← 返回列表

Maven 智能系统:美军 AI 作战平台的运作逻辑

聚合站 SecWiki技术 作者 见微开源情报洞察 发布 2026年5月8日 09:00 入库 2026-11-18T02:16:24

点击蓝字 关注我们

2017年4月,美国国防部副部长 Robert O. Work签署备忘录,成立 “算法战跨功能团队”(Algorithmic Warfare Cross-Functional Team),即 Project Maven。设立的直接动因是对东大军事 AI 能力发展的担忧,Work 认为,AI 可能成为美国维持军事优势的关键杠杆。

项目概况

项目的初始目标是用计算机视觉处理无人机采集的全动态视频(FMV),自动识别和标注画面中的车辆、人员、设施等目标,减轻分析人员逐帧审看的负担。Google 是最早的技术承包商,但 2018 年超过 4600 名 Google 员工联署抗议,认为公司不应参与军事杀伤链的构建。Google 随后决定合同到期后不再续约。

Palantir 在 2019 年接手了这个项目。与 Google 时期不同,Palantir 没有将自身定位为单纯的算法供应商,而是将 Maven 重新架构为一个完整的指挥控制平台。Project Maven 由此演变为 Maven Smart System(MSS),一个融合多源情报、支持目标识别和打击决策的统一作战界面。

到 2024 年 5 月,MSS 获得了一份 4.8 亿美元的陆军合同。2025 年 5 月,合同上限提高至 13 亿美元。同年 7 月,陆军又与 Palantir 签署了一份总价值 100 亿美元的十年期企业框架协议,将 75 个既有 Palantir 合同整合到统一平台下。2026 年 3 月 9 日,国防部副部长 Steve Feinberg 签署备忘录,将 MSS 列为正式的 “备案项目”(Program of Record),纳入未来年度国防计划的固定预算线。2027 财年国防预算中,五角大楼为 Maven 及相关联合火力网络申请了 23 亿美元的五年期拨款。

截至目前,MSS 已部署超过 20,000 个用户账户,覆盖美军所有作战司令部和各军种。

系统设计

Maven 出现之前,美军的目标定位流程高度碎片化。目标清单在 Excel 表格中跟踪管理,人员网络关系用 PPT 绘制,地理空间观察依赖 Google Earth,传感器数据分散在多个互不相通的系统中。

一名美军炮兵军官对彭博社记者 Katrina Manson 说过一句被广泛引用的话:“我们用 Office 杀的人比你想象的多得多。”

这种碎片化带来的后果是决策周期极长。以第二次海湾战争为参照,打击约 1000 个目标需要大约 50 到100 人、近六个月的规划时间。指挥官在作出打击决定前,需要在八到九个独立系统之间来回切换,分别调取不同来源的情报、查看不同格式的数据、协调不同单位的行动方案。

MSS 的设计目标是将整个流程压缩到一个界面上完成。

MSS 的架构逻辑可以用军事决策理论中的 OODA 循环来理解:观察(Observe)、判断(Orient)、决策(Decide)、行动(Act)。这个由美国空军战略家 John Boyd 提出的框架认为,谁的决策循环更快,谁就能迫使对手始终处于被动反应状态。

OODA 循环

MSS 的功能设计覆盖了这个循环的每一个阶段。

观察层:多源传感器融合

MSS 从超过 150 个数据源接入信息,主要包括以下几类:

光学卫星影像,包括锁眼级(Keyhole-class)侦察卫星以及商业供应商提供的高分辨率图像。合成孔径雷达(SAR)来自 ICEYE、Capella Space 等商业星座,可以穿透云层和夜间黑暗,提供 25 厘米级分辨率的地面成像。广域动态影像(WAMI)系统如 “戈尔贡凝视”(Gorgon Stare),安装在 MQ-9 Reaper 无人机上,由 368 个摄像头拼合成 18 亿像素的复合图像,能从 25000 英尺高空持续监视整座小型城市。ARGUS-IS 作为下一代 WAMI 系统,覆盖范围达 36 平方英里,分辨率足以追踪单个行人。

地理空间信息整合

无人机实时视频流用于地面目标的实时检测。在 GPS 被干扰或欺骗的环境下,导航系统可以通过将机载摄像头画面与预建的高精度三维地形模型进行匹配来确定自身位置,不依赖 GPS 信号。

信号情报(SIGINT)涵盖截获的通信和电子辐射数据。射频卫星星座(如 Spire)用于探测关闭了船舶自动识别系统(AIS)应答器的 “暗船”,即便船舶在物理层面做了伪装,船上人员的移动设备产生的广告网络数据仍然可以暴露其地理位置。

此外还有高度保密的侦察资产,如 RQ-180 隐身无人侦察机。该机被认为在 60000 英尺以上高度执行 24 小时自主任务,用于追踪移动式导弹发射车等需要持续覆盖才能捕获的目标。在对伊朗军事行动期间,一架 RQ-180 因紧急情况降落在希腊空军基地,首次被公开曝光。

所有这些数据流汇入 MSS 后,被整合到同一个地理空间界面上。

判断层:AI分类与融合

这是 MSS 区别于传统指挥系统的关键环节。计算机视觉算法对传感器画面进行目标检测,在地图上生成标注点,每个检测结果携带一个稳定的标识编号。同一辆车辆在卫星图像、无人机画面和其他传感器源中保持同一个 ID,系统据此实现跨模态的目标关联,确认不同传感器看到的是同一个目标。

目标标注

大语言模型(LLM)承担自然语言情报查询功能。分析人员可以用自然语言提出问题,系统在融合后的数据上进行检索和推理,返回结构化的分析结果。指挥官可以按类别(如雷达站、导弹阵地、通信节点、高级指挥人员)生成目标清单,并按战略重要性排序。

AI 设置

决策层:看板与行动方案生成

通过检测和分类的目标被推送到一个类似项目管理工具的看板(Kanban)界面。看板的纵列对应过去由不同团队分别执行的各个流程环节。从看板上,系统根据到达目标的时间、燃油、弹药、距离等条件,自动计算并推荐最优的打击资产分配方案和行动路线。

操作界面

系统还能生成预包装的目标集,将武器分配和法律审查整合在一起,使多个目标可以同步执行打击。

行动层:人工审批与执行

按照国防部的现行立场,每一个打击决定都有人在回路中(human in the loop)。系统推荐方案后,由人工审批确认,随后下达执行指令。国防部首席数字和AI官Cameron Stanley在Palantir AIPCon 9会议上用一句话概括了操作流程:“左键点击,右键点击,左键点击,它就变成了一个检测目标。”

人工审批

打击效果展示

实战应用

MSS 在 2026 年的伊朗军事行动中接受了大规模实战检验。

“史诗之怒” 行动(Operation Epic Fury)于 2 月 28 日启动。在最初的 12 小时内,美军打击了近 900 个目标。到 4 月初的 38 天里,打击目标总数超过 13000 个,涵盖 2000 多个指挥控制目标、1500 多个防空目标以及 1450 多个工业基础设施目标。

其中最集中的单次行动发生在 3 月 13 日的哈尔克岛(Kharg Island)。美军同时对 90 多个军事目标实施打击,包括海军水雷储存设施、导弹掩体和防空系统,油气基础设施则被有意保留。要协调 90 个以上目标的同步打击,MSS 预先生成了包含武器分配和法律审批的完整目标包,整个行动并行执行。

根据媒体对 Palantir 首席技术官 Shyam Sankar 在采访,第二次海湾战争打击约 1000 个目标,需要 50 到 100 人、近六个月的准备,而 MSS 将同等规模的工作压缩到一个人在两周内完成。

发展态势

目前,MSS 正从实验性项目转变为制度化的军事基础设施。

在美军内部,MSS 已部署到所有作战司令部。2026 年 3 月的备忘录将项目的管理职责从国家地理空间情报局(NGA)移交给首席数字和 AI 官办公室(CDAO),日常合同由美国陆军管理。陆军联合兵种司令部已宣布将 Maven 纳入部队训练体系。国防部数字与 AI 官员 Whitworth 表示,到 2026 年 6 月,Maven 将开始向作战司令部传送 “百分之百由机器生成” 的情报产品,不经人工参与模板制作和信息分发。

在国际层面,北约通信和信息局(NCIA)于 2025 年 3 月与 Palantir 完成了 MSS NATO 版本的采购,用于盟军作战司令部。这是北约历史上最快速的一次采购流程,从提出需求到完成购买仅用了六个月。2025 年 9 月,英国政府宣布与 Palantir 达成最高 7.5 亿英镑的五年合作框架,以开发 AI 军事能力。

2024 年 12 月,Anduril 与 Palantir 宣布组建联合体,将 Anduril 的 Lattice Mesh 与 MSS 和 Palantir AI 平台对接,将战术传感器数据导入 AI 支持的分析师工作流。这标志着美军主要防务承包商之间在 “通用作战态势图”(Common Operational Picture)理念上的趋同。

风险问题

MSS 在加速决策循环的同时,也引发了一系列问题。

目标准确性是最直接的关注点。有分析评估称,在变量条件下 AI 辅助目标定位的错误传播率达 25%。而那场造成伊朗南部小学 175 人惨死的空袭,其致命的目标指令,恰恰可能出自这套存在系统性缺陷的 AI 系统。批评者认为,对 AI 的过度依赖可能导致目标识别错误和不必要的平民伤亡。当系统在24小时内处理数千个目标时,遗漏和误判的责任归属变得复杂 ,问题可能出在模型本身、传感器数据质量,也可能出在底层地图数据将民用设施错误分类为军事设施。

“人在回路” 的实际含义也存在疑问。Brennan 正义中心 2026 年 3 月的报告指出,国防部长 Hegseth 将作战测试与评估主任办公室的人员削减了一半,并关闭了平民保护卓越中心。报告称 “AI在作战中的加速使用并未伴随对其风险的相应重视”。当系统的目标生成速度远超人工审核能力时,“审批” 究竟在多大程度上构成实质性的判断和纠偏,是一个值得追问的问题。

供应链的单一依赖也是隐患。MSS 目前高度依赖 Palantir 一家供应商的平台架构,而 AI 层此前依赖 Anthropic 的模型。Anthropic 被列为供应链风险后,替代方案的寻找本身说明了这种集中度带来的脆弱性。

这些问题不只是在进行理论推演。在涉及到每天处理数千个打击决策的实际场景下,它们正在产生严重的后果。

全文完。

END

“

点击名片 关注我们

”

情报从业者,开源情报分析师,培训师。

以数据为依据,以事实为准绳,致力于提供最优质、最可靠的开源情报分析服务,助力决策、应对挑战。

咨询合作请扫码添加小编微信,添加请说明来意

历史文章精选:

洞察丨Palantir 崛起之路:政商“旋转门”关键人物及运作手法揭秘

让美军士兵人人拥有 “战术大脑” 的初创科技公司 TurbineOne

美国陆军新情报战略:AI 重塑战场

原文链接:https://mp.weixin.qq.com/s/lv2oHL_herB3uwfXVFRx_Q