编者按：根据预算文件，美国网络司令部2027财年“用于网络空间作战的人工智能”项目预算申请达1.38068亿美元，较2026财年的500万美元增长约26倍。该项目旨在通过人工智能和机器学习能力的开发、集成与部署，提升美军网络空间作战的速度、规模和精度。美国网络司令部预计该项目2028财年投资为1.24329亿美元，2029财年为5000.1万美元，2030财年为4719.3万美元，2031财年为4813.7万美元，2026财年至2031财年总体投入达4.12728亿美元。
该项目预算说明指出，敌对国家正在大力投资人工智能、云计算和高级分析技术，以获取战略优势并威胁美国的关键基础设施；为保持决策优势，美国网络司令部必须部署人工智能能力，使网络作战人员能够处理海量数据、识别恶意活动并比仅靠人工操作更快地应对威胁；人工智能工具能够以机器速度发现、分析和反制敌方活动，从而确保美国在网络空间保持行动自由；美国网络司令部将推进新兴人工智能和机器学习能力的发展，以提升网络空间作战的速度、规模和精度；该项目旨在采购、开发和整合符合美国网络司令部作战需求的人工智能能力，重点是将成熟的商业和政府开发技术应用于网络任务部队的任务工作流程中；相关投资将使美国网络司令部能够加快决策速度，改进威胁检测，并提高网络攻防作战的效能；相关能力符合美国网络司令部已验证的需求和“联合网络作战架构”，包括自动化威胁检测、预测分析、任务规划增强以及能够提升网络作战人员效能的高级数据处理工具。
该项目投资将在四个特定领域带来“可衡量的”改善：一是情报、监视与侦察。开发人工智能驱动的分析能力，旨在加速大规模数据集的处理，并提升攻防任务中的态势感知能力，从而直接提升关键网络和重要地形的分析优势和决策能力。具体工作包括：识别、访问和存储关键任务数据集；部署用于表征网络空间地形的原型分析工具；推进用于追踪敌方活动和支持侦察任务的人工智能和机器学习技术。二是增强进攻性网络作战。扩展人工智能赋能的目标开发、自动化规划和任务依赖性分析，以提高作战效率。利用人工智能能力缩短目标选择周期，加快任务规划，并将自动化集成到人工工作流程中，从而提高操作人员的效率。相关改进将增加指挥官可用的可行作战方案数量，并增强美国网络司令部大规模完成任务优先事项的能力。三是增强防御性网络作战。推动自动化情报利用，加速恶意软件分析以支持“前出狩猎行动”，并规范报告流程，从而简化补救措施和任务保障。利用人工智能和机器学习能力对海量网络和主机日志进行分类，检测绕过基于特征码防御的异常行为，并分析大型数据流以保护核心指挥控制功能。相关改进可减少防御者的警报疲劳，并使其能够更快、更精准地应对高级持续性威胁。四是综合性基础活动。支持支撑跨任务功能的人工智能能力，包括人工智能保障、指挥控制增强、模型训练和技术人才培养。建立机器学习运维服务，在作战环境中部署基于云的生成式人工智能模型，并集成检索增强生成和代理式人工智能框架。构建模型溯源、安全性和风险评估的原型流程，以加速在整个美国网络司令部安全采用先进的人工智能能力。
该项目已经取得的成就包括：一是完成18项不同的90天人工智能作战能力发展计划，带来了可量化的任务效益；二是将4项人工智能能力过渡到网络任务部队内部的作战运用，包括具有检索增强生成的大模型，可加速情报分析、目标决策和作战数据处理，以支持情监侦和进攻性网络作战任务；三是通过采购GPU来本地托管大模型，并向网络任务部队提供在线大模型访问权限，交付了基础人工智能基础设施，从而能够快速试验并将人工智能能力集成到任务工作流程中；四是推进人工智能“副驾驶”开发，以支持网络攻防作战人员，加速恶意软件分析，并增强整个任务生命周期中的目标开发流程；五是建立了初步的反人工智能开发和测试环境，构建了评估和缓解敌方人工智能能力所需的基础设施。
该项目2026财年和2027财年的资金将用于三大方向：一是实现人工智能在战役级规模下的落地，实现快速响应，并显著缩短计划和目标选择周期；二是扩展人工智能赋能的情监侦、进攻性网络作战、防御性网络作战和基础能力，提高自动化程度，加快任务吞吐量，并提升整个网络任务部队的分析深度；三是通过整合先进的人工智能能力，增强对复杂网络威胁的检测、表征和缓解能力，从而加强对国家基础设施的防御。
该项目2026财年资金将使美国网络司令部所属的网络国家任务部队能够继续执行为期90天的敏捷人工智能试点周期，从而能够针对实际作战用例测试、验证和迭代人工智能能力。重点工作包括：一是快速进行人工智能原型设计和验证，重点在于改进威胁检测、自动化数据分析以及加快网络任务部队任务中的决策制定；二是对减少手动工作量、提高威胁搜寻效率和提高任务吞吐量的人工智能应用进行运行测试；三是尽早发现集成挑战并制定最佳实践，以支持在整个美国网络司令部内更广泛地采用；四是开展基础人工智能活动，包括在作战环境中部署基于云的人工智能模型，以及构建模型溯源、安全性和风险评估的原型流程，从而实现安全快速地采用先进的人工智能功能。
该项目2027财年资金将投资于所有四个特定领域，从而在战役层面实现AI赋能的效果，推进美国网络司令部将人工智能集成到“联合网络作战架构”并加速任务影响的战略优先事项。重要举措包括：一是在整个美国网络司令部内复制人工智能工作组，以扩大成功的试点成果，并将人工智能赋能的任务工作流程制度化；二是提供多个密级的大模型访问权限，使情监侦、网络攻防作战团队能够在各种作战环境中利用先进的分析能力；三是建立人工智能架构，实现数据流自动化、加快任务执行速度并提高操作员效率；四是将人工智能融入网络安全人才培养管道，包括将其纳入“持续网络培训环境”，确保网络任务部队团队接受培训，能够运用人工智能赋能的能力。在情监侦增强方面，扩展人工智能和机器学习应用，以改善对网络攻防作战任务的情监侦支持；不断调整分析模型以适应不断变化的敌方战术、技术和程序；实施验证和确认机制，以确保人工智能生成的情报的准确性和可信性，并且经过操作员验证。在进攻性网络作战增强方面，整合智能数据分类、自动化规划、任务依赖性监控和快速目标开发；通过人工智能赋能的自动化，加快任务规划速度，减轻操作员的工作负荷；增加指挥官可用的作战选项数量和及时性；优先利用人工智能技术攻击敌对势力和恶意网络空间行为体使用的关键技术。在防御性网络作战增强方面，扩大分析师能力，以识别国防部信息网络、国家安全系统和关键基础设施中的恶意行为体；将网络威胁情报与合作伙伴机构的情报相融合，以驱动防御行动的优先排序；加快“前出狩猎行动”中的恶意软件分析；为IT和OT环境开发具备人工智能能力的协议分析原型。在综合性基础活动方面，通过人工智能赋能的能力，增强网络作战的指挥控制、规划、训练和演练；优化各密级的数据存储，以支持高性能人工智能模型；实施机器学习运维能力，加速人工智能的开发和部署；扩大在作战环境中对基于云的生成式人工智能模型的访问；整合检索增强生成和代理式人工智能框架；继续开展人工智能保障活动，以验证人工智能输出并确保操作人员的信任。
该项目将综合运用竞争性合同方式、灵活的采购途径以及与业界和政府领先人工智能机构的合作；将在可行的情况下采用全面公开竞争的方式，结合固定价格和成本加成两种合同模式，以平衡成本控制与技术风险；还将利用其他交易授权加速新兴人工智能技术的原型开发、试验和集成。具体来说，该项目将采取“三管齐下”的采购策略：一是采购商用现成能力，以最小修改快速集成，从而快速产生任务效益；二是通过服务模式获取人工智能能力，包括访问基于云的人工智能模型、分析服务以及支持快速扩展和持续改进的专用人工智能开发环境；三是修改或增强现有功能，或开发新的人工智能工具，确保能够快速、迭代地交付符合作战需求的基于软件的人工智能能力。该项目采购策略目标包括：一是快速交付创新且与任务相关的人工智能能力，同时确保资源的合理利用并与美国网络司令部的作战优先事项保持一致；二是确保所有人工智能赋能能力都能通过美国网络司令部的作战平台，在整个网络任务部队中实现访问、互操作和部署；三是使美国网络司令部能够快速、大规模地整合尖端人工智能技术，保持对对手的技术优势，并确保整个美国国防部信息环境的任务准备就绪。
奇安网情局编译有关情况，供读者参考。
2026 财年，美国网络司令部仅为其“用于网络空间作战的人工智能”项目申请了500万美元，这是该司令部首次专门用于人工智能的支出。在2027财年的预算申请中，该项目的预算飙升至1.38068亿美元，相当于增加了2660%。值得注意的是，美国网络司令部预计未来该项目投资将会下降。其中，2028财年降至1.24329亿美元，2029财年降至5000.1万美元，2030财年降至4719.3万美元，2031财年微升至4813.7万美元。
1►
任务描述和预算项目说明
美国网络司令部正在推进新兴人工智能/机器学习（AI/ML）能力的发展，以提升网络空间作战的速度、规模和精度。此项工作包括评估商业和政府开发的研究项目，并开发专门的AI/ML能力，以便将其集成到网络任务部队（CMF）的作战工作流程中。这些投入将使美国网络司令部能够加快决策速度，改进威胁检测，并提高防御性网络空间作战（DCO）和进攻性网络空间作战（OCO）的效能。
敌对国家正在大力投资人工智能、云计算和高级分析技术，以获取战略优势并威胁美国的关键基础设施。为了在这种环境下保持决策优势，美国网络司令部必须部署人工智能能力，使网络作战人员能够处理海量数据、识别恶意活动并比仅靠人工操作更快地应对威胁。人工智能工具能够以机器速度发现、分析和反制敌方活动，从而确保美国在网络空间保持行动自由。
这项资金用于支持人工智能/机器学习能力的开发、集成和部署，这些能力符合美国网络司令部已验证的需求和“联合网络作战架构”（JCWA）。这些能力包括自动化威胁检测、预测分析、任务规划增强以及能够提升网络作战人员效能的高级数据处理工具。面对快速演变的网络威胁和颠覆性技术，持续投资对于保持美国网络司令部的竞争优势至关重要。
2►
已取得的成就/规划项目
标题：“用于网络空间作战的人工智能”
描述：美国网络司令部正在加速采用和整合人工智能和机器学习（AI/ML）技术，以提升网络空间作战的速度、规模和精度。本项目旨在采购、开发和整合符合美国网络司令部作战需求的人工智能能力，重点是将成熟的商业和政府开发技术应用于网络任务部队的任务工作流程中。
该项目下的人工智能投资旨在四个主要作战领域实现可衡量的改进：
情报、监视与侦察（ISR）：资金用于开发人工智能驱动的分析能力，旨在加速大规模数据集的处理，并提升攻防任务中的态势感知能力。具体工作包括：识别、访问和存储关键任务数据集；部署用于表征网络空间地形的原型分析工具；推进用于追踪敌方活动和支持侦察任务的人工智能/机器学习技术。这些能力将直接提升关键网络和重要地形的分析优势和决策能力。
增强进攻性网络作战（OCO）：资金用于扩展人工智能赋能的目标开发、自动化规划和任务依赖性分析，以提高作战效率。人工智能能力将缩短目标选择周期，加快任务规划，并将自动化集成到人工工作流程中，从而提高操作人员的效率。这些改进措施增加了指挥官可用的可行作战方案数量，并增强了美国网络司令部大规模完成任务优先事项的能力。
增强防御性网络作战（DCO）：资金用于推动自动化情报利用，加速恶意软件分析以支持“前出狩猎行动”（HFO），并规范报告流程，从而简化补救措施和任务保障。人工智能/机器学习能力可对海量网络和主机日志进行分类，检测绕过基于特征码防御的异常行为，并分析大型数据流以保护核心指挥控制（C2）功能。这些改进可减少防御者的警报疲劳，并使其能够更快、更精准地应对高级持续性威胁（APT）。
综合性基础活动：资金用于支持支撑跨任务功能的人工智能能力，包括人工智能保障、指挥控制增强、模型训练和技术人才培养。投资用于建立机器学习运维服务，在作战环境中部署基于云的生成式人工智能模型，并集成检索增强生成（RAG）和代理式人工智能框架。此外，还致力于构建模型溯源、安全性和风险评估的原型流程，以加速在整个美国网络司令部安全采用先进的人工智能能力。
迄今为止取得的成就：
美国网络司令部已完成18项不同的90天人工智能作战能力发展计划，每一项都展现了可衡量的任务价值。
将4项人工智能能力过渡到网络任务部队（CMF）内部的作战运用，包括具有检索增强生成（RAG）的大语言模型（LLM），可加速情报分析、目标决策和作战数据处理，以支持情监侦和进攻性网络作战任务。
通过采购GPU来本地托管大语言模型（LLM），并向网络任务部队（CMF）提供在线LLM访问权限，交付了基础人工智能基础设施，从而能够快速试验并将人工智能能力集成到任务工作流程中。
推进人工智能“副驾驶”开发，以支持进攻性网络作战和防御性网络作战操作员，加速恶意软件分析，并增强整个任务生命周期中的目标开发流程。
建立了初步的反人工智能开发和测试环境，网络国家任务部队（CNMF）与美国网络司令部协调，构建了评估和缓解敌方人工智能能力所需的基础设施。
2026财年和2027财年的计划投资将：
实现人工智能在战役级规模下的落地，实现快速响应，并显著缩短计划和目标选择周期。
扩展人工智能赋能的情监侦（ISR）、进攻性网络作战（OCO）、防御性网络作战（DCO）和基础能力，提高自动化程度，加快任务吞吐量，并提升整个网络任务部队（CMF）的分析深度。
通过整合先进的人工智能能力，增强对复杂网络威胁的检测、表征和缓解能力，从而加强对国家基础设施的防御。
2026财年计划
500万美元的资金将使网络国家任务部队（CNMF）能够继续执行为期90天的敏捷人工智能试点周期。该快速评估框架使美国网络司令部能够针对实际作战用例测试、验证和迭代人工智能能力。这种方法确保只有最有效的技术才能走向实际应用，同时保持应对不断演变的敌方战术的灵活性。
2026财年重点工作包括：
快速进行人工智能原型设计和验证，重点在于改进威胁检测、自动化数据分析以及加快网络任务部队（CMF）任务中的决策制定。
对减少手动工作量、提高威胁搜寻效率和提高任务吞吐量的人工智能应用进行运行测试。
尽早发现集成挑战并制定最佳实践，以支持在整个美国网络司令部内更广泛地采用。
开展基础人工智能活动，包括在作战环境中部署基于云的人工智能模型，以及构建模型溯源、安全性和风险评估的原型流程，从而实现安全快速地采用先进的人工智能功能。
这些努力确保美国网络司令部能够快速识别高价值的人工智能能力，并将其快速转化为任务工作流程。
2026财年的资金还将用于支持一些基础性活动，包括在作战环境中部署基于云的AI模型，以及构建模型溯源、安全性和风险评估的原型流程。这些活动将有助于在整个美国网络司令部安全、快速地采用性能更强大的AI能力。
2027财年计划
美国网络司令部将利用1.38068亿美元的资金，在所有四个重点领域——情报、监视与侦察（ISR）、增强进攻性网络作战（OCO）、增强防御性网络作战（DCO）和综合性基础活动——扩展和部署人工智能（AI）能力，从而在战役层面实现人工智能赋能的效果。这项投资推进了美国网络司令部将人工智能集成到“联合网络作战架构”（JCWA）并加速任务影响的战略优先事项。
2027财年主要举措包括：
在整个美国网络司令部内复制人工智能工作组，以扩大成功的试点成果，并将人工智能赋能的任务工作流程制度化。
提供多个密级的大语言模型（LLM）访问权限，使情监侦、进攻性网络作战和防御性网络作战团队能够在各种作战环境中利用先进的分析能力。
建立人工智能架构，实现数据流自动化、加快任务执行速度并提高操作员效率。
将人工智能融入网络安全人才培养管道，包括将其纳入“持续网络培训环境”（PCTE），确保网络任务部队（CMF）团队接受培训，能够运用人工智能赋能的能力。
情监侦增强：
扩展人工智能/机器学习应用，以改善对进攻性网络作战和防御性网络作战任务的情监侦支持。
不断调整分析模型以适应不断变化的敌方战术、技术和程序（TTP）。
实施验证和确认机制，以确保人工智能生成的情报是准确的、可信的，并且经过操作员验证。
进攻性网络作战增强：
整合智能数据分类、自动化规划、任务依赖性监控和快速目标开发。
通过人工智能赋能的自动化，加快任务规划速度，减轻操作员的工作负荷。
增加指挥官可用的作战选项数量和及时性。
优先利用人工智能技术攻击敌对势力和恶意网络空间行为体使用的关键技术。
防御性网络作战增强：
扩大分析师能力，以识别国防部信息网络、国家安全系统和关键基础设施中的恶意行为体。
将网络威胁情报与合作伙伴机构的情报相融合，以驱动防御行动的优先排序。
加快“前出狩猎行动”中的恶意软件分析。
为IT和OT环境开发具备人工智能能力的协议分析原型。
综合性基础活动：
通过人工智能赋能的能力，增强网络作战的指挥控制、规划、训练和演练。
优化各密级的数据存储，以支持高性能人工智能模型。
实施机器学习运维（MLOps）能力，加速人工智能的开发和部署。
扩大在作战环境中对基于云的生成式人工智能模型的访问。
整合检索增强生成（RAG）和代理式人工智能框架。
继续开展人工智能保障活动，以验证人工智能输出并确保操作人员的信任。
2026财年至2027财年增减情况说明
此项资金申请反映了美国网络司令部优先考虑在“联合网络战架构”（JCWA）中扩展人工智能驱动能力，以及扩大人工智能在美国网络司令部各项任务中的集成范围。新增资源将加速试点成功能力向作战应用的过渡，扩大人工智能在不同密级下的访问权限，并支持对美国国防部和美国网络司令部任务至关重要的人工智能工具的快速开发、部署和管理。资金增加也反映出，为应对快速发展的敌方能力，在作战规模上应用人工智能的紧迫性日益增强。
3►
采购策略
“用于网络空间作战的人工智能”采购战略旨在快速交付创新且与任务相关的人工智能能力，同时确保资源的合理利用并与美国网络司令部的作战优先事项保持一致。该战略综合运用了竞争性合同方式、灵活的采购途径以及与业界和政府领先人工智能机构的合作。
美国网络司令部将在可行的情况下采用全面公开竞争的方式，结合固定价格和成本加成两种合同模式，以平衡成本控制与技术风险。此外，美国网络司令部还将利用其他交易授权（OTA）加速新兴人工智能技术的原型开发、试验和集成，但所有操作均须符合美国网络司令部的采购权限。
该项目将采取三管齐下的采购方式：
采购商用现成人工智能能力：快速获取成熟的商用人工智能工具、模型和平台，这些工具、模型和平台可以以最小的修改集成到操作工作流程中，从而快速交付任务价值。
采购人工智能能力即服务：在适当情况下，通过基于服务的模式从商业供应商或美国政府合作伙伴处获取人工智能能力。这包括访问基于云的人工智能模型、分析服务以及支持快速扩展和持续改进的专用人工智能开发环境。
修改、增强或开发新功能：当现有解决方案无法满足任务需求时，美国网络司令部将根据美国国防部5000.87指令《软件采购路径操作》修改或增强现有功能，或开发新的人工智能工具。这确保了能够快速、迭代地交付符合作战需求的基于软件的人工智能能力。
总体目标是确保所有人工智能赋能能力——无论是采购、以服务形式获取还是自主研发——都能通过美国网络司令部的作战平台，在整个网络任务部队中实现访问、互操作和部署。该战略使美国网络司令部能够快速、大规模地整合尖端人工智能技术，保持对对手的技术优势，并确保整个美国国防部信息环境的任务准备就绪。
声明：本文来自奇安网情局，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。
