01“少数能公开接纳帕兰提尔的地方”

5月12日，美国帕兰提尔公司的联合创始人兼首席执行官亚历克斯·卡普（AlexKarp）访问乌克兰首都基辅。

在接受乌克兰媒体采访时，卡普表示：“乌克兰是少数几个愿意公开接纳帕兰提尔的地方……我喜欢待在一个人们喜欢我们的地方。”

近年来，帕兰提尔公司受到西方媒体的批评与诘问颇多，被指责“几乎参与了世界上的每一场冲突”，并且“向国防、情报、移民和警察机构销售软件”。特别是当下，欧洲各国与美国的政经关系“阴晴不定”，欧洲各国对美国在国防安全、技术等领域的支持承诺顾虑丛生，希望摆脱对美国技术的过度依赖。因此，英法德等国都在今年宣布，考虑选择本国或欧洲本土企业的软件产品来替代帕兰提尔公司。

但在乌克兰，帕兰提尔公司完全不用面对类似的舆论压力。可以说，该公司赢得了乌克兰政府和企业的深厚信赖。就像今年1月，出任乌克兰国防部长不久的费多罗夫就表示，会拓展与帕兰提尔公司的合作到战场数据领域。双方将合作创建“Brave1数据室”（Brave1Dataroom）平台，利用4年来在俄乌冲突战场收集的数百万条传感器数据和图像来训练AI模型。该平台的目标之一就是通过AI模型来自主完成对大规模空中目标的探测、识别、分类与拦截等。

02作为未来战争技术试验场的俄乌战场

今年4月底，卡普在其新书《科技共和国》列出了22点摘要，强调“问题不在于AI武器是否会被制造出来，而在于谁来制造它们，以及它们的目的是什么”。而且“如果一名美国海军陆战队员要求配备更好的步枪，我们就应该制造出来。那么，软件方面的也应如此”。

这直白表明了卡普对AI军事应用和AI武器的坚定支持。可以说，作为军用AI的积极倡导者和“重要旗手”，卡普对乌克兰的偏爱不只因为其公司利益，还带着强烈的个人色彩。而作为未来技术试验场的俄乌战场，正是卡普军用AI理念的最佳实践地。

乌克兰近期对莫斯科的大规模无人机袭击，体现了其在中远程打击能力方面的突破与进阶，而背后显然也离不开乌克兰在军用AI技术上的持续迭代。其中，帕兰提尔公司PRISMA软件系统辅助乌军完成了大规模无人机编队的指挥、协调、航线规划。此外，在无人机技术方面，乌军还通过引入AI技术，在目标识别、导航、任务决策、协同打击等功能环节上持续提高了无人机的自主化（或者称为“自主作战能力”）水平，大幅降低任务中无人机操作员的作业强度，提高了命中率，提升了打击效能。

03俄乌战场强对抗环境，催生光纤无人机

根据路透社在2024年10月底的报道，乌克兰的第一代有着AI技术增强的第一人称视角（FPV）无人机已经在2024年初投入使用。

对于乌克兰军队来说，2024年初的战场环境是，俄罗斯电子战系统对乌军造成了高强度干扰压制，因此乌克兰的FPV无人机频频失去与后方控制人员的联系。俄军通常会在指挥掩体、炮兵阵地、防空系统等高价值目标周边部署电子干扰系统，对乌军无人机的无线通信和导航系统造成“软杀伤”。根据路透社的报道，乌克兰官员曾表示，大多数FPV无人机的命中率已降至30%~50%，若是新手来操作的话，命中率甚至可能低至10%。

由此催生了光纤制导无人机的大规模使用。它通过物理线缆传输数据，完全避开了电子干扰的威胁。根据乌克兰媒体《基辅邮报》的分析预测，2025年俄乌两方无人机对光纤的总消耗量达到了5000万至6000万千米。如此大的消耗量，叠加近年来全球如火如荼的AI数据中心建设对光纤的旺盛需求，直接推高了光纤的采购价格。比如，乌克兰相关数据显示，光纤价格已上涨了七八倍，光纤无人机的成本也随之上涨。

04螺旋式上升的对抗正催生“AI无人机”

另一方面，尽管俄乌双方每周都能生产数以万计的大大小小无人机，但它们均无法做到每周都能培训出数以百计训练有素的无人机操作员。双方都面对着不小的无人机操作员缺口，经验丰富的人员更是战场稀缺资源。

此外，无人机操作员这一群体面临的战场生存环境也愈加恶劣。乌军认为，打死一名俄罗斯无人机操作员比摧毁一辆坦克更有价值。俄罗斯人现在优先打击的不是突击部队或士兵，而是无人机和地面机器人的操作员。

所以，纵有能适应战场强电磁对抗环境的光纤无人机问世，但这样的技术进步还不够。

由此，2024年以来，俄乌战场上，与光纤无人机同期诞生了这样一类无人机：它们使用AI技术来增强性能、具备一定自主作战能力，可以摆脱任务全程对无人机操作员的高度依赖；遭遇强电磁对抗压制（此时往往是距离目标最后数公里）、无人机与后方操作人员间信号断联等情况时，它们依旧能自动完成对目标的识别和瞄准，飞行控制系统能接管后续飞行，自动完成任务决策、规划路径、控制飞行姿态等，直至对目标发出最后一击。

国际媒体普遍称这类无人机为“AI无人机”。但其实这一名称并不准确恰当，有夸大之嫌。因为在俄乌战场上的公开应用里，AI技术在这类无人机上的主要应用是“视觉感知”，即依托目标检测模型完成对目标的自动检测、识别、分类、定位、分割和锁定等。

05无人机不仅能“看见”还能“认得”目标

在AI技术体系中，目标检测模型隶属于深度学习技术分支，是计算机视觉领域的核心任务模型，当前主流目标检测模型的架构主要为卷积神经网络（CNN）与Transformer两类。这项AI技术与摄像头的组合让无人机有了“视觉”，并在“看到”的基础上实现了更为关键的“识别”目标。

对于“AI无人机”来说，在完成目标识别后，接下来的目标跟踪、决策、规划、导航和控制等环节上，或可“求新”引入其他深度学习模型，或是“求稳”沿用业内早已大量积累的成熟传统算法。总之，新旧技术快速结合，俄乌两方在过去两年里都有多款具备一定目标识别和瞄准，与自主飞行能力的无人机投入实战部署。

06低成本组合能实现更高的目标命中率

此外，摄像头与经过训练的目标检测模型（比如业界广泛使用的YOLO）相结合，还具有开发门槛不高、硬件成本低的优势。

因为摄像头和微型任务计算机等硬件，在全球市场上有大量商业产品可选；软件方面，以YOLO为代表的目标检测模型则存在软件开源、开发者生态完善等优势。因此，二者结合，能够实现以更低成本的装备提高目标命中率。对此，一种较为乐观的预测是，在AI技术增强下，FPV无人机的命中率可提升至80%左右。

“AI无人机”在性能提升的同时，也是对后方无人机操作员的解放，无须全程的人工遥控，或者可以实现一人同时操作多架无人机。而对“AI无人机”的需求，不只在进攻端，在防御端，在以截击无人机来拦截敌无人机的防空任务中，也亟待引入AI来提升截击无人机的自主化水平，以降低这类任务对无人机操作员的人员规模、人员经验熟练度的高度依赖，并提高对来袭无人机目标的命中率。