人工智能已广泛应用于军事系统，但基于大语言模型（LLM）构建的会话式人工智能代表了一次质变。通过允许操作员以自然语言查询海量作战数据库并快速生成行动方案（COA），这些工具加速了OODA循环（观察-判断-决策-行动）。本文通过分析美国Maven智能系统/Palantir AIP生态系统的演进轨迹，展示了其如何从图像分析（2017年）发展为全功能决策支持平台（2024-2026年），目前已部署于美国所有主要作战司令部及北约盟军作战中。这直接服务于任务式指挥核心的“辅助性原则”——部队能更快理解态势并生成选项，能在指挥官的意图范围内更有效地行动。

在数据饱和的作战环境中，问题已不再仅仅是比对手更快决策，而是在信息、信息处理及其流转日益自动化的系统中，如何保持对决策过程的掌控。人工智能正成为这一转型的主要驱动力。它已广泛集成于军事系统，能够利用前所未有的海量数据，加速分析，并近乎实时地提出行动方案。

然而，一场更为微妙的变革正在成型：能够以自然语言与操作员直接交互，并作为日益复杂的技术架构与人类决策之间接口的会话式人工智能的出现。这一动态不仅仅是技术突破。它触及了当代指挥结构的核心。通过促进信息获取、加速选项生成、缩短理解态势所需时间，这些工具强化了“意图指挥”的原则。

但也引发了一个核心问题：这种算法中介在多大程度上改变了决策方式，并最终改变了行使指挥权的方式？这篇文章探讨了这种张力，特别聚焦于会话式人工智能在作战准备和部队训练中可能发挥的作用。因为正是在学习、实验和工具测试之间的这个空间里，加速决策、技术依赖与保持人类判断力之间的平衡正在形成。

因此，本文评估了这种发展在作战准备和指挥转型方面的潜力，同时也评估了其关于技术依赖及所需保障措施的影响——关键的利益相关方对此有着清醒的认识。

走向OODA循环加速：军事“认知助手”的兴起

从军事人工智能到会话接口

尽管人工智能已在武装力量中广泛应用，但它涵盖了几类互补的技术。为便于分析，可区分五种主要类型的人工智能：

• 分析型人工智能：能够处理海量数据，检测其中的模式或活动趋势，并基于卫星图像或传感器数据流等进行分类甚至预测。
• 生成型人工智能：能够基于其训练数据生成新内容（文本、代码、图像或综合报告）。
• 会话式人工智能：是生成型人工智能的特定应用，允许用户以自然语言与复杂系统交互，以查询作战数据库、快速生成分析并探索行动方案。
• 决策型人工智能：旨在给定约束条件下优化选择或规划资源分配。
• 自主型人工智能：能够直接在物理环境中行动，例如在无人机或机器人系统内。

北约的战略文件指出，人工智能必须支持广泛的军事功能，从提升态势感知和大数据利用，到决策支持和自主系统开发。在实践中，这些应用对应着信息处理的不同阶段：威胁感知与探测、数据分析、行动方案选项生成，以及在部分情况下的自动化行动。在最新的架构中，这些功能倾向于整合在能够处理海量信息并近乎实时为决策者提供建议的集成平台内。

正是在此背景下，基于大语言模型的会话式人工智能工具的集成（已在美国国防部内部通过Maven智能系统与Palantir人工智能平台（AIP）的结合展开，目前也在北约内部探索中），可能标志着武装力量作战准备和训练的一个新里程碑。通过使军事人员能够使用自然语言直接查询海量数据集，并快速生成多种战术选择或作战选项（COA，即“行动方案”），这些工具尤其旨在加速信息日益饱和战场上的决策周期。

因此，这一技术进步可作为强化“辅助性原则”的重要杠杆，该原则是当代指挥结构的核心，在空中领域尤其具有重要意义——该领域交战速度、机组自主性以及在不确定环境中决策的需求，使其成为一种事实上的实践。无论是北约和美军内部的“任务式指挥”，还是传统上与法军相关联的“意图指挥”（CPI），这些指挥模式或理念都依赖于作战单位快速评估战术态势并自主确定达成预期效果所需行动方案的能力。

它们体现在诸如美国海军陆战队实施的“分布式作战”，或北约被称为“敏捷作战部署”（ACE）的空中分散条令等概念中（在法国，缩写“ACE”已取代“空中力量快速部署”MORANE）。法国空军与太空军参谋长热罗姆·贝朗热将军将支撑第三维度C2的三支柱描述如下：

“我们的C2依据一个对航空航天军事力量相当特定的三重原则进行组织。第一个是所有武装力量共通的：即集中指挥，换言之，统一指挥。第二个，是更特有的，是分布式指挥原则。空军与太空军（AAE）是一支全球力量。这是一个实际上相当新的现实，将其归功于过去十年间进行的机队现代化行动，以‘阵风’战斗机、A400M运输机和A330 MRTT加油机这三驾马车为典范。今天，能够在不到48小时内，将作战重心从一个战区转移到另一个战区，从全球一点转移到另一点。这一现实要求分布式指挥原则，以及机队不从属于任何特定地区司令部。这是响应能力的先决条件。最后，C2的第三个也是最后一个原则，是分散执行。它培养了响应能力和主动性，这些是航空航天军事力量的基本特质：‘灵活性是空中力量的关键。’这句话在所有盟军飞行员的每次简报中都被重复，恰当地描述了这种构成AAE精神特质的适应文化。‘对我们来说，主动性是纪律的最高形式。’”

它们逐渐扩展到所有环境，在一个多环境、多域（M2MC）或多域（MDO）框架内，如今进一步强化了其适用范围。

如西点军校“现代战争研究所”早在2022年发表的一篇分析中所强调：

“决策和任务执行日益增加的复杂性是MDO不可避免的影响之一。跨多个域（包括网络空间和电磁频谱）有效协调不同的行动，就像在多个堆叠起来的棋盘上下棋，每一步棋都会影响所有其他棋盘上可能的走法。在这里，复杂性不是相加的，而是相乘的。可用于梳理所有这些复杂机动的多种选项的时间将是有限的。MDO强调了快速利用优势窗口的重要性，这些窗口不可预测地出现且仅持续极短时间。利用这种转瞬即逝的优势窗口，通常需要对正在进行的计划进行快速且重大的——可能是高风险的——修改，并在多个域内协调。AI可以帮助编排这些变更，评估其连锁影响，并在必要时数秒内生成所需的详细分步指令[以继续作战]。”

这一愿景恰当地总结了将AI集成到意图指挥中的根本挑战：使这些工具成为理解和响应能力的倍增器，以支持辅助性原则，而非将战术决策的最终责任委托给机器。

美国Maven智能系统项目案例：从ISR分析到决策平台

美国是将会话式AI模型集成到军事系统中的国家之一。Palantir在2023年提出的平台被媒体描述如下： “Palantir Technologies已向公众发布了其人工智能平台（AIP）。该系统的核心是在一个安全的专用网络内集成了大语言模型和人工智能能力。武装部队因此可以使用AIP来制定作战计划，其简易程度几乎如同学生使用ChatGPT写论文。”

在2026年3月13日《连线》杂志描述的一个演示场景中，一名分析员与该平台集成的“数字助手”互动。在一个人工视觉算法自动检测到异常活动后，助手帮助分析员解读态势并考虑几个选项：空袭、远程火炮或部署战术小组。这个认知中介还能建议接近路线或分配电子战资产，从而加速行动准备。

这些能力属于“Maven项目”生态系统，该项目是将人工智能集成到美军作战中的基础。这些演示不仅旨在为瞄准提供直接支持，也作为训练工具，使参谋人员和瞄准小组习惯于在兵棋推演和计划演习中与“认知助手”协同工作。

背景：Maven项目（又称“算法战跨职能小组”AWCFT）由五角大楼于2017年启动，是首个旨在将人工智能集成到情报分析和瞄准中的大规模倡议。最初，该项目解决了一个简单但关键的挑战：无人机和卫星收集的图像数据量激增，远超人类分析能力。因此，Maven旨在自动分析这些数据流，识别车辆、基础设施或可疑行为，并协助分析员标定潜在目标。

该系统现由国家地理空间情报局管理，五角大楼（已更名为“战争部”DoW）所有部门均可访问。多年来，它已从一个图像分析工具演变为“一个更广泛的军事情报和瞄准平台，融合来自多传感器的数据以识别目标、评估威胁并促进作战决策。”

具体而言，Alex Hollings 描述了Maven智能系统的部署情况：

“目前已在运作的Maven智能系统，能够实时处理情报、监视和侦察（ISR）数据流——包括视频、图像、雷达数据和无线电信号——然后使用基于卷积神经网络的计算机视觉来检测和分类人员、车辆、设备等更多目标，对每个目标进行地理定位，同时区分友军、敌军和平民。

随后，它可以使用这些数据，每小时向用户提议多达1000个目标。用户随后可以求助于Maven的AI任务推荐系统，根据多种因素（例如最适合任务的弹药类型、平台飞行时间、武器挂载细节以及友军和伙伴部队的位置）确定打击每个目标的最合适武器。

Maven旨在应对快速处理由情报、监视和侦察（ISR）飞机和无人机收集数据的挑战。一旦目标被识别，并确定了合适的武器和平台，Maven可以直接与地面部队沟通，甚至直接与平台和武器系统本身沟通。2020年，Maven在自由堡的测试中首次向美国陆军M142 HIMARS火炮系统传输了射击指令。

到2023年，Maven已展示出其能够直接与陆军任务指挥系统（如先进野战炮兵战术数据系统AFATDS）对接，在卡塔尔的实际作战行动中（作为‘斯巴达之盾’和‘坚定决心’行动的一部分）生成火力任务。

2025年6月，Maven获得了直接与美国陆军空中任务规划系统（AMPS）对接的能力，从而有效地实现了从传统空中任务规划系统到Maven通用作战图（COP）的自动化过渡，并创建了一个利用最新可用情报进行有效飞行任务规划的一站式平台。

到2026年1月，Maven已部署于美国所有主要作战司令部，以及北约盟军司令部的作战中。”

将会话模型集成到此环境中，在某种意义上代表了人工智能在国防领域集成的第三阶段。在分析阶段（2017年）和AIP技术演示验证阶段（2023年）之后，作战实施阶段自2024年起逐步推进：分析员现在可以使用自然语言与数据交互，请求信息摘要，或快速生成多种战术场景。

加速OODA循环：走向决策优势

尽管Maven项目是目前这一转型中最成功的范例之一，但不应孤立地看待它，而应将其视为一个更广泛的系统和架构生态系统（在美国常被归在“联合全域指挥与控制”（JADC2）旗下，旨在将人工智能集成到作战的各个方面）中的一个元素。

在美国空军内部，诸如“Skyborg”等项目旨在将自主决策能力直接集成到效应器层级，并集成到伴随有人驾驶飞机的无人机（“忠诚僚机”）中。另一方面，构成美国空军对JADC2项目贡献的“先进作战管理系统”（ABMS）架构，则寻求在多域作战框架内连接传感器、平台和指挥中心，利用AI和机器学习算法融合数据，并大幅缩短决策时间。

这些工具能够快速分析来自雷达或卫星图像、传感器或情报报告的大量数据，以识别可疑的敌方活动、综合战术态势并提出多种战术选项。其目标不是取代人类决策，而是通过大幅缩短从探测、分析到行动之间的时间来加速规划过程。这一目标直接符合意图指挥原则，根据该原则，虽然指挥层级设定目标和意图，但下属单位在适当时机做出战术决策。在当今高强度、多域作战和通信干扰的背景下，集中掌控一切变得越来越困难，这一原则在今天尤为相关。

人工智能有效地将技术与经典战略概念连接起来：这种演进本质上是OODA循环的人工智能辅助版本。简言之，OODA循环——“观察、判断、决策、行动”——由美国空军上校约翰·博伊德概念化，其核心思想是：在冲突中，优势属于能比对手更快完成此循环过程的一方。然而，如果我们具体审视AIP的逐步演示，几乎可以找到完全相同的逻辑：

• 观察：系统通过对传感器数据的自动分析检测异常活动。此功能对应了作为Maven项目一部分开发了数年的能力，该项目旨在实现图像和情报流分析的自动化。
• 判断：一旦检测到活动，AI帮助分析员理解态势。例如，系统通过交叉比对各种线索，提出关于敌方单位性质的假设。这是OODA循环的判断阶段：将原始数据转化为态势感知。
• 决策：分析员随后要求系统生成几种战术选项。AI提出各种可能的行动方案（空袭、远程火炮、地面部队行动等）。最终决定仍由人做出，但AI加速了选项的生成。
• 行动：最后，系统可以协助实施所选方案：生成接近路线、分配资源，或与电子战等其他能力进行协调。

人工智能并非取代OODA循环，而是寻求加速它。通过自动化某些任务（检测、数据融合、选项生成），系统减少了人员从观察到行动所需的时间，从而赋予了显著的战术和决策优势。

参考文献

Bellanger, Jérôme, and Tsiporah Fried. 2026. “Command, Speed, and Aerospace Superiority in the Era of High-Intensity Conflicts.” Revue Défense Nationale, 887 (February, 2026).

Center for Strategic and International Studies. n.d. “Calibrating NATO’s Vision for AI-Enabled Decision Support.”

Clement. 2024. “NATO and AI.” NATO Parliamentary Assembly. https://www.nato-pa.int/document/2024-nato-and-ai-report-clement-058-stc.

French Air and Space Force / CESA. 2024. “French ACE Operational Concept: The French Adaptation of Agile Combat Employment.” December. https://www.defense.gouv.fr/cesa.

French Ministry of the Armed Forces. n.d. “Commandement par Intention.” In Vision stratégique du chef d’état-major de l’Armée de terre. https://www.defense.gouv.fr/terre/chef-detat-major-larmee-terre/vision-strategique-du-chef-detat-major-larmee-terre/commandement-intention-0.

Hollings, Alex. n.d. “The Maven Smart System.” Sandboxx News. https://www.sandboxx.us/news/maven/.

Marine Corps University Press. n.d. “Artificial Intelligence-Enabled Military Decision-Making Process.” Journal of Advanced Military Studies , 16 (2). https://www.usmcu.edu/Outreach/Marine-Corps-University-Press/MCU-Journal/JAMS-vol-16-no-2

Metz, Cade. 2026. “Palantir Demos Show How the Military Can Use AI Chatbots to Generate War Plans.” Wired, March 13. https://www.wired.com/story/palantir-demos-show-how-the-military-can-use-ai-chatbots-to-generate-war-plans/.

Modern War Institute at West Point. 2022. “Beyond the Hype: Why We’re Closer to AI-Enabled Mission Command than You Think.” Modern War Institute. https://mwi.westpoint.edu/beyond-the-hype-why-were-closer-to-ai-enabled-mission-command-than-you-think/.

National Academies of Sciences, Engineering, and Medicine. 2022. “Command and Control in Joint All-Domain Operations.” In Testing, Evaluating, and Assessing AI-Enabled Systems for the Department of Defense. https://www.nationalacademies.org/read/26525/chapter/2#2.

NATO. 2024. “Summary of NATO’s Revised Artificial Intelligence (AI) Strategy.” July 10. https://www.nato.int/fr/about-us/official-texts-and-resources/official-texts/2024/07/10/summary-of-natos-revised-artificial-intelligence-ai-strategy.

Palantir Technologies. n.d. “Maven Smart System: Innovating for the Alliance.” Palantir Blog. https://blog.palantir.com/maven-smart-system-innovating-for-the-alliance-5ebc31709eea.

Palantir Technologies. n.d. “Palantir Announces Artificial Intelligence Platform for Enterprise and Military Use.” Maginative. https://www.maginative.com/article/palantir-announces-artificial-intelligence-platform-for-enterprise-and-military-use.

Palantir Technologies. n.d. “Maven Smart System – Innovating for the Alliance.” YouTube video featuring Cameron Stanley. https://www.youtube.com/watch?v=yrtDgoqWmgM.

Pardue, Jeff, et al. 2025. “The U.S. Army, Artificial Intelligence, and Mission Command.” War on the Rocks, March. https://warontherocks.com/2025/03/the-u-s-army-artificial-intelligence-and-mission-command/.

Project Flux. n.d. “Palantir’s Maven Smart System Revolutionises Pentagon Decision-Making.” Project Flux. https://www.projectflux.ai/p/palantir-s-maven-smart-system-revolutionises-pentagon-decision-making.

Snow, Shawn. 2026. “Pentagon Expands Palantir’s Role in AI Contract.” Military.com, March 22. https://www.military.com/feature/2026/03/22/pentagon-expands-palantirs-role-ai-contract.html.

U.S. Air Force. 2021. “Skyborg: Rise of the Autonomous Wingmen.” Airman Magazine. https://www.airmanmagazine.af.mil/Features/Display/Article/2604028/skyborg-rise-of-the-autonomous-wingmen/.

U.S. Air Force Life Cycle Management Center. 2024. “Understanding Advanced Battle Management System (ABMS).” Podcast. https://www.aflcmc.af.mil/NEWS/Article-Display/Article/3792745/understanding-advanced-battle-management-system-abms-podcast/.

U.S. Department of War. 2017. “Project Maven Industry Day Pursues Artificial Intelligence for DoD Challenges.” October. https://www.war.gov/News/News-Stories/Article/Article/1356172/project-maven-industry-day-pursues-artificial-intelligence-for-dod-challenges.

U.S. Marine Corps University / War on the Rocks. 2025. “Human-Machine Planning: AI Lessons from the Marine Command and Staff College.” War on the Rocks, October. https://warontherocks.com/2025/10/human-machine-planning-ai-lessons-from-the-marine-command-and-general-staff-college/.

U.S. Army. n.d. “Innovating Defense: Generative AI’s Role in Military Evolution.” U.S. Army., https://www.army.mil/article/286707/innovating_defense_generative_ais_role_in_military_evolution

Airforce-Technology.com. “Uncrewed Ambitions of the Loyal Wingman.” Airforce-Technology. https://www.airforce-technology.com/features/uncrewed-ambitions-of-the-loyal-wingman/.