近年来，日本政府将防卫装备智能化建设提高到新的台阶，通过多阶段、多方位的政策布局构建研发生产框架，并推出多项配套措施营造良好的研发环境。日本防卫省通过军民合作、国际合作两手并用的方式，企图加快智能化装备技术生成速度。但囿于日本国防产业的内生性矛盾、日本国内舆论的反对声音和社会结构断层等多重因素，日本推动防卫装备智能化研究还存在一定的局限性。

战略驱动：政府文件聚焦智能装备研发

多份文件明确装备智能化建设重要性。2014年日本《防卫生产和技术基础战略》即指出无人装备发展“可能对军事战略和军力平衡产生重大影响”，但初期研发主要聚焦无人机。2016年，防卫省《中长期技术展望》将无人化、智能化列为重点，提出以无人机为中心的研发路线图。同年8月，防卫装备厅《未来无人装备的研发前景》强调AI技术进步将推动无人系统应用扩展，并计划在陆、海、空三大领域推进装备“无人化”。

随着日本将AI提升至战略层面，其AI与装备融合的思路更加开阔。2022年12月，岸田内阁通过“安保三文件”，标志着防卫政策的重大转变。其中《国家防卫战略》多次提及AI应用，主张研究AI与有人/无人装备融合，用于情报侦察、警戒监视和战斗支援，以获取非对称优势。2024年7月，防卫省首次推出AI军事应用专题文件《推进人工智能有效应用的基本方针》，明确提出制定研发指南、深化联合研发等措施以推动AI装备发展。

2022年12月，时任日本首相岸田文雄主持内阁会议，通过“安保三文件”

多项政策激励军民合作环境构建。日本的智能化武器装备研发高度重视“官民产业合作”，即民间资本和企业的参与。二战后，日本学术界长期禁止军事研究，防卫当局主要与军工企业合作，而近年来随着可用于军事的两用技术涌现及军事研究定义模糊化，日本防卫省改变政策，积极寻求学术界支持。约2004年起，防卫省开始派遣技术官员赴大学交流，建立“技术交流”制度，开展数据交换、实验室共享等。2013年—2015年，防卫省与13家大学或地方机构在无人潜航器、机器人控制、爆炸物探测和信息安全等领域进行了技术交流。2013年12月，主张“积极和平主义”的安倍政府推出颠覆性技术创新计划（ImPACT），旨在通过高风险高影响研究推动变革。同月发布的《防卫计划大纲》明确提出“调动产业界、学术界和政府力量”，加强合作利用两用技术。2024年10月，防卫省成立防卫创新技术研究所，效仿美国DARPA模式，通过公开招标、聘用项目经理、政府资助等方式，探索前沿科技并快速应用，以促进防卫创新。

双轨推进：军民跨国合作突破关键技术

军民合作聚力研发关键技术。2015年，日本防卫装备厅启动“安全保障技术研究推进制度”，针对大学、独立行政法人、大学衍生企业以及公司提交的两用技术研发课题进行遴选和资助。该框架明确指出，成果将用于“未来装备的研发”，以及日本防卫、救灾和国际和平合作活动等。日本防卫装备厅先后4次对该框架进行修改，包括进一步明确目标、细化内容、规范程序等，不断完善并确保措施的科学性和有效性。

自“安全保障技术研究推进制度”启动至今，社会层面提交的课题申请数量总体呈上升趋势，特别是2024年较前一年增幅高达70%，该制度较为成功地调动起社会层面参与两用技术研发课题的积极性。2015年—2024年，日本防卫装备厅共收到社会层面1067件课题申请，采用了190件。其中，人工智能有关课题共9件，占比约5%，在按学科分类的课题总数中排名第6，涉及人机协作、群体智能、智能辅助识别、辅助决策控制等多个研究方向，其中类脑智能和网络安全方向有关课题占比较大，可以推断为当前日本重点研发的智能化装备技术。

‌类脑智能在军事中的应用主要体现在脑机接口（BMI）技术上，该技术通过模拟人脑的神经元活动，实现与外部设备的交互和控制。日本防卫装备厅资助研发的类脑计算和类脑芯片技术，可以高效处理和分析海量战场数据，提供精准的战场态势感知，也可以应用于穿戴式装备，通过脑电波控制无人机群行动。

网络安全技术可以运用于作战、情报搜集、通信等多个环节，结合日本研发的有关课题来看，当前日本重点攻关未知威胁检测与漏洞管理、复杂网络攻击自动响应2个研究方向，旨在构建2个系统，分别是利用人工智能检测未知安全缺陷系统，以及利用人工智能自动检测和响应网络攻击的系统。

国际合作促进成品智能化装备研发生产。2014年《防卫装备转让三原则》出台以来，日本政府密集开展双边防卫装备和技术合作协议缔结工作。截至2025年，日本已经与16个国家缔结《防卫装备和技术转让协定》，并在该框架下实施多项防卫装备出口活动。日本注重与美国、英国、法国、澳大利亚等技术先进的国家合作，旨在获取先进装备技术，其中，日本开展智能化装备联合研发的动向也十分突出。2023年12月起，日本与美国联合研发将AI应用于无人机的技术，具备与下一代战斗机相连接的功能。2024年1月起，日本与澳大利亚围绕水下自主无人潜航器技术展开合作，并表示该技术有助于提升不对称优势。2024年3月，日本与印度围绕地面无人车、机器人的图像定位技术开展的联合研发活动告一段落。

2024年10月21日，日本东京举办的“国际航空宇宙展”上展出的AI无人机

挑战并存：智能系统融入防卫装备前景

技术短板与投入不足的内生性困境。日本在主战装备技术研发上基本不具备自主性。二战结束以来，日本自卫队主战装备大部分依赖进口或许可生产，最具代表性的是日本历代战斗机均从美国进口或购买生产线生产，主战装备缺乏自主知识产权。同时，美国牢牢把控着日本自卫队主战装备的核心技术，允许日本生产重要装备和系统，但在装备整体研发验收后有关成品和技术需全部提供给美国，防范日本借机掌握核心技术。举例来说，20世纪80年代，美国反对并阻挠日本研发F-X新一代战斗机，强迫日本接受40%零部件由美国提供的方案，并要求日本将研发的新型隐形涂料等先进技术无偿赠送给美国，旨在遏制日本军工产业的创新能力。因此，日本在部分高端技术的研发生产上仍需看美国脸色行事，不排除日本智能化装备研发后再次经历被美国巧取豪夺的可能性，即使日本研发出智能化技术，也不一定能投入生产并交付自卫队使用。

日本防卫省公布的F-X新一代战斗机概念图

此外，日本军工研发的预算投入长期在低位徘徊。相较于其他发达国家，日本用于军工的研发规模有限。以2019年为例，日本政府军工研发拨款比例为3.04%，而美国则高达46.66%，韩国以15.52%的比例大幅高于日本。2022年底，日本政府决定未来五年大幅扩大军事预算规模至43万亿日元；在2023财年增至6.8万亿日元的预算中，用于技术研发的比例微增至3.3%，预算额约为2201亿日元。日本2024财年政府防卫预算同比上涨16.5%，其中防卫装备研发预算达8225亿日元，约占总额的10.3%，虽然比例有所上升，但距离世界主要军火出口国仍有一段距离。

国内反对舆论对装备技术研发的束缚。目前，日本学术界仍对科研成果转化为军事用途持审慎态度。日本大学和研究机构对于防卫装备厅“安全保障技术研究推进制度”提出的资助申请，由2016年的44个增加到2017年的104个，又于2018年减少到73个。造成该现象的直接原因是，2017年，在日本学术界具有极大影响力的日本科学委员会明确坚持不鼓励大学开展军事相关研究的政策，警告研究成果可能被用于军事用途，这表明学术界在开展军事相关研究方面仍然犹豫不决。

2022年12月，日本民众针对日本政府增加防卫预算展开抗议活动

日本民众追求和平的夙愿同样不容忽视。近年，日本外务省围绕安全保障问题开展的舆论调查显示，64%的受访者认为发挥作用保护日本和平与安全的是和平宪法。2014年，日本媒体《中日新闻》针对放宽武器出口三原则进行民意调查，结果显示66.8%的受访者持不支持态度。2024年初日本媒体围绕日本的防卫装备出口政策进行的舆论调查显示，30%的人认为根本不应该允许出口。可见追求和平的诉求在日本民众中仍具备一定声量，如果有争议的防卫装备出口交易或出口装备被滥用的消息被披露，可能会迅速激起公众的反军国主义情绪。另一方面，多个民间组织对日本调整防卫装备出口政策持反对意见。2015年底，民间组织“反对日本武器贸易网络”（NAJAT）成立，多次组织集会，并开展反对活动，负责人杉原浩司在2024年3月举行的反对集会上批评道，“解除致命武器出口禁令，无异于修改宪法，这将使日本再次与世界为敌，沦为‘死亡商人’”。

机器学习系统能力构建受制于社会结构断层。日本人力资源的短缺是制约装备数据库构建的关键因素。对于机器学习系统而言，训练系统中数据的数量和质量直接决定了输出内容的准确性，因此对原始数据进行预处理的工作至关重要，随着数据收集来源的增加，数据预处理对人力的需求更加旺盛。此外，创建教师数据集（将正确答案分配给精细的训练数据）的工作同样需要大量的人工参与。人力密集型方法对于构建机器学习系统的能力而言是必不可少的。

日本航空自卫队面临装备出动率低迷困境

然而，当前的日本正深陷老龄化、少子化泥沼，劳动力严重短缺，开展人力密集型工作极为困难。日本自卫队也因少子老龄化问题出现兵员不足、人手短缺的问题，许多岗位长期处于缺员状态。并且，人工智能数据的训练需要配备具备专业技能知识的人员操作，而自卫队在与民营企业争夺人才时往往处于劣势。可以预见人力资源短缺将对智能化装备系统的数据库训练产生限制。

此外，日本自卫队可用于构建数据库的基础数据量本身相当稀缺，这直接导致了数据预处理周期漫长。例如，航空自卫队现役飞机数量少，且受限于零部件供应、采购效率及国产化周期等问题，装备出动率持续低迷，导致可收集的维护数据极为有限且耗时冗长。此外，新旧型号警戒管制雷达（模拟电路与数字电路）所需数据格式迥异，进一步增加了数据收集与预处理的复杂性。数据匮乏同样严重影响推理模型质量。关键在于模型验证与确认（V&V）需要独立的评估数据集，然而可用数据总量有限，难以支撑从训练数据中分离出足够的评估集，致使V&V工作不充分，最终影响了应用于军事装备的智能化推理系统的准确性。

版权声明：本文刊于2025年 9 期《军事文摘》杂志，作者：干雨乔，如需转载请务必注明“转自《军事文摘》”。

声明：本文来自军事文摘，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。