智库报告《超越目标定位：人工智能在军事决策中尚未开发的潜力》2026年

数年前，美国陆军第18空降军展示了“Maven智能系统”（MSS）加速目标定位流程的强大效能——仅以20人的团队便完成了2003年时需要2000人才能完成的工作量。此后，美军在全球各作战司令部总部广泛列装了诸如MSS之类的人工智能决策支持系统（AI-DSS）。媒体报道指出，MSS是支撑“史诗怒火”行动中持续高节奏目标定位流程的关键赋能器。

人工智能决策支持系统——即利用各类AI工具摄取、生成、共享及基于信息采取行动的软件系统——的军事应用远不止于目标定位流程。凡是涉及海量异构数据、需经数据解读、态势研判、决策制定与执行（且常需周期性迭代）的决策流程，均可受益于AI-DSS工具。

当前关于AI-DSS的公开讨论，多停留于对其军事应用可能性的模糊描述。本文通过两项战役层级军事流程的案例研究，填补这一认知空白：在这两类场景中，部署适宜的AI-DSS工具可带来与第18空降军优化火力流程相媲美的提升。一项案例研究探讨将AI-DSS应用于陆军火力单位的弹药补给流程；另一项则聚焦于将AI-DSS应用于驱动“联合空中任务周期”（JATC）的流程。在两种场景下，AI-DSS均能在保持决策质量与人类判断的前提下，实现流程提速、增强灵活性并减少人力投入。就JATC而言，AI-DSS更提供了重新审视沿用数十年之久的“72小时日常空中突击周密规划周期”的契机。这两项潜在应用虽能消解旧有风险，但也伴随着必须应对的新型风险。

案例研究表明，在上述领域部署适宜AI-DSS能力的主要障碍并非软件开发，而是此类工具所需数据的获取。大量必需数据仅散存于各基层单位，且常以非结构化格式（如PowerPoint幻灯片或单位独有的电子表格）保存。破除官僚壁垒以使这些数据能被AI-DSS数字化调用，应成为任何规模化推广计划的首要任务。

基于案例研究，提出以下建议：

确保AI-DSS可获取所需的数字化数据。 高层部门对破除官僚或文化壁垒的支持力度前所未有——此刻正是行动之时。根据赫格塞思部长2026年1月9日签署的AI备忘录，首席数字与人工智能办公室（CDAO）已获授权并受领相关任务。
借鉴第18空降军等单位的最佳实践——包括其融合操作人员与软件工程师的DevSecOps式开发模式——并予以采纳或适配。 无需重复造轮子。CDAO应系统梳理并推广这些经验。CDAO还应为各作战司令部配属数据与评估支援团队，以强化前沿AI-DSS的研发与部署效能。这些团队应由具备跨行业、学术界及联合部队经验的专业人员组成，以充分转化并应用已验证的教训与最佳实践。
在实战行动中向指挥中心部署此类能力，以发展作战最佳实践、加速培养经验丰富的用户群体，并为软件工程师提供实战反馈。

正如本文案例研究所揭示的，上述步骤将优化美军若干最重要的陆军及联合火力相关流程，并有助负责任地加速人工智能赋能能力在全军的研发与列装进程。

执行摘要

概述与引言

对军事人工智能决策支持系统（AI-DSS）的推动

军事需求
AI-DSS 采用的证据
扩展 AI-DSS

理解 AI-DSS

适用于 AI-DSS 的战役级任务

用于陆军火力单位弹药补给的 AI-DSS
将 AI-DSS 应用于联合空中任务周期（JATC）
- 阶段2：目标开发与提名
- 阶段3：武器配置与分配
  - 子阶段3A：武器配置
  - 子阶段3B：分配
- 阶段4：空战任务指令（ATO）生成与分发
AI-DSS 的预期作战效益
- AI-DSS 对陆军火力再补给的支持效益
- AI-DSS 对联合空中任务周期（JATC）的支持效益
- 人力效率
- 流程加速
- 改进流程灵活性