摘要：本文深度剖析乌克兰如何将AI技术融入无人作战体系，在情报侦察（ISR）、自动目标识别（ATR）与自主导航三大关键领域实现突破性进展，为理解未来智能化战争的发展方向提供了极具价值的现实案例。
编者荐语
本文深度剖析乌克兰如何将AI技术融入无人作战体系，在情报侦察（ISR）、自动目标识别（ATR）与自主导航三大关键领域实现突破性进展，为理解未来智能化战争的发展方向提供了极具价值的现实案例。
文章摘要：2025年3月，美国战略与国际问题研究中心发布题为《乌克兰当前人工智能自主作战能力与未来愿景》的报告，分析了乌克兰在无人系统方面的创新部署，评估了人工智能在提升复杂环境中作战效能方面的作用。基于对当前技术尚无法支持完全自主任务的认识，此份报告描述了人工智能在情报、监视与侦察，自动目标识别和自主导航3个方面的应用进展，展示了这些发展如何推动战场向更高程度的人工智能赋能自主性迈进。
论文结构：
0引言
1乌军战略愿景与技术路线图
1.1乌军核心目标：利用自主系统取代战场上的人类
1.2战场转型路线图：乌克兰推进人工智能赋能自主性的渐进方法
2 人工智能在ISR中的应用
2.1ISR当前面临的挑战
2.2人工智能如何应对ISR面临的挑战
2.3乌军利用人工智能发展ISR系统的经验教训
2.4人工智能赋能的ISR系统发展趋势
3人工智能在ATR中的应用
3.1ATR当前面临的挑战
3.2人工智能如何应对ATR面临的挑战
3.3乌军利用人工智能发展ATR系统的经验教训
3.4人工智能赋能的ATR系统发展趋势
4 人工智能在自主导航中的应用
4.1自主导航当前面临的挑战
4.2人工智能如何应对自主导航面临的挑战
4.3乌军利用人工智能发展自主导航系统的经验教训
4.4人工智能赋能的自主导航系统发展趋势
5结语
0引 言
现 代 无 人 系 统 尚 未 完 全 实 现 自 主， 但 在特定任务和有限环境下已展现出一定程度的自主能力。在俄乌冲突中，人工智能对提升无人系统的自主性发挥了重要作用，主要体现在情报、 监 视 与 侦 察（Intelligence, Surveillance, andReconnaissance，ISR），自动目标识别（AutomaticTarget Recognition，ATR）和自主导航等方面，但仍需人工干预和决策。将军事无人系统从理论概念转变为实用的、人工智能赋能的战场工具，需要突破感知、决策、通信和控制等关键技术，同时解决作战和战略层面的协同问题。目前，技术可靠性、伦理法律约束、人机协同瓶颈以及对抗环境下的生存能力等障碍，仍然阻碍着完全自主作战的实现。
本文探讨了乌克兰如何推进人工智能驱动的无人系统发展，以减少作战人员的直接参与，同时提高作战效能。尽管完全自主作战仍然是一个目标，但乌克兰在部分自主作战方面已经取得了重大进展，尤其是在空中系统方面，而在交战决策中，人类监督仍然至关重要。
1 乌军战略愿景与技术路线图
1.1乌军核心目标：利用自主系统取代战场上的人类
在技术方面，乌军将“使作战人员远离直接战斗”视为塑造未来战场的核心目标。这一目标并非空想，而是乌克兰武装部队的生存必需。俄军在人数上拥有巨大优势，而乌克兰在人力资源、训练资源及作战人员准备时间方面都面临着重大挑战。此外，人类作战人员存在固有弱点，包括疲劳、易受恶劣天气条件影响及心理压力。
众多乌克兰军事和工业官员反复表达了这一共同愿景，尽管它尚未形成书面战略。然而，指挥官们就这一愿景已达成广泛共识，并且已经在指导采购重点、软件部署（如全面态势感知和火力校正软件），以及将无人系统融入部队和当前行动的工作。
1.2战场转型路线图：乌克兰推进人工智能赋能自主性的渐进方法
乌军的长期战略将人工智能赋能的自主系统与实时态势感知相结合，这是实现其主要目标的关键一步。这种方法旨在整合来自多个情报源的数据，借助人工智能快速分析，并维持每个自主系统都能访问的实时作战态势图，从而即时共享友军和敌军的行动信息。
虽然乌军目前设想采用“人在回路中”的模式，必要时允许操作人员接管自主武器系统，但其长期目标是，只要能提高作战效能，就尽可能在战场上扩大自主性。这一愿景涵盖了从情报收集到目标处理全流程的所有功能，而人类的干预仅限于交战决策。
目前，技术发展的理想与现实之间仍存在巨大差距。尤其是人工智能，存在诸多问题，阻碍了其更广泛的应用。例如，持续存在的技术限制，包括从恶劣天气条件下的简单传感器故障，到跟踪快速移动或伪装目标困难，这迫使乌克兰国防工业和军队采取渐进式方法，稳步推进。
为应对此类问题，乌军首先调整了其指挥控制体系，并将无人系统与传统武器系统（如火炮）整合到单一杀伤链中。设想中的单一杀伤链会通过统一指挥系统将侦察和打击无人机与火炮整合到一起。乌军的目的并非要完全取代传统火炮，而是使用小型攻击无人机对侦察无人机识别和跟踪的较小目标进行精确打击。这些小规模攻击会消耗更大、更重要目标的防御力量，使其在后续决定性的火炮打击中失去保护。
2人工智能在ISR中的应用
俄乌冲突与以往的全面冲突有很大不同。产生这些差异的关键因素包括战场上广泛部署的传感器和无人系统，以及数据源和数据量的指数级增长。这些因素与先进数据处理和分析技术相结合，构成了自主作战范式的一部分。在这种范式中，实时态势感知将在作战环境中为机器提供行动所需的战场环境认知能力。
Delta系统每天为乌克兰军方情报源提供数十TB的视频、照片、声音和文本数据流。经过处理后，这些数据会返回前线，但此时是以详细的信息形式呈现，包括敌方位置、装备、行动和活动，并标注在数字地图上。几乎每个单位的指挥官甚至士兵都能通过手机或平板电脑上的统一作战图看到这些信息。
2.1ISR当前面临的挑战
如前文所述，设想中的未来战场与实际情况有很大差异。在ISR方面，人类处理能力限制、数据处理延迟、多源数据合成的复杂性3个主要因素阻碍了乌克兰军方期望的未来自主作战范式的实现。
2.2人工智能如何应对ISR面临的挑战
人工智能具备克服上述限制的能力。人工智能可以将数据快速处理为高质量的情报信息，并能够近实时处理大量多源数据。在广泛的人工智能赋能能力组合中，有多种方法和系统可以帮助应对各种挑战，从在无人机图像中检测敌方装备到解析不同格式的非结构化文本数据。
本报告提供的第一个案例是一款称为Griselda的数据分析平台。该平台是一个由人工智能驱动的非结构化数据处理系统，可以针对多种用途进行定制。该公司创始人Teplukhin分享了这项技术的2个典型应用案例，它们在很大程度上使用了相同的底层方法。
一是分析群聊，以获取可供行动使用的情报。在2022年俄乌冲突爆发之初，作战人员主要通过群聊或Signal等即时通信平台分享情报信息。尽管乌军拥有更先进的通信系统（如Delta）和专门的军事通信渠道，但一些基础平台至今仍被广泛使用。某些渠道每天会收到数千条消息，其中常常包含非结构化和非标准化的战场报告，如发现俄军装备的信息。但如此大量的碎片化数据大幅增加了前线作战人员的信息处理难度，如果没有技术解决方案，几乎不可能及时提取关键信息。
二是对截获的多来源俄方音频通信内容的管理。传统上，处理如此庞大的音频数据集需要投入大量人力资源，包括配备众多分析师的大型呼叫中心，这些分析师负责转录、理解和提取相关细节。这种方法不仅劳动强度大，还容易出错，限制了其效率和可扩展性。
为应对这些挑战，乌克兰军方在这2个案例上利用Griselda展开合作，借助人工智能实现了流程自动化。该系统在关键功能上取代了人工操作，如转录、语义分析，以及从截获的对话中识别实体和关键数据点。此外，人工智能构建了本体图谱，能够在海量的数据集中进行模式识别和语义关联，这些图谱使分析师能够发现人类人工无法洞察的信息和关系。Teplukhin称，通过此类工作流程的自动化，预计人工智能可减少99%的人力需求。从作战角度来看，这一突破大大提高了情报信息处理的准确性和效率。
重要的是，Griselda与Delta系统的集成能够确保所有情报信息在整个指挥链中的即时分发。这些信息随后会在地图上可视化呈现，实现向相关人员的无缝分发，包括部署在发现可疑活动区域的无人机操作员。通过引导无人机前往指定位置，这些操作员可以验证情报，并在必要时收集更多细节，从而增强态势感知和提高作战效率。
2.3乌军利用人工智能发展 ISR 系统的经验教训
利用人工智能可优化实时情报处理资源配置，如自动筛选侦察无人机视频流等大量信息，标记关键内容，让分析师聚焦最相关数据。对军事数据集整理和对信息标注工作进行标准化能够提高人工智能模型开发效率与灵活性，军方和私营部门可合作采用一致协议，分离相关参数、筛选小数据集。构建专业化小规模的人工智能模型，利用大型数据集的特定子集训练以应对特定作战挑战，能够精确求解问题、简化训练过程，使解决方案更加适应任务变化。
2.4人工智能赋能的ISR系统发展趋势
乌克兰军方在军事行动中大力推进人工智能应用，以提升作战能力。一方面，迫切要求将所有无人侦察系统集成到态势感知和火力校正平台，输入共享情报系统，构建全面实时作战态势图；同时转向采用人工智能赋能的实时多传感器融合技术，整合多源数据创建持续更新的作战态势图，增强态势感知能力。另一方面，人工智能系统从基本数据分析向提供战略建议升级，并基于实时情报评估标注潜在威胁，推荐打击目标等。此外，军事机构放宽外部开发者访问审核数据集的限制，助力开发更适应作战需求的先进人工智能模型。人工智能赋能的实时态势感知为联合全域作战和盟军的协同行动奠定基础，帮助决策者快速调配资源、识别威胁并把握战机。
3 人工智能在ATR中的应用
ATR是一套用于自动检测、分类和跟踪物体或人员的技术。其核心是模式识别算法，该算法将接收到的传感器数据与一组已知模板或行为模型进行匹配，将异常特征标记为潜在目标。ATR在军事领域并非新概念，但人工智能改变了其工作方式和系统开发方式，提升了性能并降低了成本，而此前这些应用往往因成本过高而难以实现。
3.1ATR当前面临的挑战
尽管ATR技术在现代战场上已不可或缺，但它仍然面临着巨大挑战。虽然在受控环境中表现良好，但在实战复杂动态条件下，其适应性和精度会下降。配备ATR 功能的有人操控无人机面临使用诱饵和伪装、电子战干扰、应对低能见度和城市密集环境3个主要挑战。
3.2人工智能如何应对ATR面临的挑战
在复杂作战环境中，人工智能在识别和跟踪目标的速度、准确性和效率方面具有显著优势。将配备人工智能赋能的ATR软件直接集成到无人系统中，可以实现在本地独立网络中处理数据，融合多个传感器的输入，即使是在无法与基地的态势感知系统进行实时通信的情况下，也能使作战人员了解周围环境和目标情况。
人工智能赋能ATR的核心能力在于能够比人类操作员更快速、准确地检测和分类目标。在经过数据集训练（包含真实战场场景）后，先进机器学习算法能够在各种地形和天气条件下区分车辆、人员和建筑物。这些系统可以持续运行而不会疲劳，能够捕捉到人类观察者可能忽略的细微差别，从而识别诱饵和伪装目标。除检测外，人工智能还擅长根据威胁等级、与友军距离及任务目标等因素，对多个目标进行快速优先级排序。
本报告提供的第二个案例是Skydio公司的ATR技术实现从消费级技术到战场人工智能的演进Skydio团队分享了其无人机在乌克兰的应用经历与技术发展。起初，旧款无人机X2因采用静态频率的设计，且基于电子战挑战小的环境研发，缺乏频率敏捷性，在俄乌冲突中面对俄罗斯电子战时，出现通信故障、作战范围缩小等问题，在乌军中声誉受损。
为解决这些问题，Skydio团队在2022—2024年对乌克兰进行30多次访问，将战场经验融入X10D无人机开发。X10D具备抗干扰、无GPS导航及多系统集成能力，虽主要面向商业和公共安全领域，但在ATR上实现突破，使其能够高效执行ISR任务。
自2014年起，Skydio的ATR能力不断升级，从简单的目标跟踪执行发展到具有深度学习复杂检测能力，其团队持续优化模型，提升光电和红外图像检测精度。X10D配备先进热像仪，可通过辐射红外成像判断车辆状态。此外，视觉惯性里程计技术增强了ATR能力，X10D的6个超广角导航摄像头可创建避障3D地图，且通过技术改进，将GPS拒止环境下的导航高度从30m扩展到300m，极大地提升了在开阔战场和城市环境中战术侦察的实用性，尤其适用于GPS信号常受干扰的城市战及相关ISR任务。
为了最大限度地发挥X10D无人机的ATR能力，Skydio已致力于将其集成到乌克兰的指挥控制网络中，包括军方使用的Delta系统和其他机构系统。这种集成使得无人机ISR数据能够在多个单位之间共享，增强了乌军战场态势感知能力。
3.3乌军利用人工智能发展ATR系统的经验教训
将目标识别任务交由无人平台搭载的人工智能ATR系统，能减少人为限制、提升任务成果，让操作员专注高级决策，提高作战效率与态势感知。乌克兰无人机制造商着重开发可与任意无人平台集成的专业化自主能力，以人工智能赋能的ATR功能为核心构建商业模式，推动无人系统领域技术进步。同时，乌克兰工程师借助开源技术和现有计算机视觉模型加速研发、降低成本，整合现成软件解决方案快速创建和部署ATR系统，这种经济高效的策略，对可消耗或一次性平台颇具吸引力，更契合其控制成本的需求。
3.4人工智能赋能的ATR系统发展趋势
配备ATR系统的无人机在实战中展现出卓越效能，促使乌军开始采购更多具备自主能力的无人机。
为无人机配备可负担得起的机载计算机，使人工智能模型能够进行实时目标识别。将低成本处理器直接安装到无人机硬件中，乌军能够部署紧凑型人工智能模块，这些模块无须依赖大量外部处理即可识别目标。这种方法降低了延迟，节省了带宽，并提供了更大作战灵活性。
乌军采用只需较小数据集支撑的人工智能训练技术，简化了无人机任务中的目标识别过程。训练人工智能算法通常需要海量高质量数据支持，而专为较小数据集设计的新型模型能够实现更快速地开发和应用。这种高效性使得乌军即使在训练数据有限的情况下，也能更快部署ATR功能。
为应对诱饵和伪装等不断演进的手段，乌克兰工程师持续对模型进行升级，并频繁使用更新后的作战数据进行再训练。随着对手采用创新方法躲避探测，ATR模型必须不断用真实数据进行优化。此外，ATR系统的模块化集成方法扩大了该技术在各种无人平台上的适用性。例如，当炮塔配备ATR系统时，其瞄准和射击精度会大幅度提高。
4 人工智能在自主导航中的应用
虽然无人机追击俄军士兵的画面以及动辄价值数百万美元的装备损毁评估可能会吸引公众关注，但这些并不能完全体现其中的复杂性。乌克兰前线操作员透露，大多数小型、低成本的第一人称视角（First Person View，FPV）无人机的任务成功率仅为10%~15%，即使是技术娴熟的操作员，成功率通常也只能达到30%~50%，而“最后一公里导航”系统可大幅度提高任务的成功率。
在乌克兰军方，“最后一公里导航”特指无人机在进入可视范围且操作员确认目标后，引导其完成最后进近阶段的机制。虽然，最初“最后一公里导航”解决方案被设计为集成功能，但现在已经作为独立系统进行采购，可以安装到各种无人机平台上。尽管其集成需要进行如加装紧凑型计算芯片或将模拟相机更换为数字相机等硬件升级，但这些改造相对简单，为实现更自主的无人机作战提供了灵活途径。
4.1自主导航当前面临的挑战
无人机打击任务成功率较低，主要面临4类关键挑战：一是人为因素。FPV无人机需专业技能人员操控，容错率低，并且信号延迟、恶劣天气、目标不可预测及战场威胁等压力因素都会增加操作员失误概率，凸显“最后一公里导航”的重要性。二是电子战。俄乌双方的干扰与欺骗技术会切断无人机通信链路，且乌军自身电子战行动产生的友军干扰，也给无人机操作带来复杂性。三是无线电波受物理特性限制。视距传播易因障碍物中断信号，而战场环境下中继系统难以保证可靠性，加大了导航与进近难度。四是攻击移动目标。无人机追击方向不同，相对速度有别，留给操作员调整路径的时间窗口不一，横向或垂直方向运动更增加了攻击难度，对操作员技能与反应能力要求极高。
4.2人工智能如何应对自主导航面临的挑战
要克服战场无人机行动所面临的挑战，实现自主导航是重要一步。自主导航利用机器学习技术，而非固定的基于规则的指令。通过将先进的人工智能算法和传感器套件直接集成到无人机上，这些平台无须操作员持续发出指令，即可即时独立做出关于飞行路径、定位和避障的决策。本质上，无人机是利用机器视觉和深度学习算法构建周围环境的动态图像，使其能够绘制环境地图，在无GPS信号的情况下确定自身位置，并动态规划路线以避开意外出现的危险。
一旦通过ATR或操作员手动输入确定目标，向自主飞行的过渡就变得尤为关键。在此阶段，“最后一公里导航”系统直接控制飞行，规划最后的进近和交战路径。依靠实时传感器输入，无人机可以根据阵风、地形变化或意外障碍物等变量进行调整。
本报告提供的第三个案例是VGI-9自主导航系统。无人机制造商透露，VGI-9是目前使用最为广泛的目标瞄准系统之一。它将FPV无人机升级为半自主武器系统，使它能够锁定目标，并精确打击时速达到80km的移动目标。
每次任务前，该系统需要输入安全PIN码才能激活瞄准功能。因此，即使对手捕获了无人机，若没有该代码，也无法使用其目标瞄准能力。无人机起飞后，操作员可通过实时视频将其引导至作战区域，操作员还可以观察屏幕角落的放大画面的实时视频，实现精准目标识别。
该系统持续监测电子战威胁。屏幕界面通过接收信号的强度和信噪比指标来提供信号干扰的实时反馈。如果存在敌方干扰，信噪比值会降至接近或低于零，这表明无人机链路受到严重干扰。
为应对此情况，无人机配备了巡航控制模式。当无人机受到干扰时，操作员可保持稳定的飞行高度并激活巡航控制模式。顾名思义，一旦启动该模式，它会锁定无人机的高度、速度和方向，使无人机即使在信号严重干扰区域也能维持既定航线。这种故障保护机制不仅能够避免无人机因失联而坠毁，还能保证无人机绕过干扰区并保持在干扰区外运行——敌方部队或高价值装备可能就位于该区域。仅此一项功能，就能显著提升任务成功率。
当无人机接近目标区域时，操作员搜索目标，一旦目视确认目标，操作员将激活目标锁定功能，此时，控制模式从手动飞行切换到自主攻击。无人机的机载系统锁定选定的目标点后，在无须飞行员进一步输入的情况下开始向目标靠近。如果通信链路仍然可用，则飞行员保留有限的微调能力。通过右操纵杆，操作员可以微调无人机轨迹，以确保最佳攻击效果（如瞄准敌方坦克装甲最薄弱部位）。
在完全自主攻击中，该系统能够确保无人机在即使没有飞行员干预的情况下也能保持攻击路线。无人机的机载人工智能负责最后的导航，以确保最高命中概率。
4.3乌军利用人工智能发展自主导航系统的经验教训
自主导航使无人机打击成功率提高了3～4倍。通过减少对持续人工操控和稳定通信（二者都容易受到电子战和人为压力的影响）的依赖，自主无人机将目标打击成功率从10%~20%提高到 70%~80%。来自乌克兰不同军事组织和公司的多位受访者都认同这些数据的准确性。如此高的可靠性降低了对操作员技能水平的要求，使更多作战人员能够使用这些武器系统。
配备自主导航的无人机通过最大限度地减少无人机损失和任务尝试次数，降低了总体打击成本。这些无人机能够高效执行任务并返回基地，减少了所需替换单元的数量。
4.4人工智能赋能的自主导航系统发展趋势
乌克兰正积极推进独立自主模块的实战部署，为后续规模化采购和前线部署铺平道路。乌军已启动自主模块的编码工作，并将其投入使用，以实现规模化采购。乌克兰军方正在推进模块标准化工作，并制定其集成和使用指南，能够更快地使其武器库和战术适应作战需求。
无人机培训项目将自主导航纳入核心课程，以适应自导系统日益普及的趋势。无人机操作员培训机构已认识到向人工智能辅助飞行的转变，目前正在培训学员掌握手动和自主操作无人机技能。使用自主功能的平均培训时间不足24小时。实现从起飞到任务执行，再到着陆的完全自主飞行，有助于降低乌军运行无人机的成本和对设备持续补充的需求。
5 结 语
目前，乌克兰的现代无人系统尚未实现完全自主。虽然人工智能在从ISR到ATR及导航等特定能力方面有显著提升，但这些提升范围有限。让人类远离直接战斗的需求仍然是推动自主作战发展的愿景，但真正的自主性程度有限，这也反映了当前技术的局限性。
乌克兰并未采用全面的端到端解决方案，而是采取了循序渐进的方法，逐步引入人工智能来应对特定作战挑战。这种方法不仅反映了当前作战的现实，也展示了“目标选择”和“最后一公里导航”等军事概念如何转化为实战功能的实践路径。
总体而言，人工智能在简化数据分析、减少人为错误和应对电子战方面发挥了重要作用，但它仍需要人类监督，尤其是在交战决策方面。虽然多样的功能使乌克兰的无人系统更接近完全自主愿景，但它们尚未融合成一个无缝集成的自主作战过程。
作者简介
美国战略与国际问题研究中心（U.S. Center for Strategic and International Studies，CSIS）：1962年成立，是美国国内规模最大的国际问题研究机构，主要关注美国国家安全和外交政策问题。
来源：信息安全与通信保密
