美军关停研究解放军的智库，歼-16D的误判说明了什么？

美国空军大学9月22日宣布，下属智库“中国航空航天研究所”（CASI）所有文职岗位自10月1日起停止经费支持。CASI主任布伦丹·马尔瓦尼对Breaking Defense说，该机构“基本上已经死了”。

但马尔瓦尼本人明确表示，这次裁员“与CASI的使命无关”。他说：“这与CASI、我们的使命、我们的工作或任何这类东西无关。就是简单地说，‘嘿，我们被迫放弃一定数量的岗位，而你们的岗位就是我们要放弃的。’”

空军发言人同样确认，这是“正在进行的文职重组”的一部分。

CASI被关停的原因，是预算削减和岗位重组。但这个事件本身提出了一个更值得追问的问题：一个专门研究中国空军的智库，为什么在核心判断上偏离了基本事实？

CASI曾在一份报告中断言“没有迹象表明歼-16D已大规模量产列装”。而歼-16D早在2021年珠海航展就已公开亮相。2026年1月，RUSI的报告确认歼-16D已经批量列装，据外媒估计现役数量可能在50到60架之间。

一个专门研究中国空军的智库，犯这种错误。这个事实本身比误判的内容更值得追问：是什么让一个顶级机构，在核心判断上偏离了基本事实？

歼-16D的核心干扰吊舱由电子科技集团第14研究所研制，据公开分析采用了国产氮化镓功率器件，峰值功率可能达到200千瓦级别。对比之下，EA-18G“咆哮者”目前仍在大量使用AN/ALQ-99老式吊舱，其吊舱发射功率在6.8到10.8千瓦之间。

美军正在推进的下一代干扰机中频段（NGJ-MB）在2024年12月达到初始作战能力，首次部署于“林肯”号航母，等效辐射功率目标是1兆瓦级别。但新旧吊舱的替换需要时间，NGJ低频段吊舱预计2029年才能达到早期作战能力。

氮化镓与砷化镓的差异，本质是能量密度的差异。同样大小的天线，氮化镓器件能输出更强的功率。中国在氮化镓全球供应链中占据主导地位，从歼-20到歼-35，新一代国产战机雷达已全面采用氮化镓技术。F-22的雷达升级仍在推进中，现役主力仍以砷化镓系统为主。

硬件差距是可以追赶的。但CASI的误判指向了一个更难修补的东西：认知更新的速度。

CASI犯的错误，表面上是“没看到歼-16D已经列装”。深层问题是：它的分析框架停留在“寻找传统信号”的层面。它把歼-16D当作一款孤立的电子战飞机来评估，判断标准是“有没有大规模列装”。但歼-16D的背后是一套由产业能力、算法迭代、决策流程共同支撑的系统。评估这套系统，标准不是“有多少架飞机”，而是“这套系统的迭代速度有多快”。CASI用的是前一个标准，所以它看不到后一个维度。

这个变化的核心，不是某一款吊舱的功率大小，而是AI正在把电子战的竞争焦点，从“谁打过更多仗”转向“谁的算法迭代更快”。

美军在伊拉克、叙利亚、中东积累了几十年的电子战实战经验。这套经验的核心价值在于：面对已知的雷达信号，操作员能快速识别并选择最优干扰策略。但AI的介入正在压缩这个环节的价值。2025年3月，美国空军为F-15E和F-15EX上的EPAWSS系统集成了AI算法，使系统能够自主分析并生成对抗措施，而不再完全依赖预设数据库。过去需要老练操作员凭经验完成的“识别-判断-反制”流程，正在被AI自动化。

但AI在电子战中的可靠性，远没有到可以替代人类操作员的程度。

兰德公司2025年发布的报告《在电磁频谱中智胜敏捷对手》认为，AI全面应用仍处起步阶段，认知电子战系统“处于中间范围”，因为算法还没在大量真实数据上训练过。前美国海军电子战指挥官迈克尔·波西在《电子防御杂志》上撰文承认，一些操作员对认知电子战“犹豫不决，想象着有缺陷的算法导致错误的、危及生命的失败”。2026年2月，美国陆军在国家训练中心的演习中发现，旅级部队在电子战和AI生成的虚假信息面前“表现脆弱”。AI在高压环境下的决策可靠性，还没有经过实战验证。

美军的优势正在从“操作员的经验”转向“训练数据的规模与质量”。但这个转换本身充满了不确定性。兰德报告指出，认知电子战的关键挑战不是算法本身，而是“近实时、自主、飞行中软件重新编程”的流程——如何从战斗机收集任务后数据、如何快速重新编程、如何在不影响作战的情况下完成更新。

2026年1月，解放军报发表了一篇关于认知电子战的文章，明确提出了“侦—扰—评”对抗行动的闭环概念：认知电子战系统“基于干扰反馈情况，进行干扰效果评估和干扰策略优化”。中国从2013年开始跟踪研究认知电子战技术。从理论框架到实装部署的周期，公开信息中没有可验证的数据。

还有一个变量：数据多样性。认知电子战和嵌入式AI专家凯伦·齐塔·黑格博士在其著作《认知电子战中的人工智能方法》中指出，“数据多样性”是对抗算法被操纵的最有效缓解措施。她引用了一项研究：研究人员仅仅通过在停止标志上贴便利贴，就骗过了一个停止标志识别模型——原因就是训练数据集太窄。美军在中东面对的是伊朗雷达、俄制防空系统、非国家武装通信等多种信号类型。中国在西太平洋区域的电磁信号环境数据库，覆盖面相对集中。一个只在特定信号环境中训练出来的AI模型，面对完全陌生的信号时，可能出现“学错”的情况。

但黑格在同一场对话中提出了一个很少被讨论的保护方法：同态加密——“除非你能破解我的加密密钥，否则它对你没有任何意义”。这意味着即使对手获取了训练数据，也不一定能逆向推导出算法逻辑。数据多样性的优势，在加密保护面前可能被部分抵消。

两个闭环各有短板，短板的方向是相反的。美军有数据规模和质量，但受限于老吊舱的替换进度——NGJ低频段要到2029年才能服役。中国有硬件优势和快速迭代潜力，但在信号情报的全球覆盖和实战数据积累上仍在补强。美军在担心AI的可靠性，中国在担心数据的多样性。

CASI的误判暴露的是一种认知惯性：用旧的信号框架去理解一套由产业能力、算法迭代和决策流程共同支撑的新能力。歼-16D不只是“一架电子战飞机”。它的背后是氮化镓功率器件的产业优势，是认知电子战的算法研究，是快速迭代的决策链条。这些要素组合在一起，构成了一个美军智库用传统方法难以捕捉的图景。

CASI关停的原因，是预算削减和文职重组。但这件事的讽刺之处在于：当美国对华军事研究正在失去长期积累的中文开源分析能力时，歼-16D的误判恰恰证明这种专业能力是必要的。两者不是因果关系，但是同一个问题的两面：用旧框架理解新能力，会越来越难。而新的框架是什么，公开信息还不足以给出完整答案。