刘静申，武警警官学院
人工智能技术与现代军事体系深度融合，是新一轮军事革命的发展趋势。从战略层面的兵棋推演与态势预警，到行动层面的目标筛选与优先级排序，再到战术层面的实时战场感知与临场决策支持，人工智能正在重塑现代战争的作战逻辑、决策流程与力量结构。人工智能军事应用若缺乏有效规制与底线约束，必然引发大规模人道灾难与武装冲突。系统梳理人工智能军事应用场景、解构内生风险、建构治理实现机制，具有重要意义。
一、人工智能军事应用的典型场景
人工智能军事应用根据军事决策的层级结构呈现差异化的功能定位。从战略层面的宏观态势感知，到行动层面的任务分配，再到战术层面的临场决策，人工智能在不同层级都发挥着重要的作用。
（一）战略层面
战略层面的人工智能军事应用聚焦国家国防安全、整体军事战略布局与大国战略博弈的顶层设计，服务于军事高层的长期战略规划、态势预判与风险防控。
其一，军事行动方案分析与战略推演。战略推演是一种面向未来、以达成特定战略目标为导向的系统性分析活动，核心在于评估不同战略选择的可能后果与最优路径。依托机器学习算法与海量历史战争数据、地缘政治数据、对手军事部署数据，人工智能系统可模拟大国冲突、区域局部战争、海上对峙、网络军事对抗等多元潜在战略场景，推演敌我双方战略部署、兵力投送、武器配置、外交博弈等各类变量的互动逻辑。与传统人工推演相比，人工智能驱动的战略推演具有变量纳入能力强、迭代速度快、结果可量化等优势。例如，美国国防高级研究计划局整合多个人工智能项目，构建以人工智能为核心的系统级研发路线图。其人工智能锻造计划（AIFORGE）不仅打造国防版大型语言模型，还探索大型语言模型在战略规划等多场景的应用，使人工智能成为战术分析师、资源调度员与战略规划师的综合体。战略推演的独特价值在于其并非对已知场景的重复计算，而是通过对海量历史数据与实时情报的深度挖掘，发现人类分析师难以察觉的战略模式与潜在风险点，为高层决策提供超越经验直觉的理性支撑。
其二，战略早期预警与态势跟踪。通过整合全球卫星监测、防空反导雷达、海外军事基地传感网络、海洋监测系统等多源数据，人工智能可实现对弹道导弹发射、大规模兵力集结、战略武器部署、海上军事活动等战略级异动的自动识别、实时跟踪与风险预警。这一应用弥补了传统人工监测的时效滞后、数据遗漏、研判主观化等短板，提升了战略安全预警的精准度与时效性。例如，人工智能可通过对卫星图像、雷达信号及通信情报等多源数据的综合分析，快速识别敌方核导弹位置信息、发射迹象，并提前预警。
其三，兵棋推演模型智能化重构。兵棋推演是一种基于规则模拟的军事博弈分析工具，传统军事兵棋推演依赖人工设定规则、有限变量与经验判断，存在场景单一、变量固化、推演结果局限性大的缺陷。人工智能技术可实现兵棋推演的动态化、智能化升级，自主纳入地缘政治、经济制裁、民意舆论、盟友协同、武器技术迭代等多元隐性变量，实时调整推演规则与行动策略，模拟复杂、不确定环境的战略博弈走向。特别需要注意的是，兵棋推演与战略推演在功能定位上存在本质区别：战略推演侧重于方案评估，即针对某一特定战略问题进行多路径比较与后果预测，其输出是面向决策者的最优策略建议；而兵棋推演则侧重于对抗模拟，即通过红蓝双方的规则化博弈，检验特定作战构想的可行性与脆弱性，其输出是面向作战研究人员的体系缺陷诊断。换言之，战略推演回答的是“应该怎么做”，而兵棋推演回答的是“如果这样做，对手可能如何反制”。人工智能技术对二者的赋能路径亦有所不同：在战略推演中，人工智能主要发挥超大规模计算与模式识别优势，处理海量异构数据并发现潜在关联；在兵棋推演中，人工智能则主要发挥自适应学习与策略生成优势，通过强化学习不断优化博弈策略，甚至发现人类专家未曾设想的非常规战法。
（二）行动层面
行动层面的人工智能军事应用将宏观战略目标拆解为具体作战任务，完成目标筛选、优先级排序、合法性研判等关键决策，进而直接服务于战役级指挥机构作战计划的制订。
其一，目标分析、筛选与优先级排序。人工智能系统自动整合卫星影像、无人机侦察画面、通信截获数据、人员社交行为轨迹、家族关联网络、组织架构关系等多源信息，通过机器学习算法识别军事目标、武装人员嫌疑人、民用设施等不同对象，依据军事价值、威胁等级、任务需求自动划分目标优先级，生成标准化打击目标清单。然而，目标筛选与目标合法性研判并非同一范畴的问题。目标筛选侧重于通过数据融合与模式匹配，从海量信息中快速定位潜在军事目标并评估其打击价值；而合法性研判则侧重于依据国际人道法的区分原则与比例原则，判定某一目标是否属于合法打击对象、打击该目标是否符合军事必要性要求。前者是后者的必要前提，但后者涉及价值权衡与法律解释，无法完全交由算法完成。
其二，目标合法性与身份关联性研判。人工智能可通过数据比对分析个体在武装组织中的层级地位、关联人员网络、历史行为轨迹，推断其恐怖组织或敌对武装关联度，从而辅助指挥人员判定目标是否属于合法打击对象。此类分析突破传统人工情报碎片化的局限，实现对大规模群体人员的批量筛查与身份研判，尤其适用于反恐、非对称作战等复杂战场环境。
其三，智能武器系统的嵌入式决策。行动层面的人工智能应用不仅体现在指挥机构的决策支持，更体现在将人工智能直接嵌入武器系统的杀伤链。当前，智能弹药的发展已进入半自主、协同攻击阶段。在执行任务过程中，人工智能不仅负责目标识别与跟踪，还参与打击时机的选择、攻击路径的规划乃至多平台协同的战术编排，使行动层面的人工智能应用从建议走向执行。
（三）战术层面
战术层面的人工智能军事应用面向基层作战指挥官与一线作战单元，聚焦实时战场态势感知、目标跟踪锁定、临场决策建议等具象化战术行动。
其一，实时战场信息感知与目标识别跟踪。人工智能融合前线无人机、单兵传感器、车载侦察设备、战场监控摄像头等实时视频流与传感数据，通过计算机视觉算法自动识别坦克、步兵战车、武装人员、民用车辆等目标，实现复杂地形场景隐蔽目标的精准探测与持续跟踪。
其二，临场战术决策建议与最优行动选择。基层指挥官依托人工智能系统可以获取目标精准地理位置、各类武器即时打击效能、平民伤亡最小化适配方案等多维信息。人工智能系统据此自动生成临场战术行动建议，包括是否发起打击、打击时机、武器选型、打击角度、部队机动路线等，为一线决策提供可直接执行的参考方案。
其三，动态攻防部署调整与应急处置。人工智能系统可实时研判战场态势变化，自动建议调整装备部署、兵力站位、攻防战术，或提出暂停打击、取消攻击、转移作战点位等应急处置方案，平衡军事作战需求与平民保护要求。在城镇作战等复杂环境，人工智能系统可通过实时分析建筑结构、平民分布与敌方火力点位置，给出最优的突入路线建议与火力压制方案，减少战斗损失。
二、人工智能军事应用的安全风险
人工智能军事应用伴随多重安全风险的结构性变迁。这些风险相互交织、彼此强化，对国际安全秩序、国际法律体系与人类伦理价值均造成风险挑战。
（一）战略稳定风险
人工智能军事应用可能触发新一轮军备竞赛，侵蚀战略稳定的基础。人工智能技术的军民两用特性与快速扩散潜力，使技术领先者难以维持长期垄断优势。为争夺智能化战争的制高点，主要军事大国纷纷加大人工智能研发投入，形成了事实上的竞争态势。俄罗斯总统普京宣称，人工智能领导者将成为世界的统治者，并指示军方加速人工智能武器系统的研发。这种竞争若缺乏有效规制，极易演变为失控的军备竞赛，加剧大国战略互疑。
（二）伦理与法律风险
人工智能军事应用也引发了多重法律风险。比例原则的适用在人工智能军事应用中面临更为复杂的挑战。比例原则要求军事行动的附带损害不得超过预期的军事利益。这一判断本质上是一种价值权衡，需要决策者综合考虑人道、军事、政治与战略等多重因素。对于人工智能系统能否进行这种多维度的价值权衡，学术界存在严重分歧。支持者认为，通过预设的权重参数与优化算法，人工智能系统可以在一定程度上模拟人类的权衡过程；反对者则指出，价值权衡涉及不同的价值维度，无法被简化为算法优化问题。更关键的是，即使人工智能系统能够进行比例分析，其分析过程的黑箱特性也使事后审查与法律救济极为困难。当人工智能系统基于数百万个神经网络节点的复杂计算做出打击决策时，人类审查者几乎不可能还原其完整的推理链条，从而无法判断该决策是否符合比例原则的要求。
问责困境是人工智能军事应用引发的另一个突出的法律难题。当自主武器系统犯下战争罪或造成平民伤亡时，责任应当归咎于程序员、指挥官、政治决策者还是机器本身？现行国际法律框架并未赋予人工智能系统法律主体地位，导致问责链条出现断裂。在人工智能军事应用系统中，决策过程被分解为数据收集、算法训练、模型部署、现场指挥等多个环节，涉及软件工程师、数据科学家、军事指挥官、政治审批者等多元主体，使传统的“命令—责任”链条变得模糊不清。
从更深层次看，将生死决策权委托给机器本身就是一种伦理异化。战争伦理传统强调人类对暴力使用的道德责任与反思能力，而机器自主决策消解了这种道德主体性。允许机器自主决定他人生死，意味着人类放弃了自身尊严的核心内涵，将道德判断降格为机械计算。这种伦理异化不仅关乎战争行为的合法性，更关乎人类文明对暴力使用的基本态度。
（三）技术失控风险
机器学习算法对训练数据的高度依赖，意味着对抗性攻击可能以微小扰动导致系统输出产生严重错误。在军事场景，敌方可能通过电子欺骗、数据投毒或环境干扰等方式，诱使人工智能系统做出致命误判。甚至仅需对图像像素进行不可察觉的修改，即可使先进的目标识别模型将坦克误判为汽车；通过在训练数据中注入恶意样本，可使系统将平民标识为战斗员。这种脆弱性在对抗性环境尤为危险，因为军事对手具有强烈的动机与能力探测并利用人工智能系统的弱点。更隐蔽的风险在于，算法偏见可能以技术中立的面目出现，使歧视性决策获得科学的伪装。当军事指挥官将算法输出视为数据驱动的客观结论时，可能忽视其背后隐含的价值预设与数据局限，从而做出带有系统性偏见的军事决策。
人机信任问题同样不容忽视。过度信任人工智能可能导致指挥官放弃必要的审慎判断，而信任不足则可能使技术优势无法转化为作战效能。在高压、高风险的军事决策中，如何建立适当的人机协作关系，避免自动化偏见或自动化怀疑，仍然是一个尚未解决的难题。自动化偏见指人类决策者倾向于过度依赖自动化系统的输出，即使当系统明显出错时也不愿质疑。
三、人工智能军事应用的治理路径
面对人工智能军事应用带来的安全风险与治理困境，国际社会需要构建多层次、多维度、多主体的综合治理体系。这一体系应兼顾安全关切与发展需求，平衡规制约束与创新空间，在承认大国竞争现实的前提下，寻求最低限度的共识与最大公约数的合作。
（一）完善国际法律规制体系
现有国际法律框架对人工智能军事应用的规制明显滞后。《特定常规武器公约》框架下的致命性自主武器系统政府专家组自2014年以来已召开多轮会议，但各方在定义、范围与规制方式上分歧严重，迄今未能达成具有法律约束力的协议。部分国家主张全面禁止致命性自主武器系统；部分国家则强调现有国际人道法已足以规制相关行为，反对设立新的法律机制。这种分歧反映了不同国家在技术水平、战略利益与法律传统上的深层差异，也使《特定常规武器公约》框架下的谈判进程步履维艰。
从短期看，更为现实的路径是在《特定常规武器公约》框架下推动具有政治约束力的规范宣言或行动指南，明确人类控制的最低标准、目标识别的可靠性要求与问责原则。这种软法路径虽然不具有法律强制力，但能够通过塑造国际规范预期、建立行为标准为后续的硬法化奠定基础。联合国秘书长古特雷斯多次呼吁在2026年前就禁止致命性自主武器系统达成具有法律约束力的文书。这一时间表虽然雄心勃勃，但为国际社会提供了明确的目标导向。在规范宣言的具体内容上，应至少包含以下核心要素：一是人类使用武力的最低标准，包括人类在决策回路中的位置、决策时间窗口与信息充分性要求；二是目标识别系统的可靠性门槛，要求系统在复杂战场环境达到可接受的区分战斗员与平民的准确率；三是问责原则的明确化，要求各缔约国建立国内法律框架，确保在自主武器系统造成违法后果时能够追溯责任。
从中长期看，应考虑制定专门针对自主武器系统的议定书，建立分级分类的规制体系：对完全自主的致命性武器系统实施严格限制或禁止措施，对半自主武器系统设定人类监督的强制性要求。这种分级分类的方法既回应了全面禁止倡导者的安全关切，也为技术发展与合法军事应用保留了空间。议定书应借鉴《禁止生物武器公约》《禁止化学武器公约》的核查机制，建立自主武器系统的申报、检查与监督制度，确保缔约国遵守限制承诺。此外，应强化《武器贸易条约》对智能化武器的出口管制，防止自主武器技术向非国家行为体扩散。如果非国家行为体获取了自主武器能力，将严重破坏国际安全秩序，使传统的国家间军控机制面临失效风险。因此，在议定书谈判过程中，应充分考虑技术扩散的防范机制，包括源代码保护、硬件出口管制与跨国技术转移监管等措施。
在国内法层面，各主要军事大国应完善自主武器系统的研发、测试与部署的法律框架，确保国内法律体系与国际人道法义务的一致性。这包括制定自主武器系统的伦理审查程序、建立算法透明度与可解释性的强制性标准、完善军事指挥官的法律责任制度等。美国国防部2023年发布的《自主武器系统指令》虽然为自主武器系统开发提供了内部政策指导，但其法律约束力有限，且未涉及国际法层面的合规要求。未来，可推动将该指令升级为具有法律效力的法规，并纳入国际人道法合规审查的强制性条款。
（二）建立多边对话与信任机制
法律规制的有效性依赖政治意愿与战略互信。在大国竞争不断加剧的背景下，建立人工智能军事应用的多边对话机制尤为紧迫。
一方面，应在联合国框架下强化《特定常规武器公约》框架下政府专家组职能，同时探索在安理会层面设立人工智能与安全问题专门议程，提升该议题在全球安全治理中的优先级。《特定常规武器公约》框架下政府专家组目前面临的主要困境在于共识决策机制导致的谈判效率低下，以及部分军事大国对谈判进程的消极态度。为突破这一僵局，可考虑在《特定常规武器公约》框架内建立工作机制，由具有共同立场的中等强国先行推动规范建设，再逐步扩大参与范围。
另一方面，要推动大国间人工智能战略稳定对话。美国、俄罗斯等人工智能军事应用主要行为体，应就人工智能战略风险、红线划定与危机管控建立定期沟通渠道。这种对话可借鉴冷战时期核军控对话的经验，从建立人工智能热线、共享事故通报机制等低敏感议题入手，逐步扩展至更深层的技术透明与限制措施。此外，可探索建立人工智能军事应用的透明与信任建设措施，包括定期发布人工智能军事应用政策白皮书、邀请国际观察员参观人工智能军事实验室、共享部分非敏感的测试数据等。
在区域层面，可选择政治互信程度较高的地区，率先建立人工智能军事部署的事前通报与事后评估机制，积累信任建设经验后逐步向更大范围推广。同时，应推动在现有区域安全机制中纳入人工智能安全议题，形成多边与区域互补的治理网络。
（三）增强技术伦理意识和法律素养
应加强军事指挥官、政策制定者与技术人员的伦理意识与法律素养。人工智能军事应用治理不仅依赖制度设计，更依赖执行制度的人。军事指挥官需要理解人工智能系统的技术局限与伦理风险，才能在实战中做出符合国际人道法的决策；政策制定者需要掌握人工智能的基本原理与战略影响，才能制定有效的治理政策；技术人员需要具备伦理敏感性，才能在系统设计中嵌入价值考量。因此，应在军事院校、法学院与工程学院开设人工智能军事应用伦理课程，建立跨学科的人才培养机制。
人工智能军事应用的治理不可能一蹴而就，也不存在放之四海而皆准的单一方案。未来，应在坚持联合国主渠道作用的前提下，推动构建多层治理架构，在承认分歧的基础上寻求最低限度的共识，在保障安全的前提下为技术创新保留必要空间。唯有将技术发展的澎湃动力纳入人类价值与法律秩序的轨道，人工智能军事应用才能真正服务于和平与安全。
（本文刊登于《中国信息安全》杂志2026年第7期）
声明：本文来自中国信息安全，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。
