摘 要：美军跨域协同作战概念不断发展演进，不仅带来作战样式的改变，也给指控体系的建设提出了新的挑战。从联合全域作战概念提出的背景出发，对新型作战概念给指控体系在体系架构、指控权限、部队建设、数据处理、数据共享等方面的挑战进行分析，理论上探讨如何利用人工智能技术应对挑战，实现在联合全域作战指控体系协同中的应用，以为后续我军指控体系和关键技术研究以及军队发展建设提供参考。

引 言

指挥控制系统作为指挥、控制、通信、计算机、情报、监视、侦察(Command, Control, Communication, Computer, Intelligence, Surveillance, Reconnaissance，C4ISR)系统的重要组成部分，扮演着“神经中枢”和“手脚”的角色。作战概念的演进给指控体系带来巨大挑战，同时也对指控体系的发展提出了更高的要求。面对海量异构复杂多源数据源源不断的汇集接入和分析处理需求、对作战行动速度更快的要求、以及复杂多变的战场环境和稍纵即逝的行动机会，利用新技术、新手段、新方法发展适应新型作战概念的指挥控制体系成为当务之急。

联合全域作战是美军新近提出的新型跨域协同作战概念，对其认识、理解和研究的工作正在逐步深入开展。本文通过对联合全域作战概念的认识，分析联合全域作战概念给指控体系带来的挑战，对人工智能在联合全域作战指控体系协同中的应用进行理论探讨

1 联合全域作战概念认识

作战概念指导部队建设，牵引装备技术发展，概念的变化不仅体现了作战环境的变化，也是美军对未来作战样式以及如何保持自身军事霸权的思考和理解。就美军跨域协同相关作战概念而言，如图1所示，先后提出了“空海一体战”、“全球公域介入与机动联合”、“多域战”、“联合全域作战”等。

进入与大国长期竞争时代以后，美军认为自身以往在指挥控制方面所拥有的优势正在逐渐减弱，竞争对手在先进传感器、电子战系统、网络空间作战系统、无人系统等方面的不断发展，对自身的战场控制力形成了巨大挑战。加之，随着战争形态的演变，军事力量的作战域已经大大扩展，必须在各军兵种和各作战域开展一体化协同，以应对未来大国之间的高端对抗。

联合全域作战概念作为美军最新的跨域协同作战概念，是在2020年2月18日美参联会副主席约翰•海顿提出的“全域战”的基础上发展演变而来的。2020年3月5日，美空军发布《空军条令注解1-20：美国空军在联合全域作战中的作用》，文件对联合全域作战进行了界定，即“为获得优势并完成任务，联合部队在包括陆、海、空、天、网外加电磁频谱的全域实施的经整体筹划并协同实施的作战行动”。与多域战概念相比，虽然域的主体保持不变，但已经从军兵种概念上升为由参联会和联合参谋部统筹实施的联合作战概念，概念级别也由战役级上升为战略级，更加凸显了各军兵种在未来战争中跨域协同的重要性。

图1 美军跨域协同作战概念演进

2 联合全域作战概念给指控体系带来的挑战

在各种联合作战理论中，指挥控制问题无疑都是最核心的问题。作战概念演进带来的不仅是作战空间的拓展，也给指控体系带来巨大挑战。2.1 指挥决策的挑战2.1.1 体系架构联合全域指挥控制首先需要解决的是各军兵种之间如何指挥的问题，即指挥控制体系架构的问题。典型的指挥形式可以分为根据统一意图由各级在职权范围内保持决策和行动自由的任务式指挥以及谁在最前沿谁最能做出合适决策的事件式指挥。联合全域作战要实现各个域之间对态势的统一认知，快速构建基于远距离作战的杀伤链，以应对对手的反介入区域拒止威胁，同时又要针对行动上的并发性、异步性、关联性和冲突性，具备大规模、大范围的作战行动能力，这无疑需要大刀阔斧地改变现有的组织体系架构。

目前，美军各联合作战司令部的组织架构还是以支持军种为基础的作战样式。各军兵种都拥有自身的武器装备、专业知识、作战技能、战术网络，“烟囱式”的指挥架构能够适应单一军兵种作战，但难以适应联合全域作战对决策指挥和行动速度的要求。此外，联合全域作战将使态势感知变得更加复杂，态势反馈是指挥决策的依据，对抗双方的每一次决策行动都是观察、判断、决策、行动（Observe-Orient-Decide-Act，OODA）环的一次循环，合理的体系架构设计是保证OODA环顺畅运行的基础。

2.1.2 指控权限

要整合多领域的作战力量，发挥协同效应，不仅武器装备之间需要实现贯通，指挥官在初始制定作战计划阶段就应该考虑到所有作战域，并有权限在整个任务执行过程中动态调控全域武器装备和分配全域作战任务。只有当指挥官有权使用所有作战域的作战力量和能力时，才能最大程度地发挥武器装备的效能，提升任务完成效果。这也就意味着，“联合全域作战”概念的实施需要调整联合部队的指控权限、条令制度、决策流程，也就意味着现有各军兵种组成部队将失去对自身作战力量的控制，这显然不是一件容易的事情。

联合全域作战将面临空间、时间、信息、博弈对抗等多个方面的复杂性，指挥官的专业知识、作战经历、心理和性格特点、喜好等诸多因素都将影响其在整个指挥控制中的操作行为。目前，在联合部队组建过程中，联合部队指挥官通常是从主要作战域的军兵种中选任，要提升其领导层级，统领各作战域还存在一定的困难，比如各军兵种之间基于利益争夺而导致的多域作战行动不同步。

2.1.3 部队建设

在指挥控制系统发展建设的过程中，除了受技术水平、国际形势、国家利益等影响外，各军兵种之间的利益纠葛和部队的体制机制等问题，也促使各军兵种在发展指控系统过程中，主要聚焦于自身的发展需求，更多地考虑如何解决自身所在作战域面临的问题，缺乏统一设计和联合作战意识，这将大大削弱联合作战的效果，也不利于解决数据共享、多域互操作等关键技术问题，以军兵种为基础的指控与作战方式难以满足联合作战需求。

此外，传统的作战力量编成是基于武器装备能力和人员素质以及任务的形式和内容开展的作战力量组合，虽然可以取得行动上的胜利，但远没有达到“以最小的成本代价获得最大的成功”的效果。且在作战规模、任务编组、攻防对抗越来越模糊化以及大量新型武器参与其中的未来战争中，传统基于威胁的军事力量编制和力量建设理念无法满足联合全域作战的需求。

2.2 数据运用的挑战

2.2.1 数据处理

数据是战场态势感知的基础，是建立全面、动态、近实时通用作战图和指挥官进行指挥决策的依据。“联合全域作战”涵盖了陆、海、空、天、网、电磁频谱等所有作战域，各个域内包含了大量的传感器和C4ISR系统，源源不断地产生海量、异构、多源、复杂的战场数据。海量复杂数据的分析处理依靠人力资源来进行是不现实的，这样做不仅会耗费大量时间，降低数据的时效性，而且人的主观性将直接影响数据的分析处理效果，这就迫切需要提升现有指控体系的数据处理能力。

军事大数据是核心作战资源，对这一资源的掌握很大程度上决定了战争能否取得胜利。目前，美军的跨域态势感知能力主要依赖于数量相对较少的昂贵高科技专用系统，不支持在所有作战域充分地交互和数据融合，信息的跨域流动受战术网络、密级、处理机制等多方面的限制，难以从数据中清晰洞察各作战域数据之间的相互关系，以及对联合部队行动的影响。在现有数据处理模式下，也就无法将数据优势转变为认知优势，进而转变为决策优势和行动优势。

2.2.2 数据共享

“联合全域指挥控制”需要多种能力与平台之间进行快速、动态通信，这对于快速信息共享和利用各种资源至关重要，而且各系统间的连通性和互操作性是“联合全域指挥控制”的关键赋能因素。要实现有效的指挥控制就需要同时满足向上级和下级梯队传递和接收信息，利用通用作战图同步行动需要各域准确、快速交换信息，传输的不及时、不准确、不完整将导致指控行动和效果的不同步。

受军种本身、盟国和合作伙伴、作战域、密级、通信传输要求等多重障碍的影响，各军兵种之间的数据并不是完全共享的，很大一部分数据仍然属于私有或专有数据，需要通过专门的方式进行传输和存储。目前，美军在跨军种联合作战过程中，需要通过监控大量的多线程沟通工具，手动将数据转入各自的系统中以支持任务的执行，在这种数据管理模式下，要满足联合全域指挥控制对速度的要求几乎是不可能的。

3 人工智能在联合全域作战指控体系协同中的应用

2015年，美国防部围绕智能化、自主化提出了第三次抵消战略，通过综合运用人工智能技术压缩OODA环循环时间，提升认知能力和决策效力，实行多域联合作战指挥控制。

2016年，美总统办公室发布《为人工智能的未来做好准备》等三份全面规划人工智能技术及其产业的重要报告，旨在确保美国在人工智能领域的领先地位。

同年，美军启动指挥官虚拟参谋(Commander’s Virtual Staff)项目，希望运用认知计算来应对海量数据和复杂战场态势，为作战提供筹划、实施、评估等全过程决策支持，指挥决策向认知智能时代迈进。如图2所示，将人工智能技术应用于联合全域指挥控制主要是依靠人工智能技术来满足联合全域指挥控制对行动速度和海量复杂数据的分析处理能力的需求，具体体现在快速指挥决策和智能数据处理两大方面。

图2 人工智能在联合全域指控体系协同中的应用框架

3.1 快速指挥决策

3.1.1 自适应、分布式、开放式体系架构

要改善“联合全域作战”过程中的感知和判断能力首先需要创建一种自适应、分布式、开放式的指挥控制体系架构。

1）自适应性。未来战场将面临更多的不确定性和动态变化，OODA环表现出“多域多环”嵌套的新特点，要顺应战场态势的不断变化，支持信息的跨层级流动，就需要指控体系具有自适应性，能够以敏捷的方式及时调整组织结构，以适应作战规模的变化。

2）分布式。联合全域作战将作战空间拓展至所有作战域，各军兵种的人员、组织机构、武器装备高度互联，采用分布式的指控体系，既能弱化集中式指控体系中关键核心节点的重要性和脆弱性，也能降低指控节点和作战单元之间的通信传输需求，加快OODA环的循环速度，保证和改善整个指控体系的弹性、灵活性和生存能力。

3）开放式。作战域的拓展使得指控节点和作战单元的数量大幅增加，为更好地适应作战规模的变化，采用开放式的指控体系架构可以实现快速开发和集成，满足不同军兵种之间的互操作需求，以组织智能推动指控智能。

3.1.2 作战任务智能规划

在联合全域作战中，为达成一个共同的目标，各作战域之间将独立或配合开展一系列具有关联性的作战行动，在各个阶段开展具有阶段性特点的作战任务，此外，不同的作战任务还存在同时实施，异步执行、对资源的使用存在冲突等可能。这就要求在不同的空间和时间范畴下基于人工智能算法进行任务筹划，包括资源的可用性、任务的优先级排序，效能的最大化等；也就需要让机器学习实现任务目标的方式，结合先前的经验辅助或自主提出行动建议，以满足对于行动速度的要求，实现快速的指挥决策。

3.1.3 作战资源动态调配

作战域的扩展增加了可用资源的数量和指挥决策的复杂性。各作战资源具有自身特有的作战能力，结合作战任务的规划结果，基于资源的可用性，动态调整资源的部署位置、遂行路线、可用时间，以满足不同作战任务对于作战资源的使用需求。利用人工智能技术部分或全部替代指挥员，通过对全域作战资源的能力评估，包括那些依靠人力挖掘无法显现的资源，实现作战资源的动态调配。

3.1.4 作战命令及时调整

作战域的扩展也带来了博弈的复杂性。基于经验和当前态势制定的行动方案难以长时间发挥效能，这就要求：1）利用人工智能技术进行态势仿真推演，通过对未来态势的推演预测、分析研判，提前制定应对策略；2）基于机器对态势的智能分析和理解结果，在新情报出现时，快速地提醒指挥员及时调整指控命令，并智能生成作战命令建议以供选择。

3.1.5 指控权限下放

人工智能技术的引入一定程度上辅助指挥官的决策判断，但人在回路中的作用仍不可忽视。在分布式指控体系架构、OODA环多域多环嵌套、任务编组和力量编制动态变化的情况下，集中式的指挥模式将难以胜任联合全域指控的要求。此外，要实现联合全域指挥控制，没有掌握足够深度和广度的知识，将难以理解何时何地才能更有效地使用作战能力。因此，要最大化的聚合各作战域的专业知识，通过将指挥控制权限下放，赋予下级指挥官更大的决策权限。“集中控制、分散指挥”的模式将给予下级部队更大的自主权。

3.1.6 力量动态智能编组

联合全域作战要求各作战域的力量基于任务需求动态编组，以“临时组建，共同执行，事后解散”的模式满足不同任务对于资源和力量的需求。通过统一的力量设计，以联合作战为导向，以提升任务完成效果为目的，利用人工智能技术进行力量的局部优化、全局平衡，围绕关键作战任务分层次、分阶段、分目标实现作战力量的动态智能编组。

3.2 智能数据处理

3.2.1 通用数据平台

数据对于掌握战场态势、有效指挥决策至关重要。要让数据“说话”，助力联合全域作战就需要打破界限，建立一个通用的数据平台。平台内，每个授权用户、武器装备、平台节点都通过相应的数据接口透明地贡献数据信息和接收完成任务所需信息，以网状结构实现彼此之间的互联互通。5G、区块链、物联网、云计算等新兴技术的发展，为战场网络提供了更广泛的链接能力。通用数据平台不仅保证了对全域战场态势信息的汇集以获得更全面丰富的认识，也极大地支持了信息的流动，保障了指控命令和作战任务对于数据的需求。

3.2.2 数据按需服务

联合全域作战背景下，各域生成的数据是海量的，后台通过汇集接入、关联融合处理，以通用作战图的方式展现在指挥官面前，同时对于处在边缘的作战单元，其对数据的需求更具针对性，因此，需要针对不同的用户群体、不同的场景、不同的需求实现数据的按需服务。在这一过程中，需要：1）通过作战行动分解、用户行为数据挖掘，了解用户在不同阶段的数据需求；2）基于服务需求，自动关联映射数据集，完成数据的及时准确推送；3）根据态势仿真推演预测结果，主动推荐应对未来可能态势的关键数据信息，支持指挥官和作战单元的决策和行动。

3.2.3 多来源数据一致性表达

虽然海量、异构、复杂、多维的战场数据来源于各个作战域，存在一定的分散性，但从时间维度和空间维度看，这些数据之间具有关联特征。利用人工智能和大数据技术，围绕时空参考标准，综合运用关联融合算法，实现多来源数据的一致性表达。这其中包括：1）对于结构化、半结构化、非结构化数据的解析、抽取、映射等预处理操作；2）基于冲突检测和消解的数据对齐和数据统一；3）构建知识表示模型，实现基于表示模型的一致性表达。

3.2.4 大批量数据智能集成、态势智能感知

数据存在显现和潜在两种模式，其中显现模式能够容易地进行感知获取，而潜在模式需要经过多种数据源的相互关联印证，通过对不同来源、不同地理位置的大批量数据进行集成，识别出数据中的潜在模式，重点突出有价值的数据信息，支撑通用作战图构建，实现战场态势智能感知。此外，在数据集成的过程中需要结合具体的应用场景，借助人工智能技术识别数据伪装和数据欺骗，推动集“存储-管理-分析-理解”为一体的数据智能新模式的发展。

3.2.5 基于认知的作战行动分析和行为趋势预测

借助认知计算技术，实现对数据信息的全新解读和诠释，发现数据中的潜藏价值，通过持续不断的数据输入，提升对数据的理解、认知和学习能力，进一步实现对敌作战行动分析和行为趋势预测，达到认知智能的目标。同时，基于面向指挥决策的平行仿真技术，通过将实时情报态势数据引入平行仿真系统，动态构建修正平行仿真实体，生成与实际系统平行运行的人工战场环境，辅助指挥官透视和预测未来战场态势，以进行超前决策和支持作战命令的及时调整。

3.2.6 高价值数据智能挖掘

高价值数据具有“数据量少、价值高”的特点，借助小样本学习技术实现对高价值数据的智能挖掘，结合数据库信息，能够辅助实现对敌方可能采取的作战行动的预测。此外，通过数据挖掘将最少量的高价值结构化数据用于不同用户节点之间的传输，既能提高信息交换的效率和灵活性，也能降低带宽给数据传输带来的影响。

结 语

联合全域指挥控制着眼于大国竞争，致力于改变各军兵种各自为政的指挥控制模式，提升联合作战规划和执行中的全域融合程度。它不仅仅是不同作战域、不同作战系统之间的互联互通，更是关于决策的艺术，是人与武器装备、数据、环境之间的高度联合。联合全域指挥控制将催生新的指挥控制模式，牵引指挥控制系统进一步向分布式、模块化、智能化方向发展。而在发展过程中对指挥决策、数据运用所形成的挑战，需要借助人工智能等新兴技术来突破和解决。只有解决了数据的汇集、处理、共享，决策的制定和执行，作战任务的智能规划，作战资源的动态编组，各作战域的互联互通等一系列问题，才能是真正意义上实现了联合全域指挥控制。