本报告研究俄罗斯如何发展军事人工智能（AI）并逐步迈向自主决策，特别是在战术前沿领域。以下要点概述了关于这些能力如何在俄罗斯战时军事生态系统中构建、适应和扩展的核心发现。

1. 俄罗斯已将无人系统和人工智能确定为各级决策的两大首要战略重点。这些重点持续出现在联邦、地区和特定行业战略中，并且最常见于民用和两用语境下提出。然而，鉴于俄罗斯向战时经济的过渡以及对机密军事项目了解有限，这些领域的投资和进展极有可能直接转化为军事能力和作战优势。

2. 俄罗斯很可能已在实战中部署了完全自主的无人系统，并继续在部署中迭代更新，尽管造成了平民伤亡。乌克兰对截获的V2U无人机的技术分析表明，其缺少操作员控制所需的通信组件，同时其机载计算能力足以运行支持AI的感知和决策软件。观察到的战场行为——包括在拒止环境下的自主飞行、独立目标选择以及利用视觉标记进行类似集群协同的编队活动——表明V2U在性质上已从遥控消耗性无人机转向完全自主、AI驱动的系统。

3. 俄罗斯的无人机生态系统揭示了一种适应性采购逻辑，即创新源于正式国防工业结构之外，并仅在战场验证后进行规模化推广。“闪电”等项目展现了一种反复出现的模式：平民工程师和志愿者团体在“车库”层面进行快速试验，随后国家选择性介入，为那些经证明有效的作战系统提供资金、制定标准并进行大规模生产。这种方法使国家能够获取分散式创新的好处，同时避免在战时压力下试图集中设计解决方案的低效。

4. 无人系统集成最关键的一个推动因素，是私人无人机学校和并行培训计划的兴起，它们成为技术应用的快速加速器。与传统的国营培训设施不同，这些组织以初创企业般的速度进行调整，持续更新课程，将新平台直接融入教学，并允许操作员在培训期间广泛测试系统。这种结构在最终用户和工程师之间建立了直接的反馈循环，加速了硬件和战术的完善。通过比正规机构更快地将新能力嵌入培训流程，这些学校将新兴技术大规模转化为作战能力，有效使培训本身成为战斗力的核心引擎。

5. 从俄罗斯无人系统中回收的所有支持AI的组件，超过50%源自总部位于美国的公司，且主要由商用级、两用电子器件构成。在已识别的705个AI相关组件中，美国公司约占内存硬件的69%、处理器的57%和传感器的38%，是每个类别中占比最大的国家。相比之下，中国供应的AI支持组件总量不到9%，并未进入机载计算硬件顶级供应商之列。这些发现突显，俄罗斯不断扩张的战场自主能力的技术支柱，仍然深植于全球一体化的半导体市场中，尽管存在制裁和出口管制，市售的西方技术仍持续发挥着决定性作用。

6. 俄罗斯并未在尖端AI竞赛中与主要大国竞争；相反，其正推行一种专注于应用型AI能力的务实战略。俄罗斯并非从零开始开发大型基础模型，而是专注于在西方开发者的现有开源模型以及中国模型之上构建实用解决方案。这些模型被调整为定制的应用程序，设计用于政府层面集成和军事用途。

7. 俄罗斯正在刻意构建一个全面、端到端的AI和无人系统生态系统，而非追求孤立的能力。这项工作整合了到2030年将算力扩展至1百亿亿次（exaflop）的目标、年产13万套大型无人机系统的生产目标、AI市场和公司投资的快速增长，以及计划到2030年每年培养1.55万名AI专家的目标。该生态系统以国家战略为基础，并通过国家计划进行运作，将基础设施、监管、产业和人才发展联结成一个统一的体系，旨在长期维持AI赋能的自主能力和军事相关性。

8. 俄罗斯正致力于建立专门的基础设施，以期到2030年在全国范围内实现民用无人航空运营。这包括扩大试验场、新建生产设施，以及部署旨在支持大规模无人机系统安全运行的空域一体化集成和数字化交通管理系统。创建此类基础设施不仅将支持民用推广，也将成为军事领域内无人系统加速发展、规模化推广和作战集成的关键推动因素。

9. 俄罗斯预计到2030年将需要100万名无人机系统专家，这使得人力资本成为其无人系统战略的核心支柱。为满足这一规模需求，国家正在学校、职业途径和大学中扩大以无人机为重点的教育，同时引入统一的能力标准和持续的培训计划，以使技能与行业和作战需求保持一致。

10. 俄罗斯正在将对AI监管刻意采取的温和方式，与通过设立国家人工智能总部和总统级别委员会加强对AI部署的集权控制相结合。政府并未急于推进正式立法，而是强调分阶段监管、实验和制度学习，同时依赖选择性限制、认证“可信”技术以及严格控制对国家管理数据的访问。与此同时，莫斯科正通过在各部委之上设立一个国家人工智能总部，以及在总统下设人工智能技术发展委员会，来集中权力，旨在单一的国家主导指挥结构下，协调跨地区、跨行业的人工智能实施。

11. 俄罗斯最成功的AI集成发生在那些横跨民用和军事市场的公司内，而非纯军工企业。两用公司可以获取更大更多样化的数据集，在实际操作环境中迭代软件，并根据民用和安全应用持续重新训练模型。与完全在封闭的军事项目内部开发的系统相比，这种对数据、测试机会和反馈循环的获取，使得AI能力能更快成熟并更平稳地过渡到战场应用。

12. 俄罗斯无人系统开发的特点是模块化和快速功能适应，而非平台专门化。一旦某个设计被证明可行，它便通过最少的机身修改和软件更新，迅速被改造用于多种角色——例如，作为游荡弹药、侦察平台或后勤载具。简单的构造和模块化架构允许根据前线反馈进行快速迭代，加速成功设计在不同任务集中的扩散。

对美国而言，核心启示在于，在AI赋能的无人系统领域取得成功需要一个生态系统方法。为推进其自主技术的雄心，美国必须实施一项国家系统工程方法，整合并协调培训、测试、两用创新、政府实施以及军民合作。

俄罗斯人工智能和自主系统的政策架构

本节审视俄罗斯战略规划的架构，以及人工智能和无人系统创新政策制定与实施的机制。为清晰分析，俄罗斯的政策规划与实施在三个相互关联的层面——战略、战术和操作层面——进行审视，如表1所示。分析依次对每个层面展开，以确定具体倡议和制度机制如何支持俄罗斯战时能力的提升。

本评估借鉴了官方战略文件和实施框架，以阐明所宣布的优先事项如何转化为可执行的计划和可衡量的成果。

此外，本节概述了与AI相关的监管，以阐明俄罗斯政府在AI领域的治理、实验和控制方面不断演进的做法。其目的是超越政治修辞，评估构成俄罗斯在战时条件下创新方法基础的规划、协调和国家监督体系。

表1 俄罗斯政策制定与治理架构结构

来源：国际战略研究中心（CSIS）。