中国人民解放军军事AI攻击链的性能差距及中美军事竞争的意涵

执行摘要

中国武警山东总队研究人员在其学术期刊上发表的论文承认，解放军的军事AI应用仍停留在问答和内容生成等辅助领域，进攻性作战应用尚处于探索阶段。据分析，这种差距并非源于技术不足，而是源于党军关系以及围绕指挥决策权移交的政治审慎态度所带来的结构性问题。解放军正转向集中构建整合信息、AI、通信和后勤的“体系作战”能力，而非关注单一武器性能。因此，未来3至5年内，渐进式整合和非对称追赶被认为是最有可能的路径。考虑到智谱AI等中国商业AI的快速追赶速度，当前差距长期固化的可能性较低。由于韩国在这一问题上缺乏直接影响力，因此持续监测台湾海峡和西太平洋的军事平衡变化以及战略支援部队（SSF）的组织改编动向，同时并行推进韩国型AI指挥控制系统的开发路线图，是现实的应对策略。

I. 议题状况分析

中国人民解放军军事AI攻击链的性能差距：现状与意涵

1. 背景与过程

本次分析的出发点，是中国人民武装警察部队（武警）山东总队和武警工程大学的研究人员于今年7月在学术期刊《国防科技工业》上发表的一篇论文[1]。该论文大量引用美军资料，并自我评估称本国军事AI模型的攻击链落后于西方模型[1]。研究人员明确指出，解放军的AI应用仍集中于“智能问答和内容生成等辅助领域”[1]。他们评估认为，进攻性作战应用仅停留在探索阶段[1]。

这种自我评估可以被解读为对习近平领导层自2017年以来推行的军民融合及AI优先战略执行成果的冷静审视。根据布鲁金斯学会的分析，北京已宣布计划到2030年成为世界领先的AI强国，解放军也正式确立了创新驱动型军队现代化战略[2]。其执行主体是2015年成立的战略支援部队（SSF）[2]。SSF被设计为一个统一管理太空、网络、电子战和信息战能力的组织，以该部队为中心，一直在进行将AI应用于各个领域的尝试[2]。值得注意的是，这篇论文出自武警部队的研究人员之手。一个非战略支援部队正规军系统的准军事组织研究机构，在公开的学术期刊上刊登关于本国军事AI局限性的文章，这一事实表明，中国军事研究界内部正在对成果进行冷静的自我诊断。

2. 当前状况

论文指出的差距不仅限于性能数值上的差异。解放军仍将AI的应用局限于信息处理和文件生成等支援功能[1]。而研究人员判断，西方模型已进入将AI融入从目标识别到实施打击的整个攻击链的阶段[1]。这也与解放军一直强调的“体系作战”（systems warfare）概念相关联。台湾国防安全研究院（INDSR）研究员陈家成分析称，解放军正转向重视将信息、AI、通信、武器、后勤和基础设施整合为一个作战体系的能力，而非单个武器系统的优劣[5]。他评价道：“解放军关注的不是谁的武器更强大，而是谁能将不同的武器连接起来，创造出更强的综合战斗力”[5]。乌克兰战争和伊朗事件展示了一体化作战以及包括民用基础设施在内的目标扩展的威力，这一点也被指为是加速这一转变的背景[5]。

不过，在接近实战的应用中，审慎论调仍占上风。一项模拟南中国海海洋争端情况的研究结果显示，在基于规则的指挥体系下，中国海警使用武力的概率仅为0.3%[8]。虽然这个数字本身很低，但有观点同时指出，在北京看来，在敏感海域，即便是这样的概率也可能被视为过高[8]。研究还证实，AI的设计方式并非简单地将目标二分为“敌对”或“无害”，而是持续计算从捕鱼活动到有组织威胁等各种意图的概率，并据此调整应对级别[8]。这表明，解放军系统的研究更侧重于风险管理型的AI应用，而非进攻性自动化。

与此同时，在民间领域则观察到相反的趋势。阿里巴巴、MiniMax、字节跳动等中国企业在视频生成AI领域的基准测试排名中处于领先地位，正在打造超越西方的领域[14]。也有现场反馈称，智谱AI的GLM-5.2模型在实际使用评估中，其性能与Anthropic公司的Claude不相上下[11]。换言之，民间生成式AI领域的追赶与军事AI攻击链的迟滞正以不同的速度进行，这表明中国AI生态系统内部的军民技术转移渠道可能存在结构性瓶颈。

3. 主要行为体与利益关系

中国人民解放军及战略支援部队（SSF）优先将AI应用于信息战、指挥控制和后勤支援，同时对自主交战级别的进攻性应用保持审慎态度[2][1]。这可以看作是技术局限性与指挥控制系统中旨在维持人类干预的制度保守性共同作用的结果。

武警（武装警察）山东总队及武警工程大学研究团队是通过此次论文公开指出本国军事AI局限性的一方[1]。隶属于准军事组织的研究机构引用美军资料来诊断自身差距，这一点显示出其研究惯例是优先进行内部评估的积累，而非对外宣传。

台湾国防安全研究院（INDSR）警告称，解放军向“体系作战”的转型要求台湾对其整体防卫态势进行重新设计[5]。其核心论点是，必须摆脱以单个战斗机、舰艇和导弹防御为中心的防备模式，转而应对一体化的目标打击威胁[5]。

美国政策与研究界（布鲁金斯学会、美国外交关系协会、<外交事务>等）将解放军的AI整合尝试视为中美军事技术竞争的关键变量，但同时也警告本国军队过度依赖AI可能带来的风险，表现出一种双重态度[2][9][13]。

中国网络监管机构通过国家安全部系统，将AI风险归类为算法不透明性、模型控制风险、AI代理威胁、滥用和技术霸权问题，并在军事应用之外，整顿国内的管控体系[12]。这可以被解读为一种优先管理风险的国家级方针，与解放军对引入AI的谨慎态度一脉相承。

4. 核心争论点

第一个争论点是差距的性质。此次论文指出的并非算法本身的劣势，而是在从支援功能向进攻性作战整合过渡阶段的迟滞[1]。这表明中美AI竞争的焦点正在从模型性能的基准测试竞争转向军事组织内部的实战整合能力竞争。

第二个争论点是民用与军事技术转移的非对称性。与中国民营AI企业在视频生成等特定领域取得与西方相当甚至领先的成果不同[14][11]，解放军的攻击链整合却未能跟上[1]。这种脱节是由于战略支援部队（SSF）的组织性瓶颈，还是因为作战用AI所需的可靠性与安全性标准远高于商业用途，是未来需要持续追踪的问题。

第三个争论点是对台湾海峡等区域内威慑态势的意涵。解放军向“体系作战”的转型已在进行中[5]，同时存在一种评价，即尽管攻击链的AI化进程缓慢，但一体化作战能力本身在持续升级。从中等强国的立场来看，不应将解放军军事AI的“迟滞”简单解读为安全威胁缓解的信号，而需要将其视为一体化指挥体系高度化这一更大趋势中的一个侧面。包括韩国在内的区域内国家，有必要将中美军事AI差距的趋势与美国对华技术出口管制的有效性及区域内延伸威慑的可信度联系起来，进行持续审视。

II. 议题深度分析

中国人民解放军军事AI攻击链的性能差距：根本原因与结构性脉络

1. 根本原因分析

解放军军事AI停留在支援功能的根本原因，与其说是技术本身的问题，不如说更接近于组织和制度问题。武警山东总队研究人员的论文指出，“军事AI应用主要用于智能问答和内容生成等辅助领域”[1]。这句话的含义很明确：解放军内部负责AI的实务部门已针对数据处理和文件编写等后方业务进行了优化。将AI引入作战指挥体系则是另一个问题。要让AI参与到目标识别、交战规则应用乃至实时火力控制，就必须先做出一个政治上敏感的决策，即如何将指挥官的自由裁量权分配给算法。在南中国海的模拟研究中，基于规则的指挥体系下中国海警使用武力的概率为0.3%，这一结果很好地体现了这种谨慎态度[8]。随后的分析指出，在北京看来，即使是这样低的概率，在敏感海域也可能被判断为过高[8]。AI的设计并非将目标意图简单地二分为“敌对”和“无害”，而是对从捕鱼活动到有组织威胁等进行概率计算，这也被解读为一种旨在降低政治风险的方法[8]。

这背后存在着党军关系的根本制约。解放军不是国家军队，而是中国共产党的军队。将指挥决策权移交给AI的问题，直接关系到党中央军事委员会的控制力问题。在这种结构下，指挥层必然会对故障或不可预测的输出可能引发政治影响保持警惕。中国国家互联网信息办公室近期将算法不透明性、模型控制风险、源于AI代理的新兴威胁、滥用和技术霸权问题正式列为AI风险，也是这种审慎态度的延伸[12]。网络安全协调局副局长王利泓指出，“由于深度学习等AI算法复杂且不透明的特性，识别和纠正缺陷变得困难”[12]。这虽然是对民间领域风险的认知，但在军事领域，这种风险规避倾向必然会表现得更为强烈。

2. 结构性脉络

安全结构：以战略支援部队为中心的整合尝试及其局限

习近平领导层于2015年成立了战略支援部队（SSF），将太空、网络、电子战和信息战能力整合到一个指挥体系中[2]。布鲁金斯学会对此评价称：“北京不仅宣布了到2030年将中国打造成世界领先AI强国的宏伟计划，中共还为解放军公布了一项积极的创新驱动型战略”[2]。然而，建立一个组织与该组织实际整合异质的技术、人员和文化是两码事。战略支援部队是一个由各军种调拨人员和资产组成的新设组织，一直以来都有观点指出其内部指挥文化不统一。此次论文出自非战略支援部队正规系统的武警下属研究机构，这一事实也具有启示意义。这可以被解读为一种迹象，即军事AI的整合正超越战略支援部队这一单一轴心，在多个军种和武警组织中零散地进行，且其间的差异相当大。

战略结构：“体系作战”概念与执行能力的脱节

解放军所追求的概念本身已经相当先进。台湾国防安全研究院（INDSR）的陈家成分析称，解放军正在朝着“将信息、AI、通信、武器、后勤和基础设施整合为一个综合性作战体系，而非关注单个武器系统”的方向发展[5]。他诊断道：“解放军关注的不是谁的武器更强大，而是谁能将不同的武器连接起来，创造出更强的综合战斗力”[5]。这是解放军学习了乌克兰战争和伊朗事件中得到验证的一体化作战威力，以及将目标扩展至民用基础设施趋势的结果[5]。问题在于概念上的追求与实际的算法、数据和指挥控制基础设施水平之间的差距。与将AI融入整个攻击链的西方模型相比，可以认为解放军在概念上领先，但缺乏支撑这一概念的实战数据集和经过验证的算法。

经济与产业结构：民间AI能力与军事应用的非对称性

中国的民营AI产业在特定领域已经展现出追赶甚至超越美国的态势。阿里巴巴、MiniMax、字节跳动等在视频生成领域的基准测试中占据优势[14]，也有评价称智谱AI的GLM-5.2在实际用户标准下，性能与Anthropic公司的Claude不相上下[11]。这种民营领域的飞速发展得益于训练效率的提升和低成本结构[11]，甚至达到了迫使硅谷降低价格的程度[11]。然而，这种民用能力并不会自动转移到军事领域。在内容生成或问答方面具有优势的大语言模型的能力，与实时目标识别和火力控制所需的鲁棒性及可验证性，其需求规格本身就不同。虽然存在“民参军用”体系，但与西方不同，解放军内部的采购、认证和安全审查程序可能会成为瓶颈，延缓民用尖端模型向军事领域的快速转化。

3. 历史先例及类似案例比较

在军事新技术引进的初期阶段，从支援功能开始扩散，而作战核心功能则较晚整合，这种模式并非新现象。在冷战时期引入基于计算机的指挥控制系统（C2）的过程中，美军也是先进行了后勤和信息处理的自动化，而在将计算机模型介入实际交战决策方面则采取了更为谨慎的态度。在苏联讨论旨在结合核武器与指挥控制自动化的“死亡之手”（Perimeter）系统时，也存在技术可能性与政治可接受性之间的差距导致实战部署延迟的案例。关于AI与核武器关联的既有分析指出，AI的军事应用会产生“作战速度提升的倍增效应”[7]，但同时也强调，这种倍增效应并不会直接导致指挥决策权的移交。指挥官要信任算法的判断并交出自由裁量权，需要相当长的验证期和组织文化的变革。

《外交事务》的分析指出，即使在美军内部，也存在对引入AI未必会直接增强战斗力的担忧。有观点认为，在AI改变人力结构和决策体系的过程中，反而存在掏空组织判断力的风险[13]。这表明，这并非解放军独有的特殊问题，而是军事AI整合本身内在的一般性困境。不过，就解放军而言，由于叠加了党的控制优先序这一额外变量，其解决这一困境的速度可能比西方更慢。

4. 议题发展的关键变量

第一个变量是包括战略支援部队在内的解放军内部组织改编的进展速度。要实现陈家成所指出的那种一体化作战体系构想[5]，就必须先实现军种间数据共享体系和指挥控制基础设施的标准化。这项工作的进展速度将决定攻击链AI化的实际进度。

第二个变量是民用AI模型向军事应用转化的速度及其验证体系。智谱AI、阿里巴巴等民营领域的技术追赶[11][14]能以多快的速度通过军队采购体系被吸收，以及在此过程中安全审查和可靠性验证是否会成为瓶颈，将是关键所在。

第三个变量是中美军事AI竞争的互动模式。正如美国外交关系协会（CFR）的分析所指出的，中美AI竞争已经动态发展到了出现“新模型登场”这种说法的程度[9]。如果美军加速整个攻击链的AI整合，解放军也可能面临压力，不得不冒着政治审慎的风险，加快实战整合的速度。这种竞争性互动能在多大程度上打破解放军组织上的审慎态度，将成为决定未来差距是否会缩小的变量。

第四个变量是包括台湾海峡在内的区域内紧张局势是否实际发生。危机状况下的实战压力可以强制推动在和平时期研发阶段不会出现的整合速度。不能排除在台湾海峡发生紧急事态时，解放军也可能适用与乌克兰战争在实战中重塑俄军一体化作战能力相似的路径。