被制裁的中国高校，研发出用AI追踪F-22，准确率近乎100%

谁说制裁能卡住中国科研的脖子？被美国列入制裁名单的北京理工大学，最近交出了一份让外界意外的答卷。

据香港《南华早报》报道，8月10日，该校联合中国空空导弹研究院等机构，在《电子测量与仪器学报》发表了一项研究成果：一套轻量级AI红外识别系统，专门针对空对空导弹搭载场景，能在毫秒级时间内精准识别空中目标。

最扎眼的是测试数据。

研究团队一共使用了3245张由弹载扫描式红外成像系统采集的图像，测试对象分成三类，其中就包括模拟F-22和F-35特征的空中目标。

AI模型测试识别准确率最高达到97.1%；装进专门的AI加速硬件后，准确率依然达到96.4%，单张图像平均处理时间只有大约1.5毫秒，整套硬件功耗约2.2瓦。

这几个数字放在电脑上可能没什么感觉，放在导弹里就完全是另一回事。

导弹内部空间寸土寸金，供电、散热、重量、算力全都受限制，而且目标不会站在那里等你慢慢识别。

双方战机高速接近时，留给导引头判断“前面到底是真飞机，还是一枚诱饵弹”的时间，可能就是转瞬之间。

所以这项研究真正值得注意的，不只是97.1%，而是“轻量化”。

以前人工智能模型越强，往往意味着参数更多、算力更大、功耗更高。但导弹恰恰没条件塞进去一套服务器。

现在这套模型做的事情，就是把AI压缩到足够小、足够快、足够省电，让算法有机会真正跑进弹载红外系统里。

而它瞄准的恰恰是隐身战机一个绕不开的问题：雷达可以隐身，热量却不可能凭空消失。

F-22、F-35之所以难发现，核心优势之一是降低雷达可探测特征，可只要发动机还在工作，就会产生高温尾气；飞机高速飞行，机体与空气相互作用同样会形成红外特征。

传统红外导弹当然也能“追热源”，问题在于战斗机可以撒红外诱饵弹。

一大片高温诱饵突然出现在视野里，过去的导引头容易被骗走。

AI带来的变化，就是不再只问“哪里最热”，而是进一步判断：“这个热源到底长得像什么？”

发动机尾焰、机身热分布和一颗燃烧中的诱饵弹，红外特征并不完全相同。AI只要能把这些差别快速识别出来，诱饵弹想靠单纯制造高温把导弹骗走，难度就会增加。

这也是为什么北京理工大学第一作者安江山会判断，未来轻量级识别模型可能越来越多地进入空空导弹，因为它既要跑得快，又必须保持足够强的目标辨别能力。

更有意思的，是这项成果背后的学校。

北京理工大学早在2020年就被美国商务部列入“实体清单”。美方当时给出的理由，是认为该校获取或试图获取美国原产物项，用于支持解放军相关项目。

2022年，美国又给北京理工大学等实体加上“脚注4”，进一步扩大先进计算、半导体等相关出口管制的覆盖范围。如今美国商务部实体清单中，北京理工大学仍然在列。

美国当初的逻辑很简单：卡高端芯片、卡先进设备、卡关键技术供应，希望把中国相关高校和科研机构的研发速度压下来。

可真正有意思的地方就在这里。

人工智能走向武器装备，拼的不一定永远是谁拥有最大的GPU。

到了导弹、无人机、卫星这些平台上，真正重要的反而可能是模型压缩、算法效率、国产硬件适配和极低功耗下能做多少事情。

2.2瓦的意义就在这里。

它说明未来的军事AI竞争，不只是“谁有最大的算力中心”，还有一条完全不同的赛道——谁能把足够聪明的算法，塞进足够小的武器里。

一旦这条路线成熟，AI就不只待在地面指挥中心。

它可以进入导引头，进入无人机，进入预警探测设备，让原来只能“看到目标”的传感器，进一步学会“理解目标”。

这才是这项研究真正值得美国注意的地方。

制裁能够增加获得先进设备的成本，却未必能阻止对手改变技术路线。

当外部最先进的东西不好买，就逼着你把算法做得更轻，把硬件功耗压得更低，把每一份有限算力榨得更干净。

结果有时候很有意思。

本来是想把门锁上，最后却逼着门里面的人开始自己造锁、自己造钥匙，甚至重新设计了一扇门。
而对于F-22和F-35来说，真正麻烦的也不是某一篇论文宣布“隐身失效”。

而是越来越多不同波段、不同传感器、不同AI算法开始尝试从另一个方向寻找它。

隐身从来不是消失。

只要目标仍然会发热、会运动、会与外界交换能量，就意味着它仍然会留下痕迹。

雷达看不清的，红外可以继续找；单一传感器分不清的，AI开始帮着判断。

当“发现”越来越依赖体系，而不是某一双眼睛时，隐身战机面对的游戏规则，也正在一点点发生变化。