摘要：人工智能在军事领域的应用极大地改变了军事力量对比。美国自诩技术领先，不仅在国内大力推进人工智能技术的发展和应用，更企图借助盟国相关的优势，促进人工智能对军队的赋能，并形成一个智能联盟以加强与盟军联合作战的能力。AUKUS第二支柱正是其实施这一战略的代表，本文将梳理美、英、澳三国通过AUKUS开展的人工智能合作，并分析其可能形成的框架及带来的影响。

关键词：AUKUS，人工智能，自主系统，RAAIT

（图片来源于兰德公司报告，如有侵权请联系删除）

人工智能正通过加速决策和赋予自主性，迅速改变军事力量。AUKUS是澳大利亚、英国和美国于2021年9月宣布建立的国防和安全伙伴关系。AUKUS第一支柱的目标是帮助澳大利亚获得其首支常规武装核动力潜艇舰队。

AUKUS第二支柱是指美国、英国和澳大利亚在AUKUS安全伙伴关系框架下开展的一系列合作活动，旨在开发和部署“先进能力”，具体包括水下作战能力、量子技术、人工智能和自主能力、先进网络空间技术、高超声速和反高超声速作战能力、电子战、创新以及信息共享等8个领域的能力。

关于人工智能和自主能力的定义没有统一标准，美国政府广泛采用《美国法典》中关于人工智能和自主能力的定义，即“人工智能”一词指的是一种基于机器的系统，其能够针对一组人类设定的目标，对真实环境或虚拟环境进行预测、提出建议或做出决策。人工智能系统利用机器和人类输入进行以下活动：

美、英、澳三国人工智能的发展步伐各不相同。在美国，人工智能与自主性相关的职能由国防部首席数字与人工智能办公室负责，包括制定数据、分析和人工智能相关的战略；创建支持性基础设施和服务；推广“数字化和人工智能解决方案”；部署人工智能及相关服务以应对危机等。

英国在人工智能领域拥有强大的学术和商业基础，包括DeepMind等人工智能公司。然而，其对国防人工智能的投入规模相对较小，且处于欠发达状态，面临基础设施和劳动力方面的限制。

澳大利亚在国防人工智能应用方面正处于早期阶段，其发展以国家数据和自主战略为指导。尽管发展势头良好，但澳大利亚国防工业基础薄弱、劳动力有限以及对外国技术的依赖仍然构成挑战。

因此，美、澳、英三国在推进人工智能发展的道路上各有其优劣势。三国联盟共同发展人工智能或许有助于取长补短，形成更强的发展动力。据白宫称，AUKUS人工智能与自主性工作组的目标是“提高决策过程的速度和精确度，以保持能力优势并防御人工智能带来的威胁”。英国将AUKUS视为一种力量倍增器，它能够提供更大的数据集和联合实验机会。澳大利亚则将AUKUS视为获取先进能力、弥补自身工业基础薄弱以及为印太地区威慑做出实质性贡献的关键机制。

1.“韧性自主人工智能技术”测试

2023年4月，AUKUS成员国在英国开展了人工智能和自主能力的演示试验，这是AUKUS第二支柱首次公开宣布的实际进展演示。此次试验进行了两项前所未有的活动，一是在模型实际运行并提供服务的同时，基于新的数据对模型进行动态更新和优化；二是AUKUS成员国之间人工智能模型的交互使用，为实时探测和跟踪军事目标的协作集群提供支持。

2023年5月，美国国防部还申请500万美元的资金，用于建立一个基于云的AUKUS人工智能中心，以支持数据传输，并为在建模与仿真环境中进行三方合作提供支持。

2023年12月，美、英、澳三国政府宣布，其正通过一项名为“韧性自主人工智能技术”（RAAIT）的计划，提供人工智能算法和机器学习技术，以加强部队防护、精确打击以及情监侦能力。2024年3月，在美陆军“项目融合”实验中，AUKUS专家通过RAAIT试验成功部署了由自主人工智能赋能的传感系统。美、英、澳三国军事人员在陆地、海上、空中和网络等多域战场环境中测试了尖端的自主人工智能感知能力，以最大限度地缩短从感知敌方目标、决定如何应对到最终解决威胁的周期。

战术突击工具包（图片来源于Breaking Defense，如有侵权请联系删除）

上述试验部署的其中一个系统为战术突击工具包（TAK），这是一款基于地图的软件应用程序，可以帮助英国“红风筝”无人机根据收集到的数据进行实时调整，从而探测敌方部队的位置，同时由另一架无人机提供详细图像进行确认。对敌方部队的探测和识别信息将被传递至战术作战中心，由“人工智能军官”进行人工监督，然后触发澳大利亚XT-8无人机执行模拟打击。

在RAAIT框架下，美、英、澳三国可能实现数据集、模型、算法和平台的交互使用和共享。美、英、澳三国军队已演示并将在多个系统中部署通用的先进人工智能算法，其中包括在P-8A海上巡逻机上部署此类算法，以处理来自各国声呐浮标的数据，帮助反潜作战人员更快地做出更明智的决策。

2.海上大演习

海上大演习（Maritime Big Play）是一系列在印太地区举行的综合试验和演习，旨在通过人工智能和自主系统加强能力并提高伙伴国之间的互操作性。2024年10月，美、英、澳三国参加了首次海上大演习，并重点测试和改进了其联合操作无人海上系统、共享和处理海军数据，以及提供实时海域态势感知以支持决策的能力。此次演习展示的技术包括高空气球、“特里顿”（Triton）号水下航行器、“格里诺”（Greenough）号先进救援艇、“海行者”（Sea Stalker）号自主航行器以及一套政府所有的通用控制系统。

海上大演习画面（图片来源于网络，如有侵权请联系删除）

3.其他

2025年11月，据报道，谷歌公司和SUBCO公司正在计划将三条始于澳大利亚东海岸的海底电缆接入澳大利亚的AUKUS潜艇舰队基地及其周边地区，登陆点将位于澳大利亚西海岸的斯特林海军基地（HMAS Stirling）。据悉该基地将于2027年起成为四艘由美军指挥的“弗吉尼亚”级攻击型核潜艇的驻地。这些新的电缆线路对提升澳大利亚作为人工智能枢纽所需的容量和韧性至关重要，届时美澳可能加强对我国潜艇的监视。

鉴于人工智能在未来战争中将发挥的关键作用，AUKUS成员国致力于开发可互操作、安全可靠且高效的人工智能系统。分析发现，AUKUS内部的人工智能协作符合分层“人工智能堆栈”框架，包括基础架构、计算能力、数据、建模以及决策支持应用和自主系统等5层。下文将逐层分析“人工智能堆栈”，重点介绍各国举措和三方合作。

AUKUS人工智能堆栈

1.基础设施层：联盟人工智能的数字骨干

AUKUS在国防领域的人工智能合作需要一个具有弹性、安全且可互操作的数字骨干网络。美、英、澳三国都在投资基础设施，例如云计算和网络，以确保人工智能系统能够在各个层级部署和维护。美国率先推出了联合作战云能力（JWCC），英国的MODCloud和澳大利亚的机密云投资也体现了其在这方面的努力。这些基础设施支持全球分布式人工智能，对于实时数据共享、联合任务规划以及在盟军平台上无缝部署人工智能模型至关重要。

具体来看，联合作战云能力将提供经美国国防部批准的第一方云服务，涵盖从后方到战术边缘的所有密级，包括受限、降级、间歇性或有限（DDIL）环境和闭环网络。MODCloud是英国国防部的一项云计算平台，旨在提供安全、灵活的云基础设施，以支持国防部门的数字化转型和高效处理敏感数据。澳大利亚的机密云投资主要包括与亚马逊网络服务公司（AWS）达成一项价值20亿美元的重大合作，建立“绝密云”平台以增强情报和国防能力；以及国家重建基金公司为澳大利亚Vault Cloud公司提供的2250万美元的投资，用于改进“绝密云”平台，保护敏感数据。

联合作战云能力目标示意（图片来源于美国国防信息系统局，如有侵权请联系删除）

此外，AUKUS成员国正通过联合演习测试和完善基础设施互操作性。2023年，英国主办了首次AUKUS人工智能试验，此次试验通过安全的联盟网络实时连接了美、英、澳三国的无人机，以便共享传感器数据。2024年，在美陆军“项目融合”实验中，这一模式得以复制。这些演示表明，联合行动的成功需要共享的网络协议、兼容的安全机制以及跨云环境联合分担人工智能工作负载的能力。最终，AUKUS第二支柱的目标是创建一个共享的数字骨干网，使任何单位都能从任何安全节点访问联盟数据和人工智能模型。

2.加速计算与设备层：赋能边缘人工智能

基础设施奠定了基础，但加速计算和运行算法的战术设备才是人工智能在实际作战环境中真正发挥作用的关键。为了在对抗激烈、通信受限的环境中部署人工智能，AUKUS成员国正将重点从集中式训练（需大量计算资源，且在中心化的服务器进行）转向分布式推理，为平台配置足够的计算能力，以便在边缘设备上运行人工智能模型。

美国正在测试并部署诸如IBM的NorthPole神经推理加速芯片之类的具备人工智能功能的处理器，可用于无人系统和步兵部队。例如，战术突击套件使前沿部署人员能够在移动设备上接收由人工智能加强处理的态势感知信息。其他一些项目则为无人机和传感器配备设备端处理能力，以支持目标识别和导航，而无需连接到集中式网络。

英国正在通过“基于集成电子网络技术的资产保护传感”（SAPIENT）架构测试边缘人工智能，该架构利用嵌入式处理器，使传感器能够探测、分类战场目标，并进行优先级排序。该架构支持人机协同作战，并旨在与盟军平台实现互操作性。SAPIENT是一种将模块化自主传感、融合和传感器管理相结合的概念，是由英国国防部拥有的开放式架构，它规定了现代人工智能算法在各种传感器上协同工作的标准和协议。

SAPIENT架构（图片来源于英国国防部文件，如有侵权请联系删除）

（DMM：决策模块；ASM：自主传感模块）

澳大利亚正在将人工智能任务系统集成到诸如“幽灵蝙蝠”忠诚僚机和XT-8“天鲨”无人机等平台上。这些无人机旨在自主处理传感器数据并执行任务逻辑。在AUKUS试验中，澳大利亚无人机成功运行了盟军（美、英）的人工智能模型，并在极少人工干预的情况下，执行了情监侦和打击协调任务。

这些努力的一项关键成果是模块化、任务适应性强的AI套件的出现。在三方演习中，AUKUS成员国无人机展示了在不同国家平台上运行和交换AI模型的能力，证明了技术兼容性和运行可靠性。这些举措共同体现了各方对快速、安全且可随时部署到战场的AI的追求。通过在边缘嵌入计算能力，AUKUS成员国正在构建一个分布式架构，使每个平台都能在共享的联盟框架内独立感知、决策和行动。

3.数据管理层：为人工智能构建共享基础

数据是推动人工智能性能的关键因素。AUKUS各成员国都制定了国防数据战略，强调数据的可见性、可访问性和互操作性。在联合试验中，英国和澳大利亚的情监侦数据得以实时融合，并使用美国训练的模型对这些数据进行处理，从而实现更快、更准确的目标识别和协同打击。实现这一目标需要共享本体、兼容的元数据标准以及对交换数据完整性的信赖。

为了扩展这一能力，AUKUS正在探索联邦数据湖和合成训练数据，以克服数据分类障碍。这种方法能够在不损害各国对机密数据集控制权的前提下，实现协作性模型开发。

4.机器学习与建模/仿真：共同开发AUKUS AI的大脑

机器学习和仿真技术是人工智能能力发展的核心。AUKUS成员国正在从孤立的算法开发转向共享模型训练和实验。2023年，首个AUKUS成员国联合开发的AI情监侦系统投入使用，该系统基于共享数据进行训练，并在联盟试验中得到验证。这凸显了AUKUS框架的一项关键优势，即共享真实世界数据和运行环境能够实现更快、更好的人工智能能力。

像美国陆军的“项目融合”实验这样的联合仿真环境，使AUKUS成员国能够在逼真的多域场景中对人工智能系统进行压力测试，以确保这些系统在复杂环境中的表现和可靠性。此类环境能够生成合成数据，并完善人机协作理念和联合战术。AUKUS在仿真方面的未来发展方向可能在于创建持久的虚拟测试平台和数字孪生模型，将三个成员国实验室连接起来。

5.决策支持与自主性：迈向可互操作的人工智能赋能作战

人工智能技术堆栈的顶端是能够为决策提供信息并实现自主行动的应用。AUKUS正在构建一些能力，包括使联盟部队共享人工智能生成的见解，以及作为一个统一团队采取行动等。这类能力的示例包括在“项目融合2024”实验中，一架英国无人机利用人工智能模型（基于英国提供的数据进行训练）识别目标。该识别结果在经人工控制人员的验证后，被传输给一架澳大利亚无人机执行打击任务。该案例展现了人机协作和联盟互操作性在作战中的巨大潜力。

AUKUS还将人工智能应用集成到指挥控制系统和任务规划工具，例如用于提供最佳资产配置建议或敌方行为预测的算法。AUKUS成员国还在部署自主系统，包括无人机群和无人水下航行器。诸如AUKUS水下机器人自主系统（AURAS）项目之类的试验，其目标即在于开发用于持续监视和打击的大型自主潜艇。

综上所述，AUKUS成员国在人工智能方面的合作正日益加深，且渐成体系。基于这些合作，未来美、英、澳三国可能实现以下能力联合及增强：一是共享情报数据，形成更全面、更广泛的一体化态势感知能力，如借助澳大利亚的地理位置和装备，加强美国对我海域态势的感知能力等；二是实现武器装备互操作性，为AUKUS成员国之间的军售以及战术支援提供便利；三是指挥与控制的互联互通。这些能力共同为AUKUS成员国开展联合作战提供支持，有助于其构建通用作战图、实施统一作战筹划、灵活分配作战资源，最终形成作战能力的大幅提升。

鉴于人工智能对国防和军事的赋能对未来战争异常关键，为了防患于未然，我们有必要及时掌握并持续关注AUKUS成员国在联合研发和测试人工智能方面的实时进展。