近年来，随着人工智能开始进入军事规划与作战设计领域，实践者中持续浮现出一种不安。即使工具得以改进、作战节奏加快、数据获取达到前所未有的水平，计划仍在整合性、连贯性以及方向共识上屡屡受挫。马可·里昂斯最近在“岩石上的战争”网站发表的关于作战艺术感知衰落的文章，以一种既及时又重要的方式道出了这种不安。

对该特定兵棋推演的具体情况、其约束条件或内部动态了解不足，无法直接评判这些结论。然而，里昂斯的叙述清晰地捕捉到了一组许多实践者都认识到的反复出现的困难：战役行动碎片化、决策过程序列化，以及规划活动与作战连贯性之间日益扩大的鸿沟。

基于教授作战艺术和进行规划实验的经验，对此也有同感。但里昂斯的观察可能也指向更深层的问题：不同作战思维方式之间的张力。

随着人工智能日益影响规划者所见、其所认定的相关因素以及连贯性如何被呈现，这种不同作战认知方式之间的张力变得更为重要。因此，本文的目的并非否定里昂斯的论点，而是拓宽讨论。具体而言，我们试图厘清不同的作战推理方式如何在规划实践中并存，以及人工智能日益增长的应用如何可能使某些作战思维方式占据优势，同时遮蔽其他方式。

当作战艺术被视为单一语言时

里昂斯的分析根植于一个成熟且影响了西方规划实践数十年的作战艺术理念。在这一传统中，作战艺术作为一种连贯的专业语言发挥作用：一种通过“重心”、“决定点”、“行动线”以及效果整合与同步等概念，将战略目标与战术行动联系起来的手段。这种语言为几代规划者提供了共同的参照点、一个分析结构，以及一种在压力下协调复杂行动的方法。

然而，其中常常隐含的假设是，作战艺术构成了一种单一的、内部连贯的实践——一种可以掌握、应用并依据共同标准进行评估的实践。在这种观点下，作战表现的崩溃自然被解释为应用上的失败：严谨性不足、概念理解薄弱或训练不够。里昂斯的诊断大致遵循此逻辑。当规划者难以有效整合作战行动、错误识别重心或将战役简化为序列决策点时，结论便是作战艺术本身已遭侵蚀，必须通过更好的教育、要求更高的兵棋推演和改进的工具来恢复。

但另一种解读也是可能的。里昂斯指出的许多困难，不仅可能源于共享的作战语言被遗忘或误用，也可能源于某一种特定的作战艺术理解被套用到日益复杂和适应性的环境中。在此类情境下，规划者可能遵循条令上正确的程序，却仍日益感到情况并不完全吻合——现实与程序不相符，反之亦然。

这种张力在实践中——也是我们在教学和实验中反复遇到的——一种表现方式，可称为“清单效应”。随着规划过程日益围绕模板、程序步骤和标准化产物构建，注意力可能从探索问题转向完成流程。计划得以完成、汇报并获得批准——然而许多参与者仍感到问题本身只被部分理解。

在规划演习中，遵循标准程序的学生小组通常能迅速在类似的重心分析和行动方案上达成一致。这些计划在分析和程序上显得无懈可击。然而，当推动小组退后一步，以不同方式审视问题——例如，询问是什么维持着对手的体系、其领导层如何理解风险、或是什么使其能够持续战斗——作战图景往往发生变化。在数次演习中，那些更专注于问题本身而非模板的小组，关于作战需要达成的目标得出了显著不同的结论。

因此，最初看似技术性的规划练习，往往在很大程度上取决于塑造问题框架的是哪一种作战思维传统。久而久之，这会产生两种密切相关的效应。首先，规划产物的完成可能逐渐替代了对问题的深入探究。从战略到战术的意图可能依然模糊，却因计划在程序上连贯且内部一致而显得稳定。其次，规划活动可能逐渐与作战理解脱节，即使程序上的严谨性在增加。

这些效应很少是故意的，但却是系统性的。此类情况下的问题，并非缺乏章法或努力，而是严谨性被运用在一个已不足以充分反映所面临问题特质的框架之内。

由此观之，里昂斯所捕捉到的不安，可能并非简单地标志着作战艺术的衰落。相反，它可能反映了当代规划实践中并存（通常未被承认）的不同作战思维方式之间日益增长的张力。若是如此，问题就不仅仅是作战艺术应用得好坏，而是在问题被框架化、分析和付诸行动时，哪一种作战艺术的理解被暗中青睐。

作战思维的三种传统

与其将作战艺术视为单一的知识体系，不如将其视为由不同的历史问题及关于作战如何运作的不同假设所塑造的一系列作战思维传统。每一种传统都将注意力引向同一作战现实的不同方面。有时看似方法冲突，实则往往是聚焦同一作战现实的不同方式之间的碰撞。这些传统并非仅仅是条令上的变体：它们代表了理解战争中何为关键、如何达成连贯性、以及行动应如何与理解相关联的不同方式。

一种有影响力的传统是盎格鲁-撒克逊的“重心”方法。在此，作战思维强调通过分解进行分析性发现：识别对手的关键能力、需求和弱点，以定位决定性的干预点。这种方法的长处在于清晰性和可追溯性。复杂局势通过结构化分析变得易于理解，而理解的加深预期能直接转化为行动的改进。在这种逻辑中，更好的数据、更好的模型和更好的工具预示着更好的决策——这种逻辑自然契合了当代对人工智能的兴趣。

第二种传统植根于德国军事思想，以“重心”和“任务式指挥”概念为核心。在这种观点中，作战的决定性焦点并非等待通过预先分析来发现的客观特征，而是在具体情境中通过判断建立的一种关系性配置。地形、敌方部署、己方部队、作战节奏和意图动态地相互作用，指挥的任务在于识别正在出现的机会，并在正确时刻集中力量。连贯性的达成，较少依赖于分析的完备性，而更多地依赖态势感知、主动性和随条件变化而适应的能力。在这种传统中，理解与行动密不可分，并通过不确定性下的及时判断来表达。

第三种传统可见于苏联的作战艺术，它将战争视为一个需要在纵深上进行组织的系统。这种传统源自工业化大规模战争和广阔地理空间的挑战，强调同时性、梯次配置的兵力，以及在时空上有意安排的作战序列。它不是寻求通过单一决定性节点导致崩溃，而是通过持续对整个对手系统施加压力来追求连贯性。物质因素、兵力对比、后勤和作战节奏是核心，成功取决于长时间协调大规模作战的能力——以产生累积效应并阻止对手恢复。

西方思维之外的其他传统——包括源自中国作战思想的那些——基于关于战争连贯性如何达成的不同假设。中国关于“体系破击战”和信息化局部战争的条令强调扰乱对手的整个作战体系，而非击垮单一决定节点。“势”等概念侧重于塑造全局态势，逐步削弱对手系统的功能。

领导力研究表明，中国的领导实践是内部分化的：儒家和法家逻辑支撑着较低层级的循规忠诚和层级控制，而道家的“无为”和矛盾适应思想在更高层级扮演更重要的角色。这些传统并存，并塑造了复杂环境中不同的决策模式。因此，一种被条令锁定的作战艺术理解——例如里昂斯所隐含依赖的那种——可能难以应对这样一个对手：其实战是由多种纵向分层的逻辑而非单一稳定框架所塑造的。

当“重心”框架被应用于一个作战逻辑与规划者自身根本不同的对手时，分析可能始于错误的前提。规划者随后可能识别出那些在分析框架内看似有说服力，但在对手自身作战体系内部意义甚微、因而影响微弱的决定性节点。在这种情况下，框架本身——而不仅仅是其应用——就成为了里昂斯所描述问题的一部分。

这些传统中的每一种都随着技术变革、组织学习和战略背景的转换而持续演进。

有两点澄清值得说明。

第一，这些传统在形式上可能重叠。一个使用“重心”模板的参谋团队仍可能在不确定性下展现出卓越的判断力，而一位通过任务式指挥行事的指挥官也可能依赖细致的分析。此处的区别不在于表面上使用了哪些工具，而在于那些塑造指挥官及其参谋团队如何看待分析与行动之间关系的基础思维方式。

第二，当某一种作战思维传统被视为中立或普遍适用时——尤其是在其他传统仍在暗中塑造实践的情况下——问题就会出现。当不同传统被混合使用却未被识别为不同时，摩擦可能表现为条令不当或严谨性不足，而更深层的问题是关于作战思维本应为何物的潜在假设存在错配。

作为作战思维放大者的人工智能

在军事语境中，人工智能常被讨论为对作战规划要么是变革性的解决方案，要么是颠覆性的威胁。这两种框架都倾向于掩盖其最具影响的效应。人工智能不仅加速现有流程或自动化离散任务：它从一开始就参与了塑造作战问题如何被感知、建构和变得易于理解的过程。因此，其影响不仅限于效率或速度，还延伸至规划和判断如何形成的基础。

人工智能并非作为中性工具进入规划流程。它在现有对规划的理解和传统之内运作，并不可避免地强化了问题已被框定和理解的方式。关于数据选择、模型设计、训练集和界面的决策，编码了关于何为重要、什么算作相关信号以及连贯性应如何呈现的假设。因此，人工智能系统倾向于放大理解态势的某些方式，而将其他方式置于背景之中。这种放大很少是显性的：它是逐渐发生的，通过反复互动，规划者学会信任并适应系统所呈现的最有意义、最相关和最有用的内容。

不出所料，当前的人工智能应用最容易与分析性的“重心”传统保持一致。模式识别、网络映射、预测建模和可视化有望在信息过载的环境中提供更高的清晰度和节奏。在这种逻辑中，改进的分析被假定会产生更好的决策，而人工智能则表现为长期致力于增强作战规划严谨性、一致性和可追溯性的自然延伸。从这个角度看，人工智能似乎非常适合解决里昂斯所精确指出的那些缺点。

然而，这种一致性本身也揭示了纯粹分析性框架的局限。那些依赖于情境判断、临机应变以及效果随时间动态组织的作战理解形式，不容易转化为机器可读的表述。识别新出现机会的能力、在深度不确定性下行动的能力，或通过适应性指挥关系维持连贯性的能力，难以仅靠数据驱动模型来还原。随着人工智能支持的过程日益结构化了注意力和期望，此类理解形式有变得不那么显见、也较少被实践的风险。

因此，更深层的风险并非人工智能产生错误答案。而是人工智能微妙地重塑了人类判断与机器生成的连贯性之间的关系。当规划系统持续将某些模式、行动方案或解释呈现为更易读或更令人信服时，人类的理解往往倾向于相应调整。随着时间的推移，规划者可能将自身导向系统所能表征和优化的内容，而非导向通过专业判断所体验和解读的局势的全部复杂性。那么，连贯性不是通过理解达成，而是通过与系统输出保持一致来达成。

如果是这样，人工智能带来的核心挑战就主要不是技术性的，也无法仅通过“人在回路中”来解决。这是一个专业挑战：如何保持清醒，认识到哪些作战思维形式正在被放大，哪些正在被边缘化，以及这种平衡如何随着时间的推移塑造作战判断。应对这一挑战需要的不仅仅是改进工具或重振条令的严谨性。它要求对塑造作战艺术本身基础的潜在假设，以及随着人工智能日益成为作战规划中活跃参与者这些基础如何被转变，保持持续的审视力。

作战规划：从教条严谨性到专业认知

里昂斯强调教条严谨性、概念清晰性和规范的作战思维之重要性，这是正确的。在复杂且充满对抗的环境中，缺乏共享框架和专业标准往往会导致混乱，而非创造力或适应性。作战艺术长期以来为规划者提供了一种协调行动、整合效果并将手段与目的联系起来的共同语言。这一功能仍然至关重要，尤其是在规划的节奏和信息密度持续增加的背景下。

然而，当不同的作战思维传统在同一规划过程中交汇时，仅靠严谨性无法解决由此产生的张力。当分析性的、基于判断的和系统导向的推理模式被隐含地混合——或者当一种模式主导而未被其他模式所认知时——就会产生摩擦，这种摩擦无法仅通过更好地应用教条来解决。在这种情况下，规划者可能展现出程序上的胜任力和概念的流畅性，却仍然感受到规划产出与作战理解之间日益加深的脱节。

当前时刻日益需要的，并非仅仅是提高对单一框架的掌握，而是专业认知：即识别是哪些思维方式在塑造一个计划——以及在特定情境下哪些被边缘化的能力。这并不意味着放弃既有的方法或专业的判断标准。它意味着要认识到支撑不同作战问题思维方式的假设——以及这些假设如何塑造那些显得连贯、可操作或决定性的内容。

其实践含义并非仅仅是军官们应该熟悉不同的作战思维传统，而是他们必须学会在它们之间转换。根据我们的经验，关键的专业技能是能够比规划程序通常所鼓励的更长时间地专注于问题本身——不仅询问模板要求什么，更要追问模板是否适用——并在形成行动方案前，运用不同的作战逻辑进行工作。在演习中，坚持这样做的团队关于作战需要达成的目标，往往得出与传统规划团队不同的结论。随着人工智能进入规划流程，这种重构作战问题的能力可能变得更加重要。如果人工智能系统围绕单一的主导规划逻辑设计，它们将面临强化程序趋同而非帮助规划者探索理解作战问题的替代方式的风险。

从这个角度看，作战艺术可以被理解为较少是一种固定方法的应用，而更多是一种导航的专业能力：即随着形势演变，有意识地在不同作战推理模式之间转换的能力。这包括知道何时分析性分解是有用的，何时它遮蔽的比揭示的更多；何时决定性的焦点必须通过分析来发现，何时它必须在行动中通过判断来构建；何时连贯性最好通过精确性达成，何时它依赖于持久的耐力、组织协调和长期的适应。这样的转换不会削弱作战艺术。它是其成熟度的体现。

随着人工智能更深地嵌入作战规划，培养这种认知形式不再是可选项。人工智能系统将持续放大看待、建构和评估信息的特定方式。问题不在于这种影响能否避免，而在于它是否能通过专业判断被认识和驾驭。因此，在规划中保持有意义的人类能动性，较少依赖于在形式上保持“人在回路中”，而更多地取决于确保专业领域始终有能力理解人类和机器推理共同运作的环境。

里昂斯开启了一场关于作战艺术在压力下如何表现的有价值的讨论。要充分参与这场讨论，可能需要超越关于教条是否被正确应用的争论，转向更清晰地认识我们已经使用（通常未加命名）的不同“作战语言”，以及新兴技术将如何放大它们。

如果作战艺术要继续保持其真正专业实践的本质，那么挑战就不仅仅是恢复严谨性或改进工具，而是要构建一种有意识地去理解不同作战传统、并将人工智能输出视为该过程的一种输入而非其结论的规划文化和教育体系。

从浴血奋战的经验中建立起作战艺术的职业共同体，现在必须在对手或算法抢先之前，对其所依赖的工具和传统应用同样严格的审视。

参考来源：

https://yuanbao.tencent.com/chat/naQivTmsDa/5319ab30-372e-48a5-afee-48dc3d631812