美军人工智能研究网络：运行机制与战略路径

美国军方正构建一个多层次的人工智能研究网络，力求在全球竞争中保持决策优势。该网络通过美国国防部首席数字与人工智能办公室(CDAO)进行中央协调、美国国防高级研究计划局(DARPA)进行前沿探索，通过美国国防创新部门(DIU)的商业技术引入，以及各军种研究机构的专业化应用实现协同。其运行机制围绕联合作战网络(JADC2)、统一数据基础设施、严格测试评估和负责AI(RAI)治理框架展开。其战略路径则强调敏捷采纳、人才培养、公私合作及采办改革。美军正通过此网络加速AI能力交付，以应对未来战场需求。

一、人工智能研究网络的核心参与者

1、战略领导与基础研究机构

人工智能研究网络的顶层由负责战略规划和基础研究的机构组成。美国国防部首席数字与人工智能办公室(CDAO)作为网络的中央协调机构，负责加速AI能力交付、同步美国国防部AI活动并解决联合作战指挥与控制(JADC2)问题。CDAO制定了2023年美国国防部数据、分析和AI采纳战略，并关注AI驱动的监视、边缘计算和联合通用基础(JCF)的监督。美国国防部首席数字与人工智能办公室(CDAO)成立的目的之一，是为了整合美国国防部此前分散的人工智能工作，从而消除由此产生的各种障碍。

2、作战应用与外部技术融合机构

在顶层战略规划与基础研究框架的共同牵引下，人工智能研究网络的次级节点聚焦于两项核心任务：一是将人工智能/机器学习能力定向嵌入具体作战场景;二是构建与外部创新生态的系统性耦合机制。美国海军研究办公室围绕光子学、电力与能源系统、大气科学及量子科学四大技术领域推进 AI/ML 转化研究，为海上作战平台提供感知、决策与能量管理支撑。美国空军研究实验室的自治能力团队则面向空军与太空军，承担 AI 能力的大规模作战化任务，并通过学术界与商业研究机构的协同机制加速原型系统向实战部署迁移。美国陆军“支点计划”专注于可信 AI 的作战化管道建设，同时对接陆军小型企业创新研究计划及 xTech 系列竞赛，形成需求—验证—部署的完整闭环。各军种研究机构在各自技术纵深内实施差异化布局，共同构成研究网络中“分散部署、专业深耕”的转化范式，系统推动 AI 研究成果向实际作战能力迁移。

美国国防创新部门(DIU)是商业技术桥梁，通过签订定向合同，将业界领先的 AI/ML 能力快速引入国防体系，同步提升作战准备度与战略推演效率。其工作范畴涵盖机器学习预测、负责人工智能开发、AI 基础设施及新兴技术验证。自 2020 年启动负责任的人工智能倡议以来，DIU 持续将伦理与治理要求嵌入商业原型设计与后续采办流程;并与首席数字与人工智能办公室(CDAO)协同，以商业工具破解联邦安全环境中 MLOps 周期过长的瓶颈。凭借对商业解决方案的针对性适配，DIU 在研究网络中确立了“外部创新—国防落地”的关键接口，确保商业 AI 能力以最短路径融入作战体系。

3、 人才培养与信任基石

为确保整个人工智能研究网络的持续运行和负责部署，人才发展与可信赖AI保障是不可或缺的组成部分。美国国防部人工智能与机器学习卓越中心(CoE-AIML)作为人才与可信赖AI基础机构，由美国国防部/美国陆军资助，与霍华德大学等伙伴合作。其重点是开发可信赖、可靠、可解释、公平、鲁棒和安全的ML算法和AI系统。CoE-AIML致力于培养和维持一支庞大而持续的AI/ML生产力队伍，其解决的关键挑战是通过AI赋能的自主性加速新能力交付。

二、人工智能研究网络的运行机制与研发方向

1、运行机制：整合与互操作性

联合作战指挥与控制(JADC2)是研究网络的基础架构，其目标是将美国各军种的独立通信网络整合为一个更大、统一的跨所有空间尺度的网络 。其口号是：“连接每一个传感器，连接每一个射手” 。JADC2使美国能够“大规模地在全球范围内移动数据” ，从而促进快速、明智决策 。CDAO在JADC2中发挥核心作用，并已于2024年2月实现了最低可行能力 。JADC2是使AI能够在整个联合部队中大规模运行的基本运行机制，为分布式AI应用提供了必要的数据基础。

数据管理与AI基础设施方面，联合通用基础(JCF)是美国国防部的云端AI开发和实验平台，提供通用工具和服务 。高质量数据是“AI需求层次结构”的基础 ，但美国联邦机构的数据质量仍面临挑战 。美国国防部正引入商业机器学习操作(MLOps)工具，其目的在于解决数据传输和部署效率问题。糟糕的数据质量会直接损害AI系统的可靠性和有效性，美国国防部开发JCF和采纳商业MLOps工具意在解决基础设施和流程差距上存在的问题。

严格的测试和评估(T&E)对于确保AI能力在其整个生命周期中的安全性、可靠性和有效性至关重要。CDAO的2025财年预算优先考虑AI测试工具和标准的进步。AI系统的变化，特别是由于机器学习引起的变化，需要重新测试和评估，以确保其安全特性和能力得以保留。对T&E的广泛关注是建立对AI系统信任的关键机制。

2、 核心研发方向

美军人工智能研究网络的研发涵盖从基础理论到新兴范式，再到特定军事应用的广泛领域。

基础AI技术方向上的研究包括符号推理、统计机器学习、元认知、解释性和保障以及混合方法。这些研究的目标是超越当前机器学习技术，迈向情境推理能力，使机器能够作为真正的合作伙伴发挥作用 。这意味着未来AI系统将对情境和意图有更深入的理解，从根本上改变军事行动中人机交互的性质。

在新兴AI范式方面，生成式AI和大型基础模型引起了美军的浓厚兴趣和并吸引了大量投资，它们正被用于规划路线、撰写作战命令和制定备忘录等应用。由CDAO领导的“利马特遣队”正在评估和同步生成式AI在美国国防部内的使用。边缘计算也是一个重点领域，其目的在于直接在传感器上执行神经网络计算，从而提高作战网络的鲁棒性和弹性，尤其是在对抗环境中。

专业军事应用是研究网络将美军的AI技术转化为实际作战能力的关键。这包括自主系统和人机协作，例如开发无人潜水器、无人机蜂群和协同作战飞机(CCA)或“僚机” 。重点在于人机协作，使系统能够作为流畅、直观、可信赖的队友 。

三、人工智能研究网络的战略路径与挑战

1、 战略采纳路径

美军通过CDAO集中规划、DARPA前沿探索、DIU商业转化及各军种实验室专业应用，构建了一个联通JADC2互联系统、依托JCF云端平台、并辅以严格测试评估与负责AI治理的多层级协同网络。该网络既注重基础理论与新兴范式的研发，也强调将生成式AI、边缘计算等技术快速移植到实际作战场景中，形成了从需求识别到交付部署的敏捷闭环，确保了AI成果能够安全、可靠地支撑未来联合作战。

2、研究网络面临的挑战与未来展望

尽管数据互联和云端基础设施不断完善，但对数据共享的顾虑以及现有采办法规仍导致美军AI能力更新缓慢。我军在推进AI战斗力建设时，可从中汲取教训，注重优化组织架构，打破军种间的壁垒，统一部署标准，明确职责分工，简化审批流程，提高AI系统部署效率。同时，要高度重视网络安全防护，加强AI系统及其数据链路的安全性建设，在红蓝对抗环境中开展深度安全验证，提升系统韧性，确保在复杂战场环境中持续可用。

人才短缺与资源分配不均也是制约AI发展的重要因素。我军在进行AI研发时，应合理规划预算分配，构建跨军地的数字人才队伍，完善持续交付流程，缩短从算法原型到战场部署的时间。通过强化人才培养、加快采办创新、深化安全攻防测试、持续加大预算投入等多方面的努力，提升我军AI战斗力，保障未来战场的决策优势。(来源：北京蓝德信息科技有限公司)

参考文档

1. National Security Commission on Artificial Intelligence - Wikipedia, ， https://en.wikipedia.org/wiki/National_Security_Commission_on_Artificial_Intelligence

2. Final Report: National Security Commission on Artificial Intelligence ..., ， https://digital.library.unt.edu/ark:/67531/metadc1851188/

3. Artificial Intelligence: CRS Products, ， https://www.everycrsreport.com/reports/IN12458.epub

4. Artificial Intelligence: CRS Products - Congress.gov, ， https://www.congress.gov/crs-product/IN12458

5. 2023 Data, Analytics, and Artificial Intelligence Adoption Strategy - Accelerating Decision Advantage - Department of Defense, ， https://media.defense.gov/2024/Oct/25/2003571622/-1/-1/0/2023-11-DOD-DATA-ANALYTICS-AI-ADOPTION-STRATEGY-FACTSHEET_C.PDF

6. 2023 Department of Defense Data, Analytics, and Artificial Intelligence Adoption Strategy, ， https://www.dafcio.af.mil/AI/Strategy/

7. Why the Pentagon didn't request higher funding for AI in fiscal 2025 | DefenseScoop, ， https://defensescoop.com/2024/03/11/pentagon-ai-budget-request-2025/

8. DIU and CDAO: Deploying AI for Strategic Impact - Defense Innovation Unit, ， https://www.diu.mil/latest/diu-and-cdao-deploying-ai-for-strategic-impact

9. Innovating Defense: Generative AI's Role in Military Evolution | Article - Army.mil, ， https://www.army.mil/article/286707/innovating_defense_generative_ais_role_in_military_evolution

10. Chief Digital and Artificial Intelligence Office - Wikipedia, ， https://en.wikipedia.org/wiki/Joint_Artificial_Intelligence_Center

11. Joint Artificial Intelligence Center - AWS, ， https://imlive.s3.amazonaws.com/Federal%20Government/ID151922140063916450446479915674517979637/Attachment%200002-JAIC%20TE%20BPA%20PWS%2026Feb21%20Amendment%200001.pdf

12. Breaking Down the DOD's Chief Digital & AI Office Budget for FY25 - ExecutiveGov, ， https://executivegov.com/article/breaking-down-dod-cdao-fy25-budget

13. AI Next - DARPA, ， https://www.darpa.mil/research/programs/ai-next

14. AI Forward - DARPA, ， https://www.darpa.mil/research/programs/ai-forward

15. ONR Technology and Research - Office of Naval Research - Navy.mil, ， https://www.onr.navy.mil/our-research/onr-technology-and-research

16. Artificial Intelligence/Machine Learning for Photonics, Power & Energy, Atmospherics, and Quantum Science | Office of Naval Research, ， https://www.onr.navy.mil/organization/departments/code-33/division-333/artificial-intelligence-machine-learning

17. About the Autonomy Capability Team (ACT3) - Air Force Research Laboratory, ， https://www.afrl.af.mil/ACT3/

18. Machine learning - Air Force Research Laboratory, ， https://www.afrl.af.mil/News/Tag/150984/machine-learning/

19. ACCELERATING THE ARMY'S AI STRATEGY | Article | The United ..., ， https://www.army.mil/article/280162/accelerating_the_armys_ai_strategy

20. Portfolio - Defense Innovation Unit, ， https://www.diu.mil/solutions/portfolio

21. DoD Center of Excellence in Artificial Intelligence & Machine Learning (CoE-AIML), ， https://www.dod-coe4ai-ml.org/

22. Research & Education - Center of Excellence in AI/ML, ， https://www.dod-coe4ai-ml.org/research-education

23. GAO Chief Dishes on Fed AI Data, Tracks DOGE Data Footprint - MeriTalk, ， https://www.meritalk.com/articles/gao-chief-dishes-on-fed-ai-data-tracks-doge-data-footprint/

24. GAO-24-105980, ARTIFICIAL INTELLIGENCE: Agencies Have Begun Implementation but Need to Complete Key Requirements, ， https://www.gao.gov/assets/gao-24-105980.pdf

25. Responsible AI and the SHIELD Framework at the DoD - Pryon, ， https://www.pryon.com/resource/pryons-guide-to-responsible-ai-and-the-rai-shield-assessment

26. Defense Primer: U.S. Policy on Lethal Autonomous Weapon Systems | Congress.gov, ， https://www.congress.gov/crs-product/IF11150

27. Leadership: Artificial Intelligence in Decision-Making | Article | The United States Army, ， https://www.army.mil/article/286847/leadership_artificial_intelligence_in_decision_making

28. Air Force Doctrine Note 25-1 Artificial Intelligence - Department of ..., ， https://www.defense.gov/Multimedia/Videos/videoid/958216/

29. Defense Department budget request goes hard on AI, autonomy, ， https://www.defenseone.com/technology/2025/07/defense-department-budget-request-goes-hard-ai-autonomy/406438/

30. Department of Defense Directive 3000.09 - Wikipedia, ， https://en.wikipedia.org/wiki/Department_of_Defense_Directive_3000.09

31. DOD's Responsible AI (RAI) Toolkit: What You Need To Know - FedTech Magazine, ， https://fedtechmagazine.com/article/2025/04/dod-responsible-ai-rai-toolkit-perfcon

32. Responsible AI Guidelines, ， https://www.diu.mil/responsible-ai-guidelines

33. Top 5 AI Leaders in US Government & Military in 2025 - ExecutiveGov, ， https://executivegov.com/articles/ai-leaders-us-government-military-dod-anthropic-cdao-openai-cia

34. AI's Military March: Why Defense Tech is the Next Big Investment Play - AInvest, ， https://www.ainvest.com/news/ai-military-march-defense-tech-big-investment-play-2506/

35. Training the DoD to Leverage AI for Strategic Advantage - Carnegie Mellon University, ， https://insights.sei.cmu.edu/annual-reviews/2024-year-in-review/training-the-dod-to-leverage-ai-for-strategic-advantage/

36.Transcending weapon systems: the ethical challenges of AI in military decision support systems - Blogs | International Committee of the Red Cross, ， https://blogs.icrc.org/law-and-policy/2024/09/24/transcending-weapon-systems-the-ethical-challenges-of-ai-in-military-decision-support-systems/