一、Maven项目及其发展情况

美国国防部于2017年4月启动了Maven项目之后多年来持续开展研究，将其作为美国人工智能军事工作的核心，致力于加速大数据与机器学习的整合，实现有别于传统系统的高精度、持续监视与识别能力，如下表所示。

表：Maven智能系统情况

Maven智能系统 描述 

发展目标

 技术方面 目前专注于以全动态视频（FMV）镜头分析的计算机视觉作为起点，增强情报、监视和侦察（ISR），未来计划打造商业、学术和军事合作伙伴生态系统，将技术迅速扩展到网络安全、战场医疗保健、预测性维护和情报集成等领域，从大幅增强的态势感知和模式检测到优化工作流程和加速传感器到射手的循环 

应用方面 利用计算机视觉和自然语言处理来自动分析无人机监控录像和截获的通信，检测人类分析师在操作时间内无法手动评估的过于微妙或庞大的模式 

技术优势 高精度识别定位目标 可识别和分类物体，高精度区分坦克、卡车、雷达和其他系统，将卫星图像、地理定位数据、视频源和通信截获数据等各种数据源融合到一个统一的战场分析界面中，并利用复杂的算法对大量侦察数据进行分析 

持续监视与识别 与地面移动目标指示器（GMTI）卫星集成，利用GMTI卫星使用雷达探测运动，可在云层或夜间探测并连续跟踪目标的特点，Maven智能系统能够克服传统光学系统的局限性，确保不间断的监视和识别 

发展情况

 部署 已部署于中东和非洲的6个地区，帮助军事分析人员处理传感器和无人机搜集的海量数据 

最新演习验证 于2024年8月举行的“猩红龙”演习中实现了将原本需要2000多人完成的目标识别和打击任务，减少到仅需20名操作员即可完成；2025年2月的“战士演习”中，美国陆军利用Maven系统支持后勤合同操作 

计划形式转变的意义 实现了从开发计划到美国国防部正式"记录计划"的重要转变，由此意味着长期支持和资金投入的增加 

结合上表分析得出：该系统通过整合多种数据流，能够实现高精度、持续目标识别与定位能力，并且在其运用过程中，人类操作员始终处于循环中，在执行打击之前均会确认Maven智能系统的建议。而计划形式转向美国国防部正式“记录计划”，已然表明其可能已经克服了传统人工智能系统所存在的数据不可靠、图像质量差、在老式军用硬件上性能缓慢等技术障碍。

现阶段，美国各军种均在广泛探索运用Maven系统进行情报分析、目标识别和战场态势感知，整合卫星图像和地理定位数据，实施打击，以及基于对大量数据分析识别部队动向和潜在威胁预测供应需求和优化部队部署，助力帮助后勤和规划工作。

此外，美国陆军研究实验室于2024年9月授出五年期合同更是说明美军在将该系统扩展到各军种的同时，正在简化、加速各军种对Maven现有功能的访问，而这些将进一步增强美各军种之间的协同作战能力，并推动其联合全域作战的发展。

二、实战运用

Maven系统已经在俄乌冲突中，以及也门、伊拉克和叙利亚等中东、中亚和南亚部分地区开展的行动中得以运用，并在目标探测、为打击决策提供信息等方面发挥了关键作用。

(1)实战运用情况

在此将Maven系统的典型实战运用情况进行梳理，如下所示。

表：Maven系统实战运用

实战 运用 

俄乌冲突 美军 基于Maven软件判断分析日常事件与暴力事件，分析特定地区的乌克兰人是否有抵抗俄罗斯军队的意愿等，并将其纳入美国指挥官用来了解当地事件的机密系统 

乌军 利用简单版本Maven系统助力部分攻击无人机（配备了一台终端计算机，其中包含卫星和地形数据）在干扰下实现精确瞄准，并实现了以米为单位的打击精度 

中东、中亚和南亚部分地区行动 美国中央司令部

 2024在2月使用Maven系统算法在伊拉克和叙利亚的7个地点识别了敌方火箭、导弹、无人机储存库和民兵设施等，助力美军实施了超过85次空袭进行摧毁或损坏 

使用Maven系统算法精确识别了红海胡赛武装的水面舰艇 

结合上表分析可知：

Maven系统的目标识别算法已经能够根据卫星和其他数据源捕获的图像定位、识别对手的火箭/火箭发射器、导弹、无人机储存库和民兵设施等目标，再由作战人员操作武器系统，由此有助于加速作战节奏。