本文仅在今日头条发布，谢绝转载

2026年7月30日，二十届中央政治局就推进国防和军队现代化举行第二十七次集体学习。据新华社报道，会议提出逐步构建智能化军事体系。不少防务领域分析认为，智能化正在成为推动军事体系升级的关键牵引方向。

约两个月前，第十四届中国指挥控制大会暨第十一届北京军事智能技术装备博览会在北京举办，大会以无人具身智能引领、指挥控制体系赋能为主题，公开信息显示从自主侦察装备到AI辅助决策系统，技术储备已覆盖多个作战环节。

两条公开信息指向同一趋势。伴随着逐步构建智能化军事体系的部署落地，中国军队的智能化转型已从概念讨论进入体系构建阶段。本文基于公开报道和军事理论界的讨论，梳理这一转型在五个维度上正在发生的变化，同时指出三道尚未闭合的逻辑难题。

传统指挥流程中，从目标发现到火力响应，需经过探测、识别、定位、上报、研判、下令、执行等多个环节，每个环节的人力介入都构成时间损耗。智能化转型的核心目标之一，是压缩这一链路。

据《解放军报》公开报道，某部依托数据采集与处理链路建设，已实现画面实时回传与目标特征快速识别。在指挥控制层面，公开学术讨论提及，利用机器学习融合历史数据和实时态势，可辅助指挥员缩短态势判断时间。

但需要明确的是，目前所见报道中的快速识别和参数计算属于技术辅助层面，目前暂无公开信息证实已经实现感知到火力打击的全链条秒级闭环。这一边界的存在有其合理性。军事决策涉及政治考量、国际法约束和交战规则判断，这些非量化因素目前无法交由算法独立处理。据此可以推断，智能决策系统在实际运用中的功能边界，大概率被设定在战术级技术建议层面。

后勤领域的智能化有相对清晰的落地场景。据公开报道，某部在物资投送方案制定中，已将天气、车型、单兵负荷、路况等多维变量纳入算法模型。此前依赖参谋人工估算的方案制定周期显著缩短。

这一变化的实质，是将后勤保障从需求响应模式向需求预测模式迁移。系统通过接入前线消耗速率、运输线路风险等级和装备故障统计数据，提前生成补给方案，而非等待前线报告短缺后再行组织。

但值得注意的是一个深层约束。预测模型的精度高度依赖输入数据的质量。公开报道提及，该部在模型训练初期曾因使用公开数据而非实装数据，导致计算偏差。而真实战场数据涉及密级，获取和使用均有严格限制。这意味着后勤智能化的上限，不取决于算法本身，而取决于数据采集、清洗和共享的制度设计。

智能化对指挥控制体系最深刻的冲击，在于人与机器的职责边界如何重新划定。

军事理论讨论中，“人在回路内”与“人在回路上”两种模式的区分被反复提及。前者指机器执行、人类全程操控的传统模式。后者指机器自主执行标准化动作、人类在关键节点介入的模式。从公开文献看，中国军队倾向于后者，即在战术层级的标准化响应中赋予算法较大自主权，在涉及交战规则边界和战略判断的环节保留人类最终决策权。

这一分工模式的落地前提是指挥员必须理解算法的决策逻辑。如果指挥员不清楚系统为何给出某一建议，就无法判断是否应该采纳。查阅公开资料后可以发现，全军范围内具备数据素养和算法认知能力的指挥人才储备目前仍处于起步阶段，这是人机分工从理论走向实践的关键障碍。

智能化军事体系的构建，最终依赖懂技术和懂打仗两类知识的复合。公开报道显示，某部在模型调试中曾因算法对军事术语的语义理解偏差，导致生成的方案在战术语境中不可用，需调整训练数据集和语义模块才能改善。

这一案例说明，智能化需要作战人员和技术人员的深度协作。目前军方通过院校培养和军地协作拓展人才来源，但一个客观现实不容忽视。具备算法研发能力的技术人才，在民用领域薪酬吸引力显著高于军队，人才吸纳存在客观挑战。而具备实战经验的指挥员，转型学习数据科学的门槛较高。这一结构性矛盾如何化解，目前公开讨论中尚未见到系统方案。

俄乌冲突被广泛视为智能化军事应用的试验场。据央广军事2026年2月报道，乌方借助AI技术支持，无人机在信号被干扰后仍能依靠末端自主制导锁定目标。据英国《卫报》7月30日报道，俄方通过精确打击摧毁了基辅一座以末端自主制导为关键技术特征的无人机工厂。俄方同时以电子战手段压制无人机通信链路，并加速量产小型侦察无人机以弥补态势感知短板。

这些案例提供两个参照。第一，AI在强电子对抗环境下的可靠性是核心瓶颈，末端自主制导的识别准确率在复杂电磁环境下会显著下降。第二，现阶段AI更多起到效能增量作用，尚未形成颠覆性作战能力，能够提升作战效率，但难以单独左右战役走向。

需要强调的是，中国军队的战场环境、装备体系和对手特征与俄乌双方均有显著差异，这些经验的借鉴价值需谨慎评估。此外，俄乌冲突中暴露出的AI误判和系统被欺骗等问题，目前公开讨论中较少涉及，但这是任何智能化体系必须面对的共性风险，值得持续关注。

以上五个维度勾勒了智能化转型的已知轮廓。在此基础上，提出三个更深层的问题，它们目前在公开讨论中尚未被充分触及。

第一，责任归属问题。当算法建议被采纳后造成误判或附带损伤，责任由谁承担。是指挥员、系统开发者，还是数据提供方。现行法规基于人作出决策的前提设计，一旦决策过程中算法深度介入，责任链条即被模糊化。这一问题若不前置解决，将严重制约指挥员对算法建议的采纳意愿。

第二，能力退化风险。长期依赖算法辅助决策，指挥员的态势判断和临机处置能力是否会退化。航空领域相关研究显示，长期过度依赖自动化系统，容易削弱人员处置突发异常状况的临场能力。军事决策的不可重复性使得这一问题更加突出，目前尚无公开的应对方案。

第三，对抗性欺骗的脆弱性。算法模型的输入端一旦被对手针对性污染，比如虚假信号、欺骗性数据，输出结果即可能严重偏离真实。在电子战和信息战高度对抗的环境中，如何保证算法决策的鲁棒性，是一个尚未被充分验证的技术难题。

从公开信息可以判断，中国军队的智能化转型正在推进，在决策辅助、后勤预测和战术自主等环节已取得可验证的进展。但同样基于公开信息可以判断，这一转型在数据获取、人才培养、人机信任和规则界定等方面仍存在明显的未闭合环节。

智能化不是对机械化、信息化的替代，而是在既有体系上的决策效能升级。这场升级的最终效果，不仅取决于算力和算法的迭代速度，还取决于军队的组织体系能否同步适配，以及指挥员与算法之间能否建立基于理解而非盲从的协作关系。更根本地，它取决于上述三道难题能否在技术落地的同时得到制度性回应。这些问题尚无现成答案，而恰恰是下一步观察的焦点所在。