al., 2023），以及自动化决策中人工智能接受度/排斥度相关研究（Helberger et al., 2020; Araujo et al., 2020; Schaap et al., 2024）。

2. 现代战争中的人工智能赋能无人机：俄乌冲突案例

无人驾驶航空系统（UAS）早已重塑现代战争形态，而人工智能与无人机技术的融合将进一步深化这一变革。俄乌冲突在多样化无人机平台的研发与实战应用层面均实现了质的飞跃。正如库涅托娃所言，通过部署多类型无人机达成军事目标的实践经验，已成为本次冲突带来的核心新兴技术启示之一（Kunertova, 2023）。

乌克兰境内无人机技术的演进呈现出多维度、碎片化、多路径的特征，其走向取决于可用资源、技术创造力以及应对瞬息万变战场需求的紧迫性。据乌克兰武装部队前总司令扎卢日内介绍，低成本海上无人机已将俄罗斯黑海舰队驱离其看似固若金汤的克里米亚母港，而无武装无人机持续开展后勤保障与医疗后送任务。他强调，这类无人机极少是传统防务承包商的专有产品，大多由商用硬件与开源软件组装而成，能够以较低成本支撑规模化消耗战（Zaluzhnyi, 2025）。

作战环境加速了非为人工智能集成设计的无人机的性能升级。其中，乌克兰在电子防护领域的创新优化了近程战术打击系统，冲突双方也扩大了第一人称视角（FPV）无人机的使用范围。自主末端制导、线轴放线机制等升级措施，使第一人称视角无人机具备了抗电子干扰能力。战术级无人驾驶航空器（UAV）虽存在固有局限，但目前已摧毁或损坏了60%—70%的俄方资产（Watling & Reynolds, 2025, p.10）。截至本文撰写时，现役无人机中仅有部分实现了人工智能赋能，但随着对效能要求的提升，这一比例正在并将持续上升。

乌克兰现役的数款人工智能赋能的无人机均为国产或通过国际合作研发，体现了其谋求对俄技术优势的战略导向（Khomenko, 2024）。2024年12月，乌克兰武装部队首次仅依托地面无人机与第一人称视角无人机实施攻击，标志着无人作战战术的重大演进（Bendett & Kirichenko, 2025）。此次行动于哈尔科夫附近展开，混合部署了搭载机枪的地面无人机与自杀式第一人称视角无人机。尽管这类平台仍采用远程操控模式，需大量人工介入，但其已迈出迈向更高自主性作战系统的第一步。值得注意的是，2024年9月，地面机器人已曾用于袭击库尔斯克州的俄军战壕（Axe, 2024a）。

不出所料，人工智能的集成已超越打击平台范畴。乌克兰的“德尔塔”战场管理系统利用人工智能快速处理数据，为指挥官提供全景作战态势图，包含动能打击与网络打击的目标库。为匹配战争需求，数据共享机制与无人指挥控制中心的迭代升级持续推进，推动数据、人工智能与无人机逐步融入常态化作战体系（Zaluzhnyi, 2025）。在长达1200公里的战线面临兵力显著劣势的背景下，上述能力的重要性不言而喻。

关于全自主武器是否已投入实战，目前仍存在争议。乌克兰军方话语中常将“自主”与“无人”系统或具备有限自主功能（如导航、目标识别）的系统混为一谈（Bondar, 2025b）。尽管如此，部分分析人士警告称，“杀手无人机蜂群追猎人类目标的反乌托邦未来正加速临近”（Chapple, 2024）。另有观点认为，截至2025年6月，人工智能无人机革命即将到来的预测仍为时过早。俄罗斯与乌克兰均需更多时间、测试与投资，才能实现人工智能赋能无人机的规模化部署。受成本更低、适配当前战场条件能力更强的优势支撑，人工智能/机器学习赋能的无人机短期内不太可能取代大量战术级第一人称视角无人机（Stepanenko, 2025）。

与此同时，本次冲突催生了多项历史首创成果：俄乌双方无人机之间的空战对抗（Hambling, 2022）；第一人称视角无人机击落俄军直升机（Axe, 2024b）；无人水面艇击沉俄军飞机（Newdic, 2024）；向前线危重伤员输送输血用血液（Kushnikov, 2025）；无人机俘获俄军人员（Zoria, 2025）；可搭载两架人工智能制导第一人称视角打击无人机、航程可达300公里的人工智能赋能“母无人机”研发成功（Fratsyvir, 2025）；人工智能赋能的“果戈理-M”母舰无人机首次执行自主任务（Hambling, 2025b）——相关案例仍在持续增加。这些突破不仅展现了无人机技术的实质性进步，更体现了战场应用的创造性。

上述创新对安全与国防具有深远意义。未来，攻击行动的设计将更加难以预判与反制。例如，假设某架看似在敏感设施附近拍摄婚礼的无人机，实则正在隐蔽采集目标数据，后续人工智能可处理这些数据以识别设施漏洞。最终，一名披萨配送员的摩托车停靠在设施旁，三个装载爆炸物的小型无人机从其背包中飞出，瞬间命中目标。

无论是否人工智能赋能，无人机均可能对和平时期与战争时期的平民防护及关键基础设施安全产生重大影响。正如卡拉拉等学者（Calcara et al., 2022）所指出的，相较于传统航空器，无人机的尺寸与设计使其更易规避探测，能够突破敌方防空体系，为进攻行动提供便利。其次，其相对低廉的成本与技术简易性降低了先进军事能力的准入门槛，进而弱化了实力不对称格局，可能为弱势行为体赋能（Calcara et al., 2022, p.131）。

从俄乌冲突中可提炼出若干核心启示。实践证明，无人系统可在大幅降低人员风险的同时，显著拓展作战半径，支持超视距打击（通常超出直瞄武器射程），从根本上改变了战术与战役层级的规划逻辑（Slusher, 2025）。德沃尔指出，尽管当前战争的公开数据有限，但仍可总结出两项明确经验：“消耗率与成本因素的核心地位，以及快速适配周期优于精密设计武器”（DeVore, 2023）。本次冲突正推动无人机扩散，印证了无人机向更高隐身性、更快速度、更强杀伤力、更广可及性的发展趋势（Kunertova, 2023）。乌克兰无人机快速创新的其他经验还包括：测试流程简便快捷、研发活动贴近前线、本土主体深度参与研发环节（Bondar, 2024）。

俄乌冲突所体现的三项转向，对新时代高效防御能力建设至关重要。实践表明，适配能力与去中心化创新具有决定性作用。解决方案的快速适配与战场持续测试，在一定程度上抵消了交战双方资源的不对称性。而以大量独立创新项目落地为基础的创新去中心化，使乌克兰研发主体能够快速改进人工智能赋能的无人机。

乌克兰的模式赋予基层单位与工坊快速试验、改进与部署解决方案的权限。相比之下，俄罗斯更为集中化、层级化的管理模式制约了其响应敏捷性（DeVore, 2023）。民用与私营主体的创新在乌克兰无人机发展中发挥了核心作用，商用平台被大量转用于作战场景。施密德与米勒（Schmid & Mueller, 2025）指出，乌克兰最具标志性的制度创新之一是创设布拉维尔（Bravel）计划，该计划打通了一线作战需求与国内外技术开发者的对接通道。勇敢1号（Brave1）已发放超过400项资助，总金额超8亿乌克兰格里夫纳（约合1900万美元），支持了“蜂群者”无人机、“格丽泽尔达”情报系统等多个项目（Schmid & Muller, 2025）。

一项被政策制定者低估的重要威胁是人工智能赋能无人机的两用性。民用领域的最新发展催生了大量初始设计面向非军事应用的技术，这类技术看似无害。其现代应用场景包括：无人机自主优化飞行轨迹与航线以提升配送效率，支撑精准农业、监测与自主田间作业；开展自主巡检、监测与实时威胁探测；在无网或弱网区域充当空中节点延伸网络覆盖；在复杂环境中动态调整飞行路线（Caballero-Martin et al., 2024）。然而，多数这类和平用途的技术稍加改造，即可用于对平民与关键基础设施实施打击。例如，原本用于应对气候变化森林威胁或灾害中挽救生命的技术，经小幅修改后即可用于摧毁敏感目标。

这些潜在发展趋势对人工智能赋能无人机的设计、部署与使用现有规制体系构成挑战。正如学界正确指出的，乌克兰的经验凸显了出台适配性措施的必要性，包括军用与两用技术出口管制，以跟上无人机能力快速演进的步伐（Kunertova, 2023）。高加索与利比亚地区的无人机战争经验表明，军事无人驾驶航空系统的政治供给会加剧地区不稳定，向非国家行为体供应相关技术会放大显性威胁，而新冠疫情后商用无人机监管的放松则可能滋生新的脆弱性（Rogers, 2021）。

在这一持续变化的环境中，跨部门创新、军民协作、人工智能解决方案的持续测试与适配能力，是保护民众与基础设施的核心要件。人工智能赋能无人机的两用属性，凸显了构建能够跟上技术迭代速度的稳健法律、伦理与监管框架的紧迫性。若不承认这类转向，原本用于人道主义援助、环境监测与灾害救援的同类技术，极可能被用于以前所未有的精度与不可预测性打击平民与关键基础设施。此外，现代冲突中单纯依赖物理防护已不足够。人工智能驱动的威胁预判、模式识别与实时分析，可通过在威胁显化前完成探测、追踪与消除，提供更富韧性的防护路径。这种前瞻性模式要求将无人机侦察与预测性分析相结合，以绘制敌方移动轨迹、识别潜在攻击路径、动态调配防御资源。正如乌克兰的实践所示，人工智能与无人机侦察的融合可缩短反应时间、优化资源配置，提升战略与战术决策的效能。

3. 人机交互与协作决策

3.1 人机协作决策的适配性

尽管人机融合被许多学者视为棘手问题，尤其在公共决策语境下（如Levy et al., 2021; Alon-Barkat & Busuioc, 2023; Decker et al., 2025），但在面向平民与关键基础设施防护的作战决策场景中，协作模式可能展现出极高的应用价值。

随着人工智能工具的迭代及其在决策全流程中的嵌入，人与自动化代理之间的边界正日益模糊。人工智能辅助决策中普遍存在的“决策点”界定难题（Crompton, 2021），预示着这一边界将进一步消解。然而，在紧急场景下，推动控制权在人与人工智能代理之间快速切换具有积极意义。这种灵活性在诸多安全与国防场景中至关重要，作战控制权可能需要快速在人与人工智能之间双向转移。

具体而言，和平时期的关键基础设施防护需要对新兴威胁（包括人工智能赋能无人机构成的威胁）做出快速响应。战争时期，这类防护措施可能延伸至敌控区，此时所需的不再是被动防御，而是主动运用无人机。决策过程中的人机交互增强了威胁响应的适配性，催生了协作决策新模式。

俄乌冲突中的一个典型案例是“蛛网”行动，乌克兰在该行动中动用人工智能赋能的无人机打击了数千公里外的俄罗斯空军基地（Mazhulin et al., 2025）。为最大化目标识别精度，行动前利用乌克兰露天博物馆的老旧战机对人工智能进行了训练。整个任务期间，控制权在人类操作员与人工智能系统之间多次切换。“蛛网”行动采用混合控制回路：飞行员通过俄罗斯LTE网络操控第一人称视角无人机（Bondar, 2025a），若链路衰减或受干扰，机载自主系统（含人工智能视觉/目标辅助模块）即刻接管以维持任务进程。待链路恢复后，人类重新接管手动控制——部分环节会在末端锁定/俯冲阶段交还给人工智能。部分无人机还配备了备份人工智能目标识别模块，在某些情况下成功引导无人机命中目标军机（Hambling, 2025a）。此外，若控制信号临时中断，部分无人机会切换至人工智能模式完成任务（Panella, 2025）。

另一项协作案例是“最后一英里”的人工智能控制。据自由欧洲电台/自由电台采访的勇敢1号计划发言人介绍，搭载人工智能辅助目标识别模块的无人机在交战阶段无需与操作员保持持续链路连接。一旦操作员锁定目标，人工智能即自主接管目标识别流程，使整个过程具备抗敌方电子战能力（Chapple, 2024）。上述案例表明，战争时期的人机紧密交互是应急需求催生的自然结果。

尽管效率突出，人工智能辅助决策仍引发了若干合理关切，其中核心是责任归属问题（后文将详细论述），此外还包括算法偏见、透明度不足与公众信任缺失等问题。吴与格雷（Ng & Gray, 2022）指出，所谓人工智能可提供“客观”判断的主张（尤其在司法语境下）值得商榷，这类断言与此前关于功利主义或经济法学理论能否产出数学化精确且合理的决策的争论如出一辙（第667—668页）。同样，布切尔等（Buchelt et al., 2024）观察到，最先进的机器学习模型往往复杂度极高、维度庞大且呈非线性特征，难以实现有效解读，几乎无法还原特定结果的生成逻辑。布切尔进一步提出，可解释人工智能（XAI）可通过提升决策透明度、支撑责任认定、优化行动精度，增强公众信任与安全性。在环境监测与森林管理等场景中，可解释人工智能可提升影响分析与运营效率。应用于无人机领域时，基于可解释人工智能的方法可追溯人工智能系统选择特定航线或行动的原因，为安全流程优化与系统升级提供依据。

与此同时，转向人机协作决策模式需要维系稳定的公众信任。公众对于人机协作防护平民与关键基础设施的信任，与更广泛意义上对人工智能决策角色的认知密切相关。哈瑟沃茨等（Haesevoets et al., 2024）研究发现，公众普遍倾向于让人工智能扮演顾问角色，而非共享或主导决策权限。尽管如此，人工智能在决策中的融合趋势仍使得人机协作的普及成为可能。

施利克等（Schlicker et al., 2021）报告指出，由人类而非人工智能做出决策时，公众对分配正义的感知更高；人类主体的解释往往能提升公众对信息正义的感知，而自动化系统的解释则无此效果。关于公众对政府部署算法的接受度研究显示，这类系统运行于特定的社会技术语境之下，公民的接受度在很大程度上取决于其对算法所解决问题重要性的认知，以及对部署机构信任度的判断（Wenzelburger et al., 2024）。有趣的是，霍洛维茨等（Horowitz et al., 2024）发现，对人工智能的熟悉度并未显著影响公众对人工智能军事应用的支持度，且反对该类应用的比例随时间推移略有上升。不过，相较于公共事务决策场景，战争时期社会对人工智能参与军事决策的接受度可能更高。

霍尔青格等（Holzinger et al., 2023）强调，大规模高质量数据集的可获得性与算力的增长仍是人工智能发展的核心驱动力。鉴于人工智能在特定流程中已超越人类认知能力，应对新兴威胁、防护人口与基础设施将愈发依赖技术解决方案。

在作战语境下——无论是和平时期的威胁防范还是战争时期的侵略应对——人机协作决策模式均展现出极高的有效性。尽管诉讼等“慢节奏”决策可能因人类参与度降低而受影响，但“快节奏”的作战决策可显著受益于这类协作。以人机协作决策为基础，以动态监测网络替代静态防御体系，可在新型威胁背景下大幅提升平民与关键基础设施的防护水平。

3.2 人机交互中的责任归属

人机协作在决策全流程的每个环节均发挥着关键作用：从初始态势评估、初步分析，到后续安全与国防措施的落地、动态调整、事后评估与最终说明，全程均需维系系统自主性与人类控制之间的恰当平衡。

人工智能辅助决策最具争议的问题之一涉及自主武器的部署，尤其是当致命决策脱离人类直接监督时。人工智能的最新进展极大推动了自主能力向武器系统的集成，提升了这类系统独立判定致命目标的概率。根据2021年联合国安理会的一份报告，利比亚内战期间可能已使用了具备该类能力的无人机（UN Security Council, 2021）。

罗杰斯（Rogers, 2021）认为，随着远程操控致命机器人的扩散，早期无人机战争时代的伦理争议已进一步激化。无人机相关暴行（无论故意或意外）的责任归因困境，催生了具备重大政治、法律与战略影响的“合理否认”空间。在众多异质行为体使用相似或相同系统的环境中，追责肇事者与有效反制行动的复杂性显著提升。这第二个“无人机时代”对全球安全、稳定与大国关系具有更广泛的深远影响。

厘清人工智能“责任归属”的精准范畴仍是核心难点（参见Busuioc, 2021; Cobbe et al., 2023; Cheong, 2024）。政策制定者对人工智能治理中责任归属的普遍共识目标包括合规、报告、监督与执法，旨在确保行为体在伦理与法律边界内行动，记录自身行为并证成其合理性，支持审查与证据收集，并基于核查结果确定制裁、授权或禁止等后果（Novelli et al., 2024, p. 1882）。布斯约克（Busuioc, 2021, p. 827）将“有意义的责任归属”概念化为三阶段流程：信息提供、解释或证成、后果承担。

在这一框架下，开发可解释人工智能成为人机协作证成阶段的核心组成部分。正如学界正确指出的，当人工智能系统的决策偏离预设目标或对特定群体造成损害时，理解决策背后的逻辑是开展矫正干预的前提（Holzinger et al., 2023）。在突发事件或事故场景下，可解释人工智能解析无人机行为的能力，对于责任划分、合规监管与伦理标准维系具有不可替代的价值。通过揭示行动背后的逻辑，专业人员可对人工智能系统进行微调，以持续提升长期性能（Buchelt et al., 2024）。

迄今为止，维系监督机制、缓释协作决策最高风险的核心理保障措施是“人在环内”原则。该原则要求在人工智能研发与运营中嵌入人类判断与指引，以确保人机合作高效服务于共同目标（Holzinger, 2023）。但需警惕的是，人类天生存在认知偏见，其判断易受人工智能输出的影响。部分研究表明，当人工智能系统出现错误时，人类监督者可能会盲目接受人工智能的建议，在参与者未形成独立判断前接收到错误算法支持时，人类判断的准确性会下降（Agudo et al., 2024），这种现象被称为自动化偏见。该现象可能导致人工智能的错误被放大而非得到纠正。由于战略性安全与国防项目往往需要规模化解决方案，上述问题可能进一步凸显，叠加“人在环内”系统固有的可扩展性问题。

另一方面，部分防御场景将需要较高程度的人工智能自主性。塔克（Tucker, 2024）指出，乌克兰战争的核心启示之一是战场态势的快速演变。各国关于致命自主权的政策存在差异，且可能随前线态势快速调整。随着对手干扰人机链路的能力不断提升，对更高自主能力的需求将持续增长。

综上，尽管人机协作决策对算法的信任度要求高于其他人工智能辅助流程，但这种信任绝不能以牺牲责任归属为代价。这类责任归属的核心要件包括：在保留“人在环内”机制的同时，防范技能与专业能力流失，遏制自动化偏见；维系人机之间快速切换作战控制的能力；确保决策的可解释性。

4. 新型安全与国防条令

人工智能赋能的无人机在攻防作战中的全面集成，要求对安全与国防条令进行根本性重构。新条令需优先秉持前瞻性原则，强调决策适配性、责任归属、公众信任、人类监督与控制，以及私营与民间主体的参与。这一经过合理平衡的重构条令还必须承认，传统安全与国防理念已不再适用。

人工智能赋能无人机催生的威胁正印证着传统理念的失效。尽管人工智能赋能的无人机仍面临发展局限，如视觉遮挡、背景干扰、传感器分辨率受限，以及电池容量不足、易受气象条件影响等实战挑战，加之标准化缺失、公开数据集不足等问题，但其综合潜力仍不容小觑（Aliane, 2025）。没有理由认为上述局限无法在可预见的未来得到突破，届时相关威胁将进一步加剧。

随着人工智能技术复杂度的不断提升，公众信任——这一在安全与国防战略中看似非核心的原则——的重要性正持续上升。公众的信任不仅依赖于透明化治理与公民反馈机制，还依赖于对人工智能能力（尤其是人工智能赋能无人机能力）的认知普及。面向军民两类主体开展人工智能国防应用科普教育，有助于构建公众信任，鼓励更广泛的群体参与国防建设。据邦达尔（Bondar, 2025b）介绍，培训平民操作人工智能辅助无人机（尤其在紧急情况下）可进一步提升公众参与度。无人机培训项目正逐步集成自主导航与目标识别功能，使操作员能够在短时间内（通常不足一天）掌握人工智能辅助操作模式，从而扩大合格人员储备，提升战备水平（Bondar, 2025b）。

安全与国防领域的核心挑战（尤其是关键基础设施防护领域）包括治理与安全管控、安全网络架构设计、自愈系统、建模与仿真能力、大范围态势感知、取证分析、信任管理与隐私保护（Alcaraz & Zeadally, 2015）。为确保管理敏感基础设施数据的信息通信技术系统的公信力，这类系统必须满足高可用性、韧性、容错性、可扩展性、自主性、互操作性等要求，并具备异常或威胁事件下的跨异质环境协作能力（Alcaraz & Zeadally, 2015）。上述清单还应纳入应急响应场景下的决策适配性要求。

有效的安全与国防战略还依赖于稳健的公私伙伴关系。尤斯塔等（Yusta et al., 2011）指出，这类伙伴关系在互联基础设施防护中尤为重要，应推动基础设施所有者、行业代表、政府机构、情报部门、咨询机构与地方/区域主管部门等利益相关方之间的事件通报、威胁情报与脆弱性评估信息共享。罗什纳埃（Roshanaei, 2021）强调，未来关键基础设施防护框架的优化应纳入基于共享指标的绩效评估标准化体系，以实现行动方案与安全措施的统一评价。合规评估可吸纳独立民间主体参与。

历史上，诸多安全与国防战略均以风险管理原则为基础。例如，美国的《国家基础设施防护计划》是全球标杆，指导其他国家设立委员会、特别工作组与工作专班，开展情景规划、风险评估与预警体系建设——这类工作往往由民事与军事部门协同推进（Yusta et al., 2011）。在现代语境下，基于风险的方法要求强有力的主动预防，而这又离不开人机协作的支撑。

军事创新经验也为提升平民与关键基础设施防护水平提供了启示。正如道森与纳达尔以英国皇家空军为例所展示的，受乌克兰战争的部分驱动，该机构的冒险意愿持续提升，有助于简化变革流程，培育组织层面的广泛适配性。然而，此前开展的小型无人驾驶航空系统武器化试验表明，根深蒂固的风险规避文化依然存在（Dawson & Nadal, 2024, p. 346）。不过，施密德与米勒（Schmid & Mueller, 2025）正确指出，乌克兰的流程、组织架构与监管规则无法直接移植至美国或其他国家。尽管如此，乌克兰的经验仍提供了两项宝贵启示：（1）更积极地采用商用技术；（2）设立类似勇敢1号的创新对接平台，打通一线需求与技术开发者之间的通道，加速冲突期间的武器装备采办。在战事持续、能力缺口突发、常规采购渠道无法满足时效要求的场景下，这种商用技术转化战略的优势尤为突出（Schmid & Mueller, 2025）。

变革往往面临阻力，部分源于组织惯性。然而，必须正视上述根本性变革，并将其纳入国家安全与国防条令、政策与立法框架，以在威胁持续演变的环境中维系韧性。

5. 结论

安全与国防的未来愈发依赖人工智能的发展。无人机领域人工智能的广泛应用，要求构建全新的框架与新型安全与国防条令，以探索这一未知领域。俄乌冲突为未来冲突形态提供了预演窗口，人工智能赋能的无人机将在攻防两端发挥核心作用。相关启示远不止于乌克兰：在技术快速扩散、准入门槛持续走低的当下，平民与关键基础设施面临的防护脆弱性正不断上升。

无人机的全球扩散，恰如一百年前飞机的普及，正在重塑战略权力的底层逻辑。这意味着率先实现适配的国家将为未来的冲突设定标准。为应对这一格局，安全与国防条令必须超越物理防护范畴，拥抱人工智能驱动的预判能力、韧性人机协作与两用技术创新。与此同时，亟需构建治理框架与国际规范，以应对自主行动中的伦理风险与责任归属问题。率先实现适配的国家，通过将技术前瞻与稳健政策、军民协作相结合，不仅能为未来冲突设定标准，更能在加速变革的时代更有效地保障关键基础设施与平民群体的安全。

参考文献

Agudo, U., Liberal, K. G., Arrese, M., Matute, H.(2024). The impact of AI errors in a human-in-the-loop process.Cognitive Research: Principles and Implications,9,1.https://doi.org/10.1186/s41235-023-00529-3.

Alcaraz, C.,& Zeadally, S.(2025). Critical infrastructure protection: Requirements and challenges for the 21st century.International journal of critical infrastructure protection,8,53-66.https://doi.org/10.1016/j.ijcip.2014.12.002.

Aliane, N.(2025). Drones and AI-Driven Solutions for Wildlife Monitoring. Drones, 9, 455.https://doi.org/10.3390/drones9070455.

Alon-Barkat,S.,& Busuioc,M.(2023). Human-AI interactions in public sector decision making:“automation bias”and“selective adherence” to algorithmic advice. Journal of Public Administration Research and Theory, 33(1),153-169.https://doi.org/10.1093/jopart/muac007.

Araujo,T.,Helberger, N., Kruikemeier,S.,& De Vreese,C.H.(2020). In AI we trust? Perceptions about automated decision-making by artificial intelligence. AI& society, 35(3), 611-623. https://doi.org/10.1007/s00146-019-00931-w.

Atlas,R. M.,& Dando, M.(2006). The dual-use dilemma for the life sciences: perspectives,conundrums, and global solutions. Biosecurity and bioterrorism: biodefence strategy, practice, and science,4(3),276-286.

Axe,D.(2024a). Ukraine's Gun-Armed Ground Robot Just Cleared A Russian Trench In Kursk. Forbes. September 19, 2024. https://www.forbes.com/sites/davidaxe/2024/09/19/ukraines-gun-armed-ground-robot-just-cleared-a-russian-trench-in-kursk/.

Axe,D.(2024b). A Two-Pound Ukrainian Drone May Have Shot Down A 12-Ton Russian Helicopter. Forbes. July 31,2024. https://www.forbes.com/sites/davidaxe/2024/07/31/a-two-pound-ukrainian-drone-just-shot-down-a-12-ton-russian-helicopter/.

Bathaee, Y.(2018). The Artificial Intelligence Black Box and the Failure of Intent and Causation. Harvard Journal of Law& Technology, 31(2), 889-938.

Bendett,S.& Kirichenko,D.(2025). Battlefield Drones and the Accelerating Autonomous Arms Race in Ukraine.January 10, 2025. https://mwi.westpoint.edu/battlefield-drones-and-the-accelerating-autonomous-arms-race-in-ukraine/#:~:text=Both%20Ukraine%20and%20Russia%20are,reducing%20risks%20to%20human%%2020live.

Bondar, K.(2024). Closing the Loop: Enhancing U.S. Drone Capabilities through Real-World Testing. Center for Strategic and International Studies. August 21, 2024. https://www.csis.org/analysis/closing-loop-enhancing-us-drone-capabilities-through-real-world-testing.

Bondar, K.(2025a). How Ukraine's Operation“Spider’s Web” Redefines Asymmetric Warfare. June 2, 2025.https://www.csis.org/analysis/how-ukraines-spider-web-operation-redefines-asymmetric-warfare.

Bondar, K.(2025b). Ukraine's Future Vision and Current Capabilities for Waging AI-Enabled Autonomous Warfare Report of CSIS. Wadhwani AI Center. March 6, 2025. https://www.csis.org/analysis/ukraines-future-vision-and-current-capabilities-waging-ai-enabled-autonomous-warfare.

Buchelt, A., et al.(2024). Exploring artificial intelligence for applications of drones in forest ecology and management.Forest Ecology and Management,551,121530.https://doi.org/10.1016/j.foreco.2023.121530.

Busuioc, M.(2021). Accountable artificial intelligence: Holding algorithms to account. Public administration review,81(5),825-836.https://doi.org/10.1111/puar.13293.

Caballero-Martin, D., Lopez-Guede, J. M., Estevez, J.,& Grana, M.(2024). Artificial Intelligence Applied to Drone Control: A State of the Art. Drones,8,296.https://doi.org/10.3390/drones8070296.

Calcara, A., Gilli, A., Gilli, M., Marchetti, R., Zaccagnini, I.(2022). Why drones have not revolutionized war: The enduring hider-finder competition in air warfare. International Security, 46(4), 130-171.

Chapple, A.(2024). Swarm Wars: The Shaky Rise Of AI Drones In Ukraine. Radio Free Europe/Radio Liberty.August 14, 2024.https://www.rferl.org/a/drone-ai-technology-russia-ukraine-war/33078798.html.

Choung,H.,David,P.,& Ross,A.(2023). Trust in AI and its role in the acceptance of AI technologies. International Journal of Human-Computer Interaction, 39(9), 1727-1739.https://doi.org/10.1080/10447318.2022.2050543.

Cheong, B. C.(2024). Transparency and accountability in AI systems: safeguarding wellbeing in the age of algorithmic decision-making.Frontiers in Human Dynamics,6,1421273.https://doi.org/10.3389/fhumd.2024.1421273.

Cobbe,J.,Veale,M.,& Singh,J.(2023). Understanding accountability in algorithmic supply chains. In Proceedings of the 2023 ACM Conference on Fairness, Accountability, and Transparency(FAccT‘23). Association for Computing Machinery, New York, NY, USA, 1186-1197. https://doi.org/10.1145/3593013.3594073.

Crompton, L.(2021). The decision-point-dilemma: Yet another problem of responsibility in human-AI interaction.Journal of Responsible Technology,7-8,100013.https://doi.org/10.1016/j.jrt.2021.100013.

Dawson, A., Nadal, A.(2024). Concept to Combat: The Royal Air Force, Small Drones and the War in Ukraine.European Review of International Studies, 11(3), Special issue: European Military Innovation in the wake of Russia's invasion of Ukraine, 321-357.

De Agreda, A. G.(2020). Ethics of autonomous weapons systems and its applicability to any AI systems.Telecommunications Policy,44(6),101953.https://doi.org/10.1016/j.telpol.2020.101953.

Decker, M., Wegner, L.,& Leicht-Scholten, C.(2025). Procedural fairness in algorithmic decision-making: the role of public engagement. Ethics and Information Technology,27,1.https://doi.org/10.1007/s10676-024-09811-4.

DeVore,M.R.(2023).“No end of a lesson:” observations from the first high-intensity drone war.defence& Security Analysis,39(2),263-266.https://doi.org/10.1080/14751798.2023.2178571.

Fratsyvir, A.(2025). Ukraine's AI-powered‘mother drone’ sees first combat use, minister says. The Kyiv Independent. May 29, 2025. https://kyivindependent.com/ukraines-ai-powered-mother-drone-sees-first-combat-use-minister-says/

Gillath,O.,Ai,T.,Branicky,M.S.,Keshmiri,S.,Davison,R.B.,& Spaulding,R.(2021).Attachment and Trust in Artificial Intelligence. Computers in Human Behavior, 115,106607.https://doi.org/10.1016/j.chb.2020.106607.

Glikson,E.,& Woolley,A.W.(2020). Human trust in artificial intelligence: Review of empirical research. Academy of management annals, 14(2), 627-660.

Grinbaum, A.,& Adomaitis, L.(2024). Dual use concerns of generative AI and large language models. Journal of Responsible Innovation, 11(1).https://doi.org/10.1080/23299460.2024.2304381.

Haesevoets,T., Verschuere,B., Van Severen,R.,& Roets,A.(2024). How do citizens perceive the use of Artificial Intelligence in public sector decisions?Government Information Quarterly, 41(1), 101906,https://doi.org/10.1016/j.giq.2023.101906.

Hambling, D.(2022). Ukraine Wins First Drone Vs. Drone Dogfight Against Russia, Opening A New Era Of Warfare(Updated). October 14. Forbes. https://www.forbes.com/sites/davidhambling/2022/10/14/ukraine-winds-first-drone-vs-drone-dogfight-against-russia-opening-a-new-era-of-warfare/.

Hambling,D.(2025a). Moving Targets: Implications of the Russo-Ukrainian War for Drone Terrorism. Combating Terrorism Center at West Point. July 2025. https://ctc.westpoint.edu/moving-targets-implications-of-the-russo-ukrainian-war-for-drone-terrorism/.

Hambling,D.(2025b). Ukraine Drone Carriers Launch First Long-Range Autonomous Strikes. Forbes. May 26,2025. https://www.forbes.com/sites/davidhambling/2025/05/26/ukraine-drone-carriers-launch-first-long-range-autonomous-strikes/.

Helberger, N., Araujo, T.,& de Vreese, C. H.(2020). Who Is the Fairest of Them All? Public Attitudes and Expectations Regarding Automated Decision-making. Computer Law& Security Review, 39, 105456.https://doi.org/10.1016/j.clsr.2020.105456.

Holzinger, A., Keiblinger, K., Holub, P., Zatloukal, K., Miller, H.(2023). AI for life: Trends in artificial intelligence for biotechnology. New biotechnology, 74, 16-24. https://doi.org/10.1016/j.nbt.2023.02.001.

Horowitz, M. C., Kahn, L., Macdonald, J.,& Schneider, J.(2024). Adopting AI: How Familiarity Breeds Both Trust and Contempt. AI and Society,39,1721-1735.

Hambling,D.(2025).Ukraine Drone Carriers Launch First Long-Range Autonomous Strikes.Forbes. May 26,2025.https://www.forbes.com/sites/davidhambling/2025/05/26/ukraine-drone-carriers-launch-first-long-range-autonomous-strikes/.

Institute for Economics& Peace. Global Peace Index 2025: Identifying and Measuring the Factors that Drive Peace,Sydney, June 2025. Available from: http://visionofhumanity.org/resources(accessed 30 July 2025).

Khomenko, I.(2024). How Ukraine Is Using AI Drones to Outsmart Russia on the Battlefield. United 24 Media.November 19,2024.https://united24media.com/latest-news/how-ukraine-is-using-ai-drones-to-outsmart-russia-on-the-battlefield-3833.

King, A.(2024). Robot wars: Autonomous drone swarms and the battlefield of the future. Journal of Strategic Studies,47(2),185-213.https://doi.org/10.1080/01402390.2024.2302585.

Kirichenko, D.(2025). Why Ukraine's AI drones aren't a breakthrough yet. The Strategist. Australian Strategic Policy Institute.19 June 2025.https://www.aspistrategist.org.au/why-ukraines-ai-drones-arent-a-breakthrough-yet/.

Kunertova, D.(2023). The war in Ukraine shows the game-changing effect of drones depends on the game. Bulletin of the Atomic Scientists, 79(2),95-102.https://doi.org/10.1080/00963402.2023.2178180.

Kushnikov, V.(2025). Azov Brigade Drones Deliver Blood to Critically Wounded Soldier at Front Line. Militarnyi.February 21, 2025. https://militarnyi.com/en/news/azov-brigade-drones-deliver-blood-to-critically-wounded-soldier-at-front-line/.

Levy,K.,Chasalow,K.E.,Riley,S.(2021). Algorithms and decision-making in the public sector. Annual Review of Law and Social Science, 17(1), 309-334.

Mazhulin,A.,Holmes,O.,Swan,L.,Boulinier,L.,& Hecimovic,A.(2025). Operation Spiderweb: a visual guide to Ukraine's destruction of Russian aircraft.The Guardian.2 June 2025.https://www.theguardian.com/world/2025/jun/02/operation-spiderweb-visual-guide-ukraine-drone-attack-russian-aircraft?ref=hackernoon.com.

Miller,S.; Selgelid, M.(2007). Ethical and Philosophical Consideration of the Dual-Use Dilemma in the Biological Sciences. Science and Engineering Ethics, 13(4), 523-580. https://doi.org/10.1007/s11948-007-9043-4.

Newdick,T.(2024). Ukraine Claims Its Drone Boat Shot Down A Russian Mi-8 Helicopter With A Surface-To-Air Missile. December 31, 2024. https://www.twz.com/sea/ukraine-claims-its-drone-boat-shot-down-a-russian-mi-8-helicopter-with-a-surface-to-air-missile.

Ng,Y.-F.,Gray,S.(2022). Disadvantage and the Automated Decision. Adelaide Law Review, 43(2),641-677.

Novelli,C.,Taddeo, M.,Floridi, L.(2024). Accountability in artificial intelligence: What it is and how it works. AI& Society, 39(4), 1871-1882.

Panella, C.(2025). The AI drone revolution isn't here yet, but Ukraine and Russia are laying the groundwork in battle. Business Insider. June 9, 2025. https://www.businessinsider.com/ai-drone-boom-isnt-here-ukraine-russia-setting-stage-researchers-2025-6.

Pllichta,M.,& Rossiter, A.(2024). A one-way attack drone revolution? Affordable mass precision in modern conflict.Journal of Strategic Studies,47(6-7),1001-1031.https://doi.org/10.1080/01402390.2024.2385843.

Rogers J.(2021). Future threats: Military UAS, terrorist drones, and the dangers of the second drone age. InDrone Warfare: Trends and emerging issues(pp.481-505). The Joint Air Power Competence Centre.

Roshanaei, M.(2021). Resilience at the core: critical infrastructure protection challenges, priorities and cybersecurity assessment strategies. Journal of Computer and Communications, 9(8), 80-102.

Schaap,G., Bosse, T.,& Hendriks Vettehen, P.(2024). The ABC of algorithmic aversion: Not agent, but benefits and control determine the acceptance of automated decision-making. AI& society, 39(4), 1947-1960.https://doi.org/10.1007/s00146-023-01649-6.

Schlicker,N.,Langer,M.,Otting,S.K.,Baum,K.,Konig,C.J.,& Wallach,D.(2021). What to expect from opening up‘black boxes’? Comparing perceptions of justice between human and automated agents. Computers in Human Behavior,122,106837,https://doi.org/10.1016/j.chb.2021.106837.

Schmid, J., Mueller, E.(2025). What the Pentagon Might Learn from Ukraine About Fielding New Tech. Rand.Commentary.February 14,2025.https://www.rand.org/pubs/commentary/2025/02/what-the-pentagon-might-learn-from-ukraine-about-fielding.html.

Shneiderman, B.(2020). Human-Centered Artificial Intelligence: Reliable, Safe& Trustworthy. International Journal of Human-Computer Interaction, 36(6),495-504.

Slusher,M.(2025). Lessons from the Ukraine Conflict: Modern Warfare in the Age of Autonomy, Information, and Resilience.Center for Strategic and International Studies. Report. May 2, 2025.https://www.csis.org/analysis/lessons-ukraine-conflict-modern-warfare-age-autonomy-information-and-resilience.

Stepanenko, K.(2025). The Battlefield AI Revolution Is Not Here Yet: The Status of Current Russian and Ukrainian AI Drone Efforts. Special report. Institute for the Study of War. June 2, 2025.https://understandingwar.org/backgrounder/battlefield-ai-revolution-not-here-yet-status-current-russian-and-ukrainian-ai-drone.

Tucker,P.(2024). New AI-powered strike drone shows how quickly battlefield autonomy is evolving. defenceOne.October 10, 2024. https://www.defenceone.com/technology/2024/10/new-ai-powered-strike-drone-shows-how-quickly-battlefield-autonomy-evolving/400179/.

Twenebcah-Koduah, S., Buchanan, W. J.(2018). Security risk assessment of critical infrastructure systems: A comparative study. The Computer Journal, 61(9), 1389-1406. https://doi.org/10.1093/comjnl/bxy002.

UN Security Council.(2011). Final report of the Panel of Experts on Libya established pursuant to Security Council resolution 1973(2011).8 March 2021.S/2021/229.https://docs.un.org/en/S/2021/229.

Watling, J., Reynolds, N.(2025). Tactical Developments During the Third Year of the Russo-Ukrainian War. The Royal United Services Institute for Defence and Security Studies. Report. February 2025.https://static.rusi.org/tactical-developments-third-year-russo-ukrainian-war-february-2205.pdf.

Wenzelburger, G., Konig, P. D., Felfeli, J., Achtziger, A.(2024). Algorithms in the public sector. Why context matters. Public Administration, 102(1),40-60.

Yusta,J. M., Correa, G. J., Lacal-Arantegui, R.(2011). Methodologies and applications for critical infrastructure protection: State-of-the-art. Energy policy,39(10),6100-6119.https://doi.org/10.1016/j.enpol.2011.07.010.

Zaluzhnyi, V.(2025). How drones, data, and AI transformed our military-and why the US must follow suit.Defence One. April 10, 2025. https://www.defenceone.com/ideas/2025/04/how-drones-data-and-ai-transformed-our-militaryand-why-us-must-follow-suit/404444/.

Zoria,Y.(2025).First battlefield capitulation to robots: Ukrainian drones force Russian surrender and seize fortified position(video). Euromaidan Press. February 9, 2025. https://euromaidanpress.com/2025/07/09/first-battlefield-capitulation-to-robots-ukrainian-drone-unit-takes-positions-and-prisoners-with-zero-troops-video/#google_vignette.