近日，美《战争困境》刊载了美博思艾伦咨询公司董事托德·克罗科夫斯基的文章《“烟囱式”系统会扼杀先进AI的萌芽》。文章称，当前，美国防机构部署的多种机器学习与大语言模型系统，因独立开发框架与技术标准不兼容，形成严重的互操作性壁垒。这类封闭式系统通常依赖专有数据集，功能模块耦合度高且透明度不足，虽能独立完成特定任务，却因无法实现跨系统数据共享与协同计算，导致美军难以整合分布式AI战力以应对高阶威胁。文章警告，若不能系统性转向开放协议与标准化架构， AI对军事领域的革命性潜力将被根本性抑制，最终使先进AI系统在技术襁褓中夭折。
开放标准：AI代理协作的基石
人工智能代理（AI Agent）是能自主执行任务的软件实体，其核心能力包括基于AI的决策制定、从经验中自主学习以及与动态环境进行实时交互。这类代理系统的形态谱系广泛，涵盖从简易机器人到能破解复杂战局难题的精密系统。
为释放其全部潜能，AI代理必须具备跨系统通信与协同作战能力。其中，开放标准对实现系统互操作性具有决定性意义——它使异构AI代理能实现数据共享与行动协调，共同攻克单一代理无法解决的体系化难题。
更重要的是，开放标准为这类复杂系统注入透明度。正如AI算法需透明化以建立信任基础，若无这些共享架构框架，人工智能在提供完备作战解决方案方面的实际效能与系统可信度将遭受根本性制约。
AI代理的作战价值与协同缺陷
假设在不久的将来，美国与某特定国家之间爆发冲突。位于第一岛链上的某美军基地内，部队正在准备对对手空中、海上及陆地目标实施精确打击火力攻击。与此同时，对手由人工智能控制的空中与海上无人机群已从多方向发起饱和式攻击。面对大量AI控制的敌方无人机集群高速逼近，该岛美军需部署对等人工智能系统，通过“以智制智”的方模式夺取速度优势。
AI代理在此环境下展现出双重能力：既执行情报分析基础职能，更可围绕指挥官作战意图自主行动——例如组织实施无人机群歼灭任务。
在执行任务过程中，AI代理系统可指挥协调其他 AI单元实施作战协同：通过动态整合机器学习模型，在传感器数据中捕捉远海区域无人机集群的攻击征兆；运用大语言模型预判敌群战术偏好，包括其对防空体系的规避策略。此类防御作战具有高动态特性，需采用基于体系化作战思维的分层防御架构，通过融合不同供应商AI系统来有效应对来袭威胁。
然而，若AI代理无法与其他AI系统实现交互，则无法有效驱动定制化分层防御架构。特别是在封闭式专属系统中，机器学习模型虽可识别传感器数据中的无人机集群特征，却难以与其他AI共享情报以实现协同防御——操作员将被迫手动整合多源信息，并向指挥官人工提报处置方案。同理，大语言模型虽可预判集群战术，但操作员仍须自行关联其他AI生成的情报线索，而战场态势瞬息万变，操作员往往缺乏足够响应时间。这种滞后性可能直接导致防御体系失效。
为此，美国防机构可通过将现有系统接入开放式架构（而非封闭平台）达成AI互操作性。此举将打通系统间信息壁垒，使机构AI（含代理系统）形成有机整体，高效遂行指挥官的作战任务。依托开放平台与标准，作战单元可无缝集成新兴技术以保持对强敌优势。
一旦实现AI互操作后，美国防机构将以全新模式运用先进AI：AI代理系统可强力赋能持续目标跟踪、实时自适应作战、无人集群火力协同、模拟训练及战备状态监测等核心能力。
先进AI既是未来，亦是当下。封闭的“烟囱式”系统或可满足过去需求，但当今战场已无其立足之地。
作者：聂永喜
声明：本文来自国防科技要闻，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。
