美空军“开放任务引擎”计划的边缘计算路径与作战适用性评析

美空军“开放任务引擎”计划的边缘计算路径与作战适用性评析

摘要： 2026年9月15日，美国防创新小组与美空军机动司令部授予国防独角兽公司、定子集成实验室公司和空天智能公司总计2100万美元合同，推进“开放任务引擎”计划的原型软件开发与部署。该计划旨在开发新型任务软件，使机组人员及指挥官在通信受限环境下无需依赖地面网络或云基础设施即可获取实时机动部队数据。软件依托边缘计算与数据融合技术，利用飞机燃油状态、威胁态势、气象条件及任务细节等数据构建全机队通用的实时作战态势图，自动预测航线变化及连锁影响，辅助机组快速制定可执行方案。该计划还建立了与外部网络隔离的原生机队管理层，未来相关软件可快速拓展至作战飞机。其将态势感知与决策辅助能力从依赖地面网络的集中式架构转向机载边缘端的分布式架构，以适应通信拒止环境下的作战需求。该计划反映美军任务软件发展从“云端依赖”向“边缘自主”转变的趋势，对我任务系统架构设计和通信拒止环境下的决策辅助手段建设具有参考价值。

关键词： 开放任务引擎；边缘计算；数据融合；通信受限；机动部队；任务软件

一、引言

现代空中作战对实时态势感知的依赖日益加深，而这种依赖本身也构成了脆弱性。当前的任务数据分发和态势图构建，大多依托地面网络和云基础设施完成，飞机升空后通过数据链与地面节点保持连接。一旦通信链路被干扰或切断，机组人员便失去了对战场态势的完整掌握，也难以获得指挥机构的实时决策支持。通信拒止环境下的自主态势感知与决策辅助，由此成为任务软件发展的一个关键方向。

美空军机动司令部与国防创新小组推进的“开放任务引擎”计划，正是对这一方向的探索。据美国《空天军杂志》9月28日报道，2026年9月15日，国防创新小组与空军机动司令部授予国防独角兽公司、定子集成实验室公司以及空天智能公司总计2100万美元的合同，用于推进该计划的原型软件开发与部署。该计划旨在开发新型任务软件，使机组人员及指挥官在通信受限等战场环境下，无需依赖地面网络或云基础设施即可获取实时机动部队数据。软件将依托边缘计算与数据融合技术，利用飞机燃油状态、威胁态势、气象条件及任务细节等数据，构建全机队通用的实时作战态势图，并自动预测航线变化及连锁影响，辅助机组人员快速制定可执行方案。该计划还建立了与外部网络隔离的原生机队管理层，未来相关软件可快速拓展应用至作战飞机。

这一计划的价值不在于某项单一技术的突破，而在于它试图把态势感知和决策辅助能力从地面云端下沉到机载边缘端，从而在通信拒止条件下维持作战管理的连续性。本文分析其技术路径、军事应用价值与工程约束，并讨论其对任务系统架构设计的启示。

二、计划背景与基本情况

（一）通信拒止环境下的任务管理短板

美空军机动部队承担运输、加油、医疗后送等任务，其航线规划涉及燃油状态、威胁分布、气象条件和任务优先级等多重变量。在通信条件正常时，这些变量的整合和航线的动态调整可由地面指挥机构依托云基础设施完成，机组人员通过数据链接收更新后的任务指令。但在高端战争条件下，对手的电子战能力可能使数据链中断，地面网络和云服务也可能因物理打击或网络攻击而不可用。此时，机组人员只能依靠起飞前获取的静态信息和机载传感器提供有限态势，航线调整和任务重规划的效率大幅下降。这一短板在通信拒止环境中可能直接影响机动部队的生存性和任务完成率。

（二）计划定位与合同安排

“开放任务引擎”计划的目标，是为上述短板提供软件层面的解决方案。该计划由国防创新小组与空军机动司令部联合推进，合同授予三家非传统国防承包商，总额2100万美元，用于原型软件的开发与部署。选择初创企业和非传统承包商而非大型主承包商，反映该计划追求快速迭代和跨领域技术集成的意图。国防创新小组的商业化运作模式，使原型开发能够在较短周期内启动，而不必经历传统采办程序的漫长流程。合同金额相对有限，说明该计划当前聚焦于原型验证，而非全面列装。

（三）从机队管理到作战飞机的拓展潜力

该计划的一个显著特征是建立了与外部网络隔离的原生机队管理层，并明确未来相关软件可快速拓展应用至作战飞机。这一拓展潜力值得注意。机动部队的任务软件与作战飞机的任务系统在功能需求上存在差异，但二者在边缘计算架构、数据融合逻辑和态势图构建方法上具有共通性。若该计划的原型软件能够在机动部队验证成功，其架构和算法有可能移植至作战飞机，使战斗机在通信拒止环境下同样具备自主态势感知和决策辅助能力。这一从“机动”到“作战”的拓展路径，使该计划的影响超出了机动司令部的范围。

三、技术路径分析

（一）边缘计算作为架构基础

该计划的技术核心是边缘计算。传统任务数据的处理依赖地面服务器和云平台，飞机更多充当数据采集端和指令接收端。边缘计算则将数据处理能力下沉到机载平台，使飞机能够在本地完成数据融合、态势图构建和航线预测，而不必等待地面回传。这一架构转变的意义在于，它将通信链路的可用性从任务管理的必要前提变为可选增强。在通信正常时，机载边缘端可以与地面云端协同，获取更全局的信息；在通信中断时，机载边缘端仍能依托本地数据和算法维持基本的态势感知和决策辅助能力。

边缘计算的工程难点在于算力与功耗的平衡。机载平台的供电和散热能力有限，任务软件的算法复杂度必须与机载计算资源的承载能力相匹配。该计划选择在机动部队的运输机和加油机上先行验证，可能正是考虑到这类平台载荷能力较大、供电裕度较高，适合作为边缘计算架构的初期试验平台。

（二）多源数据融合与态势图构建

该计划利用飞机燃油状态、威胁态势、气象条件及任务细节等数据构建实时作战态势图。这些数据来源不同、更新频率不同、格式也不统一，数据融合的难点在于如何将这些异构数据整合为一致、可理解的态势图。燃油状态是平台自身数据，更新频率高、精度可靠；威胁态势可能来自机载传感器、情报通报或历史数据库，更新频率和可靠性差异较大；气象条件涉及外部数据源，在通信受限时可能无法实时更新。数据融合算法需要在这些数据源之间建立权重和置信度模型，使态势图在不同数据可用性条件下都能保持合理的准确性。

全机队通用的实时作战态势图是另一个关键设计。单机态势图只能反映本机感知范围内的信息，而机队态势图可以整合多架飞机的数据，形成更大范围的态势感知。在通信受限时，机队内的飞机可以通过局部数据链共享态势信息，使每架飞机都能获得超出自身传感器范围的态势图。这一设计使机队整体在通信降级条件下仍能维持一定的协同能力。

（三）航线预测与连锁影响分析

该计划要求软件自动预测航线变化及连锁影响，辅助机组人员快速制定可执行方案。航线变化涉及多个变量的联动。燃油状态变化会影响可用航程和备降选择，威胁态势变化会迫使航线绕飞，气象条件变化会影响飞行高度和速度，任务细节变化会改变优先级排序。这些变量之间存在连锁关系，例如绕飞会增加燃油消耗，燃油消耗增加又会压缩备降选择，备降选择减少又可能使飞机暴露于新的威胁区域。航线预测算法的难点在于，它不仅要计算单一路径变更的直接后果，还要评估变更引发的连锁影响，并在多个可行方案之间进行排序和推荐。

这一功能对机组人员的价值在于缩短决策周期。在通信受限条件下，机组人员无法等待地面指挥机构的方案批复，必须在机载端快速形成可执行方案。软件的预测和推荐功能可以缩小机组人员的决策搜索空间，使其在有限时间内做出合理选择。但软件推荐不等于自主决策，机组人员仍需对方案进行判断和确认，这一人机分工的边界需要在软件设计中明确。

（四）隔离式机队管理层的安全设计

该计划建立了与外部网络隔离的原生机队管理层。这一设计的意图是在利用边缘计算提升自主性的同时，避免因连接外部网络而引入网络安全风险。隔离式架构意味着机队管理层在物理或逻辑上与外部网络分离，外部攻击者无法通过互联网或战术数据链直接渗透至管理层。对于任务软件而言，安全设计的优先级不低于功能设计，因为一旦机队管理层被渗透，攻击者可能篡改态势图或航线推荐，其后果比通信中断更为严重。隔离式设计在安全上是合理的，但也带来数据更新的困难。隔离网络内的数据如何与外部情报和气象更新保持同步，是该架构需要解决的工程问题。

四、军事应用价值

（一）通信拒止环境下的任务连续性

该计划最直接的军事价值，是在通信拒止环境下维持机动部队任务管理的连续性。传统模式下，通信中断意味着机组人员失去地面支持，任务规划退化为起飞前的静态方案。边缘计算架构使机组人员能够在机载端获取融合后的态势图和航线推荐，即使无法与地面通信，仍能根据实时态势调整航线和任务优先级。对于运输机和加油机而言，这种自主性直接关系到生存性和任务完成率。在高端战争中，通信拒止可能是常态而非例外，任务软件的这一能力将从辅助手段变为必要条件。

（二）减轻地面指挥机构的决策负荷

该计划的另一价值在于减轻地面指挥机构的决策负荷。当前模式下，地面指挥机构需要同时处理多架飞机的航线规划、威胁规避和任务调整请求，决策负荷随飞机数量增加而上升。若机载端能够自主完成部分态势融合和航线推荐，地面指挥机构只需对关键决策进行确认和协调，而非对所有细节进行干预。这一分工调整使地面指挥机构能够将注意力集中在全局任务协调和优先级排序上，提高整体指挥效率。

（三）为作战飞机任务系统提供架构参照

该计划明确未来相关软件可拓展至作战飞机，这使其价值超出了机动部队的范围。作战飞机在通信拒止环境下面临的态势感知和决策辅助问题与机动飞机类似，但作战飞机对软件的实时性、可靠性和安全性的要求更高。若“开放任务引擎”的架构能够在机动部队验证成功，其边缘计算框架、数据融合逻辑和隔离式安全设计可为作战飞机任务系统的升级提供参照。从机动到作战的拓展路径，使该计划成为美空军任务软件架构转型的一个试验窗口。

五、工程约束与风险

（一）机载算力与算法复杂度的匹配

边缘计算架构的核心约束是机载算力有限。态势图构建、数据融合和航线预测都需要一定的计算资源，而机载平台的供电和散热能力远不及地面数据中心。软件算法必须在有限算力条件下保持足够的精度和响应速度。若算法过于复杂，可能导致响应延迟，使态势图和航线推荐无法跟上战场变化；若算法过于简化，则可能降低态势图的准确性和航线推荐的可靠性。算力与算法复杂度的匹配，是该计划工程可行性的关键变量。

（二）数据质量与融合置信度

数据融合的效果取决于数据质量。燃油状态数据可靠，但威胁态势和气象数据在通信受限时可能无法实时更新，其时效性和准确性下降。数据融合算法需要对这些低质量数据赋予适当的置信度，避免因错误数据导致态势图失真。若算法无法有效区分高质量和低质量数据，态势图可能出现误导性信息，其后果比没有态势图更为严重。数据质量管理和置信度评估，是该计划在实战条件下能否可信运行的关键。

（三）人机决策分工的边界

航线预测和方案推荐功能涉及人机决策分工。软件可以缩小决策搜索空间，但最终决策仍需机组人员做出。若软件推荐过于自信，机组人员可能产生过度依赖，削弱独立判断能力；若软件推荐过于保守，机组人员可能忽略软件输出，使功能形同虚设。人机分工的边界需要在软件设计和训练中明确，使机组人员理解软件的能力和局限，在信任与审慎之间保持平衡。

（四）从原型到列装的转化风险

该计划当前处于原型开发阶段，合同金额2100万美元，聚焦于验证软件架构和核心功能。从原型到列装，还需经过作战试验、安全认证、训练体系建设和后勤保障等一系列环节。初创企业的快速迭代优势在原型阶段明显，但在列装阶段可能面临与军方标准体系和现有平台的兼容问题。原型软件能否顺利转化为可部署的产品，取决于军方与承包商在标准对接、安全认证和持续保障方面的协调效率。

六、启示

第一，任务软件架构应从云端依赖转向边缘自主。 “开放任务引擎”计划的核心思路，是将态势感知和决策辅助能力下沉到机载边缘端，使通信链路的可用性从必要前提变为可选增强。对我而言，在任务系统设计中应同步考虑通信正常和通信拒止两种模式，将边缘计算能力作为平台任务系统的标准配置而非附加选项，确保在通信降级条件下仍能维持基本的态势感知和决策辅助能力。

第二，数据融合的置信度管理比数据量更重要。 该计划面临的数据质量问题提示，多源数据融合的关键不在于接入多少数据源，而在于能否对不同质量的数据赋予合理的置信度。应在数据融合算法中建立数据质量评估和置信度衰减模型，使态势图在不同数据可用性条件下都能保持可信度，避免低质量数据误导决策。

第三，人机决策分工需要在软件设计中前置明确。 航线预测和方案推荐功能涉及人机分工边界。应在软件设计阶段明确哪些决策由软件完成、哪些由人员确认、哪些由人员独立判断，并通过训练使人员理解软件的能力和局限。避免软件推荐过于自信导致人员过度依赖，或过于保守导致功能闲置。

第四，关注非传统承包商在任务软件领域的参与模式。 该计划选择初创企业而非大型主承包商承担原型开发，反映美军在任务软件领域引入商业创新力量的意图。初创企业的快速迭代和跨领域集成能力，可为任务软件带来新的技术路径。可在任务软件和决策辅助领域探索与商业企业的合作机制，通过竞争性原型验证吸收有价值的设计思路，同时做好原型向列装转化的标准对接和安全认证。

七、结论

美空军“开放任务引擎”计划以边缘计算和数据融合为核心，试图将态势感知和决策辅助能力从地面云端下沉到机载边缘端，使机动部队在通信拒止环境下仍能维持任务管理的连续性。该计划的技术路径包括机载边缘计算架构、多源数据融合与机队态势图构建、航线预测与连锁影响分析，以及隔离式机队管理层安全设计。其军事价值体现在通信拒止环境下的任务连续性、地面指挥机构决策负荷的减轻，以及为作战飞机任务系统提供架构参照。该计划当前处于原型开发阶段，机载算力与算法复杂度的匹配、数据质量与融合置信度、人机决策分工边界和原型向列装的转化风险构成其主要工程约束。该计划反映美军任务软件发展从云端依赖向边缘自主转变的趋势，对我任务系统架构设计和通信拒止环境下的决策辅助手段建设具有参考价值。应重视边缘自主架构在任务系统中的应用，加强数据融合置信度管理，明确人机决策分工，并关注商业创新力量在任务软件领域的参与模式。

【参考文献】

[1] ACC, DIU tap three companies for Open Mission Engine prototype software, Air & Space Forces Magazine, Sept. 28, 2026.

[2] Open Mission Engine program overview, U.S. Air Force Materiel Command.

[3] 边缘计算与机载任务系统相关公开资料.

【本文内容信息来自国（境）外相关信息源，为开源文献，由军融国动智库研究人员编译/写，后进行了文字加工处理，文中具体技术信息和数据仅供参考，不代表本公众号观点，请自行甄别使用。】