面向2027年及未来的海军情报改革

海军情报工作的重心不应是预测未来，而应是在对手同样精通算法的世界中，将未来变得可控。

在菲律宾海的平静水域，一艘阿利·伯克级驱逐舰探测到一组低频声呐脉冲，其规律不规则却显刻意。上方卫星捕捉到一群渔船反常聚集，正缓缓转向西行。在驱逐舰的作战信息中心内，一名精通普通话与机器学习的情报官，正将全部数据与人工智能过滤器标记的社交媒体上一则晦涩帖文进行交叉比对。

此类场景已非天方夜谭，而是近在咫尺的未来。前海军作战部长迈克尔·吉尔迪上将曾警示海军须为2027年前战争做好准备^[1]。此言非武力恫吓，而是人事指令。在五角大楼痴迷于舰船数量与高超音速武器的当下，海军情报的准确性、敏捷性与前瞻性，将助美国在不得不动武之前，以智谋胜对手。

海军情报融合传感器数据、解析意图并产出可行动洞察的速度，是决定威慑成功抑或灾难临头的关键因素。十年前，情报是一项职能；而今，它必须是一种服务，需量身定制且永续在线^[2]。

然而，若其支撑的判断谬误，再快的速度亦属徒劳。人工智能虽被吹捧为融合情报、监视与侦察数据流、搜遍互联网角落的利器^[3]，但算法终究无法取代敏锐判断力。战争迷雾无法靠编码驱散。机器可识别模式并推断合理解释，但人类必须研判这些解释在作战、文化与战略语境中是否成立。

因此，海军情报不应着力预测未来，而应致力于使其可控。必须以决策循环而非幻灯片思维进行思考；须预见未来但避免过度延伸；且须在对手同样精通算法的世界中践行此道。

人工智能：喧嚣、希冀与硬约束

人工智能曾受技术专家追捧、遭伦理学家诟病，如今已走上作战前线。一度仅为国防部内部项目的“Maven项目”，已成为五角大楼人工智能觉醒的代名词^[4]。算法如今筛查无人机影像、标记信号截获中的异常、筛选元数据，速度远超分析师眨眼之间。这并未消解分析师的价值，仅改变了其必须追问的问题。人工智能强于模式识别。它能破译噪声、突显偏差、串联起被遗忘的跨数据类型线索^[5]。人脑本非为多模态融合而设计，但算法同样无力理解信号被探测的语境。识别卡车的同一程序，可能忽略其正参与葬礼队列而非武装车队的事实。

更糟的是，迫于快速评估压力，分析师易盲从机器。置信度评分被奉为圭臬，但置信非即胜任^[6]。用于空中探测的计算机视觉系统可被伪装、对抗性补丁及域偏移图像所欺骗，导致漏报或误判^[7]。危险不在于人工智能失效，而在于其以高度自信的姿态失效。

可解释人工智能旨在修补此弊。它试图揭开黑箱——揭示每项判断背后的逻辑、训练数据与阈值^[8]。然目标纵然崇高、进展纵然可喜，一个被完美解释的谬误依然是谬误。

补救之道非拔除插头，而是磨砺驾驭机器的人脑。海军情报须培养专业人员，不仅精于操作人工智能工具，更擅于质询其结论。今之分析师须明辨何时采信模型、何时摒弃其果。为此，海军情报应拥抱跨学科团队协作，例如数据科学家与语言学家、行为分析师与区域专家并肩工作^[9]。乌克兰最成功的情报行动皆循此道^[10]。人工智能不会取代情报专家，但未能掌握人工智能者恐将被取代。

蜂群、自主性与战争新算法

海军作战正重新发现“数量优势”——非以舰船形式，而是以无人机群形态。小型自主平台蜂群可饱和空域、扰乱目标锁定、迷惑防御者，亦能误导习惯于追踪预定航线大型平台的情报机构。

此类蜂群不循传统规则。其损失代价低廉、更替迅捷、拦截困难^[11]。或由人类操作员控制，或完全自主——即由算法掌控。它们可佯攻、欺诈或单纯以数量碾压目标。此非海军曾面对之威胁。

惯于平台识别的情报分析师须学会解码此类模式。这所需技能更近于行为心理学与信号处理，而非经典作战序列分析。近期台海周边的军事活动，融合了空、海、海警与信息行动，其海军现代化日益指向具备监视、精确打击及潜在蜂群运用能力的无人系统^[12]。其活动隐秘，常借民用交通或气象现象掩饰。未来冲突或始于模糊的自主试探，而非两栖登陆。

为抢占先机，海军情报须投资于仿真推演。兵棋推演应纳入基于对手行为训练的机器学习模型所引导的合成无人机蜂群。分析师须理解蜂群的“思维”逻辑：概率化、非线性与自主性。

更为紧迫的是，海军情报须做好在退化环境中作战的准备。对华战争中，情报、监视与侦察链路必将受扰。卫星将被致盲。融合中心可能遭切断。情报须前置部署：自成体系、自主运行、反应迅捷^[13]。仅适用于和平时期的工具将在战端一启时失效。战争新算法无关火力强弱，而在于饱和、欺骗与混淆。

红海镜鉴

自2023年末起，红海已成为混合海事战争的试验场。胡塞武装——受国家支持的非国家行为体——向商船、海军与后勤航线投射导弹与无人机。其效力不植根于火力，而在于模糊性。因袭击呈间歇性且与密集商船交通交织，海军情报须从常规船舶动向、港口作业与其他民用航海模式中甄别敌对活动。对海军情报而言，红海是一记警钟：下一场战争将始于一种模式。

开源情报在红海已不可或缺。公开报道、商业航运追踪、卫星影像、自动识别系统数据及社交媒体言论，助力分析师区分孤立袭击与胡塞针对商船的系统性战役。开源绘制的袭击企图图谱显示，多起袭击集中于红海南部、曼德海峡与亚丁湾；公开报道亦记录了胡塞对无人机、导弹、小艇及直升机登临战术的运用^[14]。

无人系统的扩散进一步模糊了监视与攻击的界限，使破坏性行为体无需行使传统制海权即可对海上交通施加风险^[15]。部分船只以关闭自动识别系统、绕行好望角或广播“与以色列无关”等威慑信息作为回应，凸显当代海上情报已依赖于融合船舶行为、公开声明、武器特征与地区报道^[16]。开源情报无法取代涉密情报搜集，但其日益提供实时理解快速演变海上威胁所需的语境、预警与佐证。

海军情报须停止将开源情报视为二等产物。应将其以等同于涉密信息的严谨态度，融入分析工作流。这包括采用地理定位、深度伪造检测、元数据核验与舆情分析工具。海军情报应组建由语言学家、文化分析师与数字取证专家构成的专业开源情报小组。这些团队须与作战部队合训，并嵌入航母打击群、两栖戒备群及远征参谋机构等前沿浮动与前进情报单元。目标非取代现有舰载情报团队，而是以开源、数字取证、语言与文化分析能力对其予以增强，使其能在融合情报分遣队内运作，而非孤立于后方回传单元。

强化盟军互操作性

然而，仅靠技术无法应对挑战。红海行动暴露了盟军情报互操作性的严重裂痕。美、英、法等伙伴因系统不匹配、保密规则分歧与信任缺失，难以共享实时情报。在同等对手冲突，尤其中美对抗中，此类问题将被放大。盟军须基于共享的威胁指标、搜集优先级与传播协议展开行动。

海军情报应倡导构建跨国家系统联邦化数据的通用情报作战图。这无需完全汇集数据，而是实现可互操作的标签体系、模式对齐与基于属性的访问控制。北约“联邦任务网络”与“五眼联盟”“网络安全风险信息共享计划”可作为此类框架的范本^[17]。更重要的是，须在和平时期通过多边演习实践通用情报作战图。人际互操作性同等关键。盟军军官须派驻彼此情报中心。语言交流、条令熟稔与分析校准应列为联合教育计划的优先事项。须精简信息共享政策、保密指南与跨域发布流程，使盟伴洞察能以作战速度直达前沿操作员，免受过度保密、系统不兼容或人工传输壁垒掣肘^[18]。

或许红海行动最重要的启示在于认知层面。袭击表明，情报不再仅关乎“探测到什么”，更关乎“相信什么”。对手正操纵认知，利用伪造的自动识别系统信号、合成媒体与虚假信息行动塑造海上叙事。海军情报应投资“叙事情报”——追踪对手信息如何扩散、影响何类受众、在开放渠道嵌入何种虚假线索。换言之，须阐释意图，而非仅描述或接受所见。这需与社会学家、媒体学者及信息战部队协作^[19]。

文化、人才与战略认同

先进技术无法弥补文化惰性。相较于海军情报僵化的体制思维，对手能力的精进或反而是次要弱点。珍珠港、1973年赎罪日战争与“9·11”事件等情报失败，鲜因搜集不足所致，而多源于误判、孤岛思维或预见缺失——即文化因素作祟。

当前，海军情报仍囿于通才型人事模式。军官与情报专家频繁轮换于不同地域岗位与专业领域，阻碍深耕专长的积累。一名分析师可能耗费数月钻研导弹条令精微，旋即被调任欧洲网络岗位。与大国的战略竞争亟需专业化。

海军须设立长周期分析师职业路径。例如，精通普通话、深谙对手、或擅长人工智能编程的军官须予留任与激励。此类人员应优先获得研究生深造、驻外武官任命与涉密研究项目机会。他们亦须成为专业领域内的楷模，昭示思想深度非晋升之碍^[20]。

训练须随作战环境复杂度而进化。冷战时期的技艺（如信源核查、结构化分析技术与关联分析）仍为基础，但新挑战要求新能力：分析对手信息行动、假旗行动指标、网络欺骗与自动化影响力探测。分析师须娴熟质询人与算法，并秉持认识论谦逊，明辨所知、可知与臆测之界。

团体迷思是前瞻之大敌。海军情报应将红队演练制度化为所有重大评估的标配。异议观点须正式记录与评估，持异见者须免遭职业报复。2021年国家情报委员会《全球趋势》报告倡导多情景规划以反制过度自信偏见^[21]。海军情报须使此规划常态化。挑战共识的分析师应受激励，而非边缘化。

海军情报应将地理、语言与文化多样性视为分析能力，而非人事目标。具备区域专长、语言能力与在地文化知识的分析师，更能挑战镜像思维认知偏差、解读国内政治信号、评估对手对风险、合法性与升级的理解方式^[22]。多元化分析团队亦能拓宽复杂情报问题的视角与假说，以同质化高效团队难以企及的方式强化集体研判^[23]。对海军情报而言，招募多元文化与区域背景的人才，非仅为公平代表，更是获取情报优势的战略刚需^[24]。海军还应储备一支经安全审查的情报专业人才梯队（如预备役军官、兼职专家与学术研究员），以备危机时启用。

作为战略杠杆的情报

情报已非后台职能。它必须从一开始就塑造决策时间表、兵力部署与战略叙事。为履行此责，海军情报须在规划论坛中获得与其他作战域平起平坐的地位。应在概念开发、部队设计与平台采办中拥有表决权。情报输入须内嵌于能力发展全程，而非事后增补。海军情报越早融入作战设计，其洞察越能塑造环境，而非被动反应。保密政策亦须调适。在数字饱和的世界，保密常碍效能。伙伴无法依据删节版文件行动。须从“默认保密”转向“必要保密”。现有技术可实现敏感内容的自动编辑、分级分发与水印标记。这些工具须融入日常工作流，而非仅限危机时使用。

招募是根基。最具洞见的分析师或现身于黑客马拉松、人类学系或虚假信息研究实验室。海军情报须突破传统招募渠道。灵活服役选项、直接委任、有竞争力的文职薪酬与学术休假，可吸引并留住战略认知所需的英才。未来战争或始于导弹齐射，亦可能始于欺骗性雷达回波、操弄的社交媒体热点或遭黑客入侵的后勤节点。若海军情报能比对手更迅捷地感知、解读与行动，便能助领导层在危机升级前化解之。若不能，代价将以钢铁与生命偿付。

ADM Michael Gilday, USN, “CNO Message to the Fleet: Prepare for Strategic Competition,” 2022.
Office of Naval Intelligence, Naval Intelligence Strategy (Suitland, MD: Department of the Navy, 2023).
Greg Allen and Raziq Husain, “Artificial Intelligence and National Security,” Center for a New American Security, 2022; and Cheryl Pellerin, “Project Maven to Deploy Computer Algorithms to War Zone by Year’s End,” DoD News, 21 July 2017.
Summary of the 2019 Department of Defense Artificial Intelligence Strategy: Harnessing AI to Advance Our Security and Prosperity (Washington, DC: Department of Defense, February 2019).
Vincent Boulanin et al., “The Impact of Artificial Intelligence on Strategic Stability and Nuclear Risk,” Stockholm International Peace Research Institute, May 2019.
Inioluwa Deborah Raji and Joy Buolamwini, “Actionable Auditing: Investigating the Impact of Publicly Naming Biased Performance Results of Commercial AI Products,” Proceedings of the AAAI/ACM Conference on AI, Ethics, and Society (January 2019): 429–35.
Richard J. M. den Hollander et al., “Adversarial Patch Camouflage against Aerial Detection,” Proceedings of SPIE 11543, Artificial Intelligence and Machine Learning in Defense Applications II (2020).
“Explainable Artificial Intelligence (XAI),” DARPA, www.darpa.mil/program/explainable-artificial-intelligence.
Final Report: National Security Commission on Artificial Intelligence, chapter 4, 2021, www.dwt.com/-/media/files/blogs/artificial-intelligence-law-advisor/2021/03/nscai-final-report--2021.pdf.
Samuel Charap and Miranda Priebe, Avoiding a Long War: U.S. Policy and the Trajectory of the Russia-Ukraine Conflict (Santa Monica, CA: RAND, 25 January 2023).
Paul Scharre, Army of None: Autonomous Weapons and the Future of War (New York: W. W. Norton & Company, 2019).
Eric Chan and Ian Murphy, “Shrinking the Strait: How Drone Warfare and Hybrid Tactics Are Erasing Taiwan’s Strategic Depth,” Global Taiwan Brief 11, no. 1, 14 January 2026; and John Dotson, “The PLA’s ‘Justice Mission-2025’ Exercise Around Taiwan,” Global Taiwan Brief 11, no. 1, 14 January 2026.
Summary of the Joint All-Domain Command and Control (JADC2) Strategy (Washington, DC: Department of Defense, March 2022).
Joshua Cheetham, Tom Spencer, and Shruti Menon, “Tracking Houthi Attacks in the Red Sea,” BBC News, 19 January 2024.
Njoki Mboce, “UAVs in the Western Indian Ocean Forcing Adaptations in Maritime Security,” Africa Center for Strategic Studies, 12 May 2026.
Wolf-Christian Paes, Edward Beales, Fabian Hinz, and Albert Vidal, Navigating Troubled Waters: The Houthis’ Campaign in the Red Sea and the Gulf of Aden (London: International Institute for Strategic Studies, December 2024).
NATO Allied Command Transformation, “Federated Mission Networking,” 2020, www.act.nato.int/activities/federated-mission-networking.
The AIM Initiative: A Strategy for Augmenting Intelligence Using Machines (Washington, DC: Office of the Director of National Intelligence, 2021), 7, 10; and Joint Report on the Implementation of the Cybersecurity Information Sharing Act of 2015, AUD-2023-002 (Washington, DC: Office of the Inspector General of the Intelligence Community, 12 December 2023), 20–22.
Philip E. Tetlock and Dan Gardner, Superforecasting: The Art and Science of Prediction (New York: Crown Publishing Group, 2016).
Missy L. Cummings, “Understanding AI and Human Decision-Making in Military Contexts,” Journal of Military Ethics 2, no. 3 (October 2003), 212–28.
National Intelligence Council, “Global Trends 2040,” March 2021, www.dni.gov/index.php/gt2040-home.
Louise J. Rasmussen, Winston R. Sieck, and Robert R. Hoffman, “Cultural Knowledge for Intelligence Analysts: Expertise in Cultural Sensemaking,” American Intelligence Journal 31, no. 2 (2013): 28–37.
Lu Hong and Scott E. Page, “Groups of Diverse Problem Solvers Can Outperform Groups of High-Ability Problem Solvers,” Proceedings of the National Academy of Sciences 101, no. 46 (2004): 16385–89.
Elise Stephenson and Susan Harris Rimmer, “Classified and Secret: Understanding the Literature on Diversity in the Intelligence Sector,” International Studies Review 25, no. 3 (September 2023).