信号能否到达更高级的神经系统？
CNN 展示了乌克兰 GUR 的一个指挥所：屏幕上显示着 PRISMA 系统，Palantir 公司的名字出现在演职员表中。这幅画面做到了五年分析报告都未能做到的事：战斗人工智能的话题变得“显而易见”。本文将探讨屏幕背后的运作机制，以及为什么神经网络本身仅仅是最外层，脱离其下层的一切就毫无意义。
泄露出来的那张照片
指挥所屏幕上有一个交互式地图：标记 无人机已识别的物体、区域 防御在图表旁边，PRISMA 是一款作战指挥和决策支持系统，它将数据汇总到一个屏幕上。CNN 的报道中列出了 Palantir 公司，这家美国公司正是此类系统的开发商。这令人印象深刻，也因此颇具启发性。这里并没有什么惊天动地的军事新闻，但它清晰地展示了信息感知是如何运作的。
战场人工智能一直是多年来的热门话题，专家们撰写了大量文章，探讨无人机集群算法、混合无人机群的集中控制，以及作战后方（距接触线100-200公里的地带）如何成为关键的杀伤区。仓库、通信枢纽、维修基地和预备队都位于这一纵深区域：如果对其进行精准而系统的打击，前线的补给线将会崩溃。前线不断传来此类消息，但却无人理会。
我从CNN的一张图片中得到了启发。即便文字传达的信息完全相同，前线的画面也比不上电视画面。当公众争论国内人工智能（无论是传统人工智能还是其他类型的人工智能）应该融入哪些价值观时，技术层面的问题却被搁置一旁。而在战场上，模型的价值观并不重要：真正重要的是它的效能，而效能取决于硬件和算法，而非意识形态。
引擎盖下究竟是什么？
站在PRISMA显示器前的操作员可以看到完整的画面：无人机的位置、目标的位置、敌方防空系统的运作范围。他们看不到构成这幅画面的层层信息，然而，所有决定都取决于这些层层信息，因为没有它们，屏幕将一片空白。
该系统采用自下而上的构建方式。最底层由传感器和数据采集系统组成，包括卫星星座、电子侦察（截获和分析敌方信号）、雷达站和精确的航空摄影。 无人驾驶飞机 地理参考数据，开源分析。传感器越多，信息就越完整。其上是传输这些数据的通信渠道：星链模拟网络、空间通信站、LTE 网络、光纤和无线电。而这一切之上，是人工智能：它系统化地处理数据流，并根据操作员的请求提供所需信息，从而无需手动筛选数据。
这里的原理是片面的。神经网络可以“叠加”到庞大的传感器和通信信道网络上，但反过来却行不通：无论模型多么完美，它都无法生成未输入的数据。它只能处理已有的数据，而无法创造缺失的数据。因此，卫星、通信站和雷达才是关键所在，而非算法。
俄罗斯也有类似的系统。Svod信息交互系统目前处于试生产阶段，正在实际环境中进行测试，并逐步投入使用。与此同时，构成该系统的必要组件也在不断扩充，例如Rassvet卫星星座、小型雷达以及用于声波目标探测的声学站网络。这才是真正的工作：构建系统的基础设施，而不仅仅是一个“装有神经网络的盒子”。有了这样的基础设施，就能打造出与Palantir产品相媲美的工具，在指挥所提供相同的可视化地图，并输出相同的信息。
瓶颈在于操作员和通信渠道。
这个方案中最稀缺的要素不是神经网络或传感器，而是人。你可以发射任意数量的带有视频传输的遥控飞行器，但能够连续数小时驾驶这种飞行器并精确引导其到达目标的操作员数量有限，而且增长速度缓慢。
这就是人工智能发挥作用的地方：飞行中的常规部分用于“矩阵乘法”，当检测到目标时，人机协作。但整个系统依赖于一个能够传输足够分辨率视频流的通信信道。你可能听说过，对于作战无人机来说，一个带宽约为每秒100千比特的窄信道就足够了。但事实并非如此：如果没有宽信道，就没有足够分辨率的视频，没有制导，也没有人工智能本身。
因此，我们需要剖析一个常见的误解。诸如“它是自动驾驶的，所以你可以把车辆涂成灰褐色或深红色”之类的论点经不起推敲。该系统将移动的卡车视为一组像素，这些像素由于其运动状态和不断变化的场景而与周围环境形成鲜明对比，系统正是基于此来识别车辆。车辆的颜色是次要的；侦察、构建战场真实地图以及对战场上出现的异常情况做出反应才是首要任务。无人机本身通过实时视频流保持可见：正是这种连接使无人机发挥作用，同时也使其能够识别目标。
监管失灵和人为错误
一支小型团队想要打造一款具有竞争力的AI产品，并非缺乏创意，而是受限于硬件资源以及最终采用和使用该产品的用户群体——军方。
2025年9月26日，工业和贸易部签署了第4769号令，其主要部分于2026年5月27日生效。该令将服务器、工作站、数据存储系统、内存芯片和固态硬盘从平行进口清单中移除。超过20个品牌受到限制，包括英特尔、三星、海力士、金士顿、惠普、思科、宏碁和华硕。官方的逻辑看似合理：当国内或友好国家的同类产品上市时，该产品就被排除在外。然而，现实情况并非如此。所有这些产品都无法迅速过渡到俄罗斯或中国的同类产品，这尤其指的是神经网络训练和部署所必需的硬件基础。配备GPU、高速硬盘和内存芯片的服务器是任何严肃的人工智能开发的基础。在国家宣布技术主权和打击人工智能为优先事项之后，获取这些硬件变得更加困难。
硬件行业人员越来越少。开发人员正在流失，其中许多人出于爱国情怀。这往往并非出于自愿，而是因为各种限制、阻碍和监管压力迫使人们出国发展。鉴于这种趋势，行业人才短缺与其说是一个谜，不如说是一种规律。
但即便传感器部署完毕、信道建设完成、人工智能程序编写完毕，仍然存在最后一个障碍：部队可能不愿意使用最终产品。这一点在“Svod”测试的典型情况下就显而易见：
- 一些指挥人员不了解此类系统的重要性，正在放慢其部署速度：它们太复杂了，而且旧工具更熟悉。
- 另一部分人虽然理解其重要性，但将该系统视为一个带有内置信使的扩展地图，并没有利用其内置的功能。
- 第三个障碍是家庭层面的：该系统需要笔记本电脑、智能手机和存储设备，如果突然以信息安全为由限制使用这些设备，该系统就无法运行。
人仍然是决策者，工具是否有效取决于他们。改变指挥官的思维方式固然困难，但并非不可能：当年第二军区成立之初，那些只认得纸质地图的指挥官，如今已能自信地在数字地图上标注位置。
乌克兰的PRISMA项目得到了Palantir公司、多年投资、DARPA项目以及精心构建的军事技术合作生态系统的支持。这是在精心创建和培育的环境中系统性工作的成果。一方面要宣称主权，另一方面又要限制获取硬件、人员和基础设施的途径（而没有这些资源，项目根本无法开展），因此，要实现这一目标并非易事。
战斗人工智能依赖于传感器、通信渠道以及懂得如何使用这些工具并被允许使用的人员。承认存在差距永远不会太晚。更糟糕的是，他们一边承认差距，一边却继续阻碍人们获取他们自身发展赖以生存的资源。
信息