自主、人工智能与可消耗集群时代的海军情报

倘若情报的收集、分析与分发方式不发生根本性转变，无人舰队将面临沦为“幽灵舰队”的风险。

美军认为其海军正处在一次技术转型的临界点。无人平台、人工智能和可消耗系统正在重塑现代战争，未来的舰队因而被寄望于拥有更远的抵达范围、更久的持续行动能力和更高的生存能力。

前任海军作战部长丽莎·弗兰凯蒂上将所述，这些系统旨在“补充并延伸传统有人舰队的覆盖范围、行动纵深与杀伤力。” 同样，美国印太司令部司令塞缪尔·J. 帕帕罗上将强调，“由人工智能赋能的自主系统提供了显著且负担得起的不对称优势”，使部队能够超越那些仅拥有陈旧技术、仅在数量上占优的对手。

然而，海军情报体系尚未准备好支持这场转型。现有情报架构仍深植于为有人舰队构建的思维定式，导致海军对无人系统的作战期望与其情报基础设施的实际支撑能力之间，存在危险的脱节。如果情报收集、分析与分发的方式不发生根本性变革，这支无人舰队将可能沦为技术炫目却功能失明的“幽灵舰队”。

除非海军情报体系进行重构，优先发展以自主为核心的架构、整合人工智能的工作流程，并实现在降级环境中对情报、监视与侦察数据的实时利用，否则海军将无法充分发挥其无人作战的潜力。

无人化的未来即是当下

海军对无人及可消耗系统的采用正在加速。从“幽灵舰队霸主”无人水面艇到实验性无人潜航器，自主平台承诺在高威胁环境中提供更强的抵达、持久与生存能力。它们是分布式海上作战概念的核心，亦是应对反介入/区域拒止战略的方案。

然而，这些系统需要一种全新的情报支援模式。与拥有机上操作员和即时态势感知能力的有人平台不同，无人系统完全依赖于远程情报输入和预设的目标数据库。向自主化的转型打破了传统的杀伤链，并重新定义了维持决策优势的内涵。在冲突中，海军将需要能够不经人工干预，即可对无人情报监视与侦察平台进行提示、任务重定向及数据解译的情报系统。

此外，向无人系统的转变，挑战了关于平台生存力和任务风险的长期固有认知。曾经，有人作战单元的损失伴随着政治、作战和心理上的多重代价；而无人系统的可消耗性，虽支持采取更具侵略性的情报监视与侦察态势，却也要求建立全新的任务优先级排序与响应框架。海军情报必须确保能够以机器速度产生相关且及时的洞察。这要求将情报考量作为任务成功的核心赋能要素，更早地整合到平台开发的生命周期中。

自主平台能够在拒止或争议环境中持续存在，从而创造新的情报收集机会，这迫使分析人员在几乎无实时监管的情况下开展工作。这提升了机载处理、边缘计算和任务前情报加载的重要性——这些都是海军情报必须迅速跟上的技术进步。

自主与集群作战的情报需求

自主与集群作战的运用特性，催生了与传统平台截然不同的情报需求。集群战术与分布式可消耗兵力，要求情报系统必须具备快速、弹性且可扩展的特性。未来将不再依赖少数高性能平台收集多源数据，而是涉及数百个可消耗的、异构的资产，每个资产自身的传感与处理能力都有限。未来的情报系统需能自主确定任务与提示的优先级，融合来自不同传感器的输出，并在降级或拒止环境中保持功能。

乌克兰冲突表明，低成本无人机一旦实现网络化并与实时情报监视与侦察结合，便能塑造战场态势，并常以极低成本造成战略级损伤。乌克兰的成功日益依赖于融合多源信息、灵活且响应迅速的监视侦察模式——这是海军必须在海上领域采纳的模式，因为海上平台作战距离更远，通信也更为脆弱。

集群自主也带来了快速进行威胁特征判定的需求。情报团队必须在数秒而非数小时内，完成以下任务：评估对手的集群行为；判定自主行动单元是诱饵、威胁，还是协同打击的一部分；并将评估结果传递给作战人员。使挑战复杂化的是不同无人系统之间平台能力与数据质量的差异。出于设计，可消耗平台为追求成本与生存性，牺牲了部分传感精度和通信带宽。这种差异性为分析人员带来了新的复杂性，他们必须融合来自高端和低端系统的数据流，同时还得考虑其不一致的覆盖范围与置信水平。

此外，随着集群战术规模扩大，数据量将给现有的处理与利用工作流程带来巨大压力。传统的情报利用中心可能不具备实时对来自集群监视侦察平台的数据进行分诊与验证的能力。海军必须投资于无人资产的边缘处理能力，并建立自动化的优先级排序框架，以标记出最具时间敏感性的指标。

人工智能：工具？

为以机器速度满足这些需求，海军情报日益转向人工智能。但这本身也带来了新的脆弱性。算法能够比人类分析员更快地对全动态视频进行分类、在雷达数据中检测模式并标记异常。然而，人工智能也引入了新的风险，特别是在用于支持致命性自主系统时。如果海军情报过度依赖人工智能生成的评估，则可能误将速度等同于准确，并在高风险场景中错误分类威胁。

一个关键问题是可解释性。人工智能系统常作为“黑箱”运行，其产生的输出指挥官难以解读或审计。当决策者无法追溯某项建议或评估背后的逻辑时，对系统的信任便会瓦解。同样重要的是偏见风险。人工智能的稳健性完全取决于其训练数据。如果训练数据反映的是和平时期的常态，或忽略了对手的欺骗技术，该系统便可能误判新出现的模式或被伪造输入所欺骗。

因此，尽管人工智能应在信息过滤与优先级排序中扮演核心角色，但目标决策必须由人类判断最终裁定。未来并非完全的自主战争，而是人机协同。必须训练分析员能够解读人工智能的输出、质疑其假设，并将其与人工收集的情报相整合，以形成连贯的评估。

此外，海军情报必须让人工智能系统接受严格的“红蓝队”测试。海军不能假设己方工具免遭操纵。面对复杂的对手，其必将试图欺骗、干扰或迷惑人工智能分类器与自主平台。定期的兵棋推演与失效模式分析必须成为核心实践。

另一项担忧在于，部署于作战环境中的人工智能系统缺乏透明度与验证流程。海军项目常将人工智能工具集成到监视侦察工作流程中，却未就模型的训练、更新或针对性能漂移的监控建立清晰的治理机制。在与技术先进对手的海上冲突中，即使是作战模式的微小变化，例如欺骗性辐射信号或对手使用虚假旗帜，都可能导致人工智能模型误判或遗漏关键指标。海军情报必须建立持续的模型审计与战区再训练机制，利用人类反馈回路和模拟的对手输入。分析人员应能查阅人工智能生成评估的溯源文件，以了解模型所依赖的数据、其置信度以及盲点所在。否则，依赖人工智能可能反成负担。

无人作战监视侦察的能力缺口

即便最先进的工具，也无法弥补海军当前执行监视侦察时存在的固有缺口。目标选定小组、监视侦察规划人员及全源分析员所受的训练，均旨在支援航母、有人潜艇及航空联队。无人平台的引入在三个关键层面打破了这些预设：

监视侦察延迟：现行条令基于可响应的双向通信。在拒止环境中，无人系统可能需在延迟通信甚至无联络的情况下运作，使得传统的战损评估与任务重定向流程失效。
收集验证：没有机上操作员，确认无人平台所见所闻便成为挑战。分析员必须从元数据中推断上下文，这需要新的分析技术。
数据孤岛：情报系统并非为大规模接收与融合自主平台输出而设计。这既限制了作战效用，也阻碍了从无人作战中汲取长期经验。

在冲突中，这些缺口可能削弱作战效能。挑战不仅是技术性的，也是组织性与条令性的。必须赋予分析员在缺乏人工监督时信任自主监视侦察的能力，同时保持必要的怀疑态度，以标记出可能经对手篡改的数据。

加剧这些问题的是，已部署的无人平台与岸上情报分析员之间缺乏标准化的反馈机制。在有人作战中，机组和潜艇乘员会例行提供任务后报告，为传感器数据提供背景信息并指出异常。无人系统缺乏这种有机的反馈回路，导致分析员只能从原始传感器输出中推断意图或上下文线索。这不仅增加了误判的可能性，也削弱了海军从大规模监视侦察任务中学习的能力。

若没有深思熟虑的框架来收集、标记和注释无人任务数据，便会错过训练人工智能模型和优化工作流程的宝贵机会。此外，现行监视侦察条令并未明确界定管理这些反馈回路的责任。如果海军希望能在无人作战、实时分析与长期机构学习之间形成良性循环，弥合这一缺口至关重要。

推动情报转型落地

要使海军情报与未来的作战需求相匹配，需要重新构想其条令、架构、训练与技术。以下五项当务之急应成为此次转型的基础：

将自主监视侦察整合进海军及联合条令。条令必须反映分布式无人作战的现实。明确在对抗性环境中进行自主监视侦察的工作流程。这包括区分有人与无人传感的杀伤链路径，并与联合通信框架对齐。

改革面向自主作战的监视侦察架构。海军应在舰队层级建立自主监视侦察单元，与打击群指挥要素协同定位，并配备精通无人系统、人工智能可信度校准及争议环境工作流程的分析员。这些单元将负责管理自主平台任务分配、验证传感器输入并保持杀伤链连续性。同时，投资应聚焦于为无人水面艇和潜航器开发模块化监视侦察载荷，采用标准化数据格式和可针对特定任务配置文件互换的配置。

构建面向人工智能与遥测数据利用的训练渠道。海军情报团队不仅需接受传统分析训练，还必须培训其解读来自自主平台的遥测与元数据能力。这包括理解信号强度波动、机载决策日志和传感器激活时序。训练还应涵盖人工智能辅助分析、红蓝队演练以及在频谱受争议环境中的作战安全。应设立专门的职业发展路径，类似于海军陆战队的濒海情报专业，以支持无人作战和人工智能辅助决策。

将兵棋推演与对手测试制度化。海军应在海军战争学院、信息战发展司令部等机构定期开展兵棋推演，模拟自主作战中监视侦察失效的场景。这些演习应包含输入欺骗、人工智能模型操纵及信号降级等想定，并将结果反馈至条令、采办和训练课程。红蓝队测试应成为所有已列装、融合人工智能的监视侦察系统的正式要求。

与创新生态体系深化合作。为保持领先于对手并避免采购滞后，美海军情报拟深化与国防高级研究计划局、国防创新单元以及五角大楼首席数字与人工智能办公室的合作。这些合作应聚焦于开发可解释人工智能、模块化传感器融合工具及实时人机协同测试平台。

结构化的问责制必须成为这些要务的基石。舰队指挥官应使用诸如监视侦察延迟、模型准确率、分析员-人工智能信任校准等指标，来认证人工智能与自主系统的战备状态。舰队规划人员也必须将人工智能集成纳入部署前训练，与网络和电子战战备同等对待。

落实这些要务需要持续的资源投入和机构层面的优先保障。例如，建立自主监视侦察单元和扩展训练渠道，将需要新增岗位、设施和课程开发。

海军应考虑利用现有的试点项目和创新任务组，例如海军X“技术桥梁”或信息战研究项目，作为测试、完善和推广有前景倡议的平台。通过将转型根植于作战必要性与财政现实，海军情报方能超越愿景规划，确保这些改革切实可行且持久有效。

从传统迈向致命

自主、人工智能与可消耗集群不仅仅是流行语——它们是海军未来力量的中坚。但若没有海军情报的相应转型，无人舰队将面临监视侦察能力不足、任务指派不清、及其机器产出无人信任的困境。

海军情报必须重构其系统，再训练其专业人员，并重新审视其固有观念。它必须拥抱人工智能带来的机遇，同时防范其可能造成的扭曲。它必须为自主性打造灵活、安全且具备情景感知的工具。否则，舰艇或许能够出航，传感器或许仍在闪烁，但杀伤链将始终是断裂的。

Laura Heckmann, “SNA News: Navy Weighing the Balance of Manned, Unmanned Systems,” National Defense Magazine, 14 January 2025.
ADM Samuel J. Paparo, USN, “U.S. Indo-Pacific Command Posture,” statement before the House Armed Services Committee, April 2025.
Ronald O’Rourke, Navy Large Unmanned Surface and Undersea Vehicles: Background and Issues for Congress (Washington, DC: Congressional Research Service, 19 December 2024).
Ronald O’Rourke, Defense Primer: Navy Distributed Maritime Operations (DMO) Concept (Washington, DC: Congressional Research Service, 12 December 2024).
John R. Hoehn, Kelley M. Sayler, and Michael E. DeVine, Unmanned Aircraft Systems: Roles, Missions, and Future Concepts (Washington, DC: Congressional Research Service, 18 July 2022).
Brian Katz, “The Collection Edge: Harnessing Emerging Technologies for Intelligence Collection,” CSIS brief, Center for Strategic and International Studies, July 2020.
1st LT Christian Heller, USMC, “The Future of Naval Intelligence Is Artificial,” U.S. Naval Institute Proceedings 145, no. 6 (June 2019).
Guannan Chang et al., “Overview of Research on Intelligent Swarm Munitions,” Defence Technology 54 (December 2025): 225–44.
Mark Pomerleau, “U.S. Army Is Already Taking Lessons from Ukraine’s Drone Attack on Russia’s Strategic Bombers,” DefenseScoop, 2 June 2025.
Kateryna Bondar, “Ukraine’s Future Vision and Current Capabilities for Waging AI‑Enabled Autonomous Warfare,” Center for Strategic and International Studies, 6 March 2025.
Nishawn S. Smagh, Intelligence, Surveillance, and Reconnaissance Design for Great Power Competition (Washington, DC: Congressional Research Service, 4 June 2020).
Anna Knack, Nandita Balakrishnan, and Timothy Clancy, “Applying AI to Strategic Warning: Modelling Instability Risks and Stabilisation Factors for Intelligence and National Security,” CETAS Research Report, Centre for Emerging Technology and Security/Alan Turing Institute, March 2025.
CDR Mike Posey, USN, and Lt Col Paul Lushenko, USA, “A Framework for Unmanned Systems at Sea,” U.S. Naval Institute Proceedings 150, no. 7 (July 2024).
Department of Defense, DoD Directive 3000.09: Autonomy in Weapon Systems (Washington, DC: Department of Defense, 25 January 2023).
Billy Mitchell, “Lack of Understanding Holding Back Military AI Adoption, Leaders Say,” DefenseScoop, 29 April 2025.
“Acquiring Maintainable AI‑Enabled Systems,” in Proceedings of the Twentieth Annual Acquisition Research Symposium: Acquisition Research—Creating Synergy for Informed Change (Monterey, CA: Naval Postgraduate School, 30 April 2023).
Matthew Harbaugh, “Unmanned Aerial Systems (UAS) for Intelligence, Surveillance, and Reconnaissance (ISR),” Defense Systems Information Analysis Center State‑of‑the‑Art Report, May 2018.
U.S. Navy, Unmanned Campaign Framework (Washington, DC: Department of the Navy, 15 March 2021). See also LCDR Dave Barnhill, USN, “The Manned–Unmanned Team: Where’s the Doctrine?” U.S. Naval Institute Proceedings 145, no. 3 (March 2019).
Lauren C. Williams, “Navy Ops Centers Need AI to Sift Through Troves of Intel Data,” Defense One, 30 January 2025.
Naval Information Warfare Systems Command, “NAVWAR and NGA Partner to Advance a Data‑Driven Culture,” NAVWAR Public Affairs, 31 October 2023.
“Operationalizing AI for Maritime ISR,” Inside Unmanned Systems, January 2025.
Department of the Navy, Office of Naval Research, NavalX, navalx.nre.navy.mil.