起点

乌克兰冲突的现实，无论是在作战实施还是指挥所运用方式上，都标志着一个深刻的分水岭。经典的、集中的冷战式指挥所已成为显著的高价值、高风险目标。高分辨率情报、监视和侦察与远程精确弹药的结合，再加上远程打击无人机的运用，已使作战纵深作为保护因素失效。未来，指挥控制将不得不在更小、更机动的设施中实施。通过野战工事和机动性进行防护正成为一项主导性要求。

在乌克兰战场，一种模块化、分散式的指挥所架构现已占据主导，由分离的、掩蔽的但可快速转移的指挥所单元组成。实际上，这意味着相同的任务必须在更少的时间、更少的人员和更受限的空间条件下完成。同时，所需的产出标准仍然同样高，因为指挥的质量与作战的成功密不可分。

调整指挥组织的已认知结构性要求，可适用于任何现代军队，因此也适用于联邦国防军的陆地作战。相关基础概念目前正在修订，以便陆军能力发展能够快速适应。由于分散式结构相比传统模式带来诸多限制，应尽早考虑如何弥补由此产生的不足。生成式人工智能领域的新能力为此提供了广泛的可能性途径。

分散的指挥所单元，其中强大、优化的人工智能模型在移动服务器上本地运行，并以多种方式支持军事决策过程，构成了本文所述概念方法的核心。

生成式人工智能系统的演进

民用人工智能技术领域目前正经历根本性转型。迄今为止，强大的生成式人工智能系统只能在大型云端数据中心运行。人们投入了大量精力来扩展这些系统，这使其运行对硬件要求和能耗的要求越来越高。这一趋势是否及何时会终结，难以评估。

最近，情况表明较小的人工智能模型也能提供显著更好的结果，并越来越被接受。与它们基于云的前辈不同，它们通常针对特定任务进行优化。然而，它们最大的优势在于可以在本地硬件上运行，例如在本地服务器或高性能笔记本电脑上。这种由软件架构创新和硬件进步推动的趋势，为构建人工智能赋能的指挥所结构创造了必要的先决条件。

缩小人工智能模型规模的方法：为了进一步缩小对于本地部署而言过大的AI模型，采用了各种方法。这里的关键方法是量化和专家混合方法。在量化中，模型权重的分辨率被降低。结果是模型显著变小，但性能几乎相当。专家混合模型使用大量的总参数，但每次查询只激活其中一小部分。这同样降低了所需的计算负荷。两种方法可以非常有效地结合，从而进一步减小模型规模。只有这种对硬件要求的彻底降低，才可能将高性能人工智能能力有机地集成到每个独立的、分散的指挥所单元中，而不依赖于脆弱的云端连接。

作战影响

联合作战和合成兵种作战决定了陆军的战斗成功。基于效果的思维，以及将一切可用的跨领域手段（动能与非动能、国家与跨国）最终同步指向一个共同目标，构成了所有行动的基础。合成兵种作战旨在精确协调火力、机动和障碍，以利用敌人的弱点并放大己方各兵种和军种的优势。没有这种协调的整体效果，任何大型编队的战斗力都会崩溃。

这正是与指挥所工作的关键接口所在。参谋工作是同步的枢纽。在集成、跨领域的作战态势图基础上，它必须确保空间和时间上的协调。在分布式和精简的指挥所架构中，这种协调需求急剧增加，而可用于反应的时间显著减少。在整合所有部队的同时保持高作战节奏是生存的条件。为了在未来作战中也能掌握这项特殊人类任务的复杂性，人工智能赋能的指挥所工作正从可选特性转变为作战必需。

人工智能赋能指挥所：一种概念方法

该概念的核心是基于生成式人工智能、并由语音、文本、图像和视频信息塑造的一种新型人机交互。它通过自动处理和融合复杂信息流，减轻了指挥所人员的认知负荷，从而防止认知过载，同时提高决策质量。应用程序的使用和数据访问的方式正在发生根本性改变。趋势正从耗时的手动操作应用程序，转向基于语音的、与预配置人工智能体的AI交互。

这些智能体可以通过拖放方式组装，并通过提示进行配置。不需要编程技能。只需要战术专业知识和语言理解能力。可设想的例子包括用于评估敌方单位战斗效能，或用于评估用户指定扇区内敌情的人工智能体。指挥所工作因此可以进一步自动化和显著简化。随着时间的推移，会出现一系列可根据需要调整并可随时重用的人工智能体。

为确保所需的功能范围，中央人工智能系统必须与所使用的C2系统耦合。人工智能领域中已广泛使用的模型上下文协议为此提供了理想条件。这样，人工智能的内部模拟模型可以即时获取实时数据。耗时的预配置或手动数据输入可以省去。据此，可以在数分钟内模拟、分析已识别的行动方案，并评估其成功概率。为此所需的相关指挥和战术运用原则，由人工智能从基础条令、命令和作战计划中自主提取。

战术作战中心的人工智能功能

快速决策的需要长期以来一直是战术原则：“谁更快开火、更准命中，谁就赢得战斗。”在决策过程中，相应的准则是：最快做出正确决策的一方将保持主动权。在此背景下，人工智能通过数秒内生成作战态势图、评估行动方案并向指挥官提交建议，来提供所需的加速。

该概念的实施基于一种与系统无关的方法，为集成和处理广泛的数据源提供了诸多优势。这种架构支持接近开源应用的实现，从而确保符合“软件定义防务”精神所需的灵活性和创新速度。其目标是提供一个能深度集成指挥所内所有IT服务、数据库和应用程序的人工智能系统，同时用户仍可通过简单方式直观操作。

实施可以分步进行，以便即使功能有限也能早期产生真正的附加价值。上述数据访问和基于聊天机器人的交互无需进一步开发即可直接实现。在此基础上，可以逐步集成额外的IT服务，例如用于自动化地形分析的地理空间信息服务、用于实时资源查询的后勤数据库，或用于目标识别的传感器数据流，从而逐步扩展系统的功能范围。

人类决策者

在军事决策过程的每个阶段，人类判断仍然不可或缺。生成式人工智能系统充当催化剂，而指挥官保持主导地位：指挥官确认人工智能生成的态势评估，指定主要任务，并设定评估标准，如伤亡风险或执行速度。这种共生关系由两个核心领域定义：

责任主导的交互：人机界面的设计必须确保基于情境的、合理的人类判断以及责任指挥链内的人类控制在任何时候都得以保持。为可靠实现这一点，需要有针对性地调整领导者培养。

数字指挥素养：成功实施人工智能赋能的应用，要求指挥人员具备扎实的数据和人工智能素养。这包括深刻理解人工智能系统的分析运作模式及其对决策的贡献，以及批判性评估基于人工智能的工具、并精确判断其方法论局限性的能力。为了可持续地确保这种专业能力，必须在初始培训中建立，并通过持续的职业发展加以深化。只有这样，才能确保对作战人工智能运用的必要接受度，并充分发挥该技术的变革潜力。

总结

分散和精简指挥所的必要性，是从当前冲突中汲取的不可避免且无法回避的教训。为弥补由此产生的同步和响应能力不足，整合人工智能不再是一种选择，而是维持有效指挥控制的作战必需。本文概述的人工智能赋能指挥所概念应对了这一挑战，并指出了初步的解决方案途径，但这仅仅标志着一个将更加深入的转型的开始。

随着额外的人工智能能力越来越多地集成到战场，人工智能赋能的指挥控制将逐步发展为以人工智能为中心的指挥控制。这是一个现在已经开始、且必须始终如一推进的过程。鉴于发展速度，军事能力和基础系统必须持续调整。这需要严格执行“软件定义防务”。静态、僵化的架构已经过时。相反，新功能必须以原型形式快速构建，并在专用测试平台上迭代开发。只有这样，才能确保高强度作战中的弹性指挥能力。

总而言之，人工智能赋能指挥所的概念提出了分散式、可扩展的IT架构与精确定义的、基于人工智能的人机交互模式之间的共生关系。通过这种交互，指挥控制过程在速度、精度和弹性方面得到显著增强，同时人类决策的主导地位始终得以保持。

参考来源：Novum Bellum. The AI-Enabled Command Post: A Core Element of AI-Centric Command and Control. January 5, 2026. https://novumbellum.org/en/the-ai-enabled-command-post-a-core-element-of-ai-centric-command-and-control/