2026年2月28日，德黑兰的清晨被密集空袭打破。公开报道显示，美国与以色列对伊朗发动大规模联合打击，伊朗最高领袖哈梅内伊及多名高级军政人员在行动中身亡。此次行动不仅改变了中东地缘政治格局，也使人工智能在现代战争中的作用受到前所未有的关注。以Claude、Maven Smart System、Palantir数据平台等为代表的AI与数据系统，已经深度嵌入情报融合、目标识别、行动推演和决策支持链路之中。本文拟从Claude模型的技术特征、其在相关行动中的可能作用，以及AI对未来战争形态的影响三个方面，分析“算法斩首”所揭示的战争变革趋势。

Claude模型：从商业助手到

军事决策支持工具

Claude是美国人工智能公司Anthropic开发的系列大语言模型。Anthropic由前OpenAI研究人员创立，长期强调“安全、可解释、可控制”的AI发展路径。2025年以来，Claude系列模型持续迭代，在代码生成、长文本处理、多模态理解、复杂推理和工具调用等方面表现突出。根据Anthropic公开资料，部分新版本Claude模型已支持百万token级上下文窗口，能够处理大规模文本、图像和结构化数据，为复杂任务中的信息汇聚与推理提供了技术基础。

Claude的军事化应用也引发了

尖锐的伦理与治理争议

Claude能快速进入军事和国家安全领域并非偶然。2024年，Anthropic与Palantir、AWS合作，将Claude模型接入美国国防和情报部门所使用的安全云与数据分析环境。2025年6月，Anthropic又推出面向美国国家安全客户的Claude Gov模型。2025年7月，美国战争部（国防部）首席数字与人工智能办公室与Anthropic、OpenAI、Google、xAI等公司分别签署最高2亿美元的前沿AI合同，用于推动智能体工作流、情报分析、任务支持和国防场景中的AI应用。这表明，大语言模型已经不再只是通用商业助手，而是逐步成为国防数字基础设施和作战辅助系统的一部分。

与此同时，Claude的军事化应用也引发了尖锐的伦理与治理争议。Anthropic公开强调，不接受其模型被用于大规模国内监控和完全自主武器系统。美国战争部则希望以“所有合法用途”为原则扩大模型在军事领域的适用范围。双方围绕安全边界、使用权限和责任归属产生冲突，并导致美国政府一度要求停止使用Anthropic技术。

AI在高层目标打击中的作用：

从情报融合到决策压缩

现代战争面临的主要问题往往不是信息不足，而是信息过载。针对高度防护、高度机动的政治和军事目标，仅依靠单一情报来源难以形成稳定判断。卫星影像、信号情报、通信特征、人员活动、安保部署、金融行为、公开网络信息和人力情报等多源数据，需要在极短时间内完成筛选、比对、关联和验证。传统情报流程高度依赖人工分析，处理周期较长，且容易受到信息碎片化和认知偏差影响。

在此背景下，AI系统的核心价值并不在于替代指挥员“下令开火”，而在于将分散数据转化为可供研判的结构化态势。Claude等大语言模型擅长对文本、报告、通信摘要和结构化信息进行归纳、比对和推理；Maven等系统则更侧重传感器数据、目标检测、地理空间情报和目标包生成。二者结合后，可以在多源数据之间建立关联，帮助分析人员识别异常模式、提取关键线索、生成风险排序，并形成供指挥链使用的决策支持材料。

在高层目标打击中，目标定位并不是简单回答“目标在或不在”，而是对时间、地点、伴随人员、安保强度、通信沉默、异常机动等变量进行综合判断。AI系统能够将这些变量转化为概率化模型，对目标可能出现的区域、时间窗口和行动风险进行排序。相较传统经验判断，这种方法更强调动态更新、交叉验证和不确定性表达，有助于在有限打击窗口内提高决策效率。但必须指出，概率化结果并不等于事实确认，算法给出的高概率判断仍需经过人类情报人员、法律顾问和指挥员的审查。

OODA循环

更深层的变化在于OODA环的压缩。传统作战决策通常遵循“观察—判断—决策—行动”的循环。在AI系统介入后，观察环节由多源传感器和数据平台持续供给，判断环节由模型辅助完成，决策环节则被压缩到对多个方案的快速比较和批准之中。AI可以同时评估立即行动与延迟行动的成功率、目标转移风险、附带损伤风险和作战收益，从而显著提高决策效率。这种变化并不意味着人类完全退出决策链条，但人类判断的空间可能被系统预设、算法排序和时间压力不断压缩。

战争形态的变化：从“传感器到射手”

转向“数据到决策”

此次行动所反映的最大变化，是战争优势的衡量标准正在从单纯的平台数量、火力规模和武器性能，转向数据整合能力、算法推理能力和决策闭环速度。过去常说“传感器到射手”，强调发现目标后快速将信息传递给打击平台。而在AI时代，更重要的是“数据到决策”，即如何在海量信息中形成可执行判断，并以最短路径转化为作战方案。

在这一体系中，战斗机、导弹、无人机和舰艇仍然重要，但它们越来越像接入战场网络的执行节点。真正决定作战效率的，是能否将传感器、指挥控制、情报数据库、任务规划和武器平台整合为统一的智能化体系。硬件平台的价值不再只体现为单体性能，而体现为是否能够无缝接入数据链和智能决策网络。由此，未来军事竞争将越来越表现为体系竞争、算法竞争和算力竞争。

AI还将改变国家间力量对比。先进AI系统需要高质量数据、稳定算力、能源供应、芯片基础设施、云平台能力和工程化部署能力。拥有这些条件的国家能够以更低成本、更快速度完成情报分析、目标筛选、任务规划和效果评估；而缺乏相关基础设施的国家，即使拥有一定数量的传统武器，也可能在感知、判断和决策速度上处于劣势。战争优势由火力优势向“数据—算法—算力”优势扩展，可能进一步拉大强国与弱国之间的军事能力差距。

Palantir为美军提供的作战数据平台

与此同时，AI战争的基础设施正在向私营科技企业集中。Palantir、Anthropic、OpenAI、xAI、SpaceX等公司不仅提供软件、模型和数据平台，也在一定程度上参与重塑国家安全体系。传统军工复合体正在向“军工—数据—AI复合体”演化。由此产生的新问题是：当战争决策越来越依赖私营公司的模型、云平台和数据系统时，国家主权、技术控制权、责任边界和民主监督机制应如何重新界定？

从“人在回路”到“人在边缘”：

战争伦理的新困境

美军及相关国家通常强调，人类仍掌握最终开火权，即所谓“人在回路”。但在高度压缩的作战流程中，形式上的人工批准并不必然等同于实质性控制。当AI系统已经完成情报筛选、目标排序、方案推荐和风险评估，而留给人类审查的时间极其有限时，人类可能从主动指挥者转变为算法建议的确认者。这种变化会造成“自动化偏差”：人类倾向于相信系统输出，尤其是在时间紧迫、信息复杂和责任分散的条件下。

以加沙冲突中受到广泛关注的“Lavender”系统为例，相关调查显示，以色列军方曾使用算法系统辅助识别大量疑似目标，并在目标进入住宅环境后实施打击。尽管以色列方面否认系统自动决定打击对象，但相关报道已经引发国际社会对AI目标识别、附带损伤控制和人类审查有效性的广泛质疑。这说明，AI系统一旦进入杀伤链，最关键的问题不仅是技术准确率，更是人类是否仍然具备充分时间、信息和权力去质疑系统建议。

AI赋能提高了作战效率，也带来了责任归属的模糊化。若一次误击源于旧数据库、错误标注、模型误判、接口设计缺陷或指挥员过度依赖系统，责任究竟应由数据维护者、模型开发者、平台承包商、作战人员还是批准打击的指挥员承担？传统战争法和责任机制主要围绕人类行为展开，而AI系统的黑箱性、复杂性和跨主体部署，使责任链条变得更长、更不透明。

2026年2月28日美国在伊朗的行动表明，AI已不再只是未来战争的设想，而是正在进入现实战争的指挥、情报和目标体系。以Claude为代表的大语言模型、以Maven为代表的目标处理系统、以Palantir为代表的数据平台，共同构成了智能化战争基础设施的一部分。它们并不一定直接“扣动扳机”，却可能深刻影响何处被视为目标、何时被认为适合打击、哪种方案被优先推荐。

Maven系统可集成多种传感器数据

未来战争的关键问题，将不只是“谁拥有更多武器”，而是“谁拥有更快的数据处理能力、更强的算法推理能力、更稳定的算力基础设施以及更可靠的治理机制”。AI可能提高战场透明度和作战效率，也可能压缩人类审慎判断的空间，放大错误数据和制度缺陷的后果。因而，真正值得警惕的不是某个模型是否“杀死了某个人”，而是战争机器是否正在被改造成一个以速度、规模和自动化为核心目标的算法系统。

在AI时代，只有对军事AI使用边界、审查机制、责任链条和伦理规范进行制度化控制，在技术能力、组织流程和法律伦理之间建立更清晰的约束关系，人工智能才可能成为提高安全治理能力的工具，而不是削弱人类判断、稀释战争责任和放大战争风险的黑箱力量。

版权声明：本文刊于2026年 8 期《军事文摘》杂志，作者：王凤春、顾德平，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。