人機協(xié)同決策探索：美國空軍ABMS系統(tǒng)DASH系列試驗研究

在快速演變的現(xiàn)代戰(zhàn)場上，決策速度和準(zhǔn)確性往往決定勝敗。美國空軍先進作戰(zhàn)管理系統(tǒng)(ABMS)正通過創(chuàng)新的人機協(xié)同技術(shù)，重新定義指揮與控制(C2)的邊界。其中，人機協(xié)同決策優(yōu)勢沖刺(DASH)系列試驗作為先進戰(zhàn)斗管理系統(tǒng)(ABMS)的關(guān)鍵實戰(zhàn)化試驗項目，驗證了人工智能(AI)與機器學(xué)習(xí)(ML)在高對抗戰(zhàn)場環(huán)境下對指揮決策的賦能增效作用。

關(guān)鍵詞：指揮與控制、人機協(xié)同、ABMS系統(tǒng)、DASH

ABMS系統(tǒng)的戰(zhàn)略背景

ABMS是美國空軍為應(yīng)對高強度沖突設(shè)計的先進C2系統(tǒng)，旨在整合空、天、網(wǎng)、地等多域情報數(shù)據(jù)，通過AI/ML實現(xiàn)實時決策優(yōu)勢。該系統(tǒng)的核心是決策優(yōu)勢轉(zhuǎn)型模型，將戰(zhàn)斗管理分解為感知可行動實體(PAE)等子功能，重點處理戰(zhàn)場不確定性、規(guī)則限制和資源約束等“戰(zhàn)爭迷霧”，生成高效戰(zhàn)斗行動方案。

ABMS系統(tǒng)概念圖

DASH系列試驗源于這一框架，通過為期兩周的短期軟件沖刺，聯(lián)合作戰(zhàn)人員、開發(fā)者、盟友及行業(yè)伙伴，快速完成微服務(wù)原型開發(fā)。試驗主要部署于美國內(nèi)華達州拉斯維加斯的內(nèi)利斯影子作戰(zhàn)中心(ShOC-N)和霍華德·休斯運營部門(H2O)中心，采用模擬場景測試AI應(yīng)用。DASH系列試驗通過設(shè)置較低的安全分類準(zhǔn)入門檻，有效吸納盟國及多方力量廣泛參與，為聯(lián)合全域指揮與控制(CJADC2)體系建設(shè)提供實踐支撐。其核心目標(biāo)是縮短決策時間，提升解決方案的數(shù)量與質(zhì)量，實現(xiàn)人類聚焦戰(zhàn)略判斷、機器承擔(dān)計算密集型任務(wù)的分工模式。

截至2026年初，DASH已完成三輪試驗(DASH 1、2和3)，每輪試驗聚焦決策優(yōu)勢轉(zhuǎn)型模型的不同方面。這些試驗不僅驗證了人機協(xié)同技術(shù)的可行性，更推動美軍指揮文化轉(zhuǎn)變，實現(xiàn)從人類主導(dǎo)向數(shù)字隊友協(xié)同的過渡。

DASH 1試驗：奠基人機協(xié)同基礎(chǔ)

2025年4月，DASH 1試驗在H2O中心開展，核心聚焦PAE子功能，即對作戰(zhàn)實體在既定規(guī)則、態(tài)勢與資源約束下可實施的行動空間進行判定，區(qū)分其“可能實施、規(guī)則允許與效果最優(yōu)”的行動選項。試驗由ABMS跨職能團隊(CFT)牽頭，參與者包括空軍研究實驗室(AFRL)、綜合能力指揮部、加拿大空軍，以及四家技術(shù)團隊和ShOC-N編碼團隊。

DASH 1試驗場景

試驗分為兩個階段：第一階段，作戰(zhàn)人員使用傳統(tǒng)指揮工具和流程模擬場景，建立決策效能基線;第二階段，引入AI工具處理相同場景，對比效能差異。結(jié)果顯示，人機協(xié)同決策時間較傳統(tǒng)模式減少7倍，機器生成的有效解決方案數(shù)量顯著增加，錯誤率與人類相當(dāng)。作戰(zhàn)人員反饋，AI工具提升了作戰(zhàn)行動的遠征能力、精確性和致命性。該試驗驗證了輕量級人機協(xié)同集成的可行性，明確了未來C2軟件的需求，標(biāo)志著美軍人機協(xié)同從技術(shù)演示向嵌入式實戰(zhàn)合作轉(zhuǎn)變。

DASH 2試驗：擴展多域決策能力

2025年6月，DASH 2試驗在ShOC-N開展，在DASH 1試驗基礎(chǔ)上，進一步探索AI在復(fù)雜戰(zhàn)場中的應(yīng)用潛力，核心是生成多域解決方案，支撐多個殺傷鏈同步執(zhí)行。參與者包括美國空軍相關(guān)伙伴單位和行業(yè)團隊，圍繞資源分配、遠距離協(xié)同等20余個戰(zhàn)場問題開展實戰(zhàn)化測試。

DASH 2期間，美國空軍作戰(zhàn)管理人員向同行合作伙伴提供信息

試驗數(shù)據(jù)顯示，AI可在不到10秒內(nèi)生成決策推薦，生成的可行選項數(shù)量是人類團隊的30倍，1小時內(nèi)為20個戰(zhàn)場問題提供了超過6000個解決方案。這一成果證明，人機協(xié)同模式可支撐指揮官同步處置多個殺傷鏈，提升決策速度與精度。

此外，試驗重點驗證了“代理式AI”在高壓環(huán)境下的實戰(zhàn)適用性。初步結(jié)果顯示，該類AI系統(tǒng)在可靠性、響應(yīng)速度和戰(zhàn)術(shù)適配性方面均展現(xiàn)出良好性能，為ABMS決策優(yōu)勢的持續(xù)演進提供了堅實支撐。

DASH 3試驗：優(yōu)化行動方案(COA)生成

2025年9月的DASH 3試驗，進一步測試AI在行動方案生成中的應(yīng)用，重點考量戰(zhàn)場風(fēng)險、燃料補給、時間約束和地理路由等實戰(zhàn)因素。試驗仍由ABMS CFT牽頭，參與者擴展至美國、加拿大、英國三國空軍，以及七支技術(shù)團隊，場景聚焦高強度全域?qū)梗w遠距離殺傷鏈構(gòu)建、敏捷作戰(zhàn)部署等任務(wù)。

試驗結(jié)果顯示，AI系統(tǒng)可在不到1分鐘內(nèi)生成多域行動方案，較人類決策方法提速90%，機器生成方案的可行性和戰(zhàn)術(shù)有效性顯著高于人類。針對AI幻覺問題，試驗通過構(gòu)建多層級機制實現(xiàn)風(fēng)險管控，并引入天氣等動態(tài)戰(zhàn)場環(huán)境要素開展模擬測試。此次試驗突出了多國聯(lián)軍人機協(xié)同的互操作性和信任構(gòu)建，AI可提供大量完整解決方案，為人類指揮官決策提供支撐，同時強調(diào)人類最終審核的重要性。

DASH 2026系列試驗

基于2025年三輪DASH試驗成果，美國空軍計劃于2026年開展4次DASH系列試驗，進一步拓展先進戰(zhàn)斗管理系統(tǒng)(ABMS)中AI驅(qū)動的人機協(xié)同作戰(zhàn)能力。試驗將延續(xù)“兩周軟件沖刺”模式，在ShOC-N和H2O中心模擬高強度作戰(zhàn)環(huán)境，圍繞以下核心目標(biāo)推進實施：

內(nèi)利斯影子作戰(zhàn)中心(ShOC-N)

決策效率提升：進一步縮短AI生成行動方案的決策時間。

作戰(zhàn)方案優(yōu)化：生成高質(zhì)量、多路徑作戰(zhàn)行動方案，兼顧速度、數(shù)量與戰(zhàn)術(shù)有效性，保留人類最終審核權(quán)限以規(guī)避錯誤。

魯棒性增強：整合天氣、地理及戰(zhàn)場動態(tài)變量，提升AI在復(fù)雜多變環(huán)境下的適應(yīng)性與穩(wěn)定性。

多域協(xié)同拓展：覆蓋電磁頻譜、太空、網(wǎng)絡(luò)、海軍任務(wù)、遠程殺傷鏈、敏捷作戰(zhàn)部署(ACE)等場景，驗證AI跨域協(xié)同能力，支撐聯(lián)合/聯(lián)盟互操作。

操作員信任建設(shè)：優(yōu)化人機界面與交互模式，降低訓(xùn)練成本，通過透明、可解釋的輸出建立士兵對AI的信任，強化人機協(xié)同。

技術(shù)方面，2026系列試驗將深入測試“代理式AI”與大型語言模型的實戰(zhàn)表現(xiàn)，重點解決軍事術(shù)語理解、任務(wù)輸出準(zhǔn)確性與AI幻覺等問題。

總結(jié)與對我軍啟示

綜合DASH 1—3試驗及后續(xù)規(guī)劃可知，美軍未將智能技術(shù)定位為指揮人員的替代工具，而是作為“智能協(xié)同單元”嵌入ABMS指控體系，通過重構(gòu)決策流程奪取戰(zhàn)場決策優(yōu)勢。其核心是將復(fù)雜作戰(zhàn)指揮問題工程化、模型化，拆解為PAE、COA等可量化子功能，依托短周期軟件迭代與實戰(zhàn)化試驗，由智能系統(tǒng)承擔(dān)高強度計算、方案推演任務(wù)，指揮人員聚焦意圖研判、風(fēng)險權(quán)衡和最終決策，實現(xiàn)高對抗、高不確定環(huán)境下決策速度與質(zhì)量的雙重提升。

對我軍的主要啟示如下：

一是智能指揮體系建設(shè)應(yīng)以決策流程重構(gòu)為核心，明確“人主導(dǎo)決策、機器賦能計算”的權(quán)責(zé)邊界，推動智能技術(shù)深度嵌入指揮鏈路關(guān)鍵環(huán)節(jié)，避免僅停留在輔助展示和局部優(yōu)化。

二是發(fā)揮智能系統(tǒng)并行推演、多方案生成優(yōu)勢，以多路徑備選對沖戰(zhàn)場不確定性，提升多殺傷鏈構(gòu)建與跨域同步指揮能力，增強復(fù)雜態(tài)勢下作戰(zhàn)彈性。

三是依托常態(tài)化、短周期、實戰(zhàn)化試驗機制，持續(xù)驗證打磨智能應(yīng)用，推動智能化理念轉(zhuǎn)化為體系能力，促進智能指揮體系迭代成熟。(來源：北京藍德信息科技有限公司)