Skip to content

AlphaMosaic：AI 正在重塑空战中的战斗管理方式

在高度对抗、节奏极快的现代空战环境中，作战人员面临的最大挑战之一，并不是缺乏信息，而是信息过载。多架飞机、多种武器系统、不断变化的威胁态势，叠加在有限的时间窗口内，使“做出正确决策”本身成为一种稀缺能力。近期，一款名为 AlphaMosaic 的 AI 战斗管理技术在美军演练中的实际应用，提供了一个颇具代表性的解决思路。

img

从座舱视角看决策压力

设想这样一个场景：在约 3 万英尺高空，一名 F-15EX 战斗机后座的武器系统官（WSO）正处于激烈的空战中。敌方兵力占优，多个高价值目标同时出现；燃油状态必须实时关注；与十多架友机的协同需要精确到秒。传统条件下，WSO 需要依靠纸质图表、经验记忆和快速心算来完成这些判断，往往需要 20–30 分钟的分析时间。

而在近期的一次演练中，这一过程被显著压缩。WSO 只需在平板电脑上查看由 AI 实时生成的多种行动方案：每种方案都清晰标注了风险等级，武器与目标的匹配关系会根据任务优先级自动优化。原本耗时数十分钟的决策流程，被缩短到数秒级别。

这一演示发生在 2025 年初于埃格林空军基地举行的演练中，其背后的技术正是由 Leidos 开发的 AlphaMosaic。值得注意的是，这并非一个长期封闭研发的“实验室产品”，而是将多年 AI 技术积累压缩进一个约 90 天的快速迭代周期，从概念直接走向座舱应用。

技术来源与设计理念

AlphaMosaic 源自 DARPA 的空战演进（Air Combat Evolution, ACE）项目，其核心并不是构建一个无所不包的“超级 AI”，而是一个灵活的框架，用于部署和协同多个专用 AI 智能体，为作战人员提供决策支持。

这一设计思路强调“协同而非替代”。AI 智能体并不取代人类指挥员，而是像一个虚拟参谋团队：有人负责燃油调度，有人专注武器与目标匹配，有人计算编队与航路位置。它们在后台彼此通信，而最终的决策权仍然掌握在人类操作人员手中。

与传统印象不同，这套系统在部署层面并不依赖大型计算集群。虽然训练阶段使用了高性能服务器资源，但在实际应用中，AlphaMosaic 以轻量化微服务形式运行，可部署在普通 CPU 甚至较老的遗留硬件上，平板电脑即可作为主要交互终端。

“复杂性”才是真正的对手

从作战角度看，AlphaMosaic 试图解决的并不是单一技术难题，而是现代战争中的“复杂性失控”问题。随着空战规模扩大、系统种类增多，决策路径呈指数级增长。即便经验丰富的操作人员，也很难在有限时间内穷举并比较所有可能方案。

这一点在空中加油任务中尤为明显。空中加油本身并非“简单后勤动作”，而是高度耦合于作战节奏的关键环节：谁在什么时候需要加油、哪架加油机负责、如何在突发故障下快速重排计划，任何一个环节出错，都可能引发连锁反应，导致任务失败。

在相关演示中，AlphaMosaic 的 AI 智能体可以在设备失效或态势变化后，迅速重新计算燃油调度方案。相比“从零开始人工规划”，让指挥员去审核和选择一个已经优化好的方案，其认知负担显然要低得多。

“分布式 AI”带来的优势

AlphaMosaic 所采用的多智能体架构，还带来了若干工程层面的现实优势：

  • 可演进性：单个智能体可以独立升级或替换，而无需推倒重来。
  • 可干预性：人类可以在任意层级介入，从具体战术参数到整体作战构想。
  • 对抗不对称性：系统在增加对手感知和分析难度的同时，降低己方的决策复杂度。

这种“对敌复杂、对己简化”的特性，正是许多现代作战系统追求的目标。

从演练到实战验证

AlphaMosaic 的一个重要里程碑，来自于麦克斯韦空军基地的 Blue Horizons Fellowship 项目。在该项目中，三名军官向研发团队提出了一个长期困扰作战规划的问题：如何在复杂战场环境中高效完成武器与目标的匹配。

基于 AlphaMosaic 框架，团队在 90 天内开发了名为 Jarvis 的应用（名称取自科幻作品中的 AI 助手）。在随后的 Emerald Flag 演练中，WSO 使用平板版 Jarvis，可以同时比较三种基于风险权衡的方案：侧重生存性、追求速度，或在更高风险下最大化杀伤效果。

有意思的是，多名经验丰富的 WSO 在事后反馈中表示：如果给予他们更充足的时间，最终也会做出与 AI 推荐结果高度一致的决策。这种“事后一致性”，在一定程度上增强了人机协同中的信任基础。

更现实的一点是，该项目的整体投入不足 100 万美元，远低于传统军用系统的研发成本。这得益于其充分利用了既有数据体系和硬件条件，而不是引入全新的、学习成本高昂的操作环境。

不止于空战管理

从当前进展来看，AlphaMosaic 的应用前景并不局限于单一场景。除了空中加油和战斗管理外，其框架还具备向更广泛任务谱系扩展的潜力：

  • 在飞行员层面，辅助即时战术判断；
  • 在空中作战中心层面，支持大范围战斗管理；
  • 在任务规划阶段，用于多方案对比与推演；
  • 在作战分析领域，评估新平台和新武器在未来冲突中的表现。

在 DARPA ACE 项目中，还观察到一个颇具“战略意味”的现象：AI 有时会在飞机仅消耗约 20% 燃油时就安排加油。表面看似保守，但深入分析发现，这是在为后续关键交战提前布局，类似于棋手为残局提前数步落子。

从目前披露的信息来看，AlphaMosaic 并不是试图用 AI “取代指挥员”，而是将 AI 作为一种放大人类决策能力的工具。在决策时间被极度压缩、复杂性持续上升的未来战场，这种以多智能体协同为核心的人机协作模式，很可能会成为一种重要方向。

它真正值得关注的地方，或许不在于单一算法或界面，而在于其背后所体现的一个趋势：战斗管理正在从“人类独立承担复杂性”，走向“人机共同消化复杂性”。

Leidos 空载系统副总裁兼首席技术官（VP, Airborne Systems CTO）Will Mahoney在谈到 AlphaMosaic 所开发的 AI 智能体时指出：

我们本质上是在构建一个虚拟的、用于增强能力的工作团队。这些智能体在人的监督下协同工作。