当前，以大模型为代表的生成式人工智能在作战中运用越来越广泛，正在加速变革制胜机理，赋能作战各个流程环节，以数据趋同弹药、算法迭代战法、算力倍增战力为特征的智能化作战形态应运而生。

　　正确认识人工智能大模型作战运用的机理。大模型本身并不存储数据，也不产生原始数据。大模型凭借其强泛化力赋能数据流通各个环节，打通战场“全域传感器—最优发射器”的高效转化链路，深度影响作战行动。其一，秒级响应，速度制胜。能否快速构建及闭合杀伤网链，是当前作战对抗的关键。大模型依托大算力、强算法在发现定位、跟踪瞄准及打击评估等各环节，均能提供快速分析处理及动态敏捷响应能力，支撑并适应“秒杀级”战场节奏。在外军演习中，持续测试了由智能算法主导的远程打击杀伤链闭合能力，实现了以机器秒级运行的单次杀伤链闭合以及仅间隔数秒的杀伤链循环往复。其二，透明感知，全域制敌。大模型通过捕捉战场微小变化，能够大幅削减信息熵，助力指挥员分析情报“迷雾”、穿透战争“迷雾”，实现对战场“全景化”“透明化”感知。大模型基于从各种渠道所获取的文本、声音、图像等多模态数据，并对其进行异构融合，全面提取敌情、我情及战场环境等关键情报数据，能够向指挥员提供可视化、可交互的全域战场态势，为指挥员创造单向打击时间窗口，从而掌握作战主动权。其三，脑机决策，协力智控。面向强对抗、快节奏的战场环境，构建覆盖陆、海、空、天、电、网的多域杀伤链的难度已经超出指挥员脑力极限。基于大模型赋能的“人脑+机脑”协作决策系统，具备强大逻辑分析能力以及可以不断培育进化的机器直觉与思维推理能力，能够针对错综复杂的战场态势，基于人机交互快速形成多种作战方案、拟制分发作战命令、协调控制作战行动，实现从后台情报分析工具到前台决策“参谋”的转变。

　　全面把握人工智能大模型作战运用的流程。大模型在基于军事需求进行简约化技术处理后，能够形成适配作战场景的各类专业化模型系统，通过融入指控节点、嵌入武器平台、运行装备终端等方式赋能作战流程。其一，赋能情报链。大模型能够集成当前各种模型、程序或软件，通过直接接入战场的数据流等方式，打通对战场态势目标接入即发现、发现即使用、使用即呈现的分秒级情报处理流程；能够跨越指挥层级大幅拓展情报获取广度、提升战场感知精度并加快态势更新速度。其二，赋能指控链。大模型能够自动编排任务指令，生成可解释推理序列，通过人机交互协助指挥员作出决策；能够分解任务指令、自主火力筹划、形成建议方案、调用作战预案进行匹配优选、反馈业务系统或直接生成决心建议方案等，协助指挥员针对复杂态势高效迅捷决策。其三，赋能打击链。大模型着眼从多域聚优传感器及发射器，围绕并行同步作战行动以发挥最优作战效能，能够针对战场多维目标性质、数量及威胁程度，从跨域资源池中编排杀伤链序列，适配多域武器装备、自动装订目指数据、在线实施精准射击及实时评估毁伤效果，有效支撑智能化杀伤网链的快速构建及闭合运行往复。其四，赋能保障链。面向复杂战场环境和庞杂保障需求，基于大模型实时监测武器装备、能源弹药、物资器材等资源状态信息，根据作战进程和战场态势，动态调控战场补给、维修、救护及运输等保障行动，优化调配作战资源供应流向流量，实现需求侧全面感知及供给侧快速响应，提升全域战场灵敏反应及持续保障效能。

　　探索实践人工智能大模型作战运用的路径。未来生成式人工智能的作战应用将迎来“井喷式”爆发，基于通用大模型、结合作战场景开发的垂域模型及各类功用智能体，将成为世界主要国家竞逐的“新赛道”和“制高点”。一是开发新型理论体系。大模型推动重塑战场形态，未来作战优势属于能够将算法创新与理论创新深度融合并付诸实践的军队。因此，宜将大模型赋能作为培育新域新质能力的重要“增长极”，重视开展军事理论创新，加快探索大模型赋能作战运用的基础性、应用性及技术性问题，形成释放大模型赋能潜力的较完备理论体系；把作战概念视为凝聚共识、积聚智慧的重要抓手，设计融入联合、支撑多域的新型概念体系，配套形成关键能力与技术需求清单，加速基于软件定义、数据驱动、算法主导、算力支撑的智能化作战步入实践。二是搭建骨干生态系统。可以利用通用大模型具备的技术穿透力和生态整合力，集成诸多通用大模型，全力搭建大模型赋能作战应用的骨干生态架构，包含基于各种作战样式及场景开发的各类智能体，如情报智能体、规划智能体、后勤智能体等，形成由诸多通用大模型底座、垂域专业模型框架、各类智能体联动支撑的全链赋能作战生态体系。三是推进研训用一体发展。未来作战，要重视采集处理数据，严格规范数据处理各环节，确保大模型按需、按要求调取数据，并尽量与原始数据存储系统保持物理隔离或单向流通；重视升级迭代算法，大模型通过持续训练会产生自进化能力，训练内容、方式、时长及频次对提升大模型赋能质效至关重要；重视应用模型系统，打通系统进入作战、训练、保障及管理等领域的渠道，在泛化使用中提升大模型预测分析的精度、支撑决策的力度及有效赋能的程度。（张元涛 杨 典 赵晓宏）