OODA智能赋能技术发展思考

祝学军，赵长见，梁卓，谭清科

中国运载火箭技术研究院，北京 100076

纵观人类历史发展长河，每一次科学技术的大革命必然会推动装备跨越发展，带动军事革命，扩展作战域，改变作战模式。第一次工业革命，促进了以英国为代表的西方国家舰船装备的快速发展，使得海军力量从大西洋走向全球，海战成为主要的作战模式；第二次工业革命推动了装备机械化转型发展，将战场范围由陆地、海洋拓展至空中，闪电战成为重要的作战模式；第三次工业革命引发了军队的信息化革命，信息化支持下的体系作战成为新的作战模式，感知-判断-决策-行动(Observation-Orientation-Decision-Action，OODA)理念应运而生，谁能够更快地完成OODA环路循环，并阻滞敌方环路循环，谁就能赢得战争的主动和胜算。

而战场瞬息万变、对抗复杂，战场态势到作战策略的映射关系复杂，无论是作战指挥还是战斗机、导弹等装备使用，都追求更短周期的OODA环。为有效适应高烈度、强对抗的作战任务需求，亟待提升OODA循环速率，降低人在回路的事务性脑力负荷，集中人在方向性决策的精力。人工智能技术为破解当前难题提供了有效手段，智能化赋能OODA必将产生新质战斗力，将对战争产生革命性影响[1]。

近年来，国内外学者对OODA智能化技术开展了探索研究。文献[2]阐述了OODA的发展历史和未来方向，从以“机动为王”加快执行(A)环节的OODA1.0到以“信息为王”加快观察(O)环节的OODA2.0，再到以“智能为王”加快各个环节(OODA)的OODA3.0，体现了人工智能技术在提高OODA环快速性的重要推动作用。文献[3-4] 开展了基于人工智能算法提高态势认知速度、决策速度的研究，加快己方OODA环解算效率，阻滞敌方OODA环的形成。文献[5]从作战资源智能调度与动态管控技术方面研究了OODA环结构和组合方式的重构，使得作战方案上存在更多的选择。文献[6-15]分别从导弹武器系统体系相对贡献率评估、武器装备现代化推进、空战体系智能化发展、集群无人机电子战等方面研究了OODA环的关键技术问题。

本文在阐述军事领域人工智能应用进展的基础上，分析了OODA面临的挑战及智能赋能OODA发展策略的可行性，并提出了OODA智能化亟待突破的关键技术发展思考。

1 人工智能在军事领域的应用进展

随着人工智能技术的蓬勃发展，学者普遍认为人工智能技术是最有可能改变未来世界的颠覆性技术[16]。人工智能技术在军事上的应用将成为新军事变革的核心驱动力，军事智能化引起了主要军事强国的高度关注。各军事强国加大了智能武器的研发投入，从战术层面演进到战略层面，从武器装备延伸到作战样式，人工智能的军事应用正在加速推进。未来战争进入智能化时代，战争的控制权在继陆权、海权、空权、天权、信息权之后，正在向智权发展，智能化战争将成为新的战争形态。

美国在“第三次抵消战略”中提出智能武器、自动化无人武器系统等新概念武器以发展“改变未来战局”的颠覆性技术，美国战略与预算评估中心提出了“决策中心战”，兵力运用上采用物理上分散、逻辑上一体，通过智能技术加速决策的效率。在武器装备方面，美军在远程反舰导弹LRASM应用了人工智能技术，可自主感知威胁，实现在线路线规划，智能绕过威胁，提高OODA中感知和决策环节的效率；“战术战斧”巡航导弹配备了智能化实时再瞄准系统，具备在线规划飞行路线和根据毁伤情况重新选择目标的能力，缩短OODA中决策和行动环节的时间；在人工智能技术的军事应用研究方面，DARPA与美国空军研究实验室支持深度学习分析公司开展“对抗环境下的目标识别与自适应”研究项目，提高雷达目标识别系统的感知能力，缩短感知用时；此外，DARPA先后支持洛马公司、BAE系统公司等开展“行为学习自适应电子战”、“自适应雷达对抗”等项目，提高雷达电子对抗过程中的快速分析、自主对抗策略生成等能力，提高OODA中感知环节的能力。2016年，美国辛辛那提大学开发的“阿尔法”空战系统在模拟空战中击败了美国空军上校，体现了人工智能技术在空中格斗OODA环的快速性。

俄罗斯同样将人工智能视为战略竞争的重要领域，加强人工智能在武器装备的应用。俄罗斯自主研发的无人驾驶履带装甲车可在遥控下完成巡逻、侦察、追踪、阻截、攻击等任务，提高OODA中感知和行动环的能力； “波塞冬”核动力潜航器可自主侦察水面下及海底环境并摧毁敌目标，具备较高的智能化水平；俄罗斯军队装备了先进的自动指挥系统，利用人工智能技术将各类情报整理分析，提出战术建议辅助指挥者决策，缩短决策所需时间。

此外，英国和法国也加快研究人工智能的军事应用以谋划军事装备的智能化改造及智能作战应用。英国成立人工智能实验室探索保持未来军事优势的领域，开发SAPIENT系统，利用人工智能技术，可自主决定城市街道监视的内容和方式，减轻士兵的负担、降低人为错误风险，提高作战感知的能力。欧洲空客公司与ANSYS将发布新型人工智能设计工具，为欧洲下一代空战装备系统研发项目“未来空战系统(FCAS)”创建嵌入式飞行控制软件，使用人工智能算法协调蜂群无人机为战斗机导航、与战斗机协同编队飞行等。

中国亦高度重视人工智能技术在军事领域的应用。诸多学者也开展了以武器装备为背景的人工智能方法研究，从武器装备、作战系统、指挥控制、后勤保障等方面研究军事智能化发展的关键技术[17-22]，缩短作战OODA环的时间。解放军理工大学研发的军事运筹辅助决策系统基于模型库、数据库、知识库、方法库等生成作战方案，进行推演评估，生成辅助决策信息，缩短决策环节的时间[23]。军事科学院研发的“进攻一号”军事专家支持系统，自动生成作战参考方案，辅助指挥者做出正确决策[23]。当前，智能无人系统已经初步应用于战场环境感知、远程精确打击、军事训练、作战支援等方面，在蜂群无人机和指挥控制等方面取得了一定的突破。中国电子科技集团分别于2016年10月、2017年5月、2017年11月实现了67架、119架、200架固定翼无人机集群飞行试验，验证了无人集群智能飞行控制、任务规划、智能决策、动态组网等技术，极大缩短了从决策到行动的时间。

在可预见的未来，人工智能技术必然引领未来战争形态、作战方式、制胜机理发生颠覆性改变。然而，人工智能在OODA各环节的技术应用仍面临困难挑战。因此，面对规模更加宏大、协同更加复杂的未来全域作战，亟待加快智能化技术在军事上的应用研究。

2 智能赋能面临的挑战

由于战场态势瞬息万变、实时数据海量、对抗环境复杂，如何在高时变、高动态、强对抗条件下实现OODA的快速循环是打赢信息化和智能化支持下的现代化战争的关键。为缩短导弹OODA循环周期，需突破感知-判断-决策-行动的一系列技术难题，实现态势全维感知、信息高效处理、指令自主生成、战力精准释放。

1) 需解决信息感知与快速处理问题，实现对多维空间多源异质战场数据的实时处理与融合，为预测提供系统准确的数据输入。未来战争中天基、空基、地基、海基平台以及雷达、红外等各类探测设备为信息支撑的态势感知系统提供了大量侦察数据，信息量愈益增大，数据获取速度加快，更新周期缩短，时效性愈益增强。此外，单源信息往往是不完备的、受到干扰的侦测数据，如何实现多种传感器平台的多时相侦测数据之间的匹配融合，发挥不同侦测数据源的优势，为导弹提供更精准的目指信息和拦截区域信息，成为亟待解决的问题。

2) 需解决威胁精准研判问题，基于实时感知信息对威胁源的属性和位置进行识别，实现对威胁等级及行为的快速研判。战场海量信息的进一步挖掘是对敌方威胁行为的提取、理解和预测，明确当前威胁源位置及覆盖半径，从而评估战场军事态势，为决策提供可信的依据。然而战场环境中敌方威胁行为捷变，拦截威胁轨迹难以精准预测，威胁精准研判面临诸多技术难题。

3) 需解决复杂环境下攻防对抗的自主决策问题，根据环境、任务的变化，实时优化作战模式，自适应动态地进行智能化最优决策。传统程序化的弹道模式难以应对瞬息万变的战场，固定的弹道程序易被敌方多层立体防御系统拦截，预定程序突防、电子干扰突防和诱饵干扰突防等突防方式存在突防策略程序化、机动弹道固定化、难以随机应变的缺点，亟需导弹具备自主决策的能力，根据战场态势及任务的变化进行推演决策，自适应地调整弹道，实现“发射后不管”。

4) 需解决面向任务剖面的高效执行问题。由于拦截系统能力的不断升级，导弹不断提升宽速域、大空域、大机动的飞行能力需求，对控制系统、动力系统、结构材料等要求更加严苛，亟需解决控制、结构、热防护等面临的难题。另一方面，体系作战背景下，单个导弹难以满足部分作战需求。随着导弹自主能力的不断提升，集群协同成为发展趋势，但高速导弹集群协同受到通信、控制、机动能力等多方面约束，在宽速域、大空域、大机动的飞行环境中存在较大技术挑战。

3 OODA智能赋能发展思考及关键技术

3.1 发展思考

导弹70多年的历史发展，在科技进步推动、战略需求牵引、战争实践催生下，不断升级改进：从执行环节的提高射程、增强威力(OODA1.0)，到信息获取环节的采用卫星导航/惯性复合中制导与双模/多模复合导引头末制导，命中精度、目标识别和抗干扰能力进一步增强(OODA2.0)，体现了导弹从执行环节到感知环节的能力提升。智能赋能OODA(OODA3.0)则是在已有能力的基础上，对环中的4个环节分别引入智能技术，进一步提高OODA环的准确性、敏捷性和快速性。

针对OODA智能化赋能面临的挑战，面向复杂对抗任务剖面，为确保赢得战争的主动，将智能技术融入OODA环各环节，促进战争形态由 “以人为主”向“人机协同”再向“无人作战”不断升级发展。在可以预见的未来，OODA智能化赋能将推动装备体系自动化-智能化发展，必将催生全新作战理念、新质作战力量、新型作战样式。

从武器装备层面，装备的智能化可大幅增强装备的信息运用能力、拓展任务适应能力及故障容错能力。通过将智能技术与感知识别技术相结合，可以提升弱目标特征、小子样下的目标监测与识别能力；将智能变形技术与飞控软件智能重构技术相结合，可在线基于任务的动态变化，自适应切换外形及飞控软件，以满足一平台多用途任务需求；通过智能技术与状态认知相结合，实时基于监测信息判断自身健康状况，及时识别故障，并对故障进行智能隔离、修复，降级条件下亦能完成任务。

从体系对抗层面，体系的智能化发展主要体现在多约束复杂场景下的在线决策能力和集群智能协同能力。通过将智能技术与自主决策、指挥控制技术结合，基于人工智能强大的数据分析能力和演进推理能力提升自主决策效率，为决策者提供更多的选择。在集群协同方面，通过将智能技术与集群控制技术结合，达到“1+1≫2”的集群能力涌现，在作战中可以实现协同探测、协同干扰、协同突防等集群策略的自主执行，根据战场态势选择最佳的构型执行任务，而非人为设定的程序执行；还可以实现集群配置的高低混搭，使用“一高多低”的集群策略达到低成本下的性能不减，通过智能技术实现集群的团队能力提升，而非一群节点聚在一起。

战争是科学技术和综合国力的对抗，更是硬核科技、军事装备与作战应用的集中检验。武器装备和体系对抗逐步从“信息域”上升至“认知域”。面向信息化、体系化和智能化支撑的高动态、强博弈的未来战争，OODA智能化赋能对未来战场、制胜未来战争、赢得未来挑战将发挥不可替代的作用。

3.2 关键技术

基于以上对OODA面临的挑战及发展的思考，针对OODA的各个环节，分别从智能感知技术、智能研判技术、自主决策与指控技术、导弹智能飞行技术、导弹集群智能控制技术以及支撑智能技术实现的弹载AI芯片和集群智能操作系统等方面提出智能赋能OODA涉及的主要关键技术，如图1所示。

图1 智能赋能下的OODA关键技术框图Fig.1 Diagram of key technology in OODA empowered with AI

3.2.1 智能感知技术

智能感知的目的是通过有效地接收、探测战场环境信息，并进行样本积累和特征融合，经过充分的学习、处理、分析，优化产生可供导弹使用的信息，完成探测、跟踪、识别等任务。未来战争态势瞬息万变，对态势感知技术提出了更高的要求。传统的态势感知技术面对复杂多变的环境信息难以有效提取特征进行目标识别，而人工智能技术在人脸识别、棋牌对弈等领域的成功应用，其能够处理复杂信息的能力被广泛关注。随着人工智能研究的逐渐深入，具有复杂层次和独特结构的神经网络先后被提出，使得计算机具有类脑的运行模式，解决战场的态势感知和目标识别问题。国内外很多学者也研究了深度学习技术在军事目标识别中的应用，文献[24-28]分别研究了深度学习技术在舰船目标、雷达辐射源、水下目标和空中目标等领域的识别应用，属于智能技术的高层次应用，而在数据处理、信息融合等方面的智能技术应用相对较少。未来战争遍及陆、海、空、天、网等复杂战场，面临着对手多层次多方式的博弈对抗，面临着不同侦测平台、不同载荷手段、不同数据格式以及不同分辨率的感知挑战。应突破多维多域环境态势感知理论与方法，借助人工智能技术提升数据处理、信息融合感知、目标快速识别等方面的能力。

1) 基于智能算法的数据处理技术。由于不同体制、不同来源的数据格式差异巨大，所包含的目标属性信息也不尽相同，战场数据是在高对抗干扰、高实时响应条件下得到，存在模糊或丢帧现象，导致侦测信息的威胁特征不明显或在时间和空间维度上不连续，在信息融合前需对侦测数据进行处理。人工智能算法在数据处理、数据理解等方面较传统方法有更强的适应性，如何将智能算法应用在军事侦测数据处理中以提升处理复杂侦测数据的能力，缩短从数据变为信息的周期，是一个重要的研究方向。

2) 基于智能算法的信息融合感知技术。多种传感器平台的多时相侦测数据之间的信息融合能更好发挥不同侦测数据源的优势，弥补某一种侦测数据的不足之处。多维多源异质数据中既有可量化的数值型侦测数据、图像数据甚至视频数据，可能还有很多属于描述性的文字信息，信息融合的难度大。人工智能算法在大数据、数据挖掘等方面的研究已逐渐深入，深度神经网络在分析复杂事物关系时有其独特的优势，研究基于智能算法的信息融合感知技术，从多源异质信息中获得全面、准确、高效的目标信息，是提升数据利用效率的关键。

3) 基于智能算法的目标快速识别技术。人工智能在目标识别中的应用已深入到民用支付领域，具有很高的正确率和快速性，也是最有可能在军事领域广泛应用的技术之一。然而战场伪装、诱饵等手段能模拟真实目标的外形、温度、电磁特性等有限特征，干扰成像侦察、红外侦察以及电磁侦察等，但难以模拟目标的全部特征。研究基于智能算法的目标快速识别技术，结合目标的众多特征识别伪装及诱饵的漏洞，有效避免伪目标的干扰，缩短从观察到判断的时间，是亟需突破的关键技术之一。

3.2.2 智能研判技术

从感知到判断是一个认知的过程，在历史的战争中这个过程是依靠人来实现的。未来战场中“AI、云、网、群、端”成为全新作战要素，传统以人为主的判断过程可能增大OODA环路的时间，面对捷变的战场态势，若仍由人来分析态势捷变趋势，不仅依赖人的判断经验，也容易贻误战机。未来战场态势的研判将被AI的模型和算法所替代。人工智能算法拥有特征逐层理解与自动分析的能力，能够以非线性的逼近能力实现感知信息到判断结论的映射，从而实现感知信息的高级理解。文献[29-31]分别基于深度神经网络研究了模拟指挥员战场态势高级理解的过程，实现了战场态势的优劣判断等。为了适应未来捷变作战环境，需要更快、更准确的态势研判技术，提升从行为理解、行为预测到态势判断的能力。

1) 基于智能算法的行为理解技术。未来新作战条件下的目标行为通常具有聚集性、群体性和多域性等特点。行为形式复杂多变，包括兵力调整、战斗集结、突然袭击等。在多域复杂环境下，元素规模庞大、行为单元密集、关系演进诡变。当前，人工智能技术在目标识别方面有很大的进展，但对行为识别仍面临较大的挑战，研究基于智能算法的行为理解技术，可以对信息进行深入挖掘与利用，完成目标状态信息向行为理解的转化，为行为预测提供支撑。

2) 基于智能算法的行为预测技术。战场中目标的行为数据是具有时空特征的，对一个或多个运动过程的采样所形成的数据信息，如位置、速度等，蕴含了目标的时空序列特征，可以通过运动学模型预测未来可能的轨迹。但对于非轨迹的行为预测，需借助人工智能技术，在目标行为理解的基础上，对行为模式进行学习，进一步挖掘其行为与作战行动间的关联关系，实现对其行为的预测。

3) 基于智能算法的态势判断技术。智能感知技术和智能行为理解及预测技术能够支撑战场态势信息的获取和理解，但难以支撑对战场态势的判断。态势判断是做出相应的评价，对于AI，则是做出相应的态势等级判断，等级由军事指挥者制定。基于智能算法的态势判断技术即根据战场态势快速做出判断，辅助军事指挥者做出决策。

3.2.3 自主决策与指控技术

决策是智能化战争对抗的核心和中枢。在无人化及其实战化进程中，自主决策与指控技术是比拼“智力”的重要领域。无人系统在战术层面的自主决策和在战略层面的受人指挥控制是“规则有人、行动无人”的重要体现，即导弹作战是受人指挥，但导弹发射后根据环境、任务的变化改变控制策略自适应地调整弹道完成任务需要自主决策。但导弹自主决策面临战场态势多变、敌方拦截手段多样、对抗模型复杂的难题，从态势到最优策略的映射关系复杂，存在攻防博弈策略不确定、博弈对抗模型非线性强等特点，传统方法在求解攻防博弈问题时存在较大瓶颈。AlphaGo在围棋领域战胜了人类选手，其深度强化学习的方法被迅速用到了决策领域。很多学者在军事智能决策领域对深度强化学习技术的应用进行了研究，文献[32-33]基于深度学习技术构建智能指挥决策模型，实现了从态势信息到决策结果的搜索匹配，但战场博弈的信息是不确定、不完备的，需要决策模型针对场景的变化能灵活应变，而非简单匹配。为了提高导弹在各种战场环境的智能应变能力，需研究基于人工智能的自主决策与指控技术，从战前的规划层面、作战中的指控层面和导弹自主决策层面开展技术研究。

1) 智能任务规划技术。美国兰德公司在《通过机器学习实现空中优势：对人工智能辅助任务规划的初步探索》中指出，人工智能任务规划工具相比现有的人工或自动规划技术具有极大的速度优势。智能任务规划技术就是以人工智能算法为基础，利用数据、知识、场景等驱动方式，根据复杂、多变的飞行环境和敌方的实时情况，预测敌方行为、筹划飞行任务、制定最优方案、优化决策序列、调整飞行轨迹等，在任务规划时就考虑导弹对各种不确定因素的适应性，为执行任务奠定有利条件。

2) 智能指挥控制技术。未来的指挥控制一是靠人类指挥员，二是靠虚拟智能指挥大脑。越是战术层面的作战，越需要发挥虚拟指挥大脑的作用，尤其在高动态、强干扰、快响应的作战方面，越能发挥虚拟指挥大脑的优势。研究智能指挥控制技术，构建具有体系开放、信息闭环、任务重构、指挥综合等能力特征的智能指挥控制体系，利用人工智能技术完成作战信息和资源的动态管理和分配，在复杂多变的信息环境下，实现指挥员与智能化指挥控制系统无缝链接。

3) 智能决策技术。导弹在执行任务的过程中接收智能指挥控制系统的任务指令，但在复杂、不确定的作战条件下，仍需要具备自主决策的能力，通过先验知识以及与环境交互得到的信息，进行分析和决策。智能决策技术就是通过态势信息及预测信息借助人工智能算法，针对拦截威胁和目标特性，自主制定攻击方式，以及在战场突发情况下实时采取机动、干扰等必要措施，调整攻击方案，提高作战效能。

3.2.4 智能飞行技术

由于拦截系统能力的不断提升，对进攻方提出了更高的要求，导弹需具备宽速域、大空域、大过载机动飞行能力，从而提升装备的格斗能力。对控制系统、动力系统、导引系统、目标识别系统等提出了更加严苛的条件，面临弹道敏捷重构、机动精确控制、平台热防护等难题。传统的飞行技术难以应对复杂动态环境，通常是“发射后不管”的程序化模式，为充分发挥导弹的机动能力，需突破智能飞行技术，从弹道、控制和结构、材料等方面提升智能水平，实现“发射后可变”的自主化。

1) 弹道智能在线重构技术。传统模式弹道相对固定，按照事先设计好的程序执行飞行动作。未来智能化战场需要根据态势信息灵活采取机动的智能导弹。研究弹道智能在线重构技术，借助人工智能算法实时进行飞行评估与弹道敏捷重构，面对多层防御系统的拦截，基于弹载传感器感知到的拦截威胁，智能重构弹道，采取躲避威胁区、压缩拦截弹发射窗口、机动摆脱等方式，实现突防后完成对目标的精确打击。

2) 智能飞行控制技术。未来导弹具有多飞行状态、多任务模式、大飞行包线的特点，系统非线性强，时变性剧烈，单一的控制律难以满足稳定飞行的需求。针对典型、简单和复杂飞行模式，研究基于人工智能算法的制导控制技术，基于有限计算资源，突破主动适应控制、深度学习控制在控制上的瓶颈问题。

3) 支撑智能飞行的结构、材料等基础技术。综合运用空气动力学、气动弹性力学、飞行力学、智能材料结构、现代机械工程和仿生学等学科技术，借助智能制造技术，满足先进发动机、超性能复合材料等高效轻质、高抗压、高刚度、耐高温、结构功能一体化及高效低成本制造的技术需求。在智能变结构方面，配合智能控制系统实现外形的自适应变化，适应宽速域和大空域，具备长时间滞空、远距离飞行、高速机动和超强突防打击的作战能力。

3.2.5 集群智能控制技术

信息化和智能化支撑下的未来战争将呈现出集群对抗集群的趋势，高速集群作战将成为战斗力倍增的有效手段。在传统模式下，即使采用多导弹共同完成打击任务，导弹之间也相对独立，按各自设定的程序完成任务，彼此之间不具备协同能力。集群智能控制技术基于通信/数据链技术的不断发展以及自主能力的不断提升，由“单体独立”向“集群协同”发展，成为实施集群作战的核心技术。国内外学者掀起了对集群智能控制技术的研究热潮，从集群体系结构、通信网络、编队构型、控制策略等方面进行深入研究，对自主协同控制中的协同感知、编队构型设计、编队控制、避障与避碰等技术研究较为深入[34-38]，但属于自动化层面的协同控制，并未实现集群的智能协同控制，可适用的任务场景较简单，难以适应军事作战任务场景。战场上集群智能系统应呈现自发、有组织的任务行为过程，牵引出研究的集群技术涵盖探测、侦察、通信、任务规划、决策、构型、控制、评估等领域。下面从集群的构型设计、构型控制到作战过程中的目标分配，思考通过人工智能技术提升集群协同作战的能力。

1) 集群智能构型设计技术。在不同飞行任务中，集群需要根据任务要求与环境约束，选择最优的集群构型。利用优化算法可以求解最优编队构型的几何参数，但是从集群作战策略到最优编队构型的决策难以用数学建模，借助人工智能技术可以求解集群策略到编队构型的最优映射关系，得到适用于不同作战任务的编队构型。

2) 集群编队构型智能控制技术。在集群执行任务的过程中，根据飞行任务、战场态势和作战环境的需求，集群需要适时地变换与保持构型，既包括面向空间、时间和通信拓扑的构型切换、构型收缩、扩张等，也包括编队构型的动态调整和重构，如编队成员增加或减少时的构型调整，以及作战目标改变、威胁环境变化等情况下的编队重构。集群编队构型智能控制技术可以在不同作战场景中对集群进行几何构型和组织结构的调整，增强集群的环境与任务适用性。

3) 目标智能分配技术。目标分配即在满足作战任务要求和集群约束条件下，将不同位置、价值和威胁的目标合理分配给集群中的作战单元，使得集群作战效能最优。然而捷变的战场态势使得远程指挥控制难以合理分配目标，需要更高实时性和准确性的分布式目标分配算法。研究目标智能分配技术，通过各种群智能算法，根据威胁的判断、目标优先权的排序及目标分配等任务的动态调度，智能协调非合作目标群任务分配，实现基于态势变化和集群单元能力的智能目标分配。

3.2.6 弹载AI芯片和集群智能操作系统

智能技术的应用需以硬件设备的算力为基础，海量数据的处理需要计算实现。加强硬件底层的架构建设，支撑上层智能技术的应用程序，还需要搭建连接底层硬件和上层应用程序的桥梁——操作系统。未来战争中导弹不仅要具备目标感知、在线规划和智能控制等能力，还需要协同作战，这就需要操作系统满足智能算法实时性的需求、具备支持分布式协同处理的能力。为实现智能技术的弹载工程化应用，需突破弹载AI芯片和集群智能操作系统技术，从智能AI芯片、集群智能操作系统和AI生态体系构建三方面开展研究。

1) 国产智能AI芯片的应用技术。当前人工智能算法大都在计算机环境中实现，其环境与弹载计算环境有很大的不同，如何使人工智能算法在弹载AI芯片上实现成为亟待解决的问题。国产智能AI芯片的应用技术就是基于神经网络架构的智能AI芯片，实现CNN/RNN(Convolutional Neural Network/Recurrent Neural Network)等人工智能算法处理，为在线任务规划、神经网络控制等智能算法的弹载应用提供强大的算力支持，实现海量数据样本的深度学习。

2) 集群智能操作系统研究。智能化赋能可以具有对环境的感知能力和一定的自主性，然而难以满足集群多样任务的需求。而通过集群智能操作系统技术的研究，可高效管理分布式软、硬件资源，实现互连、互通、互操作。在资源管理层，设计分布式管理架构和接口，支撑标准化、模块化、平台化；在行为管理层，设计面向作战的集群操控支撑架构，支撑集群感知、集群判断、集群决策、集群控制等行为。

3) AI生态体系构建。实现AI芯片、框架和自主操作系统深度耦合全生态发展，研究与弹载智能算法框架结合的AI生态体系结构，构建集芯片、操作系统和应用于一体的软硬结合技术体系，推进智能技术在军事武器装备中的应用，全面加速OODA循环效率，为确保高烈度、多维多域、强不确定性复杂战场环境条件下取得对抗优势提供新质动力。

4 结 论

随着攻防对抗的持续升级，强国之间的博弈将是高动态、强烈度的全域体系的对抗，并呈现出常态化的发展趋势。OODA全链路循环效率将成为支撑体系对抗效能发挥的关键，将影响战争胜负的走向。人工智能技术的发展为加速OODA循环注入新动能，将促进战争样式的发展。当前，人工智能技术在军事领域的应用已逐步开展，在图像处理、目标识别、无人集群控制等任务中有了初步应用，但距离战场应用还有较大距离，存在训练数据少、模型适应性有限、安全和可靠程度低等问题，仍需深入研究基于智能技术的感知研判、决策规划、制导控制、集群控制等技术，缩短OODA中各环节的时间，提高感知的实时性、判断的准确性、决策的可信性、执行的有效性，为智胜未来提供支撑。