• 北约在新兴与颠覆性技术时代的竞争优势，将源于人工智能技术在联盟数字骨干网络中有目的性的整合。
• 军事人工智能本身不会产生新型漏洞，但它为人为失误和误判创造了更多空间。
• 在算法化战争中取胜需要掌控电磁频谱。

执行摘要

军事人工智能正从实验的边缘走向北约在未来十年如何作战、做出关键决策以及遏制对手的核心。2022年北约战略概念确认，技术优势对联盟完成其核心任务至关重要。当代战争和重新抬头战略竞争均表明，由数据驱动的人工智能决策支持系统以及经人工智能增强的自主战场能力，将定义未来冲突的特性。人们有理由关注评估与此类系统相关的战略风险。

本报告认为，将人工智能整合入军事系统，并不会产生相比现有网络风险而言性质上全新的漏洞。但区别在于后果。一旦人工智能赋能的决策支持系统和自主平台对联盟行动变得至关重要，干扰其数据、模型和计算基础设施，就可能影响北约在压力下观察、决策和行动的能力。同样，进攻性使用人工智能赋能的能力本身，并不会抬高或降低核门槛。算法化战争中的升级门槛将继续由实际战场效果驱动，而非由系统是否由人工智能赋能驱动。然而，人工智能的特性——速度、系统不透明性和物理基础设施——为人为失误、误解和误判创造了更多空间。

为探索此类可能性，大西洋理事会跨大西洋安全倡议与北约首席科学家办公室合作，进行了一项前瞻性研究，以厘清对手可能如何对抗人工智能赋能的能力，并探讨这对北约的条令、战略和威慑意味着什么。该研究结合了趋势扫描与专家访谈、一场在华盛顿举行的遵循查塔姆研究所规则的非公开研讨会，以及情景模拟推演。项目描绘了人工智能在决策支持系统和自主平台的技术趋势，识别了可能的人工智能漏洞和攻击途径，并通过结构化讨论和情景演练探讨了升级动态。

本项目为关于变革性军事人工智能对未来战争影响的辩论带来了新视角，原因有二。首先，其创新之处在于全面涵盖了算法化战争的物理和网络维度。确实，它突显了数据、算法和算力这三个人工智能核心要素，并展示了如何通过网络、动能和电磁手段对每个要素进行攻击。其次，它从一个不同的角度审视了人工智能与核武器的交集：定制化核武器因其电磁脉冲效应，被视为对抗军事人工智能的一种潜在反制措施。

有两个关键发现。

尽管军事人工智能本身不会产生"震慑"效果，但人工智能可能加剧事故和无意识升级的既有风险状况。

报告发现，使用军事人工智能并不会使使用定制化核武器的可能性增加。相反，目标选择、物理破坏和人员伤亡才是关键。研讨会参与者根据其感知的升级潜力，对应对假设发生在波罗的海地区的一次人工智能赋能无人机饱和攻击的各种反应方式进行了排序。外交行动和电子战是最受青睐的反应方式，其次是动能打击、网络行动和定向能武器。定制化核电磁脉冲攻击被视为高度升级性且北约在防御其领土遭攻击时使用是政治不可接受的，即使将其框定为"信息战"工具。

与此同时，军事人工智能预计将在提升速度、自主性、规模和不确定性方面发挥关键作用。然而，本研究表明，与人工智能三大要素相比，人仍然是人工智能中最脆弱的环节。人类通常面临网络钓鱼、社会工程、认知偏见的风险，并且随着更多任务被委托给机器，已经面临技能退化的风险。

因此，将人工智能整合到军事行动中会沿两条路径带来危险。首先，速度和数据可能与使用者作对。如此压缩的时间线可能在决策中引发认知问题。若没有完善的安全和质量协议，用充满噪音或无法模式化的数据淹没决策支持系统，将进一步加剧指挥官面临的战争迷雾。其次，人工智能赋能的军事系统变得日益复杂，可能导致常规性事故，使得外部干扰的检测和暴露难以与系统故障区分开来。

算法化战争突显了掌控电磁频谱主导权的重要性。

国防的数字化现代化——以数据为中心的方法和软件定义能力——将使电磁威胁更为突出。俄罗斯在乌克兰的战争已经突显了GPS干扰、通信中断和电子战如何塑造作战行动。随着北约开始依赖人工智能赋能和多域指挥与控制，这一趋势将加剧。

人工智能军事应用的进步进一步加强了网络作战域和电磁环境之间的趋同。在日益拥挤和对抗的频谱环境中，军用网络依赖于软件定义无线电、商业卫星和云连接数据中心，"网络"攻击与"常规"攻击之间的界限开始模糊。定向能武器的进一步部署也表明重心正在转向能源供应。

攻击人工智能系统可使用多种途径。对手可通过间谍活动和黑客攻击针对模型参数；毒化训练数据集；致盲或欺骗情报、监视和侦察平台上的传感器；瘫痪数据中继；或物理破坏数据中心、电缆、卫星或无人系统中的硬件。网络操作人员、电子战部队、特种部队和常规侦察-打击系统都可能参与削弱人工智能赋能的能力。相比之下，持续进行的降低战争成本的趋势，将使任何新的防护措施需求（如屏蔽或加固）因成本、重量和续航力方面的权衡而难以实施。

报告设想了三种未来情景，包括第四个基线案例，以识别未来算法化战争对北约条令和战略的可能影响：谨慎机会主义、美丽新世界、少数派报告。

• 谨慎机会主义 描绘了这样一种未来：尽管军事人工智能具有变革性影响，但并未要求军队显著改变交战规则。与军事人工智能相关的挑战，通过严格的网络安全防护和弹性电力供应即可应对，并未引入性质全新的风险或漏洞。在风险方面，此情景指向了人工智能助长的、低于武装冲突门槛的混合战争危险加剧。
• 美丽新世界 是一个可能性较小但更危险的场景，详述了升级螺旋的条件。人工智能的变革性效应导致核武器"常规化"。部署人工智能赋能军事能力，刺激对手使用新型核动力电磁武器。核电磁脉冲攻击被视为属于算法化战争范畴的核武器的合法使用。
• 少数派报告 对可能的算法化未来提出了一种不同看法，即人工智能技术炒作驱动战略。此情景聚焦于政治和军事决策者面临的认知挑战，他们倾向于高估近期收益而低估人工智能整合的长期风险和复合挑战。各国不是改进人工智能操作实施流程，而是竞相追逐会破坏国际安全环境稳定的虚幻人工智能优势。

为使北约能够利用并保持来自变革性人工智能技术的优势，本报告向北约领导人提出七项建议，以助力北约未来的战略和条令调整。

1. 掌握人工智能素养。北约需要为指挥官、操作员和政策制定者制定持续的人工智能技能发展标准。人工智能素养不仅是一项战略能力，也是一种克制手段。
2. 设计冗余。北约不应简单创建所有现有程序的数字副本，而应优先保持在演练过的备用系统上传输信息的能力。
3. 协调对人工智能科技产业的方法。北约应制定与人工智能科技公司互动的行为准则，以解决排他性供应商集团的形成、私营部门的知识差距以及战区民用软件工程师的规则等问题。
4. 保持信息主导权。北约应开发一个功能性框架，用于在算法化战争中操作化人工智能，优先军事目标而非抽象基准，并使其预警系统多样化。
5. 明确升级门槛。北约应就算法化战争的升级门槛形成共同理解，确定反应触发条件，并在时间高度压缩的场景中预先授权指挥权限，以避免升级风险和决策瘫痪。
6. 精确评估电磁层。未来的算法化战争将要求北约将电磁频谱作战视为多域作战中的一个独立层面加以对待，以保护其战略主动权和指挥控制优势。随着人工智能成为战略资产，北约还应更新其标准以反映关键基础设施范围的变化，避免低估电磁层。
7. 以模糊性实施威慑。北约应在展示韧性的同时，将其敏感的人工智能资产隐藏在对手无法解析的"黑箱"之中。然而，这种模糊性威慑不应损害北约运营的人工智能系统内部的问责制。

引言

2022年北约战略概念强调，联盟保持其技术优势对完成任务至关重要。然而，在新兴与颠覆性技术时代，北约确保军事效能、维持可信威慑与防御态势的能力面临挑战。在快速演变的战争战术和重新抬头的战略竞争背景下，人工智能赋能的决策支持系统和自主战场能力预计将塑造未来冲突。因此，北约2022年《数字化转型愿景》旨在加速采用数据与人工智能分析，为联盟解锁新的优势。

相应地，北约《人工智能战略》鼓励开展战略前瞻活动，以帮助盟国达到合理的人工智能准备水平。该战略亦侧重于预见对手使用人工智能进行算法化战争所带来的新挑战与风险。尽管人工智能的军事潜力是多方面且不确定的，但其对战略竞争的重要性已不容忽视。各国竞相在民用经济和军事领域开发部署人工智能。俄罗斯——对北约盟国构成最重大和最直接威胁的国家，以及中华人民共和国——一个寻求控制关键技术的战略竞争者，都已广泛宣示其将军用人工智能投入实战的意图。

研究目标

大西洋理事会跨大西洋安全倡议与北约首席科学家办公室合作，就这一关键议题开展了一项前瞻性研究。此项工作旨在更清晰地把握未来十年人工智能的变革性军事影响。本报告评估了在国防数字化转型和电磁频谱作战日益重要的背景下，将人工智能整合入北约军事能力所涉及的脆弱性。重要的是，它识别了对手可能在战场内外对抗未来人工智能赋能能力的方式。因此，目标在于理解这些发展将如何影响北约未来的条令与战略。

鉴于北约开展多域作战的雄心，本报告聚焦于军事人工智能的变革性影响具有高度相关性。正如《数字化转型实施战略》所述，北约政治和军事领导人意图利用先进分析技术，结合来自传感器网络的多模态数据，以实现实时的、统一的多域态势感知。虽然"数字骨干网"旨在实现跨所有域的指挥与控制，但一个更广泛的数字互操作性框架与安全的数据共享生态系统，将增强政治磋商与决策过程。

因此，本报告试图探讨未来军用人工智能反制措施可能对北约条令与战略产生的影响这一复杂问题。这意味着需识别将变革性人工智能整合入军事系统带来的风险，审视采用人工智能将产生的脆弱性，评估相应敌对攻击的严重性与可能性，并提出建议。重要的是，为限制技术决定论的危险，本项目审视了政治和军事领导人及政策规划者如何在国家决策层面感知战场上出现的新技术，并策划其是否升级的反应。

方法论

在方法论方面，本报告采用了多种数据收集与分析工具。项目第一阶段包括趋势扫描与路线图绘制。通过对相关开源文件的案头研究及专家背景访谈的结构化证据收集过程，本报告识别了最重要的变化驱动因素，以及人工智能与国防领域交叉点上、处于当前思维与规划边缘的未来可能发展。

第二阶段，大西洋理事会在华盛顿主办了一场非公开的保密级别研讨会。通过两次在查塔姆研究所规则下进行的预设议题讨论，政策与学术专家被要求对第一阶段的假设进行压力测试。这为项目提供了关于人工智能反制措施的可能性、未来算法化战争中的升级条件的信息，并用于验证相关建议。

项目的第三也是最后阶段侧重于未来情景构建。这是一种有用的政策分析工具，可可视化一系列可能的未来状况，以帮助北约决策者在确定北约在未来算法化战争中取胜所需能力时预判挑战。

结构

本报告结构如下。第一部分描绘了未来十年人工智能技术趋势及其军事应用，从战场到作战室。第二部分进而预测人工智能赋能系统的脆弱性，并评估可能的攻击途径，以探索算法化战争中的升级路径；它涵盖了算法、数据、计算能力这所谓"人工智能三要素"的数字与物理维度，并加入了人为因素。

第三部分基于军事人工智能可能的变革性影响及其对国际安全的影响，概述了三种算法化未来——谨慎机会主义、美丽新世界、少数派报告。鉴于当前研究关注在人类最小监管下运行的机器人化自主系统对未来冲突的影响，此条科学探索路线具有高度相关性。

第四部分讨论了对北约领导人的建议。基于项目发现，本报告提出了七项主要行动要点，分为三个领域：人工智能准备与韧性；军用人工智能条令；以及威慑。

第一部分：军用人工智能技术趋势

人工智能正成为一种通用军事技术，将内置于北约使用的几乎每个数字系统中。其变革性影响可能集中在两个领域。首先，决策支持系统将扩展军事指挥官可处理的信息分析规模，从而更快做出更优决策。其次，自主与半自主平台将改变军队在战场上的感知、机动和打击方式。这些发展共同推动着人工智能时代的算法化战争。

原则上，人工智能可应用于任何使用计算机的领域。随着防务机构的数字化，人工智能本身从来不是单一用途的能力。相反，人工智能架构是现代指挥、控制、通信、情报、监视、侦察、后勤和武器系统的基础。北约自身的定义反映了这一演变。1995年，北约将人工智能描述为功能单元执行通常与人类智能（如推理和学习）相关任务的能力。到2005年，它也被视为"计算机科学的一个分支"，专注于构建能够推理、学习和自我改进的系统。这些定义现在适用于更广泛的数字生态系统。软件已成为许多武器系统的决定性组成部分，而人工智能正越来越多地嵌入传感器、网络和指挥控制工具中。

关于人工智能对未来战争影响的总体预期可概括为三个概念：速度、规模和自主性。速度指更快的感知、处理和交战周期。规模指处理海量数据和协调大量分布式资产（包括无人机蜂群）的能力。自主性指人工智能系统在最小程度人工监督下运行的程度。北约的挑战在于驾驭这三个维度，同时不牺牲控制、问责制或互操作性。

从通用赋能到算法化战争

人工智能的军事应用涵盖风险相对较低的用例（如行政自动化和训练）、作战功能（如后勤和网络安全）以及高风险角色（如目标定位、电子战和战斗中人机组队）。从功能角度看，防务和军事事务专家预计人工智能的重要性取决于人工智能模型的类型，大致分为四类：生成式人工智能、分类、预测和自主。这包括需要快速处理海量数据的任务、人类感知过于复杂的模式识别任务、需要根据实时作战情报快速行动的任务，以及模拟环境可满足高训练要求的任务。

生成式人工智能：内容、训练与认知影响

生成式人工智能模型能根据人类提示，创造出模仿其训练数据统计特性的新内容。在军事背景下，这些系统很可能用作"智能体"或虚拟顾问，支持指挥官和参谋人员减轻日常行政负担，自动化次要流程，例如起草例行报告、总结长文档和翻译技术信息。在训练和模拟中，生成式人工智能模型可作为兵棋推演和演习的模拟工具，用看似合理的对手行为体及其行为填充合成环境。这一角色提升了情景的真实性，并能生成替代行动方案。

与此同时，这些特性也可被武器化用于进攻性信息作战。对手可利用生成式人工智能开展大规模、低成本的虚假信息宣传活动。这可能涉及制作针对性宣传材料，或冒充联盟领导人、记者和民间社会声音。因此，生成式人工智能将成为试图操纵认知、侵蚀北约凝聚力的对手手中的强大工具。

分类：传感器饱和战场中的噪音与信号

分类模型擅长识别标记数据中的模式，并将新输入归入其已学习的类别。军队已将此模型用于计算机视觉、面部与物体识别及行为检测。计算机视觉模型可对照其定期更新的数据库，识别来自卫星、飞机和无人机的图像中的车辆、飞机、舰船和基础设施。分类工具对于从检测隐秘网络入侵到标记异常部队调动等各种预警系统变得至关重要。总之，在未来十年，这些系统非常适合置于情报、监视、侦察和目标锁定架构的核心。

人工智能赋能的电子战也被寄予厚望。在传感器饱和的战场空间中，分类工具可自动过滤电磁频谱，例如区分信号与噪音，并标记出需要人工关注的异常信号。此外，信号处理算法可建议反制敌方信号的波形，从而有助于实时克服对手的干扰。随着电磁频谱竞争日趋激烈，比对手更快识别和响应微妙模式的能力将成为关键优势。

预测与数据融合：扩展决策支持

预测模型通过分析历史和实时数据来识别趋势并预测未来可能发生的事件。在军事环境中，它们是旨在帮助指挥官应对复杂性和信息过载的决策支持系统的基础。向多域作战的过渡凸显了此类多模态数据融合与分析的重要性。

因此，这类人工智能模型适用于支持作战管理，因为它们融合来自陆、空、海、网、天等多种来源和数据流的信息，并将其集成到可实时更新的单一作战图中。然而，这也意味着这种以数据为中心的决策过程可能窄化指挥官的认知并限制其选择。

它们还可突出预警指标，提出对手可能的行动方案，并标记后勤和供应链中出现的风险。特别是在后勤领域，人工智能可支持关键库存的预测性维护；预测弹药、燃料和备件的需求；并预见运输网络中的瓶颈。预测系统还可通过预估伤亡和优化医疗资源部署来协助医疗支持。

自主性：从感知到行动

自主性涉及能够感知环境、处理传感器实时数据、并在追求任务目标过程中无需人工持续干预而做出决策的人工智能系统。在此情况下，人工智能模型可产生动能效应，因为它们可根据即时环境输入，指挥硬件和/或软件在物理领域内做出反应。

机载人工智能使无人机、无人地面车辆和海上平台能够过滤和融合传感器输入，在对抗环境中导航，并将最相关信息回传人类操控员。例如，机器视觉的进步使得无人机能够将来自下视摄像头的实时图像与存储的卫星图像及惯性数据进行比较，从而在不依赖全球导航卫星系统的情况下确定自身位置。这在全球导航卫星系统拒止或强干扰环境中尤为重要。

自主性也正延伸至末端制导和目标识别。如今，许多无人机在部分任务阶段以自动驾驶模式运行，人类在回路上或回路中进行最终交战决策。随着时间的推移，结合视觉导航、目标识别和末端制导的全自主解决方案可能会激增。然而，无缝数据流至关重要。乌克兰部队采用了一种类似"优步式目标锁定"的做法，即一个单位识别目标，在加密网络上共享观察结果，目标分配任务则交给任何可用的单位，甚至促进来自多个方向的联合打击能力。能够实时收集、处理信息并据此行动的人工智能赋能系统将使此类动态目标锁定更为普遍，特别是在与上级总部的通信降级时。

从渐进式应用到算法化战争

这些功能领域的进展共同指向战争的算法化未来。广义而言，算法化战争指的是将自动化、自主化和人工智能技术整合到战争行为中，同时降低人的作用。在算法化战争中，军队通过人工智能赋能的能力进行作战，这些能力以超出人类能力的速度和规模收集、分析数据并据此行动。人工智能手段在作战人员无法行动时运作，并降低其暴露于危险的程度。此类人工智能赋能的自主能力将特别被委派执行战场边缘的任务，在没有人工监督和最少指导的情况下，处理时间紧迫的感知和响应功能。

然而，军事人工智能最具变革性的影响可能出现在两个应用场景中。首先，决策支持系统中的人工智能将扩展信息处理的规模和速度，为指挥官提供更丰富但更多经过中介的操作环境视图。决策支持工具不仅帮助人类做出更明智的选择，还会通过突出某些选项和模糊其他选项来塑造决策空间。其次，嵌入武器平台的人工智能将利用速度和自主性来压缩杀伤链，缩短从探测、识别、决策到交战的时间。这对升级控制、交战规则以及指挥官在监督快速、机器驱动的交战中的作用具有影响。

变革驱动因素

若干结构性驱动因素表明，对人工智能和算法化战争手段的依赖将日益加深。这些驱动因素对北约实施其数字化转型愿景并为多域作战做好准备尤为重要。

国防数字化现代化

首先，更广泛的国防数字化现代化正在创造人工智能得以蓬勃发展的条件。现代军队正在升级其信息技术基础设施，并向软件定义能力转型，从而为现有平台提供新功能。这也意味着通过协作数字空间，采用以数据为中心的能力发展方法。

随着军队继续推进部队的数字化现代化，其在电磁频谱的主导地位对其依赖于传感器、卫星和网络化系统的新需求至关重要。俄罗斯在乌克兰的战争凸显了电磁战（包括GPS干扰和通信中断）的重要性。这些发展推动军队设计更具韧性、自主和分散的指挥控制结构，并采取更好的网络安全措施。与此同时，西方国家的电磁战尚未得到应有的重视，仍被视作主要从属于网络领域或被割裂开来。

互联互通的领域

其次，向多域作战的演进需要整合陆、空、海、天、网以及虚拟和认知维度的效应。多域作战旨在"精心协调军事活动，同步非军事力量工具，并以相关速度实现聚合效应"。为实现此目标，盟国正在构建一个能够实现跨所有域指挥与控制的数字骨干网。然而，此骨干网的有效性取决于可互操作的数据共享、安全可靠的通信，以及能够将数据融合为实时统一多域图景的先进分析能力。将高度集成的人工智能模型转化为能够增强态势感知和支持决策的C4ISR系统，成为实施多域作战的关键条件之一。

自主化追求

第三，近期及持续的冲突正在加速人工智能赋能的自主系统和决策支持系统的试验。在乌克兰，人工智能驱动的平台已分析大量传感器和信号数据，以生成实时目标建议和后勤预测。在加沙，有报告指出，"福音"和"薰衣草"等机器学习系统已被用于通过将多源图像与其他情报输入相结合，来支持动态目标锁定和末端导航。这些案例展示了从孤立的、以武器为中心的人工智能应用，向更全面的、为各级指挥部门的规划、目标锁定和部队部署提供信息的系统转变。

无人机不再只是远程战争的工具，也正迅速成为算法化战争的工具。对战场无人机影像的需求激增。描绘成功打击的数千个无人机摄像头视频被用于训练计算机视觉模型，而工程师们竞相设计能够在全球导航卫星系统和通信拒止环境中利用机载处理和有限能源进行导航和协调的无人系统。

有两个动机尤为突出：构建"用于精确打击的数量规模"以及补充日益缩减的人力部队结构。蜂群战术和蜂群指挥寻求通过协调使用大量低成本平台来饱和防御并压缩反应时间。同时，人口趋势和兵员招募挑战将激励更多的机器人集成和人机组队。前沿部署、待命的无人平台将日益重新定义军队对力量投送和战备状态的思考方式。例如，大型无人机编队可为侵略者入侵外国领土提供优势，突显出对防空能力的挑战。纵观这些趋势，人工智能正迅速超越单纯的技术工具范畴，成为至关重要的战略能力，并可能决定哪些军队能够大规模地、在压力下有效运用人工智能。对北约而言，理解人工智能最可能在哪些方面转变作战方式，以及对手可能如何利用人工智能赋能系统的脆弱性，是在新兴的算法化战争时代保持可信威慑和有效防御的前提。

第二部分：算法化战争的阴影

军队尚未完全实现人工智能技术的潜力，但人工智能将如何塑造战略环境和战争范式已不难预见。随着人工智能竞赛加剧，强大的人工智能赋能能力将作为北约数字化转型和决策支持雄心的组成部分而部署。本节将访谈见解和研讨会讨论转化为对人工智能核心组件及其脆弱性、以及对手可能攻击途径的结构化分析。研讨会中使用的两个案例研究——自主武器平台中的人工智能应用和决策支持系统中的人工智能应用——进一步启发了对主要人工智能反制措施局限性的分析，以及算法化战争中可能发生升级的条件。这是因为对手因北约使用人工智能模型进行预测性维护而攻击北约的可能性相对较低。

人工智能三要素

军事人工智能依赖于三个相互关联的组成部分，常被称为"人工智能三要素"：数据、算法和计算能力。每个组成部分对攻防参数都有特定影响。例如，算法意味着对模型架构的攻击，计算能力涉及破坏半导体和供应链，而数据则关乎毒化数据集的网络攻击。

数据 指的是关于机器学习系统关注领域的信息，从传感器和其他来源收集、组织、存储并可供访问。算法 是用于处理信息的一系列指令；机器学习算法从数据集中获取洞见，而可学习参数（模型权重）则编码了人工智能模型的核心能力。计算能力 提供了大规模执行算法、训练模型以确定权重以及在部署系统上离线运行推理的速度和容量。在实践中，计算能力包括处理器和图形卡、先进半导体、内容分发网络、电源和冷却系统。国防应用通常需要在严格的尺寸、重量和功率限制下在边缘设备上离线运行，或在GPU可用性有限的政府云资源上运行。数据 因其对现代战争的重要性有时被称为新型"弹药"，涉及数量、质量、显著性和标注等问题。训练数据量强烈影响模型有效性，尽管收集正确的作战数据并准确标注对于精度和一致性同样重要。算法 通过训练将数据输入模型权重，其最终形成的内部架构决定了实时作战中的未来数据分析。

人工智能的脆弱性与攻击途径

整合人工智能在整个三要素中引入了若干挑战。核心数据集规模巨大，模型可能不透明，自然语言提示扩大了输入面。这些特性为对手创造了多个切入点，并突显了严谨流程和安全措施的重要性。对手将试图通过针对三要素的网络、电磁和常规动能维度，来削弱北约的人工智能赋能能力。本节概述此类攻击将如何阻碍联盟享受人工智能带来的优势。

计算能力

与计算能力相关的脆弱性反映了人工智能基础设施的物理属性。这是因为先进半导体和专用芯片必须采购、供应并集成到系统中，而这些系统同样需要稳定的能源和冷却。依赖推理密集型应用的性能可能取决于针对人工智能优化的硬件。这些依赖性在材料短缺时产生风险，暴露数据中心的弱点，并在战术边缘限制性能。

对手可以开发利用半导体的材料属性。他们可以扰乱专用人工智能芯片的供应，在供应商提供的产品中植入特洛伊木马后门，或操纵基于商业技术构建的云架构。他们可以攻击数据中心的电力供应，破坏其水冷系统导致中断，或损坏海底电缆和内容分发网络以中断数据流。

数据

数据在人工智能模型的整个生命周期中都易受攻击。对手可以通过网络行动毒化训练数据集，例如错误标注数据或引入导致模型异常行为的隐藏触发器。标注不当或有偏见的数据集会降低性能，使系统无法识别某些类别的物体或在关键距离上错误分类。如果收集了错误数据，或者正确数据被污染，整个决策支持链可能导致模型故障，并长期降低其可靠性。

对手还可以干扰现实世界的数据收集。由于无人机和其他自主系统依赖环境输入，对手可以通过篡改周围环境来影响传感器输入并导致异常行为。例如，用光学幻觉致盲情报、监视、侦察平台上的传感器，或调整传感器本身，并生成欺骗信号，可能误导模型做出不适当的反应。除了机载感知和规划模块，对手还可以瞄准用于协调联网自主系统的控制接口、电源管理、数据中继和用户界面。或者，使低轨道卫星失效也可以阻止实时输入和数据共享。

算法

将人工智能整合到数字架构中，使现有系统容易受到针对人工智能模型本身的攻击。由于模型参数编码了对其运行至关重要的内部配置变量，破坏权重和偏差能为攻击者提供重要杠杆。对手还可能试图通过间谍活动或代理黑客窃取模型权重，从而获得操纵模型核心能力的权限。

对手可以通过用不准确、无法分类或无法模式化的输入淹没人工智能赋能的决策支持系统，从而为算法制造更浓厚的战争迷雾。他们可以利用战场上罕见且不可预测的特征，因为人工智能模型大多是在合成数据或先前冲突的数据集上训练的，这些数据可能与当前战区的类型和环境不完全匹配。

受访专家和研讨会参与者指出，针对军事人工智能架构最可能的对抗行动包括：

1. 致盲情报、监视、侦察平台上的传感器，以阻止新数据的实时输入。
2. 散布虚假信息，用无法模式化的数据混淆算法。
3. 物理损坏海底电缆，以中断数据共享。
4. 在供应商的私人实验室设施中进行间谍活动。

然而，令人惊讶的是，人工智能中最脆弱的组成部分似乎是人；数据和算法次之，计算能力是人工智能组件中最不易受攻击的。此类与人相关的脆弱性包括个性化网络钓鱼、社会工程、认知偏见和技能退化。

反制军事人工智能

在讨论了对手对人工智能赋能军事系统和能力的攻击途径后，本节简要评述此类攻击的手段。这些人工智能反制措施包括网络行动、常规动能攻击、电子战、定向能武器以及具有增强电磁脉冲效应的定制核武器。每种手段都有其独特的优势和局限性。

网络行动

网络行动可以通过操纵0和1来干扰人工智能模型的学习和运行方式。网络攻击可以降低模型的性能或完整性，通过延迟响应或在关键时刻使指挥控制系统失效来限制其可用性。将人工智能整合到军事系统中，仅仅是通过为计算机黑客创造更多目标就增加了其脆弱性。这些人工智能脆弱性包括破坏软件库、毒化训练数据、劫持人工智能基础设施或窃取敏感的人工智能资产。然而，此类网络攻击需要事先的情报来定位正确的数据集和处理中心。其效果可能难以实时评估和归因，这增加了误判的可能性。

常规动能行动

常规动能攻击可以瞄准情报、监视、侦察资产，包括天基系统、机载预警与控制系统飞机以及关键人工智能基础设施中的其他硬件组件。传统防空系统可以使用低成本拦截弹、拦截网和火炮来瞄准小型自主运载工具上的进攻性人工智能。动能行动效果显著，但可能根据目标和情境具有升级性，如果大规模用于对抗饱和攻击，则可能成本高昂或资源密集。

电子战

电子战利用电磁能通过干扰或欺骗来削弱敌方系统。电子战可以产生可逆、非致命的效果，但其受限于距离、功率、天线以及对敌方波形和代码详细信息的掌握需求。对于多传感器平台，集中干扰和信号欺骗可能使人工智能陷入分析错误并导致错误反应。然而，干扰仅对彼此通信自适应行动路线的协同自主平台有效。

定向能武器

高功率微波和高能激光扩展了电磁频谱作战的范围。它们可以利用集中的电磁能瘫痪或摧毁自主平台上的电子设备。虽然微波适用于区域防御和针对无人机蜂群的区域拒止，但激光凭借其能量束执行类似于近程防空和反火箭炮、火炮、迫击炮任务的点防御。它们后勤需求低且单次发射成本低，但能耗高且作用距离有限。雨、雾等大气条件会降低光束质量和效能，并增加误伤风险。鉴于其可重复使用性以及使卫星性能降级或摧毁卫星的潜力，其在空间任务中的应用前景看好。

具有增强电磁脉冲效应的定制核武器

所有类型的核爆炸——从地下到高空——都伴随着电磁脉冲。这种强烈的时变电磁辐射的强度和覆盖范围取决于弹头类型、当量和爆炸高度。这意味着，虽然高空空爆的覆盖区域可达大陆范围，但对于高度低于30公里的大气层内爆炸，其半径范围为5至16公里。

自20世纪60年代以来，已知电磁脉冲（无论是人为还是自然产生）都有可能扰乱、损坏或摧毁大量电气和电子系统。暴露于电磁脉冲导致电气和电子系统性能下降，可能造成永久性功能损坏或暂时性操作障碍，持续时间从数秒到数小时不等。用于数据处理系统、通信系统的计算机和半导体属于最容易发生故障的设备类别。

虽然空爆几乎或完全没有放射性沉降物和残余辐射，但其对当今敏感电子设备的影响和后果难以预测，也难以避免附带损害和平民伤亡。加之难以传递有限核使用的信号，因为对手无法区分低当量和高当量武器，这种核电磁脉冲武器的使用仍然问题重重且本质上具有升级性。过去几十年的实验演习表明，无法保证核打击会保持有限。

升级与算法化战争

研讨会沿着一条从小规模网络行动到定向能武器和核电磁脉冲的升级路径，评估了人工智能赋能致命作战的显著性。以下段落总结了专家参与者关于在何种条件下使用军事人工智能可能增加升级风险的讨论。

升级被定义为"冲突强度或范围的增加，跨越了一个或多个参与者认为重要的门槛"。那么，升级门槛取决于针对某种形式攻击的报复。研讨会讨论强调了基于效果的升级逻辑和基于手段的升级逻辑之间的区别。基于效果的逻辑根据武器类型无关的影响来确定门槛，而基于手段的逻辑则强调核、常规和网络领域之间的质的差异。某些手段被认为比其他手段升级性更低。例如，网络攻击已被证明能够限制升级动态，甚至使地缘政治危机降级。同样，攻击大型无人机比攻击有人驾驶飞机导致升级的可能性更小。

大多数研究人工智能与核武器交叉领域的学者关注于人工智能如何放大核指挥、控制和通信中可能引发意外核对抗的现有风险，如何利用人工智能赋能的常规系统削弱威慑，如何刺激先发制人打击，或如何加剧扩散/核查困境。本次研讨会探讨了可能故意使用核武器作为作战工具，旨在产生电磁脉冲效应以反制军事人工智能的担忧。先前的实验性兵棋推演表明，尽管低当量核武器确实会破坏国际安全稳定，因为它们被视为高当量核使用的替代品，但它们似乎并未增加跨越核门槛的可能性。

研讨会情景描述了对波罗的海地区的一次人工智能赋能快速致命无人机饱和攻击。情景列举了若干可能的应对措施：

1. 外交行动。
2. 经济制裁。
3. 网络攻击。
4. 常规动能回应。
5. 电子战措施。
6. 定向能武器。
7. 具有增强电磁脉冲效应的定制核武器。

研讨会参与者根据感知的升级潜力对这些应对措施进行了排序。外交行动和电子战往往排在首位且经常并行使用。动能行动、网络行动和定向能武器紧随其后作为第二梯队的回应。经济制裁被视为中期工具，而非即时反应手段。定制核电磁脉冲被认为可能性最小但升级性最高，共识是在北约领土上使用是不可接受的。在反对使用核电磁脉冲的最主要担忧中，参与者指出：降低战略核武器使用门槛；核"禁忌"的遵守；反应的相称性；使用核武器后的核扩散风险；以及开创负面先例。

后续讨论强调，对手可能利用人工智能的结构性风险。复杂的人工智能系统可能使归因和意图评估更加困难，因为人工智能和自主性为合理的否认创造了条件。此外，速度和数据量的增加可能对使用者不利，因为时间紧迫的场景增加了决策者可能更依赖可能已被破坏的人工智能输出结果的风险，甚至不了解意外输入或系统故障的来源。

研讨会确认，军事人工智能本身不具有升级性，因为进攻性人工智能赋能能力并未实质性地增加冲突的性质或强度。重要的是目标的选择、物理破坏和伤亡情况。与此同时，人工智能的特性——速度、自主性和不透明性——可能增加无意升级的风险。尽管存在对电磁频谱主导权的争夺，但攻击是否具有人工智能属性并不会降低核门槛——地面效果决定反应。最终，敌方部队的邻近性，仍然被认为比人工智能驱动的蜂群攻击更具升级性。

第三部分：未来情景

本前瞻性研究将军事人工智能可能的变革性影响与威胁认知（表A）并置，勾勒出三种军事人工智能未来情景：谨慎机会主义、美丽新世界和少数派报告。目标是预测对抗北约人工智能系统攻击的长期创新，并为军事研发决策提供参考。

这些情景依据两个可能性程度渐变的变量构建。第一个变量关乎人工智能的变革性影响：各国能否通过将人工智能整合到军队中获得战略优势。第二个变量涉及对手的威胁感知：人工智能的整合是否会刺激新反制措施的发展，并/或改变升级阶梯。

第四象限——“人工智能疲劳”——代表了最不可能的情景，即没有决定性人工智能优势，威胁感知也未升高。其政策显著性较低，但作为未来政策规划的对照基准仍有价值。

情景一：谨慎机会主义

这是最可能发生的未来情景。人工智能实质性地改变军事事务，并为整合得好的国家带来比较优势，但并未恶化对手的威胁感知。事务大体如常。人工智能赋能的决策支持和自主系统通过扩大规模和提升作战速度改变了战争特性，但未改变战争本质。

北约的数字化转型和一体化的人工智能赋能军事能力并未引入性质上全新的风险或脆弱性。这些风险对网络空间而言仍是熟悉的，可通过严谨的网络安全防护和弹性的电力供应架构加以管控。然而，人工智能可能加剧某些现有的威胁路径和安全风险。随着人工智能成为作战和响应能力不可或缺的一部分，在数字化、软件定义的防御体系中，被削弱的态势感知和电力中断等后果可能变得更为严重，并成为新的重心。决策支持系统帮助指挥官更快地过滤干扰信息并框定选择，但除了第二部分已为人工智能三要素指出的方面外，它们并未要求新的韧性类别。

武装冲突门槛以下的混合压力加剧。切断电缆、入侵数据中心和信息行动成为常态。俄罗斯继续破坏关键人工智能基础设施以扰乱供应链，并在欧洲各地开展网络和无人机恐吓活动。然而，技术知识和在弹性计算机系统上的投资限制了这些升级企图。更优的工程和人工智能素养缩短了探测和归因周期，并加快了恢复速度。

两个挑战尤为突出。首先是联盟的政府间性质。北约依赖其成员国执行某些类型的网络行动。这种对成员国首都采取行动的依赖在时间紧迫的危机中造成延迟，可能导致低效的回应，无法阻止混合战争的进一步升级。其次是针对联盟声誉的信息战。在左倾政府执政的北约国家公众，成为虚假信息宣传的目标，将人工智能赋能能力描绘为不道德的"杀人机器人"，声称北约违反了其负责任使用人工智能的原则。对手进一步煽动国内反对力量，以减少科技行业的合作。

尽管如此，谨慎机会主义的特征是升级风险低。算法化战争仍受现有交战规则和相称反应原则的约束。人工智能与核领域唯一一次产生现实后果的交集，是军队为满足人工智能模型的高算力需求而广泛采用小型核反应堆。

情景二：美丽新世界

在第二种情景中，人工智能具有变革性，而威胁感知恶化。人工智能三要素带来了真正的战略和作战优势。然而，由于素养不足、缺乏定期训练、技能发展滞后以及军队中零信任政策执行不力，与人工智能相关的风险随之增加。此外，人工智能模型的快速广泛整合，由于人类能动性有限，引发了新的脆弱性，使得决策的认知层面更加复杂。其结果是人难以介入的自主机器人系统之间"闪战"的概率增加。

这种恶化的安全环境出现了多重升级螺旋。被压缩的决策时间和完全自主的系统加剧了俄罗斯与北约之间不对称劣势的认知。俄罗斯的学说和力量结构放大了这一问题。俄罗斯在2024年修订其核学说，更重视"空天攻击"（明确包括无人机）作为可能使用核武器的条件之一，这似乎降低了核使用门槛。这表明在常规力量在乌克兰战争中受损后，俄罗斯对其非战略核武器的依赖加深。这似乎强化了俄罗斯领导层的信念，即非战略核武器是俄罗斯相对于北约的"竞争优势"。此外，俄罗斯的"新一代战争"构想建立在基于新物理原理的武器之上，包括射频、激光、次声波和电磁武器。俄罗斯确实一直在发展一种集成电子战、无人打击和侦察系统、高超音速武器及低当量核弹头的精确打击系统。

与此相对，由于北约的威慑力量源自先进的常规能力，此情景描绘了常规与核领域之间更深的模糊化。然而，北约在努力获得战略指挥控制优势的同时，还试图避免依赖商业云和卫星。大规模中断和级联故障更加频繁。盟国定期举行兵棋推演，以确保联盟即使在遭受人工智能生成的攻击时，其反应也能保持相称。然而，俄罗斯对多域作战概念的不对称反制措施持续对北约指挥所和通信中心造成电子损害。

在高紧张局势下，各国拥抱操纵频谱的能力——微波、激光、定制电磁脉冲——旨在挫败蜂群、致盲传感器。虽然电子战曾看似不可战胜，但对于不使用通信和导航链路的无人载具，干扰已失去威力。如果说自主性是电子战的解药，那么破坏电磁环境则已成为反制人工智能赋能军事能力的解药。

一些政府恢复了旨在研究空爆效应的核爆炸试验，这进一步将人工智能与核领域纠缠在一起。随着新型电磁脉冲武器的扩散，常规战争与核战争之间的界线将变得更加脆弱。为反制人工智能赋能的对手，更多国家竞相发展自己的低当量核电磁脉冲威慑手段，导致核扩散失控。更糟的是，俄罗斯内外众多专家认为，核电磁脉冲攻击无需遵循与战略核武器及核学说相同的考量规则。核电磁脉冲武器被归类为电子战或信息战的一部分，而非核战争。在这种日益流行的解读中，电磁脉冲攻击被视为算法化战争阴影下核武器的合法使用。即使核电磁脉冲在某些圈子里被概念化为信息战的一种形式，其使用也将是极具升级性的。

情景三：少数派报告

在第三种情景中，技术炒作驱动战略。人工智能并未为军队带来决定性的比较优势，但威胁感知却恶化。对人工智能改变游戏规则、具有变革性且不可避免影响的夸大预期，加剧了对落后的焦虑。害怕错失良机，而非源自人工智能模型的实际优势，驱使各国深陷人工智能竞赛。这种对虚幻的人工智能优势的危言耸听，对战略平衡产生了破坏稳定的影响。

信息不对称加深了问题。北约军队和俄罗斯官员吹捧里程碑和"突破"，而主要人工智能公司则谈论革命性模型。战略对话执着于明天可能开发出什么，而非今天已部署了什么。决策者高估了近期效果，却忽视了第一、二部分强调的人工智能整合工作的风险和挑战。结果，拥核大国将例行军演解读为以机器速度进行先发制人打击的掩护，并倾向于将人工智能赋能的情报、监视、侦察能力提升视为对其二次打击能力的直接威胁。

此情景中的升级路径是认知性的。一方面，领导人在安全案例评估完成之前就竞相推进全自主原型系统。误判风险上升，并非因为人工智能赋能的自主武器系统不可阻挡，而是因为决策者相信它们不可阻挡。另一方面，对手部署"算法放大"的认知战战术，以影响决策者的推理方式，破坏关键决策过程，削弱其安全感。

联盟面临着在保持技术优势的同时降低期望的挑战。然而，尽管盟国同意协调其发展人工智能赋能军队的政治目标，但国家资源的匮乏以及各国人工智能战略实现这些目标的效果不佳，削弱了北约的凝聚力。领先的人工智能国家不愿将区分实验室承诺与实战证据的人工智能准备度透明指标制度化。

此情景指出，需要超越两极化的希望与恐惧二分法，通过稳健的实施策略将技术潜力转化为军事优势。此情景提醒政策制定者和防务规划者为技术竞争的认知维度编制预算。公众和市场对炒作叙事的反应快于对科学成果的反应。对手将试图利用这种差距，用其在人工智能领域"弯道超车"的言论来宣布人工智能竞赛的赢家。

在以上所有三种未来中，北约都面临着未来算法化战争带来的不同挑战。北约来自人工智能模型的优势建立在紧密人力监督下、由弹性人工智能三要素提供的速度、规模和自主性之上。谨慎机会主义是最可能的情景，并凸显了混合战和信息战视角下的人工智能脆弱性。美丽新世界可能性较低，但却是三种未来中更危险的一个。在这一算法化未来中，北约不断处于升级与降级螺旋的边缘，并指出了人工智能模型快速广泛整合而条令调整未能相应跟上的危险。与此同时，少数派报告则概述了在缺乏安全和透明度标准背景下，人工智能炒作所带来的不稳定效应。

第四部分：政策建议

北约在算法化战争中的优势将取决于能否将人工智能的速度、规模和自主性转化为可靠的军事能力，同时避免无意升级。本报告建议联盟应聚焦于三个方面的努力。首先，它必须在整个联盟范围内构建人工智能准备度和韧性。其次，它必须完善军事人工智能条令，以保持信息主导权，并明确在压缩时间线下的反应触发条件。第三，必须为其战略级人工智能赋能决策支持系统制定威慑战略。这些政策建议旨在解决报告前几部分已确定的人工智能脆弱性和攻击途径，为北约领导人实施《数字化转型愿景》和准备多域作战提供实际步骤。每项建议都旨在近期采纳，以为从人工智能中获得长期优势创造条件。

一、人工智能准备度与韧性

北约应将其人工智能战略锚定在两个核心原则——素养和冗余——上，并通过协调人工智能技术产业的方法来强化这些原则。此方法将有助于北约避免知识陈旧和技能退化的风险。

建议1：掌握AI素养

应将AI素养视为指挥官、操作员和政策制定者的战略能力，而非仅限于首席信息官的狭隘议题。北约应将人工智能教育融入专业军事教育、作战演习和参谋发展计划，以便领导者理解当前人工智能模型的潜力和局限。具备人工智能素养的武装力量在未来战略和条令制定中不太可能陷入技术中心思维和自动化偏见。

北约还应教育更广泛的公众和政治精英，使战略辩论不致被炒作所绑架。清晰地解释如何评估模型、数据如何影响军事表现以及人类判断为何仍然至关重要，是让各级政策制定者做好准备，做出明智的人工智能相关决策的关键。

建议2：设计冗余

保持信息传输能力对于协调行动至关重要。北约应假定中断和系统故障将会发生。联盟需要在通信降级的电磁环境中演练能力，并设计稳健且经过演练的备用系统。这涉及梳理网络和物理依赖关系，以避免单点故障。

联盟应寻求对数据中心进行有控制的地理分散，以提升其人工智能架构的韧性。这将要求立法者调整国家立法要求，制定严格的数据标准和内外部威胁检测协议。审查输入人工智能赋能决策支持系统的数据，并明确划分人工智能模型的训练期与作战部署期之间的界限，将提高隔离"中毒"数据并遏制其扩散的能力。训练专家团队以确保对人工智能运行进行人工监督，可以限制系统故障的后果，同时限制有权访问基础模型参数的人数，可以降低破坏和间谍活动的风险。

投资重点应包括研究计划，致力于开发用于屏蔽和保护高速数字计算机免受电磁干扰的新型未来材料。鉴于对手很可能在欺骗和致盲硬件能力上大量投资，盟国应考虑加固界面以防数据渗出。最后，北约应投资于持续主动防御的资源，不断寻找欺骗证据并运行故障诊断。

建议3：协调人工智能技术产业

北约应制定私营部门参与的行为准则。该准则将要求为决策支持系统和自主平台开发产品的人工智能公司遵守安全和道德标准。联盟应建立一个可信的商业供应商小组，并为在战区部署的民用软件工程师和技术人员制定明确规则。为防止对手获得技术优势，盟国应审视其技术依赖关系，实现供应链"友岸外包"，并加强对关键组件的出口管制。

联盟应努力解决私营部门存在的关于电磁脉冲如何影响计算机系统的知识差距。北约应与那些在电磁干扰最先进研究方面有经验的空间技术组织合作。作为协调政府-行业非机密信息共享的一部分，北约还可促进传统军事硬件供应商与软件开发商的合作，以便商业能力能够部署在军用级平台上。最后，北约应鼓励前瞻性思维。与行业定期进行联合"红队"演习和数据中毒演练将暴露弱点。关于新型电磁脉冲武器和后量子密码学风险的定期头脑风暴，应纳入当前系统的全生命周期设计。

二、军事人工智能条令

条令必须将技术可能性转化为作战优势，同时减少无意升级的途径。关于条令调整的三项建议有助于维护北约从人工智能中获得的优势。

建议4：保持信息主导权

北约应制定一个功能框架，以便在算法化战争中将人工智能投入作战应用，并优先考虑军事目标而非抽象基准。指挥官应以作战效果衡量成功——例如优化的防御资产-目标分配——而非统计阈值。

投资应侧重于预警系统、电磁战能力以及结合了持续被动雷达、电子战、定向能武器和点防御的分层反无人机系统架构。

保持信息主导权还需要能够区分以混合式空中拒止作战形式进行的例行侦察与使用无人机饱和攻击为大规模行动所做的准备。因此，演习应包含模糊数据、性能下降的传感器以及对手操纵输入的尝试，以使部队学会质疑人工智能输出而不丧失其作战节奏。

建议5：明确升级门槛

压缩的时间线将导致决策瘫痪，除非盟国就反应触发条件和预先授权指挥权达成一致以避免升级风险。北约盟国应对算法化战争的升级门槛形成共同理解，包括定义对手人工智能赋能攻击的战略效果的门槛，以及对北约自身人工智能架构的攻击的门槛。

北约还应制定明确的协议，用于处理联盟反应的归因和相称性问题。例如，毒化对手数据是否算作进攻性网络行动？北约盟国还需确保为自主和半自主反应系统制定清晰的交战规则。在预判对手在发生人工智能赋能攻击（如"事故"或"失控"）时的否认主张时，北约不应调整其在门槛下操纵与武装攻击之间的红线。

建议6：准确评估电磁层

电磁频谱不应是事后才考虑的事项。北约防务规划者需要在战争规划之初就将电磁频谱纳入考虑，并制定一个分配频率的频谱计划。未来的算法化战争可能要求北约更新其生存能力标准，以反映现代关键基础设施除传统指挥设施外还包括数据中心和商业卫星的现实。

在规划电磁对抗环境时，北约盟国应在前沿位置预置屏蔽资产——电力、燃料、发电机和通信设备——以避免在压缩的时间线内出现后勤短缺。他们还可投资于软件定义或可重构无线电以及光/激光通信。当地面基础设施受损时，还应探索使用无人机或气球中继器来恢复信息传输能力。将频谱视为多域作战的一个独立层面，将保护北约试图保持的战略主动权和指挥控制优势。

三、威慑

随着人工智能赋能系统成为战略指挥控制功能的基础，北约必须制定一种基于"黑箱模糊性"的威慑战略，同时避免将自己束缚在僵化的宣示性政策中。

建议7：以模糊性威慑

北约应在展现韧性的同时，对对手保持其敏感人工智能系统内部架构的不透明。人工智能"黑箱"也将使对手无法评估潜在攻击的实际成本。同时，联盟必须保持诊断能力，以便在系统故障时区分外部干扰与技术故障，从而避免模糊性侵蚀内部问责制。

建立并展示技术、组织和信息层面的韧性，将使北约能够传递信心和控制力。其战略传播应明确表明，对决策支持系统的蓄意干扰可能带来严重后果，即使精确的门槛和应对措施不予披露。

总而言之，这七项建议将分析部分转化为具体的可操作事项。素养确保人类在压缩的时间线下保持掌控。冗余和产业协调使人工智能三要素更可信。条令确保信息高地并在危机中明确行动。最后，通过模糊性实施威慑，可在不激励对手建造新反制措施的情况下保护联盟的人工智能优势。并行实施这些步骤，将使北约能够在有助于稳定安全环境的条件下，享受其在算法化战争中的优势。

结论

在新兴颠覆性技术时代，北约的竞争优势将源自于将人工智能视为嵌入联盟数字骨干网的通用赋能器，而非独立的"神奇武器"。人工智能赋能的决策支持与自主性并未创造与网络风险性质迥异的脆弱性，但通过将任务关键效能——速度、规模和自主性——与对手将瞄准的软件定义系统绑定，它们提高了风险等级。升级将继续由攻击效果和目标决定，而非技术标签，而时间压力下的认知因素会使判断复杂化。对北约的实际含义是明确的：投资于素养、设计冗余、明确条令，并以有节制的模糊性展现韧性。

本报告探讨了北约在数字化防御的同时保护其人工智能技术优势的雄心。第一部分表明，人工智能将在两个交织的领域最为关键：压缩时间并扩大信息处理规模的决策支持系统，以及加速感知、机动和打击的自主或半自主平台。这些优势依赖于算法、数据和计算能力构成的、受保护的人工智能三要素。第二部分描绘了对手将试图将这些优势转化为弱点的领域——毒化数据、欺骗传感器、窃取模型权重、中断云访问和电缆回程、攻击人工智能物理基础设施。分析强调，虽然削弱人工智能赋能军事能力的尝试将类似于网络空间行动，但当人工智能被置于指挥控制决策核心的态势感知责任时，失败的后果会被放大。

第三和第四部分将这些发现转化为未来预测与建议。前瞻情景推演强调，最有可能的近期路径是谨慎机会主义——人工智能在不改变战争本质的情况下提高生产力和行动节奏；而最危险的路径则将真实的人工智能优势与恶化的威胁感知相结合，使电磁频谱作战和定向能工具在危机中更为凸显。最具欺骗性的路径则由炒作驱动：即使已部署的能力与夸大预测不符，威胁感知仍然上升。在所有未来情景中，攻击效果、目标和附带风险决定了算法化战争的动态。

关键之处在于，军事人工智能系统并未引入全新的脆弱性类别，但外部干预的后果可能更为严重。如果人工智能赋能系统是部队作战和响应能力的核心，那么对这些系统的成功攻击，可能招致比针锋相对的网络攻击更具升级性的反应。时机也很重要。危机中实时态势感知能力的丧失，会降低对事件本身及责任方的清晰认知，从而增加误判和无意升级的可能性。在实践中，本报告呼吁有节制地部署那些仅能依赖经过演练的备用系统的决策支持系统。

本研究还厘清了在定制化、非战略核武器背景下，电磁频谱作战与核克制之间的关系。基于手段的分析揭示了新兴技术如何塑造现代升级动态。本报告并未进行以技术为中心的评估，而是着重指出与人工智能相关的系统性风险：领导者在压力下如何感知风险，这仍然是决定性的。

因此，素养不仅仅是一项培训议程，更是一种约束工具。受过教育的政策制定者、指挥官和公众，不太可能将人工智能视为"网络魔法"，或将可逆的电子效应与战略攻击相混淆。他们将能更好地为人工智能赋能能力选择正确的任务。同时，将数据中心、通信电缆、人工智能实验室和商业卫星指定为关键基础设施和战略资产，将有助于使战略和条令与软件定义部队的现实相匹配。

本研究通过剥离炒作、阐明算法化战争在何处引入新挑战，为提升人工智能素养做出了贡献。对于正在实施《数字化转型愿景》的北约领导人而言，当前的任务是务实的：调整技能发展计划、加固人工智能三要素、编纂反应触发条件、展现韧性但不过度明确红线。这样做可以降低关于新技术的夸大预期驱动战略的风险。

本报告的发现指向了一个未来的研究议程，即探究战术行动如何能产生战略效果。人工智能赋能的自主性和速度可以放大混合战的心理冲击，特别是在拦截成本高昂且对抗节奏由机器驱动的情况下。常规的"灰色地带"活动已经在重新定义整个欧洲的正常状态基线。这种门槛不确定性使得合理的否认成为可能，从而使对抗行动停留在《北大西洋公约》第五条的门槛之外。

一些开放性问题仍然存在。当算法系统日益影响认知和时机判断时，升级理论中的"防火带"有多稳固？当效果在多域作战中跨越领域传播时，盟国能否保持各领域间可识别的质的区别？当电磁频谱中的非动能行动产生战略后果时，我们究竟应在何处划定升级门槛？回答这些问题将需要持续的"红队"推演、透明的人工智能准备度衡量标准，以及将战术想定与战略决策论坛联系起来的联合实验。

联盟长期以来在军事硬件方面表现出色。在以数据为中心、软件定义的防御模式中，优势将来自系统工程和明智的技术创新采纳选择。如果北约投资于人工智能素养和冗余，在多域作战概念中提升电磁频谱的地位，并以有节制的模糊性展现韧性，它就能够保护其人工智能优势并抵御对手的攻击。这正是在新兴的算法化战争时代实现可信威慑和有效防御的途径。