[AI书房] 第30章 生成式AI的应用：任务规划、维修和情报分析自动化
人工智能战斗机，人工智能空军
第六部 第六代战斗机与智能编队
第30章 生成式AI的应用：任务规划、维修和情报分析自动化
金京镇
电影只展示飞行员帅气机动的画面。但现实中的飞行员生活，90%是文书工作，10%才是飞行。为了一小时的飞行，要花三四个小时制定任务计划、阅读厚厚的情报报告、翻查维修记录。这个过程不仅枯燥，还在一点点蚕食人的精神。
凌晨三点的作战简报室。咖啡永远是苦的，荧光灯的光线让人疲惫。在地图上标注敌方防空网位置，用计算器敲出燃油消耗量，用笔在飞行航线上画线。SA-6导弹射程25公里，SA-3是30公里，预警雷达探测距离150公里。这些数字全都得塞进脑子里。而这还只是单一任务。如果是多架飞机协同的复合任务呢？一天根本不够用。
生成式AI正在从根本上改变这一切。
2025年3月，美国国防创新部（DIU）发布了名为「雷锻」（Thunderforge）的项目。由Scale AI、Anduril和微软联合开发，该系统将率先部署到印太司令部和欧洲司令部。指挥官输入「瘫痪A地点的敌方防空网」，AI便分析数千个变量，瞬间生成数十种作战方案。
据美国陆军少将罗伯特·克劳德介绍，在一次名为DASH-2的演训中，，
人类参谋用了16分钟，拿出了三套作战方案。
AI则在8秒内给出了十套作战方案。
比人类快400倍。但这里面有陷阱。AI生成的方案中，有些脱离实际，，比如忽略了某些传感器在特定天气下无法工作这类细节。这比民用聊天机器人的「幻觉」问题危险得多。
所以关键在于人的角色。AI负责起草初稿、提供选项，但最终决策仍然必须由人来做。一家名为Phyto AI的初创公司深谙此道。创始人迈克尔·米恩曾是海军陆战队情报军官，在阿富汗亲身经历过制定作战计划需要好几天的煎熬，，用微软Word和PowerPoint拼凑地图、表格和文件。
Phyto AI的系统能在几分钟内完成包含48个步骤的任务分析流程。但它不是聊天机器人式的对话模式，而是采用军人熟悉的模板结构，由多个AI代理协同生成计划。初稿出来后，人类规划人员负责审核和修改。系统同时给出可信度评分，让使用者清楚哪些信息可靠、哪些存在不确定性。
2025年12月，美国国防部迈出了历史性的一步。通过「GenAI.mil」网站，向300万军人、文职人员和承包商全面提供生成式AI工具。先从谷歌Gemini开始，后续将陆续接入更多前沿AI模型。美国国防部长这样宣告：「美国战争的未来就在这里。它的名字叫AI。」
国防部首席技术官埃米尔·迈克尔解释说，这套AI工具将在三个领域发挥作用。一是日常行政事务：起草文件、调研分析、视频审查。二是情报分析：快速处理卫星照片、无人机画面、通信截获资料，判断敌方意图。三是作战相关功能：后勤规划、战斗模拟等。
维修领域的变革悄无声息，却称得上一场革命。战斗机停在地面上，不过是昂贵的废铁。空中力量的核心是出勤率，，能多频繁地把飞机送上天。过去的维修方式是「坏了再修」。进步一些的做法是「每500小时更换零件」的预防性维护。但这同样低效：有的发动机700小时就出故障，有的却能轻松撑到1200小时。
2025年12月，洛克希德·马丁与ManTech宣布了基于AI的飞机维护合作。该系统从战斗机各处嵌入的传感器中实时采集数据：发动机温度、振动模式、液压压力、燃油消耗率。现代军用飞机一次飞行会产生500GB的传感器数据，靠人工分析这些数据根本不可能。
AI从数据中寻找规律。「3号发动机涡轮叶片的振动模式异常，48小时内发生故障的概率为78%。」这样的预测成为现实。据德勤2024年报告，基于AI的预测性维护可将意外停机减少50%。
美国空军的「PANDA」系统已在监控3000多架飞机。这套由C3 AI和亚马逊云科技联合开发的系统，能提前预判零件故障、定位所需配件的库存位置、优化维修排程。维修技师还没来得及想「可能需要换个零件」，新配件已经到达基地了。
更令人惊叹的是，生成式AI学习了数万页技术手册。新入伍的维修兵戴上增强现实眼镜，AI就在屏幕上实时显示维修步骤。「先拧下这颗螺栓，再检查那组线路。」遇到卡壳的地方，直接用语音提问。AI会立刻找到对应的手册页面并给出摘要。这相当于把老兵的经验数字化，传递给每一名维修人员。
在情报分析领域，生成式AI的作用更为关键。现代战场是一片信息洪流：卫星照片、无人机画面、通信截获、社交媒体……数据汹涌而来，真正需要的情报却埋在深处。美国国家地理空间情报局（NGA）局长已公开表示，如今已有「未经人工审核」的AI生成情报在流通。
AI执行实时图像处理和多传感器融合。将多架无人机和卫星传回的画面整合，以3D形式重建战场态势。「新型装甲车12辆，坐标X-Y，移动方向东北，时速40公里。」这类信息实时传送到飞行员面前。AI能区分玩具卡车和真正的军用车辆，能辨别诱饵和真实雷达。
乌克兰战争正在展示这些技术的实战运用。乌克兰无人机开发者在小型无人机上搭载了精简版AI算法，让无人机在末段几百米自主导引飞向目标。后方则由大规模AI模型分析前线传感器收集的海量数据。这种「前后协同」模式，也是美军正在研究的方向。
这为什么重要？驾驶F-16的同时，要监控数十个系统：雷达、武器、燃油、导航、通信、威胁告警。脑子在追踪敌机，手握操纵杆，眼睛扫过仪表盘。认知负荷逼近极限。生成式AI能减轻这份压力。「最具威胁的目标在哪？」「五点钟方向，15公里。」两句话就获得决策所需的信息。
担忧同样存在。AI可能产生幻觉，，把不存在的敌人报告为存在，或者漏掉真正的威胁。一位美军预备役人员使用GenAI.mil后表示，他得到的是「AI泡沫」，即低质量的泛泛内容：没有条令术语，需要大量润色。另一个隐患是数据泄露。使用者为了获得更好的回答，可能输入过多背景信息，，战术细节、机密内容、计划要点。
所以专家们一再强调：用聊天机器人思考问题、起草文件，并不能赢得战争。真正能提供军事优势的AI系统不会公开发布。它们经过多年开发，将以远为精密的形态投入部署。
韩国也已启动国防生成式AI的研发。军事情报安全至上，不可能交给外部服务器处理，因此在国防内网构建自主AI模型是必然选择。韩国需要能理解韩语语境、本国军事条令和独特作战环境的国防AI。
我们必须学会与「硅参谋」并肩作战。过滤AI产出中的幻觉，承担伦理责任，做出最终决断，，这些依然是人的本分。在任务规划、维修保障、情报分析这三根战争支柱上，生成式AI带来的效率提升，将成为一种看不见的武器，其威力不亚于隐身性能或尖端弹药。
用Excel表格和PowerPoint准备战争的时代结束了。未来的战争是算法对算法的较量。坐在战斗机座舱里的飞行员固然重要，在地下掩体中管理AI服务器的工程师同样不可或缺。这就是第六代国防的面貌。