當機器決定開火：自主武器系統的殺戮鏈臨界點

2026年6月，《New Scientist》發表了一篇引發廣泛討論的文章：「機器人即將取代武裝士兵成為戰爭的決策者。」這個論斷的背後，是一個正在加速發生但尚未被公眾充分理解的技術趨勢——自主武器系統正在從「人類遙控」進化到「人類監督」，並在某些領域已經接近「人類退出」的階段。Observatory 認為，這不是科幻式的末日預言，而是一個需要被冷靜分析的自動化系統技術拐點。

殺戮鏈的自主化：從四個階段理解演進路徑

軍事行動中的殺戮鏈（kill chain）通常包括四個階段：偵察與目標識別、目標確認與授權、打擊執行、戰果評估。每個階段的自主化程度各不相同，且進展速度差異巨大。

階段一：自主偵察與目標識別（已實現）

這是最早實現自主化的環節。無人機（UAV）、無人地面載具（UGV）和無人艦艇（USV）已可在無人類操控的情況下執行長航時巡邏任務，並利用機載 AI 系統自動識別潛在軍事目標。美國國防部的 Maven 項目已能將衛星和無人機影像中的目標自動分類並標記——準確率在 2026 年已達到 94% 以上。以色列的 Harop 「自殺式無人機」可在指定區域內自主巡邏，識別並攻擊雷達信號源——人類僅在攻擊前進行最終確認。

階段二：目標確認與授權——人類「在迴路中」（正在轉變）

這是目前最具爭議的環節，也是自主化的核心門檻。傳統上，目標授權必須由人類指揮官作出——這一要求被寫入了多國的軍事規則手冊和國際人道法。然而，技術現實正在改變這一格局：

2026 年，美國國防部測試的「協同作戰飛機」（CCA）項目中，AI 系統可以在缺乏通信（對手實施電子干擾）時，根據預置的交戰規則自主批准對已確認威脅的打擊——這實質上是將人類從實時決策迴路中移除，僅保留「任務層級」的事前授權。更值得注意的是，烏克蘭戰場上的實戰經驗表明，在電子戰環境下人機通信極不可靠——人類監督者在關鍵時刻可能完全脫離迴路。

階段三：自主打擊——無人地面載具的臨界點

《New Scientist》報導的核心案例是自主無人地面載具在前線防禦的測試。這些裝甲車輛可以在沒有任何人類操作員的情況下，執行巡邏、警戒和防禦性交戰任務。與空中無人機不同，地面載具面臨更複雜的環境——城市地形、平民識別、友軍區分——這對 AI 感知系統提出了更高的要求。

美國陸軍的「下一代戰車」計劃包括了可選有人/無人模式的裝甲平台。在無人模式下，車輛可以在預設作戰區域內自主移動，對接近的威脅進行分類，並根據預置規則採取防禦行動。2026 年的實兵演習中，這些系統展示了在視野受限條件下（煙霧、夜間、城市）優於人類的反應速度。

階段四：戰果評估——AI 完成閉環（接近實現）

打擊完成後的戰場損害評估傳統上依賴於人力確認或後續偵察。AI 系統現在可以在打擊後數秒內，通過比對打擊前後的傳感器數據，自動評估打擊效果並決定是否需要二次打擊。這使得殺戮鏈可以在毫秒級時間內完成閉環——遠超人類反應速度。

五角大樓 130 億美元 AI 預算的結構性含義

2026 年，美國國防部的 AI 相關預算達到 130 億美元——這比 2020 年增長了約 4 倍。這筆資金的分配方向揭示了美軍對自主系統的真實優先級：

130 億美元這個數字本身已足夠引人注目，但 Observatory 認為，真正值得關注的不是金額，而是這筆錢在人力資源替代上的槓桿效應。一架 F-35 戰鬥機的全壽命成本超過 4 億美元——培養一名合格飛行員需要 5-8 年——而一艘 CCA 無人作戰飛機的單機成本目標是 1,000-2,000 萬美元，量產能力不受人員培訓週期的限制。這意味著，美國國防部的 AI 投資不是「錦上添花」的技術升級，而是「重新定義作戰成本核算」的結構性轉變。

自主化的技術基礎：感知、決策與群體協作

自主武器系統的技術成熟度建立在三個支柱的同步進步上：

多模態感知融合。現代自主平台通常搭載光電/紅外攝像頭、毫米波雷達、激光雷達（LiDAR）和聲學傳感器。AI 系統將這些不同傳感器模式的信息融合為統一的環境表徵，顯著提高了在惡劣天氣、夜間和煙霧環境下的目標識別能力。2026 年，多模態融合感知系統在軍事測試中的目標誤報率已降至每千小時 1.2 次——接近人類操作員的水準。

實時路徑規劃與障礙規避。軍事環境中的自主導航遠比民用場景複雜——地圖可能不存在或過時，GPS 可能被干擾，道路可能被破壞。現代自主系統採用深度強化學習的方法，在模擬環境中進行數百萬小時的訓練，使其能夠在完全陌生的地形中自主選擇可行路徑。2026 年，美軍測試的自主地面載具在 GPS 拒止環境下的導航成功率已達到 92%（有 GPS 時為 99%）。

群體智能與任務分配。單個自主平台的作戰能力有限，但數十個平台的協同作戰效果是指數級增長的。Replicator 計劃的核心假設是：大量低成本自主系統的協同可以匹敵甚至超越少數昂貴有人平台的能力。AI 群體控制算法可以自動為每個平台分配任務——誰負責偵察、誰負責干擾、誰負責打擊——並根據實時戰況動態調整。2026 年的測試中，一個由 50 架小型無人機構成的 AI 群體成功在模擬演習中「擊敗」了一個由 4 架有人戰鬥機和 8 架傳統無人機構成的混合編隊。

國際軍控框架的技術困境

自主武器系統的發展正面臨一個根本性的監管困境：技術的進展速度遠超國際法框架的更新速度。

2013 年起，聯合國特定常規武器公約（CCW）開始討論「致命性自主武器系統」（LAWS）的監管問題。13 年過去了，談判仍未能就具有法律約束力的條文達成一致。分歧的核心在於「有意義的人類控制」（Meaningful Human Control）的定義——沒有一個國家能夠就這一概念的具體邊界達成共識。

從技術層面看，一個棘手的問題是：當自主系統的決策基於深度神經網絡時，其決策過程本質上是不可解釋的。即使人類指揮官保留了「退出」權力，如果 AI 系統無法解釋其為什麼將某個目標分類為「威脅」，人類的所謂「監督」將淪為儀式性的確認。美國國防部在 2023 年發布的自主武器系統指令明確要求「適當程度的人類監督」，但並未定義在什麼情況下人類監督是「適當」的——這一模糊性為自主化留下了巨大的灰色地帶。

Observatory 分析

Observatory 認為，自主武器系統的「臨界點」並非某個單一技術突破的結果，而是多條技術曲線交叉聚合的產物。2025-2027 年這個時間窗口之所以關鍵，是因為以下五個條件同時成熟：

第一，AI 感知系統的準確率突破了人類水準的操作臨界點（在受控條件下）。當一個系統的目標識別準確率超過 90% 且誤報率低於人類操作員時，將人類保留在決策迴路中的技術正當性開始受到質疑。

第二，通信對抗技術（電子戰、GPS 干擾）的普及使得人類遠程監督的可靠性急劇下降。如果人類監督者在 30% 以上的時間裡無法接收到足夠的信息以做出知情決策，那麼「人類在迴路中」就從保障變成了風險。

第三，自主系統的成本曲線急劇下降，使得大規模部署成為現實選項。一千架一次性無人機的成本遠低於一架有人戰鬥機——當數量成為質量的一種替代時，衝突的門檻被降低了，而不是提高了。

第四，競爭者的不對稱性：如果一方部署了自主武器系統，而另一方沒有，後者的作戰效率將被前者壓倒性超越。這種不對稱壓力可能迫使各國在沒有充分準備的情況下加速自主化——這正是經典的「安全困境」在自主武器領域的體現。

第五，生成式 AI 的進步使得「人類水平」的戰術決策成為可能。大語言模型和強化學習的結合，使得自主系統不僅能執行預編程的戰術動作，還能生成新的、未經訓練的戰術方案——在 2026 年的兵棋推演中，AI 生成的某些戰術方案甚至超出了人類軍事規劃者的預期。

前瞻展望

技術層面，2027-2028 年值得關注的里程碑包括：美國空軍是否會正式批准 CCA 在沒有通信條件下的自主開火權限、自主地面載具是否會在真正的戰鬥中（而非演習中）進行首次自主交戰、以及聯合國 CCW 談判是否能就 LAWS 的約束性框架達成任何共識。

從更長期的視角看，自主武器系統的真正影響可能不在於戰場效率的改變，而在於衝突決策的心理門檻。當發動一次打擊的成本——無論是經濟成本、政治成本還是人命成本——被自主系統大幅降低後，國家使用武力的心理門檻也將相應降低。這是一個比任何技術突破都更值得深思的後果。

免責聲明：本文所載資料僅供參考，不構成任何投資建議或商業決策依據。數據及時間資訊以發布當日為準，可能隨後續發展而有所變動。作者及POC.HK不對因使用本文資訊而導致的任何損失承擔責任。