OODA智能賦能技術發展思考

祝學軍，趙長見，梁卓，譚清科

中國運載火箭技術研究院，北京 100076

縱觀人類歷史發展長河，每一次科學技術的大革命必然會推動裝備跨越發展，帶動軍事革命，擴展作戰域，改變作戰模式。第一次工業革命，促進了以英國為代表的西方國家艦船裝備的快速發展，使得海軍力量從大西洋走向全球，海戰成為主要的作戰模式；第二次工業革命推動了裝備機械化轉型發展，將戰場范圍由陸地、海洋拓展至空中，閃電戰成為重要的作戰模式；第三次工業革命引發了軍隊的信息化革命，信息化支持下的體系作戰成為新的作戰模式，感知-判斷-決策-行動(Observation-Orientation-Decision-Action，OODA)理念應運而生，誰能夠更快地完成OODA環路循環，并阻滯敵方環路循環，誰就能贏得戰爭的主動和勝算。

而戰場瞬息萬變、對抗復雜，戰場態勢到作戰策略的映射關系復雜，無論是作戰指揮還是戰斗機、導彈等裝備使用，都追求更短周期的OODA環。為有效適應高烈度、強對抗的作戰任務需求，亟待提升OODA循環速率，降低人在回路的事務性腦力負荷，集中人在方向性決策的精力。人工智能技術為破解當前難題提供了有效手段，智能化賦能OODA必將產生新質戰斗力，將對戰爭產生革命性影響[1]。

近年來，國內外學者對OODA智能化技術開展了探索研究。文獻[2]闡述了OODA的發展歷史和未來方向，從以“機動為王”加快執行(A)環節的OODA1.0到以“信息為王”加快觀察(O)環節的OODA2.0，再到以“智能為王”加快各個環節(OODA)的OODA3.0，體現了人工智能技術在提高OODA環快速性的重要推動作用。文獻[3-4] 開展了基于人工智能算法提高態勢認知速度、決策速度的研究，加快己方OODA環解算效率，阻滯敵方OODA環的形成。文獻[5]從作戰資源智能調度與動態管控技術方面研究了OODA環結構和組合方式的重構，使得作戰方案上存在更多的選擇。文獻[6-15]分別從導彈武器系統體系相對貢獻率評估、武器裝備現代化推進、空戰體系智能化發展、集群無人機電子戰等方面研究了OODA環的關鍵技術問題。

本文在闡述軍事領域人工智能應用進展的基礎上，分析了OODA面臨的挑戰及智能賦能OODA發展策略的可行性，并提出了OODA智能化亟待突破的關鍵技術發展思考。

1 人工智能在軍事領域的應用進展

隨著人工智能技術的蓬勃發展，學者普遍認為人工智能技術是最有可能改變未來世界的顛覆性技術[16]。人工智能技術在軍事上的應用將成為新軍事變革的核心驅動力，軍事智能化引起了主要軍事強國的高度關注。各軍事強國加大了智能武器的研發投入，從戰術層面演進到戰略層面，從武器裝備延伸到作戰樣式，人工智能的軍事應用正在加速推進。未來戰爭進入智能化時代，戰爭的控制權在繼陸權、海權、空權、天權、信息權之后，正在向智權發展，智能化戰爭將成為新的戰爭形態。

美國在“第三次抵消戰略”中提出智能武器、自動化無人武器系統等新概念武器以發展“改變未來戰局”的顛覆性技術，美國戰略與預算評估中心提出了“決策中心戰”，兵力運用上采用物理上分散、邏輯上一體，通過智能技術加速決策的效率。在武器裝備方面，美軍在遠程反艦導彈LRASM應用了人工智能技術，可自主感知威脅，實現在線路線規劃，智能繞過威脅，提高OODA中感知和決策環節的效率；“戰術戰斧”巡航導彈配備了智能化實時再瞄準系統，具備在線規劃飛行路線和根據毀傷情況重新選擇目標的能力，縮短OODA中決策和行動環節的時間；在人工智能技術的軍事應用研究方面，DARPA與美國空軍研究實驗室支持深度學習分析公司開展“對抗環境下的目標識別與自適應”研究項目，提高雷達目標識別系統的感知能力，縮短感知用時；此外，DARPA先后支持洛馬公司、BAE系統公司等開展“行為學習自適應電子戰”、“自適應雷達對抗”等項目，提高雷達電子對抗過程中的快速分析、自主對抗策略生成等能力，提高OODA中感知環節的能力。2016年，美國辛辛那提大學開發的“阿爾法”空戰系統在模擬空戰中擊敗了美國空軍上校，體現了人工智能技術在空中格斗OODA環的快速性。

俄羅斯同樣將人工智能視為戰略競爭的重要領域，加強人工智能在武器裝備的應用。俄羅斯自主研發的無人駕駛履帶裝甲車可在遙控下完成巡邏、偵察、追蹤、阻截、攻擊等任務，提高OODA中感知和行動環的能力； “波塞冬”核動力潛航器可自主偵察水面下及海底環境并摧毀敵目標，具備較高的智能化水平；俄羅斯軍隊裝備了先進的自動指揮系統，利用人工智能技術將各類情報整理分析，提出戰術建議輔助指揮者決策，縮短決策所需時間。

此外，英國和法國也加快研究人工智能的軍事應用以謀劃軍事裝備的智能化改造及智能作戰應用。英國成立人工智能實驗室探索保持未來軍事優勢的領域，開發SAPIENT系統，利用人工智能技術，可自主決定城市街道監視的內容和方式，減輕士兵的負擔、降低人為錯誤風險，提高作戰感知的能力。歐洲空客公司與ANSYS將發布新型人工智能設計工具，為歐洲下一代空戰裝備系統研發項目“未來空戰系統(FCAS)”創建嵌入式飛行控制軟件，使用人工智能算法協調蜂群無人機為戰斗機導航、與戰斗機協同編隊飛行等。

中國亦高度重視人工智能技術在軍事領域的應用。諸多學者也開展了以武器裝備為背景的人工智能方法研究，從武器裝備、作戰系統、指揮控制、后勤保障等方面研究軍事智能化發展的關鍵技術[17-22]，縮短作戰OODA環的時間。解放軍理工大學研發的軍事運籌輔助決策系統基于模型庫、數據庫、知識庫、方法庫等生成作戰方案，進行推演評估，生成輔助決策信息，縮短決策環節的時間[23]。軍事科學院研發的“進攻一號”軍事專家支持系統，自動生成作戰參考方案，輔助指揮者做出正確決策[23]。當前，智能無人系統已經初步應用于戰場環境感知、遠程精確打擊、軍事訓練、作戰支援等方面，在蜂群無人機和指揮控制等方面取得了一定的突破。中國電子科技集團分別于2016年10月、2017年5月、2017年11月實現了67架、119架、200架固定翼無人機集群飛行試驗，驗證了無人集群智能飛行控制、任務規劃、智能決策、動態組網等技術，極大縮短了從決策到行動的時間。

在可預見的未來，人工智能技術必然引領未來戰爭形態、作戰方式、制勝機理發生顛覆性改變。然而，人工智能在OODA各環節的技術應用仍面臨困難挑戰。因此，面對規模更加宏大、協同更加復雜的未來全域作戰，亟待加快智能化技術在軍事上的應用研究。

2 智能賦能面臨的挑戰

由于戰場態勢瞬息萬變、實時數據海量、對抗環境復雜，如何在高時變、高動態、強對抗條件下實現OODA的快速循環是打贏信息化和智能化支持下的現代化戰爭的關鍵。為縮短導彈OODA循環周期，需突破感知-判斷-決策-行動的一系列技術難題，實現態勢全維感知、信息高效處理、指令自主生成、戰力精準釋放。

1) 需解決信息感知與快速處理問題，實現對多維空間多源異質戰場數據的實時處理與融合，為預測提供系統準確的數據輸入。未來戰爭中天基、空基、地基、海基平臺以及雷達、紅外等各類探測設備為信息支撐的態勢感知系統提供了大量偵察數據，信息量愈益增大，數據獲取速度加快，更新周期縮短，時效性愈益增強。此外，單源信息往往是不完備的、受到干擾的偵測數據，如何實現多種傳感器平臺的多時相偵測數據之間的匹配融合，發揮不同偵測數據源的優勢，為導彈提供更精準的目指信息和攔截區域信息，成為亟待解決的問題。

2) 需解決威脅精準研判問題，基于實時感知信息對威脅源的屬性和位置進行識別，實現對威脅等級及行為的快速研判。戰場海量信息的進一步挖掘是對敵方威脅行為的提取、理解和預測，明確當前威脅源位置及覆蓋半徑，從而評估戰場軍事態勢，為決策提供可信的依據。然而戰場環境中敵方威脅行為捷變，攔截威脅軌跡難以精準預測，威脅精準研判面臨諸多技術難題。

3) 需解決復雜環境下攻防對抗的自主決策問題，根據環境、任務的變化，實時優化作戰模式，自適應動態地進行智能化最優決策。傳統程序化的彈道模式難以應對瞬息萬變的戰場，固定的彈道程序易被敵方多層立體防御系統攔截，預定程序突防、電子干擾突防和誘餌干擾突防等突防方式存在突防策略程序化、機動彈道固定化、難以隨機應變的缺點，亟需導彈具備自主決策的能力，根據戰場態勢及任務的變化進行推演決策，自適應地調整彈道，實現“發射后不管”。

4) 需解決面向任務剖面的高效執行問題。由于攔截系統能力的不斷升級，導彈不斷提升寬速域、大空域、大機動的飛行能力需求，對控制系統、動力系統、結構材料等要求更加嚴苛，亟需解決控制、結構、熱防護等面臨的難題。另一方面，體系作戰背景下，單個導彈難以滿足部分作戰需求。隨著導彈自主能力的不斷提升，集群協同成為發展趨勢，但高速導彈集群協同受到通信、控制、機動能力等多方面約束，在寬速域、大空域、大機動的飛行環境中存在較大技術挑戰。

3 OODA智能賦能發展思考及關鍵技術

3.1 發展思考

導彈70多年的歷史發展，在科技進步推動、戰略需求牽引、戰爭實踐催生下，不斷升級改進：從執行環節的提高射程、增強威力(OODA1.0)，到信息獲取環節的采用衛星導航/慣性復合中制導與雙模/多模復合導引頭末制導，命中精度、目標識別和抗干擾能力進一步增強(OODA2.0)，體現了導彈從執行環節到感知環節的能力提升。智能賦能OODA(OODA3.0)則是在已有能力的基礎上，對環中的4個環節分別引入智能技術，進一步提高OODA環的準確性、敏捷性和快速性。

針對OODA智能化賦能面臨的挑戰，面向復雜對抗任務剖面，為確保贏得戰爭的主動，將智能技術融入OODA環各環節，促進戰爭形態由 “以人為主”向“人機協同”再向“無人作戰”不斷升級發展。在可以預見的未來，OODA智能化賦能將推動裝備體系自動化-智能化發展，必將催生全新作戰理念、新質作戰力量、新型作戰樣式。

從武器裝備層面，裝備的智能化可大幅增強裝備的信息運用能力、拓展任務適應能力及故障容錯能力。通過將智能技術與感知識別技術相結合，可以提升弱目標特征、小子樣下的目標監測與識別能力；將智能變形技術與飛控軟件智能重構技術相結合，可在線基于任務的動態變化，自適應切換外形及飛控軟件，以滿足一平臺多用途任務需求；通過智能技術與狀態認知相結合，實時基于監測信息判斷自身健康狀況，及時識別故障，并對故障進行智能隔離、修復，降級條件下亦能完成任務。

從體系對抗層面，體系的智能化發展主要體現在多約束復雜場景下的在線決策能力和集群智能協同能力。通過將智能技術與自主決策、指揮控制技術結合，基于人工智能強大的數據分析能力和演進推理能力提升自主決策效率，為決策者提供更多的選擇。在集群協同方面，通過將智能技術與集群控制技術結合，達到“1+1?2”的集群能力涌現，在作戰中可以實現協同探測、協同干擾、協同突防等集群策略的自主執行，根據戰場態勢選擇最佳的構型執行任務，而非人為設定的程序執行；還可以實現集群配置的高低混搭，使用“一高多低”的集群策略達到低成本下的性能不減，通過智能技術實現集群的團隊能力提升，而非一群節點聚在一起。

戰爭是科學技術和綜合國力的對抗，更是硬核科技、軍事裝備與作戰應用的集中檢驗。武器裝備和體系對抗逐步從“信息域”上升至“認知域”。面向信息化、體系化和智能化支撐的高動態、強博弈的未來戰爭，OODA智能化賦能對未來戰場、制勝未來戰爭、贏得未來挑戰將發揮不可替代的作用。

3.2 關鍵技術

基于以上對OODA面臨的挑戰及發展的思考，針對OODA的各個環節，分別從智能感知技術、智能研判技術、自主決策與指控技術、導彈智能飛行技術、導彈集群智能控制技術以及支撐智能技術實現的彈載AI芯片和集群智能操作系統等方面提出智能賦能OODA涉及的主要關鍵技術，如圖1所示。

圖1 智能賦能下的OODA關鍵技術框圖Fig.1 Diagram of key technology in OODA empowered with AI

3.2.1 智能感知技術

智能感知的目的是通過有效地接收、探測戰場環境信息，并進行樣本積累和特征融合，經過充分的學習、處理、分析，優化產生可供導彈使用的信息，完成探測、跟蹤、識別等任務。未來戰爭態勢瞬息萬變，對態勢感知技術提出了更高的要求。傳統的態勢感知技術面對復雜多變的環境信息難以有效提取特征進行目標識別，而人工智能技術在人臉識別、棋牌對弈等領域的成功應用，其能夠處理復雜信息的能力被廣泛關注。隨著人工智能研究的逐漸深入，具有復雜層次和獨特結構的神經網絡先后被提出，使得計算機具有類腦的運行模式，解決戰場的態勢感知和目標識別問題。國內外很多學者也研究了深度學習技術在軍事目標識別中的應用，文獻[24-28]分別研究了深度學習技術在艦船目標、雷達輻射源、水下目標和空中目標等領域的識別應用，屬于智能技術的高層次應用，而在數據處理、信息融合等方面的智能技術應用相對較少。未來戰爭遍及陸、海、空、天、網等復雜戰場，面臨著對手多層次多方式的博弈對抗，面臨著不同偵測平臺、不同載荷手段、不同數據格式以及不同分辨率的感知挑戰。應突破多維多域環境態勢感知理論與方法，借助人工智能技術提升數據處理、信息融合感知、目標快速識別等方面的能力。

1) 基于智能算法的數據處理技術。由于不同體制、不同來源的數據格式差異巨大，所包含的目標屬性信息也不盡相同，戰場數據是在高對抗干擾、高實時響應條件下得到，存在模糊或丟幀現象，導致偵測信息的威脅特征不明顯或在時間和空間維度上不連續，在信息融合前需對偵測數據進行處理。人工智能算法在數據處理、數據理解等方面較傳統方法有更強的適應性，如何將智能算法應用在軍事偵測數據處理中以提升處理復雜偵測數據的能力，縮短從數據變為信息的周期，是一個重要的研究方向。

2) 基于智能算法的信息融合感知技術。多種傳感器平臺的多時相偵測數據之間的信息融合能更好發揮不同偵測數據源的優勢，彌補某一種偵測數據的不足之處。多維多源異質數據中既有可量化的數值型偵測數據、圖像數據甚至視頻數據，可能還有很多屬于描述性的文字信息，信息融合的難度大。人工智能算法在大數據、數據挖掘等方面的研究已逐漸深入，深度神經網絡在分析復雜事物關系時有其獨特的優勢，研究基于智能算法的信息融合感知技術，從多源異質信息中獲得全面、準確、高效的目標信息，是提升數據利用效率的關鍵。

3) 基于智能算法的目標快速識別技術。人工智能在目標識別中的應用已深入到民用支付領域，具有很高的正確率和快速性，也是最有可能在軍事領域廣泛應用的技術之一。然而戰場偽裝、誘餌等手段能模擬真實目標的外形、溫度、電磁特性等有限特征，干擾成像偵察、紅外偵察以及電磁偵察等，但難以模擬目標的全部特征。研究基于智能算法的目標快速識別技術，結合目標的眾多特征識別偽裝及誘餌的漏洞，有效避免偽目標的干擾，縮短從觀察到判斷的時間，是亟需突破的關鍵技術之一。

3.2.2 智能研判技術

從感知到判斷是一個認知的過程，在歷史的戰爭中這個過程是依靠人來實現的。未來戰場中“AI、云、網、群、端”成為全新作戰要素，傳統以人為主的判斷過程可能增大OODA環路的時間，面對捷變的戰場態勢，若仍由人來分析態勢捷變趨勢，不僅依賴人的判斷經驗，也容易貽誤戰機。未來戰場態勢的研判將被AI的模型和算法所替代。人工智能算法擁有特征逐層理解與自動分析的能力，能夠以非線性的逼近能力實現感知信息到判斷結論的映射，從而實現感知信息的高級理解。文獻[29-31]分別基于深度神經網絡研究了模擬指揮員戰場態勢高級理解的過程，實現了戰場態勢的優劣判斷等。為了適應未來捷變作戰環境，需要更快、更準確的態勢研判技術，提升從行為理解、行為預測到態勢判斷的能力。

1) 基于智能算法的行為理解技術。未來新作戰條件下的目標行為通常具有聚集性、群體性和多域性等特點。行為形式復雜多變，包括兵力調整、戰斗集結、突然襲擊等。在多域復雜環境下，元素規模龐大、行為單元密集、關系演進詭變。當前，人工智能技術在目標識別方面有很大的進展，但對行為識別仍面臨較大的挑戰，研究基于智能算法的行為理解技術，可以對信息進行深入挖掘與利用，完成目標狀態信息向行為理解的轉化，為行為預測提供支撐。

2) 基于智能算法的行為預測技術。戰場中目標的行為數據是具有時空特征的，對一個或多個運動過程的采樣所形成的數據信息，如位置、速度等，蘊含了目標的時空序列特征，可以通過運動學模型預測未來可能的軌跡。但對于非軌跡的行為預測，需借助人工智能技術，在目標行為理解的基礎上，對行為模式進行學習，進一步挖掘其行為與作戰行動間的關聯關系，實現對其行為的預測。

3) 基于智能算法的態勢判斷技術。智能感知技術和智能行為理解及預測技術能夠支撐戰場態勢信息的獲取和理解，但難以支撐對戰場態勢的判斷。態勢判斷是做出相應的評價，對于AI，則是做出相應的態勢等級判斷，等級由軍事指揮者制定。基于智能算法的態勢判斷技術即根據戰場態勢快速做出判斷，輔助軍事指揮者做出決策。

3.2.3 自主決策與指控技術

決策是智能化戰爭對抗的核心和中樞。在無人化及其實戰化進程中，自主決策與指控技術是比拼“智力”的重要領域。無人系統在戰術層面的自主決策和在戰略層面的受人指揮控制是“規則有人、行動無人”的重要體現，即導彈作戰是受人指揮，但導彈發射后根據環境、任務的變化改變控制策略自適應地調整彈道完成任務需要自主決策。但導彈自主決策面臨戰場態勢多變、敵方攔截手段多樣、對抗模型復雜的難題，從態勢到最優策略的映射關系復雜，存在攻防博弈策略不確定、博弈對抗模型非線性強等特點，傳統方法在求解攻防博弈問題時存在較大瓶頸。AlphaGo在圍棋領域戰勝了人類選手，其深度強化學習的方法被迅速用到了決策領域。很多學者在軍事智能決策領域對深度強化學習技術的應用進行了研究，文獻[32-33]基于深度學習技術構建智能指揮決策模型，實現了從態勢信息到決策結果的搜索匹配，但戰場博弈的信息是不確定、不完備的，需要決策模型針對場景的變化能靈活應變，而非簡單匹配。為了提高導彈在各種戰場環境的智能應變能力，需研究基于人工智能的自主決策與指控技術，從戰前的規劃層面、作戰中的指控層面和導彈自主決策層面開展技術研究。

1) 智能任務規劃技術。美國蘭德公司在《通過機器學習實現空中優勢：對人工智能輔助任務規劃的初步探索》中指出，人工智能任務規劃工具相比現有的人工或自動規劃技術具有極大的速度優勢。智能任務規劃技術就是以人工智能算法為基礎，利用數據、知識、場景等驅動方式，根據復雜、多變的飛行環境和敵方的實時情況，預測敵方行為、籌劃飛行任務、制定最優方案、優化決策序列、調整飛行軌跡等，在任務規劃時就考慮導彈對各種不確定因素的適應性，為執行任務奠定有利條件。

2) 智能指揮控制技術。未來的指揮控制一是靠人類指揮員，二是靠虛擬智能指揮大腦。越是戰術層面的作戰，越需要發揮虛擬指揮大腦的作用，尤其在高動態、強干擾、快響應的作戰方面，越能發揮虛擬指揮大腦的優勢。研究智能指揮控制技術，構建具有體系開放、信息閉環、任務重構、指揮綜合等能力特征的智能指揮控制體系，利用人工智能技術完成作戰信息和資源的動態管理和分配，在復雜多變的信息環境下，實現指揮員與智能化指揮控制系統無縫鏈接。

3) 智能決策技術。導彈在執行任務的過程中接收智能指揮控制系統的任務指令，但在復雜、不確定的作戰條件下，仍需要具備自主決策的能力，通過先驗知識以及與環境交互得到的信息，進行分析和決策。智能決策技術就是通過態勢信息及預測信息借助人工智能算法，針對攔截威脅和目標特性，自主制定攻擊方式，以及在戰場突發情況下實時采取機動、干擾等必要措施，調整攻擊方案，提高作戰效能。

3.2.4 智能飛行技術

由于攔截系統能力的不斷提升，對進攻方提出了更高的要求，導彈需具備寬速域、大空域、大過載機動飛行能力，從而提升裝備的格斗能力。對控制系統、動力系統、導引系統、目標識別系統等提出了更加嚴苛的條件，面臨彈道敏捷重構、機動精確控制、平臺熱防護等難題。傳統的飛行技術難以應對復雜動態環境，通常是“發射后不管”的程序化模式，為充分發揮導彈的機動能力，需突破智能飛行技術，從彈道、控制和結構、材料等方面提升智能水平，實現“發射后可變”的自主化。

1) 彈道智能在線重構技術。傳統模式彈道相對固定，按照事先設計好的程序執行飛行動作。未來智能化戰場需要根據態勢信息靈活采取機動的智能導彈。研究彈道智能在線重構技術，借助人工智能算法實時進行飛行評估與彈道敏捷重構，面對多層防御系統的攔截，基于彈載傳感器感知到的攔截威脅，智能重構彈道，采取躲避威脅區、壓縮攔截彈發射窗口、機動擺脫等方式，實現突防后完成對目標的精確打擊。

2) 智能飛行控制技術。未來導彈具有多飛行狀態、多任務模式、大飛行包線的特點，系統非線性強，時變性劇烈，單一的控制律難以滿足穩定飛行的需求。針對典型、簡單和復雜飛行模式，研究基于人工智能算法的制導控制技術，基于有限計算資源，突破主動適應控制、深度學習控制在控制上的瓶頸問題。

3) 支撐智能飛行的結構、材料等基礎技術。綜合運用空氣動力學、氣動彈性力學、飛行力學、智能材料結構、現代機械工程和仿生學等學科技術，借助智能制造技術，滿足先進發動機、超性能復合材料等高效輕質、高抗壓、高剛度、耐高溫、結構功能一體化及高效低成本制造的技術需求。在智能變結構方面，配合智能控制系統實現外形的自適應變化，適應寬速域和大空域，具備長時間滯空、遠距離飛行、高速機動和超強突防打擊的作戰能力。

3.2.5 集群智能控制技術

信息化和智能化支撐下的未來戰爭將呈現出集群對抗集群的趨勢，高速集群作戰將成為戰斗力倍增的有效手段。在傳統模式下，即使采用多導彈共同完成打擊任務，導彈之間也相對獨立，按各自設定的程序完成任務，彼此之間不具備協同能力。集群智能控制技術基于通信/數據鏈技術的不斷發展以及自主能力的不斷提升，由“單體獨立”向“集群協同”發展，成為實施集群作戰的核心技術。國內外學者掀起了對集群智能控制技術的研究熱潮，從集群體系結構、通信網絡、編隊構型、控制策略等方面進行深入研究，對自主協同控制中的協同感知、編隊構型設計、編隊控制、避障與避碰等技術研究較為深入[34-38]，但屬于自動化層面的協同控制，并未實現集群的智能協同控制，可適用的任務場景較簡單，難以適應軍事作戰任務場景。戰場上集群智能系統應呈現自發、有組織的任務行為過程，牽引出研究的集群技術涵蓋探測、偵察、通信、任務規劃、決策、構型、控制、評估等領域。下面從集群的構型設計、構型控制到作戰過程中的目標分配，思考通過人工智能技術提升集群協同作戰的能力。

1) 集群智能構型設計技術。在不同飛行任務中，集群需要根據任務要求與環境約束，選擇最優的集群構型。利用優化算法可以求解最優編隊構型的幾何參數，但是從集群作戰策略到最優編隊構型的決策難以用數學建模，借助人工智能技術可以求解集群策略到編隊構型的最優映射關系，得到適用于不同作戰任務的編隊構型。

2) 集群編隊構型智能控制技術。在集群執行任務的過程中，根據飛行任務、戰場態勢和作戰環境的需求，集群需要適時地變換與保持構型，既包括面向空間、時間和通信拓撲的構型切換、構型收縮、擴張等，也包括編隊構型的動態調整和重構，如編隊成員增加或減少時的構型調整，以及作戰目標改變、威脅環境變化等情況下的編隊重構。集群編隊構型智能控制技術可以在不同作戰場景中對集群進行幾何構型和組織結構的調整，增強集群的環境與任務適用性。

3) 目標智能分配技術。目標分配即在滿足作戰任務要求和集群約束條件下，將不同位置、價值和威脅的目標合理分配給集群中的作戰單元，使得集群作戰效能最優。然而捷變的戰場態勢使得遠程指揮控制難以合理分配目標，需要更高實時性和準確性的分布式目標分配算法。研究目標智能分配技術，通過各種群智能算法，根據威脅的判斷、目標優先權的排序及目標分配等任務的動態調度，智能協調非合作目標群任務分配，實現基于態勢變化和集群單元能力的智能目標分配。

3.2.6 彈載AI芯片和集群智能操作系統

智能技術的應用需以硬件設備的算力為基礎，海量數據的處理需要計算實現。加強硬件底層的架構建設，支撐上層智能技術的應用程序，還需要搭建連接底層硬件和上層應用程序的橋梁——操作系統。未來戰爭中導彈不僅要具備目標感知、在線規劃和智能控制等能力，還需要協同作戰，這就需要操作系統滿足智能算法實時性的需求、具備支持分布式協同處理的能力。為實現智能技術的彈載工程化應用，需突破彈載AI芯片和集群智能操作系統技術，從智能AI芯片、集群智能操作系統和AI生態體系構建三方面開展研究。

1) 國產智能AI芯片的應用技術。當前人工智能算法大都在計算機環境中實現，其環境與彈載計算環境有很大的不同，如何使人工智能算法在彈載AI芯片上實現成為亟待解決的問題。國產智能AI芯片的應用技術就是基于神經網絡架構的智能AI芯片，實現CNN/RNN(Convolutional Neural Network/Recurrent Neural Network)等人工智能算法處理，為在線任務規劃、神經網絡控制等智能算法的彈載應用提供強大的算力支持，實現海量數據樣本的深度學習。

2) 集群智能操作系統研究。智能化賦能可以具有對環境的感知能力和一定的自主性，然而難以滿足集群多樣任務的需求。而通過集群智能操作系統技術的研究，可高效管理分布式軟、硬件資源，實現互連、互通、互操作。在資源管理層，設計分布式管理架構和接口，支撐標準化、模塊化、平臺化；在行為管理層，設計面向作戰的集群操控支撐架構，支撐集群感知、集群判斷、集群決策、集群控制等行為。

3) AI生態體系構建。實現AI芯片、框架和自主操作系統深度耦合全生態發展，研究與彈載智能算法框架結合的AI生態體系結構，構建集芯片、操作系統和應用于一體的軟硬結合技術體系，推進智能技術在軍事武器裝備中的應用，全面加速OODA循環效率，為確保高烈度、多維多域、強不確定性復雜戰場環境條件下取得對抗優勢提供新質動力。

4 結 論

隨著攻防對抗的持續升級，強國之間的博弈將是高動態、強烈度的全域體系的對抗，并呈現出常態化的發展趨勢。OODA全鏈路循環效率將成為支撐體系對抗效能發揮的關鍵，將影響戰爭勝負的走向。人工智能技術的發展為加速OODA循環注入新動能，將促進戰爭樣式的發展。當前，人工智能技術在軍事領域的應用已逐步開展，在圖像處理、目標識別、無人集群控制等任務中有了初步應用，但距離戰場應用還有較大距離，存在訓練數據少、模型適應性有限、安全和可靠程度低等問題，仍需深入研究基于智能技術的感知研判、決策規劃、制導控制、集群控制等技術，縮短OODA中各環節的時間，提高感知的實時性、判斷的準確性、決策的可信性、執行的有效性，為智勝未來提供支撐。