美國軍方正構建一個多層次的人工智能研究網絡，力求在全球競爭中保持決策優勢。該網絡通過美國國防部首席數字與人工智能辦公室(CDAO)進行中央協調、美國國防高級研究計劃局(DARPA)進行前沿探索，通過美國國防創新部門(DIU)的商業技術引入，以及各軍種研究機構的專業化應用實現協同。其運行機制圍繞聯合作戰網絡(JADC2)、統一數據基礎設施、嚴格測試評估和負責AI(RAI)治理框架展開。其戰略路徑則強調敏捷采納、人才培養、公私合作及采辦改革。美軍正通過此網絡加速AI能力交付，以應對未來戰場需求。

一、人工智能研究網絡的核心參與者

1、戰略領導與基礎研究機構

人工智能研究網絡的頂層由負責戰略規劃和基礎研究的機構組成。美國國防部首席數字與人工智能辦公室(CDAO)作為網絡的中央協調機構，負責加速AI能力交付、同步美國國防部AI活動并解決聯合作戰指揮與控制(JADC2)問題。CDAO制定了2023年美國國防部數據、分析和AI采納戰略，并關注AI驅動的監視、邊緣計算和聯合通用基礎(JCF)的監督。美國國防部首席數字與人工智能辦公室(CDAO)成立的目的之一，是為了整合美國國防部此前分散的人工智能工作，從而消除由此產生的各種障礙。

2、作戰應用與外部技術融合機構

在頂層戰略規劃與基礎研究框架的共同牽引下，人工智能研究網絡的次級節點聚焦于兩項核心任務：一是將人工智能/機器學習能力定向嵌入具體作戰場景;二是構建與外部創新生態的系統性耦合機制。美國海軍研究辦公室圍繞光子學、電力與能源系統、大氣科學及量子科學四大技術領域推進 AI/ML 轉化研究，為海上作戰平臺提供感知、決策與能量管理支撐。美國空軍研究實驗室的自治能力團隊則面向空軍與太空軍，承擔 AI 能力的大規模作戰化任務，并通過學術界與商業研究機構的協同機制加速原型系統向實戰部署遷移。美國陸軍“支點計劃”專注于可信 AI 的作戰化管道建設，同時對接陸軍小型企業創新研究計劃及 xTech 系列競賽，形成需求—驗證—部署的完整閉環。各軍種研究機構在各自技術縱深內實施差異化布局，共同構成研究網絡中“分散部署、專業深耕”的轉化范式，系統推動 AI 研究成果向實際作戰能力遷移。

美國國防創新部門(DIU)是商業技術橋梁，通過簽訂定向合同，將業界領先的 AI/ML 能力快速引入國防體系，同步提升作戰準備度與戰略推演效率。其工作范疇涵蓋機器學習預測、負責人工智能開發、AI 基礎設施及新興技術驗證。自 2020 年啟動負責任的人工智能倡議以來，DIU 持續將倫理與治理要求嵌入商業原型設計與后續采辦流程;并與首席數字與人工智能辦公室(CDAO)協同，以商業工具破解聯邦安全環境中 MLOps 周期過長的瓶頸。憑借對商業解決方案的針對性適配，DIU 在研究網絡中確立了“外部創新—國防落地”的關鍵接口，確保商業 AI 能力以最短路徑融入作戰體系。

3、 人才培養與信任基石

為確保整個人工智能研究網絡的持續運行和負責部署，人才發展與可信賴AI保障是不可或缺的組成部分。美國國防部人工智能與機器學習卓越中心(CoE-AIML)作為人才與可信賴AI基礎機構，由美國國防部/美國陸軍資助，與霍華德大學等伙伴合作。其重點是開發可信賴、可靠、可解釋、公平、魯棒和安全的ML算法和AI系統。CoE-AIML致力于培養和維持一支龐大而持續的AI/ML生產力隊伍，其解決的關鍵挑戰是通過AI賦能的自主性加速新能力交付。

二、人工智能研究網絡的運行機制與研發方向

1、運行機制：整合與互操作性

聯合作戰指揮與控制(JADC2)是研究網絡的基礎架構，其目標是將美國各軍種的獨立通信網絡整合為一個更大、統一的跨所有空間尺度的網絡 。其口號是：“連接每一個傳感器，連接每一個射手” 。JADC2使美國能夠“大規模地在全球范圍內移動數據” ，從而促進快速、明智決策 。CDAO在JADC2中發揮核心作用，并已于2024年2月實現了最低可行能力 。JADC2是使AI能夠在整個聯合部隊中大規模運行的基本運行機制，為分布式AI應用提供了必要的數據基礎。

數據管理與AI基礎設施方面，聯合通用基礎(JCF)是美國國防部的云端AI開發和實驗平臺，提供通用工具和服務 。高質量數據是“AI需求層次結構”的基礎 ，但美國聯邦機構的數據質量仍面臨挑戰 。美國國防部正引入商業機器學習操作(MLOps)工具，其目的在于解決數據傳輸和部署效率問題。糟糕的數據質量會直接損害AI系統的可靠性和有效性，美國國防部開發JCF和采納商業MLOps工具意在解決基礎設施和流程差距上存在的問題。

嚴格的測試和評估(T&E)對于確保AI能力在其整個生命周期中的安全性、可靠性和有效性至關重要。CDAO的2025財年預算優先考慮AI測試工具和標準的進步。AI系統的變化，特別是由于機器學習引起的變化，需要重新測試和評估，以確保其安全特性和能力得以保留。對T&E的廣泛關注是建立對AI系統信任的關鍵機制。

2、 核心研發方向

美軍人工智能研究網絡的研發涵蓋從基礎理論到新興范式，再到特定軍事應用的廣泛領域。

基礎AI技術方向上的研究包括符號推理、統計機器學習、元認知、解釋性和保障以及混合方法。這些研究的目標是超越當前機器學習技術，邁向情境推理能力，使機器能夠作為真正的合作伙伴發揮作用 。這意味著未來AI系統將對情境和意圖有更深入的理解，從根本上改變軍事行動中人機交互的性質。

在新興AI范式方面，生成式AI和大型基礎模型引起了美軍的濃厚興趣和并吸引了大量投資，它們正被用于規劃路線、撰寫作戰命令和制定備忘錄等應用。由CDAO領導的“利馬特遣隊”正在評估和同步生成式AI在美國國防部內的使用。邊緣計算也是一個重點領域，其目的在于直接在傳感器上執行神經網絡計算，從而提高作戰網絡的魯棒性和彈性，尤其是在對抗環境中。

專業軍事應用是研究網絡將美軍的AI技術轉化為實際作戰能力的關鍵。這包括自主系統和人機協作，例如開發無人潛水器、無人機蜂群和協同作戰飛機(CCA)或“僚機” 。重點在于人機協作，使系統能夠作為流暢、直觀、可信賴的隊友 。

三、人工智能研究網絡的戰略路徑與挑戰

1、 戰略采納路徑

美軍通過CDAO集中規劃、DARPA前沿探索、DIU商業轉化及各軍種實驗室專業應用，構建了一個聯通JADC2互聯系統、依托JCF云端平臺、并輔以嚴格測試評估與負責AI治理的多層級協同網絡。該網絡既注重基礎理論與新興范式的研發，也強調將生成式AI、邊緣計算等技術快速移植到實際作戰場景中，形成了從需求識別到交付部署的敏捷閉環，確保了AI成果能夠安全、可靠地支撐未來聯合作戰。

2、研究網絡面臨的挑戰與未來展望

盡管數據互聯和云端基礎設施不斷完善，但對數據共享的顧慮以及現有采辦法規仍導致美軍AI能力更新緩慢。我軍在推進AI戰斗力建設時，可從中汲取教訓，注重優化組織架構，打破軍種間的壁壘，統一部署標準，明確職責分工，簡化審批流程，提高AI系統部署效率。同時，要高度重視網絡安全防護，加強AI系統及其數據鏈路的安全性建設，在紅藍對抗環境中開展深度安全驗證，提升系統韌性，確保在復雜戰場環境中持續可用。

人才短缺與資源分配不均也是制約AI發展的重要因素。我軍在進行AI研發時，應合理規劃預算分配，構建跨軍地的數字人才隊伍，完善持續交付流程，縮短從算法原型到戰場部署的時間。通過強化人才培養、加快采辦創新、深化安全攻防測試、持續加大預算投入等多方面的努力，提升我軍AI戰斗力，保障未來戰場的決策優勢。(來源：北京藍德信息科技有限公司)

參考文檔

1. National Security Commission on Artificial Intelligence - Wikipedia, ， https://en.wikipedia.org/wiki/National_Security_Commission_on_Artificial_Intelligence

2. Final Report: National Security Commission on Artificial Intelligence ..., ， https://digital.library.unt.edu/ark:/67531/metadc1851188/

3. Artificial Intelligence: CRS Products, ， https://www.everycrsreport.com/reports/IN12458.epub

4. Artificial Intelligence: CRS Products - Congress.gov, ， https://www.congress.gov/crs-product/IN12458

5. 2023 Data, Analytics, and Artificial Intelligence Adoption Strategy - Accelerating Decision Advantage - Department of Defense, ， https://media.defense.gov/2024/Oct/25/2003571622/-1/-1/0/2023-11-DOD-DATA-ANALYTICS-AI-ADOPTION-STRATEGY-FACTSHEET_C.PDF

6. 2023 Department of Defense Data, Analytics, and Artificial Intelligence Adoption Strategy, ， https://www.dafcio.af.mil/AI/Strategy/

7. Why the Pentagon didn't request higher funding for AI in fiscal 2025 | DefenseScoop, ， https://defensescoop.com/2024/03/11/pentagon-ai-budget-request-2025/

8. DIU and CDAO: Deploying AI for Strategic Impact - Defense Innovation Unit, ， https://www.diu.mil/latest/diu-and-cdao-deploying-ai-for-strategic-impact

9. Innovating Defense: Generative AI's Role in Military Evolution | Article - Army.mil, ， https://www.army.mil/article/286707/innovating_defense_generative_ais_role_in_military_evolution

10. Chief Digital and Artificial Intelligence Office - Wikipedia, ， https://en.wikipedia.org/wiki/Joint_Artificial_Intelligence_Center

11. Joint Artificial Intelligence Center - AWS, ， https://imlive.s3.amazonaws.com/Federal%20Government/ID151922140063916450446479915674517979637/Attachment%200002-JAIC%20TE%20BPA%20PWS%2026Feb21%20Amendment%200001.pdf

12. Breaking Down the DOD's Chief Digital & AI Office Budget for FY25 - ExecutiveGov, ， https://executivegov.com/article/breaking-down-dod-cdao-fy25-budget

13. AI Next - DARPA, ， https://www.darpa.mil/research/programs/ai-next

14. AI Forward - DARPA, ， https://www.darpa.mil/research/programs/ai-forward

15. ONR Technology and Research - Office of Naval Research - Navy.mil, ， https://www.onr.navy.mil/our-research/onr-technology-and-research

16. Artificial Intelligence/Machine Learning for Photonics, Power & Energy, Atmospherics, and Quantum Science | Office of Naval Research, ， https://www.onr.navy.mil/organization/departments/code-33/division-333/artificial-intelligence-machine-learning

17. About the Autonomy Capability Team (ACT3) - Air Force Research Laboratory, ， https://www.afrl.af.mil/ACT3/

18. Machine learning - Air Force Research Laboratory, ， https://www.afrl.af.mil/News/Tag/150984/machine-learning/

19. ACCELERATING THE ARMY'S AI STRATEGY | Article | The United ..., ， https://www.army.mil/article/280162/accelerating_the_armys_ai_strategy

20. Portfolio - Defense Innovation Unit, ， https://www.diu.mil/solutions/portfolio

21. DoD Center of Excellence in Artificial Intelligence & Machine Learning (CoE-AIML), ， https://www.dod-coe4ai-ml.org/

22. Research & Education - Center of Excellence in AI/ML, ， https://www.dod-coe4ai-ml.org/research-education

23. GAO Chief Dishes on Fed AI Data, Tracks DOGE Data Footprint - MeriTalk, ， https://www.meritalk.com/articles/gao-chief-dishes-on-fed-ai-data-tracks-doge-data-footprint/

24. GAO-24-105980, ARTIFICIAL INTELLIGENCE: Agencies Have Begun Implementation but Need to Complete Key Requirements, ， https://www.gao.gov/assets/gao-24-105980.pdf

25. Responsible AI and the SHIELD Framework at the DoD - Pryon, ， https://www.pryon.com/resource/pryons-guide-to-responsible-ai-and-the-rai-shield-assessment

26. Defense Primer: U.S. Policy on Lethal Autonomous Weapon Systems | Congress.gov, ， https://www.congress.gov/crs-product/IF11150

27. Leadership: Artificial Intelligence in Decision-Making | Article | The United States Army, ， https://www.army.mil/article/286847/leadership_artificial_intelligence_in_decision_making

28. Air Force Doctrine Note 25-1 Artificial Intelligence - Department of ..., ， https://www.defense.gov/Multimedia/Videos/videoid/958216/

29. Defense Department budget request goes hard on AI, autonomy, ， https://www.defenseone.com/technology/2025/07/defense-department-budget-request-goes-hard-ai-autonomy/406438/

30. Department of Defense Directive 3000.09 - Wikipedia, ， https://en.wikipedia.org/wiki/Department_of_Defense_Directive_3000.09

31. DOD's Responsible AI (RAI) Toolkit: What You Need To Know - FedTech Magazine, ， https://fedtechmagazine.com/article/2025/04/dod-responsible-ai-rai-toolkit-perfcon

32. Responsible AI Guidelines, ， https://www.diu.mil/responsible-ai-guidelines

33. Top 5 AI Leaders in US Government & Military in 2025 - ExecutiveGov, ， https://executivegov.com/articles/ai-leaders-us-government-military-dod-anthropic-cdao-openai-cia

34. AI's Military March: Why Defense Tech is the Next Big Investment Play - AInvest, ， https://www.ainvest.com/news/ai-military-march-defense-tech-big-investment-play-2506/

35. Training the DoD to Leverage AI for Strategic Advantage - Carnegie Mellon University, ， https://insights.sei.cmu.edu/annual-reviews/2024-year-in-review/training-the-dod-to-leverage-ai-for-strategic-advantage/

36.Transcending weapon systems: the ethical challenges of AI in military decision support systems - Blogs | International Committee of the Red Cross, ， https://blogs.icrc.org/law-and-policy/2024/09/24/transcending-weapon-systems-the-ethical-challenges-of-ai-in-military-decision-support-systems/