全球军工智能体深度研究报告（二）

原创 李桂松等云阿云智库军事研究院大国安保课题组

导读：本报告系统梳理全球军工智能体发展脉络，剖析核心技术栈与产业链格局，复盘典型实战案例，研判未来趋势并提出对策建议，为国防科技战略决策、产业落地与风险防控提供系统性支撑。本报告全文145000余字，由云阿云智库军事研究院大国安保课题组原创出品。

云阿云智库大国安保课题组成员名单：

作者：李桂松 | 北京云阿云智库平台理事长

作者：李国熙 | 北京云阿云智库平台全球治理研究中心主任

作者：李富松 | 北京云阿云城市运营管理有限公司副总裁

作者：李国琥 | 北京云阿云智库平台空天学院院长

作者：李嘉仪 | 北京云阿云智库平台金融院长

作者：王成 | 北京云阿云智库平台公共关系总裁13360021949

云阿云智库全球合作

公共关系总裁：王成

联系电话：13360021949

联系邮箱：duanxiaoli2005@163.com

官方网站： http://yayqq.com

公司地址：中国•北京•西城

报告发布日期：2026年 4 月26日

研究团队：云阿云智库大国安保课题组

目录

前言

一、研究框架思路

二、摘要与关键词

第一章 绪论

一、研究背景与意义

（一）研究背景

1.智能化战争形态演进

（1）从信息化到智能化的代际跃迁

（2）OODA 闭环与智能体驱动的决策优势

2.全球军工产业智能化转型

（1）传统军工与 AI 深度融合

（2）智能体成为新质战斗力核心载体

3.地缘竞争与技术军备竞赛

（1）主要军事强国战略布局

（2）智能体技术的战略威慑价值

4.俄乌战争与美以伊战争军工智能体运用

（二）研究意义

1.理论意义

（1）构建军工智能体研究框架

（2）完善军事智能理论体系

2.实践意义

（1）支撑国防科技战略决策

（2）指导产业落地与风险防控

二、研究范围与界定

（一）核心定义

1.军工智能体内涵

（1）自主感知、决策、执行、协同的军事智能主体

（2）与传统自动化、AI 系统的本质区别

2.分类体系

（1）按功能：指挥决策、侦察感知、打击行动、保障支援、网络攻防

（2）按架构：单体智能、集群智能、异构协同智能

（3）按层级：战略级、战役级、战术级、终端级

（二）边界划定

1.包含：军用自主系统、无人平台智能体、多智能体集群、军事大模型智能体

2.排除：纯民用 AI、非自主武器、非智能型信息化装备

三、研究思路与方法

（一）研究思路

1.技术 — 产业 — 应用 — 治理四维框架

2.全球对标 — 现状研判 — 趋势预测 — 对策建议

（二）研究方法

1.文献研究法

2.数据分析法（市场、专利、项目）

3.案例研究法（实战、试验、典型项目）

4.比较研究法（国别、企业、技术路线）

四、报告结构与数据来源

（一）报告结构

（二）数据来源

1.官方文件

2.行业报告

3.企业财报与公开资料

4.学术论文与专利数据

5.实战案例与演习信息

第二章 军工智能体理论基础与技术体系

一、理论基础

（一）智能体理论

1.自主性、反应性、主动性、社会性

2.多智能体系统（MAS）与协同机制

（二）军事智能理论

1.感知 — 决策 — 行动 — 评估闭环

2.人机混合智能与人类在回路 / 上 / 外

（三）复杂系统与体系工程

1.战场复杂自适应系统

2.软件定义战争与数字孪生

二、核心技术栈

（一）基础层

1.算力基础设施

（1）军用 AI 芯片（GPU、FPGA、ASIC、存算一体）

（2）边缘计算与端边云协同

（3）抗恶劣环境算力平台

2.数据与知识

（1）多源战场数据融合

（2）军事知识图谱与常识库

（3）数据安全与合规治理

（二）技术层

1.核心算法

（1）大模型与小模型协同

（2）强化学习与在线进化

（3）计算机视觉与目标识别

（4）语音 / 文本多模态理解

2.关键使能技术

（1）自主导航与定位拒止环境适配

（2）集群协同与分布式决策

（3）电磁对抗与鲁棒性

（4）数字孪生与仿真推演

（三）应用层

1.智能体架构设计

2.人机接口与指挥控制

3.任务规划与动态重规划

三、技术成熟度与演进路径

（一）成熟度曲线（L1-L5）

1.辅助决策 — 半自主 — 有限自主 — 高度自主 — 完全自主

（二）技术演进三大方向

1.从单体到集群

2.从单域到跨域

3.从固定规则到自适应进化

第三章 全球军工智能体发展环境

一、战略环境

（一）美国：算法优势与联合全域指挥控制（JADC2）

（二）中国：新质战斗力与智能化国防

（三）俄罗斯：智能无人装备与电子战结合

（四）欧盟：战略自主与军用 AI 伦理

（五）其他：以色列、日本、韩国、印度布局

二、政策与法规

（一）自主武器系统（AWS）国际规制

（二）主要国家军用 AI 条例

1.美国 DoD 3000.09 与更新版

2.中国全球 AI 治理倡议与军事应用原则

3.欧盟军用 AI 伦理框架

（三）军民融合与产业政策

三、资本与产业环境

（一）全球国防预算与智能化投入

（二）投融资趋势（初创、并购、IPO）

（三）供应链安全与关键技术管控

第四章 全球军工智能体产业链与市场格局

一、产业链结构

（一）上游：基础硬件、软件、数据

1.AI 芯片、传感器、通信模组

2.操作系统、开发框架、数据库

（二）中游：智能体研发、系统集成、测试验证

1.平台型智能体、专用型智能体

2.多域协同集成商

（三）下游：陆、海、空、天、网、电、后勤、训练

二、市场规模与预测

（一）全球市场（2024-2030）

1.按组件：硬件、软件、服务

2.按功能：指挥、侦察、打击、保障、网电

3.按区域：北美、欧洲、亚太、其他

（二）细分市场

1.无人平台智能体

2.指挥决策智能体

3.集群智能系统

4.网电智能体

三、竞争格局

（一）第一梯队：美国（技术、生态、部署领先）

（二）第二梯队：中国、俄罗斯、欧盟、以色列

（三）第三梯队：地区军事强国

（四）集中度与壁垒

1.技术壁垒、资质壁垒、数据壁垒、生态壁垒

第五章 主要国家 / 地区军工智能体发展全景

一、美国

（一）战略与项目

1.JADC2、Project Maven、Anduril、Palantir

2.DARPA 关键项目（自主、集群、认知）

（二）技术能力

1.芯片、算法、平台、协同全栈领先

（三）产业生态

1.传统军工（洛马、诺格、波音）+ 科技巨头 + 初创

（四）实战应用

1.无人机智能体、情报分析、目标识别

二、中国

（一）战略与规划

1.国防智能化、新质生产力、军民融合

（二）技术突破

1.无人装备、集群算法、军事大模型、国产算力

（三）产业主体

1.军工集团、民营科技企业、专精特新

（四）应用进展

1.陆 / 海 / 空 / 天 / 网多域布局

三、俄罗斯

（一）发展路径：实用化、抗干扰、低成本

（二）典型系统：巡飞弹智能体、无人战车、电子战智能体

（三）战场实践与经验

四、欧盟与英国军工智能体发展全景

（一）欧盟战略自主与 AI 监管

（二）英国、法国、德国重点项目

五、以色列与亚太军工智能体发展全景

（一）以色列：小型化、实战化、出口导向

（二）日本、韩国、印度：追赶与自主化

第六章 军工智能体典型应用场景与实战案例

一、指挥决策智能体

（一）战略研判、战役筹划、战术规划

（二）案例：美军智能参谋系统、战场推演

二、侦察情报智能体

（一）多源情报融合、目标自动识别、异常检测

（二）案例：无人机视频分析、卫星情报解译

三、无人作战智能体

（一）空中：无人机蜂群、察打一体自主

（二）陆地：无人战车、排爆机器人

（三）海上 / 水下：无人艇、UUV 自主巡逻

（四）案例：俄乌冲突智能应用、中东实战

四、网电对抗智能体

（一）自主电子战、网络攻防、信号识别

（二）案例：自适应干扰、漏洞挖掘

五、后勤保障智能体

（一）预测性维护、智能投送、战场医疗

（二）案例：装备健康管理、供应链调度

六、模拟训练智能体

（一）虚实结合、智能导调、个性化训练

第七章 核心企业与技术机构

一、国际企业

（一）美国传统军工：洛马、诺格、雷神、波音

（二）美国 AI 新锐：Palantir、Anduril、Shield AI

（三）欧洲：泰雷兹、莱茵金属、BAE

（四）以色列：埃尔比特、拉斐尔

二、中国企业

（一）军工集团：航天、航空、兵器、电子、船舶

（二）民营科技：无人机、AI 算法、算力、系统集成

三、科研机构

（一）DARPA、美军实验室

（二）中国军工科研院所、高校

（三）欧盟、以色列研究机构

第八章 技术风险、安全挑战与治理体系

一、技术风险

（一）算法不可靠、对抗样本、模型漂移

（二）算力与通信瓶颈、极端环境失效

二、安全挑战

（一）网络入侵与劫持

（二）数据泄露与情报窃取

（三）自主失控与误判升级

三、伦理与法律

（一）责任界定、致命自主武器系统（LAWS）争议

（二）国际人道法适配

四、治理框架

（一）国内治理：研发 — 测试 — 部署 — 使用全流程

（二）国际治理：对话、规范、透明、信任措施

（三）技术治理：可解释、可验证、可管控、可追溯

第九章 发展趋势与前景判断

一、技术趋势

（一）大模型驱动智能体进化

（二）跨域集群协同常态化

（三）端边云一体化与轻量化部署

（四）高鲁棒性与对抗环境适配

二、产业趋势

（一）军民融合深化

（二）软件定义装备成为主流

（三）供应链自主可控强化

三、战争形态趋势

（一）智能体主导的分布式作战

（二）决策速度从人类到机器级

（三）无人化、自主化、集群化深度融合

第十章 全球军工智能体深度发展对国家的对策建议

一、国家战略层面

（一）顶层规划与技术路线图

（二）核心技术攻关（芯片、算法、操作系统）

（三）试验鉴定与标准体系

二、产业层面

（一）产业链协同与生态构建

（二）军民融合与民参军机制

（三）知识产权与成果转化

三、安全治理层面

（一）全生命周期安全管控

（二）国际合作与规则塑造

四、人才与投入层面

（一）复合型军事智能人才培养

（二）长期稳定投入与容错机制

五、结论

参考文献

附录

1.关键术语表

2.主要项目清单

3.数据来源说明

4.技术成熟度评估表

摘要与关键词

摘要

本报告系统研究全球军工智能体发展现状、技术体系、产业格局、实战应用与治理挑战，核心结论如下：

1.战争形态跃迁：智能化战争已从理论走向现实，OODA 循环被压缩至秒级，智能体驱动的 “发现即摧毁” 成为常态，战争优势从平台主导转向算法主导，全域异构、人机协同成为新特征。

2.技术体系成熟：基础算力、核心算法、使能技术协同突破，军事大模型、无人集群、边缘计算实现规模化应用，技术成熟度普遍达到 L3-L4 级（有限自主到高度自主），部分战术级系统已具备完全自主能力。

3.产业格局分化：美国占据技术与生态领先，中国、俄罗斯形成差异化优势，欧盟、以色列等加速追赶，全球军工智能体市场 2026 年规模超 500 亿美元，2030 年将突破 1500 亿美元，年复合增长率维持在 13% 以上。

4.实战效能凸显：俄乌冲突中智能无人装备改变战场态势，美以伊行动中 AI 实现全流程决策赋能，无人集群、自主打击、智能情报成为现代战争关键制胜要素。

5.治理挑战严峻：算法对抗、模型漂移、网络入侵等技术风险突出，自主失控与伦理争议频发，国际规制缺失，亟需构建全生命周期安全治理体系。

本报告建议，各国应强化顶层战略布局，聚焦芯片、算法、操作系统等核心技术攻关，完善试验鉴定与标准体系，推进军民融合与生态构建，加强技术安全与国际规则协同，以应对全球智能体军事竞争的新挑战。

关键词

军工智能体；智能化战争；OODA 闭环；无人作战系统；多智能体集群；军事大模型；产业链；实战应用；技术治理

第二章 军工智能体理论基础与技术体系

军工智能体并非单一技术或装备，而是以智能体理论、军事智能理论、复杂系统与体系工程为底层逻辑，以算力、数据、算法、使能技术为核心支撑，覆盖基础层、技术层、应用层的全栈技术体系。本章系统构建军工智能体理论框架，拆解核心技术栈，明确技术成熟度与演进路径，为后续产业、应用、治理研究奠定理论与技术基础。

一、理论基础

（一）智能体理论

智能体（Agent）是军工智能体的核心理论源头，指驻留于特定环境、具备自主行为能力的实体，其理论体系为军工智能体提供了基本属性定义与协同运行逻辑。

1.自主性、反应性、主动性、社会性

四大核心属性构成军工智能体的本质特征，区别于传统自动化系统与被动式 AI 工具。

（1）自主性是核心基石，指智能体无需人类实时干预，可基于自身状态与环境信息自主执行感知、决策、行动全流程，具备独立运行与自我调控能力，如巡飞弹智能体可在无遥控条件下自主完成航线规划、目标识别与打击执行。

（2）反应性是基础能力，智能体能够实时感知战场环境变化（如电磁干扰、火力威胁、目标移动），并快速做出响应，调整行为策略，具备环境适应性与动态响应能力，确保在强对抗战场中稳定运行。

（3）主动性是高阶特征，智能体不只是被动响应环境，还可基于作战任务目标，主动发起侦察、干扰、打击、保障等行为，主动挖掘战场机会、规避风险，具备目标驱动的前瞻性行为能力。

（4）社会性是集群协同的理论基础，智能体可通过通信链路与其他智能体、人类操作员、指挥系统交互，实现信息共享、任务协商、协同行动，形成多主体协同作战体系，如无人机蜂群通过社会性交互实现编队、避障、火力分配。

四大属性相互支撑：自主性保障独立运行，反应性保障环境适配，主动性保障任务导向，社会性保障体系协同，共同构成军工智能体的理论内核。

2.多智能体系统（MAS）与协同机制

（1）多智能体系统（Multi-Agent System, MAS）是军工智能体的核心组织形态，指由多个自主智能体组成，通过协同完成复杂军事任务的分布式系统，是实现集群作战、跨域协同的理论基础。MAS 的核心价值在于突破单体智能体的能力边界，通过群体协作完成单一体无法实现的大规模、高复杂度、广域覆盖任务，如全域侦察、饱和打击、分布式指挥控制。

（2）MAS 协同机制是系统高效运行的关键，主要包括四大类：

①信息协同机制，通过数据分发服务（DDS）、自组网通信实现战场态势、目标信息、任务指令的实时共享，构建全局一致的态势认知，解决 “信息孤岛” 问题；

②任务协同机制，基于合同网、拍卖算法、分布式强化学习实现任务动态分配，根据智能体能力、位置、状态最优匹配任务，提升整体任务执行效率；

③行为协同机制，通过编队控制、避障算法、时序协同实现智能体间行动同步，避免冲突，形成协同作战效能，如无人机蜂群的饱和攻击、无人艇集群的封锁巡逻；

④决策协同机制，采用集中式训练 — 分布式执行（CTDE）架构，云端完成全局模型训练，边缘智能体实现自主决策，兼顾全局最优与局部实时性，适应通信中断、节点受损等极端场景。

（3）MAS 理论在军事领域的应用，推动作战体系从中心控制向分布式自组织转型，大幅提升作战体系的抗毁性、灵活性与作战效能，是智能化战争集群作战的核心理论支撑。

（二）军事智能理论

军事智能理论是军工智能体的应用理论基础，聚焦智能技术与军事作战深度融合，构建感知 — 决策 — 行动 — 评估的作战闭环，明确人机协同的运行逻辑。

1.感知 — 决策 — 行动 — 评估闭环

该闭环是军事作战的核心运行逻辑，也是军工智能体的任务执行框架，对应 OODA 循环的军事智能化落地，实现全流程自主化、高效化。

（1）感知环节是信息入口，军工智能体通过卫星、雷达、光电、电子信号等多源传感器，全域、全时、全谱采集战场数据，完成目标识别、态势融合、虚假信息剔除，构建真实透明的战场环境，解决 “战争迷雾” 问题，感知精度与覆盖范围直接决定后续决策质量。

（2）决策环节是核心中枢，基于军事大模型、知识图谱、强化学习算法，智能体完成态势研判、方案生成、风险评估、指令下达，将传统小时级决策压缩至秒级，实现快速、精准、最优决策，是夺取制智权的关键。

（3）行动环节是执行终端，智能体操控无人平台、智能弹药、电子战装备等，自主完成打击、机动、干扰、保障等任务，实现作战意图的物理落地，具备高精度、强对抗、低附带损伤特征。

（4）评估环节是闭环优化关键，智能体实时采集行动效果数据，完成毁伤评估、效能分析、偏差校正，为下一轮闭环提供反馈，实现持续迭代优化，提升作战体系的自适应能力。

四大环节无缝衔接、循环迭代，形成自主运行、持续优化的作战闭环，是军工智能体替代人工完成作战任务的核心理论依据。

2.人机混合智能与人类在回路 / 上 / 外

人机混合智能是军工智能体的核心运行模式，指人类与智能体协同分工，形成优势互补的作战体系，根据人类干预程度分为三类模式，兼顾智能高效与安全可控。

（1）人类在回路中（Human-in-the-Loop），智能体完成辅助感知、辅助决策、辅助执行任务，人类保留最终决策权与执行控制权，每一步行动需人类确认，适用于战略打击、高价值目标打击等风险极高、需严格管控的场景，确保决策合规、行动可控。

（2）人类在回路上（Human-on-the-Loop），智能体自主执行常规任务、完成基础决策，人类仅进行监督、干预与异常处理，无需全程参与，适用于战术级侦察、巡逻、防御等标准化任务，提升效率的同时保留管控权限，是当前主流应用模式。

（3）人类在回路外（Human-out-of-the-Loop），智能体实现全流程自主运行，无需人类干预，适用于高危环境、通信中断、快速响应等场景，如敌后侦察、抗干扰打击、末端自主防御，最大化发挥智能体的速度与环境适配优势。

三类模式动态切换，构建分级自主、人机协同的智能体系，既发挥智能体高速、高效、抗风险优势，又保留人类伦理判断、战略决策、应急处置能力，是军工智能体安全可控应用的理论核心。

（三）复杂系统与体系工程

战场是典型的复杂自适应系统，体系工程是军工智能体研发部署的核心方法论，为跨域、异构、大规模智能体系统构建提供理论支撑。

1.战场复杂自适应系统

战场复杂自适应系统（Complex Adaptive System, CAS）具备非线性、自组织、涌现性、适应性四大特征，军工智能体是适配该系统的核心载体。

（1）非线性特征，战场要素（兵力、装备、环境、信息）相互作用，结果无法用线性关系预测，智能体通过非线性算法建模，实现复杂态势精准研判。

（2）自组织特征，无中心指挥节点时，智能体可通过局部交互自主形成协同结构，如通信中断后无人机蜂群自主重组编队，具备极强抗毁性。

（3）涌现性特征，多智能体协同产生远超单体能力之和的体系效能，如单一无人机仅能侦察，蜂群可实现侦察 — 干扰 — 打击 — 评估全流程作战，涌现出全新作战能力。

（4）适应性特征，智能体通过在线学习、策略进化，持续适应战场环境变化、对手战术调整，具备 “打一仗、进一步” 的能力，适配高动态、强对抗战场。

军工智能体的设计、研发、部署均以战场 CAS 特征为依据，强调分布式、自适应、协同化，而非传统机械化、固定化的系统设计思路。

2.软件定义战争与数字孪生

（1）软件定义战争是智能化战争的核心形态，指以软件为核心、以数据为驱动、以智能算法为灵魂，重构装备研发、作战指挥、战术执行全流程，军工智能体是软件定义战争的核心载体。硬件装备成为标准化载体，智能软件决定作战能力，通过软件升级即可实现装备性能迭代，无需大规模硬件更换；作战规则、战术战法以算法形式嵌入智能体，可快速动态调整，适应不同战场需求；作战体系通过软件实现跨域融合，打破军兵种、装备类型壁垒，构建一体化作战能力。

（2）数字孪生是软件定义战争的关键使能技术，指构建物理战场与装备的全要素、全周期、实时同步数字镜像，实现虚实结合的仿真推演、决策优化、运维保障。军工智能体依托数字孪生，可在虚拟战场中完成训练、推演、测试，大幅降低实装成本与风险；实时同步物理战场数据，为智能体决策提供高保真虚拟环境，提升决策精度；实现装备全生命周期管理，预测故障、优化运维，提升装备可靠性。

（3）软件定义战争与数字孪生理论，推动军工智能体从硬件依附型向软件驱动型转型，实现快速迭代、低成本升级、全域协同，是智能化战争的核心技术理论支撑。

二、核心技术栈

军工智能体核心技术栈采用三层架构：基础层提供算力、数据支撑，技术层提供算法、使能技术核心能力，应用层实现场景落地与指挥协同，三层技术协同构建全栈技术体系。

（一）基础层

基础层是军工智能体的 “底座”，决定系统的算力供给、数据质量、环境适配能力，是技术落地的前提，包括算力基础设施、数据与知识两大板块。

1.算力基础设施

算力是军工智能体的 “动力引擎”，军事场景对算力提出高实时、低功耗、抗恶劣、高安全要求，形成差异化算力体系。

（1）军用 AI 芯片（GPU、FPGA、ASIC、存算一体）

军用 AI 芯片是算力核心载体，适配不同场景需求：GPU通用性强、算力密度高，适用于云端军事大模型训练、大规模仿真推演，如 NVIDIA H100、国产昇腾 910，支撑万亿参数模型训练与千级智能体并行推演；FPGA灵活性高、低延迟、抗干扰强，可实时重构算法，适用于边缘端实时推理、电磁对抗场景，如 AMD Versal AI Edge 系列，满足战术级智能体低延迟需求；ASIC为特定算法定制，算力功耗比最优、可靠性高，适用于批量部署的终端智能体，如巡飞弹、单兵装备的目标识别芯片，实现极致低功耗与小型化；存算一体芯片突破传统算力瓶颈，将存储与计算融合，降低数据传输延迟，适用于数据密集型场景，如多源数据融合、实时态势分析，是未来军用算力发展方向。

军用芯片需满足抗辐照、宽温（-40℃~85℃）、抗冲击、高可靠要求，符合 MIL-STD-810H、MIL-STD-1275D 等军标，适配空天、深海、极地等极端环境。

（2）边缘计算与端边云协同

边缘计算解决云端算力传输延迟、通信中断问题，将算力部署于战场前沿（无人机、战车、指挥所），实现本地实时推理、低延迟响应，适用于战术级智能体自主决策、目标实时识别等场景，端边云协同构建全域算力网络：端（终端智能体）负责数据采集、简单推理、执行动作；边（边缘节点）负责本地数据融合、复杂推理、任务调度；云（云端中心）负责大模型训练、全局态势研判、战略决策。

协同机制实现云端训、边缘推、终端行：云端完成模型训练与优化，实时推送至边缘节点；边缘节点完成本地推理与任务分配；终端智能体执行动作并反馈数据，形成闭环。该架构降低通信依赖，提升系统抗毁性，适配强电磁干扰、通信中断战场。

（3）抗恶劣环境算力平台

军用算力平台需适配极端战场环境，具备三防（防水、防尘、防盐雾）、宽温、抗冲击、抗电磁干扰能力，采用全密封无风扇设计，防护等级达 IP69K，符合军标加固要求。形态包括加固型边缘计算盒、车载 / 机载 / 舰载算力模块、单兵便携算力终端，适配陆、海、空、天、网多域部署，确保智能体在极端环境下稳定运行。

2.数据与知识

数据与知识是军工智能体的 “燃料”，决定感知精度、决策质量、协同效率，构建军事专属数据知识体系。

（1）多源战场数据融合

战场数据呈现多模态、海量、高噪、异构特征，包括卫星遥感、雷达轨迹、光电视频、电子信号、文本情报、开源信息等，多源数据融合技术实现噪声剔除、时空对齐、特征提取、态势统一。采用卡尔曼滤波、粒子滤波、多模态 Transformer 等算法，融合异构数据，消除冗余与冲突，构建全局一致的战场态势图，为智能体提供精准数据支撑，解决 “数据多、信息乱” 问题。

（2）军事知识图谱与常识库

军事知识图谱将作战条例、装备参数、战术战法、战场环境、敌我力量等知识结构化、关联化，构建实体 — 关系 — 属性的知识网络，支撑智能体推理决策。常识库涵盖军事领域基本规则、伦理规范、交战准则、应急处置逻辑，避免智能体决策失误、违规行动。二者结合，使智能体具备军事领域常识判断、逻辑推理、战术理解能力，从 “数据驱动” 升级为 “知识 + 数据双驱动”，提升决策可靠性与合规性。

（3）数据安全与合规治理

战场数据涉及核心机密，数据安全与合规治理贯穿全生命周期：采用加密传输、安全存储、访问管控、溯源审计技术，防范数据泄露、篡改、劫持；建立数据分级分类体系，区分涉密、敏感、公开数据，实施差异化管控；遵循军事数据合规规则，确保数据采集、使用、共享符合国际人道法与国家法规，保障智能体数据安全可控。

（二）技术层

技术层是军工智能体的 “大脑”，涵盖核心算法、关键使能技术，决定智能体的自主决策、环境适配、协同作战能力。

1.核心算法

核心算法是智能体的 “思维内核”，支撑感知、决策、执行全流程。

（1）大模型与小模型协同

①军事大模型（千亿 / 万亿参数）具备多模态理解、全局推理、战略决策能力，部署于云端，负责全局态势研判、战役级方案生成、跨域协同规划；轻量化小模型（百万 / 千万参数）具备低功耗、低延迟、本地推理能力，部署于边缘 / 终端，负责战术级目标识别、实时决策、动作执行。

②协同模式：大模型为小模型提供知识蒸馏、参数指导，提升小模型精度；小模型本地实时推理，降低对大模型依赖，减少通信压力；二者动态适配，实现云端强推理、终端快响应，兼顾能力与效率。

（2）强化学习与在线进化

强化学习是智能体自主决策、策略优化的核心算法，通过 “试错 — 奖励 — 优化” 机制，让智能体在战场环境中自主学习最优策略，适配动态战场。在线进化技术实现战场实时学习、策略迭代，智能体根据对手战术、环境变化，实时更新模型、优化策略，具备 “终身学习” 能力，解决传统模型 “离线训练、在线失效” 问题。多智能体强化学习（MARL）支撑集群协同决策，实现分布式任务分配、协同行动优化，是蜂群作战的核心算法。

（3）计算机视觉与目标识别

计算机视觉是智能体感知战场的核心技术，涵盖目标检测、跟踪、分类、姿态估计、毁伤评估等功能。针对军事场景优化：适配复杂背景（城市、山地、海洋）、小目标、隐蔽目标识别；具备抗干扰、抗伪装能力，识别虚假目标与诱饵；实现多光谱（可见光、红外、SAR）融合识别，全天时、全天候运行，目标识别准确率达 98% 以上，支撑侦察、打击、评估全流程。

（4）语音 / 文本多模态理解

多模态理解技术实现语音指令、文本情报、图表信息的智能处理：语音识别支撑人机语音交互、指令下达；自然语言处理（NLP）实现情报文本抽取、摘要、研判、意图分析；多模态融合实现文本、图像、语音、信号的联合理解，提升智能体对复杂情报的处理能力，支撑指挥决策、情报分析场景。

2.关键使能技术

关键使能技术是智能体落地战场、适配环境、协同作战的必备技术。

（1）自主导航与定位拒止环境适配

自主导航技术支撑智能体无 GPS / 北斗条件下稳定运行：融合惯性导航、视觉导航、地磁导航、地形匹配导航，实现定位拒止环境（敌后、电磁干扰区、深海、太空）的高精度定位；具备抗干扰、抗欺骗能力，避免导航信号被劫持；适配高速机动、复杂地形、恶劣气象环境，确保无人平台精准机动。

（2）集群协同与分布式决策

集群协同技术实现大规模智能体自组织、自协同：采用去中心化架构，无中心节点，单个节点受损不影响整体运行；通过自组网通信、任务协商、行为同步，实现编队、避障、火力分配、饱和攻击；分布式决策采用 CTDE 架构，云端训练、边缘执行，兼顾全局最优与局部实时性，支撑百 / 千级智能体协同作战。

（3）电磁对抗与鲁棒性

电磁对抗是军事场景核心需求，鲁棒性技术确保智能体强干扰环境稳定运行：具备电磁干扰检测、规避、自适应抗干扰能力；算法鲁棒性优化，抵御对抗样本攻击、模型篡改；系统冗余设计，多传感器、多算力节点备份，提升可靠性，适应复杂电磁战场。

（4）数字孪生与仿真推演

数字孪生构建物理战场 — 虚拟战场实时同步镜像，支撑智能体训练、推演、测试：仿真推演实现超实时、多场景、高强度对抗训练，生成稀缺作战场景（核生化、电磁脉冲）数据，解决实战数据不足问题；动态数据驱动仿真，实时注入战场数据，实现虚实同步决策优化；全生命周期测试，验证智能体性能、可靠性、安全性，降低实装风险。

（三）应用层

应用层是军工智能体的落地接口，实现技术与军事场景的深度融合，涵盖架构设计、人机接口、任务规划三大核心。

1.智能体架构设计

采用模块化、轻量化、可扩展架构：模块化设计拆分感知、决策、执行、协同模块，支持快速迭代、功能定制；轻量化设计适配终端 / 边缘低功耗、小型化需求；可扩展设计支持跨域协同、功能升级，适配不同军种、场景需求。架构分为单体智能体架构（单平台独立运行）、集群智能体架构（多单元协同）、异构协同架构（跨平台 / 跨域融合），满足多样化作战需求。

2.人机接口与指挥控制

人机接口实现人类与智能体高效交互：采用可视化电子沙盘、语音指令、脑机接口、触控交互等方式，降低操作门槛；指挥控制支持分级管控、动态授权，实现人类在回路 / 上 / 外模式切换；实时反馈智能体状态、态势信息、决策过程，提升透明度与可控性，支撑指挥员高效管控智能体体系。

3.任务规划与动态重规划

任务规划技术实现作战任务自动生成、最优分配、时序协同，根据目标、资源、环境，生成最优任务方案；动态重规划适配战场突发情况（目标移动、节点受损、干扰增强），实时调整任务分配、行动路径、火力配置，确保任务高效完成，实现 “规划 — 执行 — 反馈 — 优化” 全流程自主化。

三、技术成熟度与演进路径

（一）成熟度曲线（L1-L5）

借鉴自动驾驶分级标准，结合军事场景特性，将军工智能体技术成熟度划分为五级，对应辅助决策 — 半自主 — 有限自主 — 高度自主 — 完全自主，明确技术发展阶段。

1.L1 辅助决策级：智能体仅提供数据处理、信息提示、方案建议，所有决策与执行由人类完成，无自主能力，适用于基础情报分析、辅助侦察场景，当前成熟度高，已大规模应用。

2.L2 半自主级：智能体完成单一任务自主执行（如目标锁定、航线保持），人类保留核心决策权，异常情况需人工干预，适用于单一功能无人装备、辅助打击场景，技术已成熟并实战部署。

3.L3 有限自主级：智能体在限定场景、限定任务下自主完成感知 — 决策 — 行动，复杂情况需人类接管，适用于战术级侦察、防御、后勤保障场景，当前主流发展阶段，俄乌冲突中大量应用。

4.L4 高度自主级：智能体在复杂战场环境、多任务场景下自主运行，无需人类干预，仅需战略级监督，适用于战役级集群作战、网电对抗、区域拒止场景，部分领域实现突破，处于试验验证向实战部署过渡阶段。

5.L5 完全自主级：智能体在全域、全场景、强对抗环境下自主进化、自主协同、自主完成战略 — 战役 — 战术全层级任务，无需人类干预，处于理论研究与技术探索阶段，尚未实战部署。

当前全球军工智能体整体处于L2-L3阶段，战术级终端智能体向 L4 突破，战略级智能体处于 L1-L2 阶段，技术成熟度逐步提升。

（二）技术演进三大方向

1.从单体智能到集群智能

单体智能体能力有限，未来向大规模、分布式、自组织集群智能演进：集群规模从十 / 百级向千 / 万级拓展；协同能力从简单编队向复杂战术协同、跨域协同升级；决策模式从中心控制向去中心化分布式决策转型，实现 “单体高效、集群超强”，构建抗毁性强、效能倍增的作战体系。

2.从单域作战到跨域融合

突破陆、海、空、天、网、电单一作战域限制，向全域跨域协同演进：实现不同域智能体（空中无人机、海上无人艇、地面无人车、太空卫星、网电智能体）无缝协同；打破军兵种壁垒，构建一体化跨域作战体系；实现多域数据融合、多域决策协同、多域行动同步，形成全域制智优势。

3.从固定规则到自适应进化

摆脱预设规则、离线训练的局限，向在线学习、自适应进化演进：智能体具备战场实时学习、策略迭代、自我优化能力；适应未知环境、新型威胁、对手战术突变；实现从 “被动执行” 向 “主动进化” 转型，具备终身学习、持续升级能力，适配高动态、强对抗、不确定性未来战场。

数据来源：北京云阿云智库・数据库