{"id":84235,"topic":"ai","source":"安全内参","title":"美国海军《数据与人工智能武器化战略》解读 - 安全内参","url":"https://www.secrss.com/articles/94048","url_hash":"b62502bd180c520b758b39d464215ff31764708b","author":"","summary":"美国海军《数据与人工智能武器化战略》解读 安全内参","content":"2026年7月14日，美国海军部发布《数据与人工智能武器化战略》（以下简称《战略》），提出以“比特到效能”循环，贯通数据采集、处理分析、能力生成和作战运用全过程，推动数据和人工智能由信息支撑工具向塑造海上作战优势的重要能力转变。《战略》是美战争部“AI优先”目标在海军层面的体系化落实，反映出美海军正加快探索以数据驱动持续学习、快速适应和能力迭代的新型作战能力建设路径，值得高度关注。\n图1 《数据与人工智能武器化战略》封面\n一、《战略》构建数据和人工智能向作战能力的转化的理论框架\n《战略》提出以“比特到效能”循环作为海军部整合数据与人工智能的基本框架，并以“平均效果形成时间”（MTTE）衡量从数据产生到形成数据驱动效能所需时间。“比特到效能”循环包括5个连续阶段：一是数据采集，即从传感器、武器系统和各类平台自动采集数据；二是数据传输，即将数据传输至处理环境，并支持在通信受限条件下运行；三是保密与访问，即逐步自动实施安全标记和访问控制；四是开发与分析，即依托人工智能和机器学习工具、计算基础设施、专业人员，将数据转化为可用能力；五是测试与运用，即将数据驱动形成的作战效果交付作战人员。数据驱动实现的作战效果，主要有五类，即①优化作战系统性能、②改进战术技术程序、③增强辅助决策能力、④优化训练、⑤生成新的作战能力。\n二、《战略》细化数据及人工智能发展的具体途径\n《战略》提出六项目标：一是加速发展作战人工智能，筛选最具前景的人工智能项目，并推动成功试点的规模化部署；二是提升数据就绪度，标准化、简化和规模化数据管理，促进任务数据共享；三是优化数据与人工智能基础设施，建设可靠、安全、模块化的数据和人工智能环境，以支持数据分析和人工智能能力；四是精简数据与人工智能治理，改进组织与治理流程并下放风险决策；五是建设数据与人工智能人才队伍，建设一支具备高技能水平的数据与人工智能人才队伍，利用先进技术应对现代战争的动态挑战；六是加强伙伴协作，借助工业界、学术界、联邦机构及盟伴力量加速先进技术方案交付。\n图2 美海军第59特遣部队“数字地平线-2022”演习期间的机器人作战中心\n三、《战略》规划了各项建设举措的具体时限\n《战略》围绕六项目标设置阶段节点，将各项任务转化为可考核的实施安排。2026财年第三季度，建立月度审查机制，集中消除制约数据共享、合同签订和能力列装的非法律性障碍。2027财年第一季度，完善“人工智能产品与活动权威登记清单”，支撑人工智能的统筹管理和规模推广；并启动季度“黑客马拉松”，围绕作战问题快速形成原型系统，加快能力验证；建成受控非密级、秘密级的人工智能沙箱，促进业务与作战数据共享，支持利用真实任务数据的安全开发测试；向前线部队部署可在拒止、降级、间歇、时延环境运行的大模型和智能体能力。2027财年第二季度，实现数据敏感性与密级判定自动化，准备绝密级环境基础设施并建成数字孪生仿真验收测试环境。2027财年底，完成重复数据和人工智能能力整合。2029财年底，将合格数据工程师、数据科学家和人工智能/机器学习工程师数量提高一倍。\n四、《战略》大规模推进人工智能军事应用仍面临数据安全、技术可靠性、外部依赖等风险\n《战略》加速推进人工智能军事应用同时，仍面临以下风险：一是数据开放共享与安全保密之间存在矛盾。跨平台、跨密级数据流通虽能提升人工智能效能，但也增加数据泄露、网络攻击和供应链风险。二是人工智能能力快速部署可能导致测试验证、可靠性评估不足，在复杂战场环境下存在模型误判和决策风险。三是高度依赖商业人工智能技术和外部合作伙伴，可能面临关键技术依赖、供应链受制等问题。当前，军事人工智能竞争重点正在由单项算法突破转向数据资源、组织机制、能力转化等的综合竞争。\n（科荟智库：漆远韬、孙明月、张旭、王欣怡）\n声明：本文来自科荟智库，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。","image_url":"https://www.secrss.com/logo.png","lang":"zh","published_at":"2026-09-17T02:21:00+00:00","fetched_at":"2026-09-17T03:15:07+00:00","status":"read","starred":0,"extract_state":"ok","summary_auto":"2026年7月14日，美国海军部发布《数据与人工智能武器化战略》（以下简称《战略》），提出以“比特到效能”循环，贯通数据采集、处理分析、能力生成和作战运用全过程，推动数据和人工智能由信息支撑工具向塑造海上作战优势的重要能力转变。《战略》是美战争部“AI优先”目标在海军层面的体系化落实，反映出美海军正加快探索以数据驱动持续学习、快速适应和能力迭代的新型作战能力建设路径，值得高度关注。\n图1 《数据与人工智能武器化战略》封面\n一、《战略》构建数据和人工智能向作战能力的转化的理论框架\n《战略》提出以“比特到效能”循环作为海军部整合数据与人工智能的基本框架，并以“平均效果形成时间”（MTTE）衡量从数据产生到形成数据驱动效能所需时间。“比特到效能”循环包括5个连续阶段：一是数据采集，即从传感器、武器系统和各类平台自动采集数据；二是数据传输，即将数据传输至处理环境，并支持在通信受限条件下运行；三是保密与访问，即逐步自动实施安全标记和访问控制；四是开发与分析，即依托人工智能和机器学习工具、计算基础设施、专业人员，将数据转化为可用能力；五是测试与运用，即将数据驱动形成的作战效果交付作战人员。数据驱动实现的作战效果，主要有五类，即①优化作战系统性能、②改进战术技术程序、③增强辅助决策能力、④优化训练、⑤生成新的作战能力。\n二、《战略》细化数据及人工智能发展的具体途径\n《战略》提出六项目标：一是加速发展作战人工智能，筛选最具前景的人工智能项目，并推动成功试点的规模化部署；二是提升数据就绪度，标准化、简化和规模化数据管理，促进任务数据共享；三是优化数据与人工智能基础设施，建设可靠、安全、模块化的数据和人工智能环境，以支持数据分析和人工智能能力；四是精简数据与人工智能治理，改进组织与治理流程并下放风险决策；五是建设数据与人工智能人才队伍，建设一支具备高技能水平的数据与人工智能人才队伍，利用先进技术应对现代战争的动态挑战；六是加强伙伴协作，借助工业界、学术界、联邦机构及盟伴力量加速先进技术方案交付。\n图2 美海军第59特遣部队“数字地平线-2022”演习期间的机器人作战中心\n三、《战略》规划了各项建设举措的具体时限\n《战略》围绕六项目标设置阶段节点，将各项任务转化为可考核的实施安排。2026财年第三季度，建立月度审查机制，集中消除制约数据共享、合同签订和能力列装的非法律性障碍。2027财年第一季度，完善“人工智能产品与活动权威登记清单”，支撑人工智能的统筹管理和规模推广；并启动季度“黑客马拉松”，围绕作战问题快速形成原型系统，加快能力验证；建成受控非密级、秘密级的人工智能沙箱，促进业务与作战数据共享，支持利用真实任务数据的安全开发测试；向前线部队部署可在拒止、降级、间歇、时延环境运行的大模型和智能体能力。2027财年第二季度，实现数据敏感性与密级判定自动化，准备绝密级环境基础设施并建成数字孪生仿真验收测试环境。2027财年底，完成重复数据和人工智能能力整合。2029财年底，将合格数据工程师、数据科学家和人工智能/机器学习工程师数量提高一倍。\n四、《战略》大规模推进人工智能军事应用仍面临数据安全、技术可靠性、外部依赖等风险\n《战略》加速推进人工智能军事应用同时，仍面临以下风险：一是数据开放共享与安全保密之间存在矛盾。跨平台、跨密级数据流通虽能提升人工智能效能，但也增加数据泄露、网络攻击和供应链风险。二是人工智能能力快速部署可能导致测试验证、可靠性评估不足，在复杂战场环境下存在模型误判和决策风险。三是高度依赖商业人工智能技术和外部合作伙伴，可能面临关键技术依赖、供应链受制等问题。当前，军事人工智能竞争重点正在由单项算法突破转向数据资源、组织机制、能力转化等的综合竞争。\n（科荟智库：漆远韬、孙明月、张旭、王欣怡）\n声明：本文来自科荟智库，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。","cluster_id":null,"extract_retries":0,"extract_error":null,"contract_version":"news_item.v1","format_contract_version":"news_item_formats.v1","dedup_url":"https://www.secrss.com/articles/94048","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 1658 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":1658,"summary_length":1658,"usable_text_length":1658,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":1658,"summary_length":1658}},"news_item":{"id":84235,"canonical_url":"https://www.secrss.com/articles/94048","source_url":"https://www.secrss.com/articles/94048","title":"美国海军《数据与人工智能武器化战略》解读 - 安全内参","source_name":"安全内参","author":null,"published_at":"2026-09-17T02:21:00+00:00","locale":"zh","topic":"ai","tags":[],"rss_summary":"美国海军《数据与人工智能武器化战略》解读 安全内参","full_text":"2026年7月14日，美国海军部发布《数据与人工智能武器化战略》（以下简称《战略》），提出以“比特到效能”循环，贯通数据采集、处理分析、能力生成和作战运用全过程，推动数据和人工智能由信息支撑工具向塑造海上作战优势的重要能力转变。《战略》是美战争部“AI优先”目标在海军层面的体系化落实，反映出美海军正加快探索以数据驱动持续学习、快速适应和能力迭代的新型作战能力建设路径，值得高度关注。\n图1 《数据与人工智能武器化战略》封面\n一、《战略》构建数据和人工智能向作战能力的转化的理论框架\n《战略》提出以“比特到效能”循环作为海军部整合数据与人工智能的基本框架，并以“平均效果形成时间”（MTTE）衡量从数据产生到形成数据驱动效能所需时间。“比特到效能”循环包括5个连续阶段：一是数据采集，即从传感器、武器系统和各类平台自动采集数据；二是数据传输，即将数据传输至处理环境，并支持在通信受限条件下运行；三是保密与访问，即逐步自动实施安全标记和访问控制；四是开发与分析，即依托人工智能和机器学习工具、计算基础设施、专业人员，将数据转化为可用能力；五是测试与运用，即将数据驱动形成的作战效果交付作战人员。数据驱动实现的作战效果，主要有五类，即①优化作战系统性能、②改进战术技术程序、③增强辅助决策能力、④优化训练、⑤生成新的作战能力。\n二、《战略》细化数据及人工智能发展的具体途径\n《战略》提出六项目标：一是加速发展作战人工智能，筛选最具前景的人工智能项目，并推动成功试点的规模化部署；二是提升数据就绪度，标准化、简化和规模化数据管理，促进任务数据共享；三是优化数据与人工智能基础设施，建设可靠、安全、模块化的数据和人工智能环境，以支持数据分析和人工智能能力；四是精简数据与人工智能治理，改进组织与治理流程并下放风险决策；五是建设数据与人工智能人才队伍，建设一支具备高技能水平的数据与人工智能人才队伍，利用先进技术应对现代战争的动态挑战；六是加强伙伴协作，借助工业界、学术界、联邦机构及盟伴力量加速先进技术方案交付。\n图2 美海军第59特遣部队“数字地平线-2022”演习期间的机器人作战中心\n三、《战略》规划了各项建设举措的具体时限\n《战略》围绕六项目标设置阶段节点，将各项任务转化为可考核的实施安排。2026财年第三季度，建立月度审查机制，集中消除制约数据共享、合同签订和能力列装的非法律性障碍。2027财年第一季度，完善“人工智能产品与活动权威登记清单”，支撑人工智能的统筹管理和规模推广；并启动季度“黑客马拉松”，围绕作战问题快速形成原型系统，加快能力验证；建成受控非密级、秘密级的人工智能沙箱，促进业务与作战数据共享，支持利用真实任务数据的安全开发测试；向前线部队部署可在拒止、降级、间歇、时延环境运行的大模型和智能体能力。2027财年第二季度，实现数据敏感性与密级判定自动化，准备绝密级环境基础设施并建成数字孪生仿真验收测试环境。2027财年底，完成重复数据和人工智能能力整合。2029财年底，将合格数据工程师、数据科学家和人工智能/机器学习工程师数量提高一倍。\n四、《战略》大规模推进人工智能军事应用仍面临数据安全、技术可靠性、外部依赖等风险\n《战略》加速推进人工智能军事应用同时，仍面临以下风险：一是数据开放共享与安全保密之间存在矛盾。跨平台、跨密级数据流通虽能提升人工智能效能，但也增加数据泄露、网络攻击和供应链风险。二是人工智能能力快速部署可能导致测试验证、可靠性评估不足，在复杂战场环境下存在模型误判和决策风险。三是高度依赖商业人工智能技术和外部合作伙伴，可能面临关键技术依赖、供应链受制等问题。当前，军事人工智能竞争重点正在由单项算法突破转向数据资源、组织机制、能力转化等的综合竞争。\n（科荟智库：漆远韬、孙明月、张旭、王欣怡）\n声明：本文来自科荟智库，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。","excerpt":"2026年7月14日，美国海军部发布《数据与人工智能武器化战略》（以下简称《战略》），提出以“比特到效能”循环，贯通数据采集、处理分析、能力生成和作战运用全过程，推动数据和人工智能由信息支撑工具向塑造海上作战优势的重要能力转变。《战略》是美战争部“AI优先”目标在海军层面的体系化落实，反映出美海军正加快探索以数据驱动持续学习、快速适应和能力迭代的新型作战能力建设路径，值得高度关注。\n图1 《数据与人工智能武器化战略》封面\n一、《战略》构建数据和人工智能向作战能力的转化的理论框架\n《战略》提出以“比特到效能”循环作为海军部整合数据与人工智能的基本框架，并以“平均效果形成时间”（MTTE）衡量从数据产生到形成数据驱动效能所需时间。“比特到效能”循环包括5个连续阶段：一是数据采集，即从传感器、武器系统和各类平台自动采集数据；二是数据传输，即将数据传输至处理环境，并支持在通信受限条件下运行；三是保密与访问，即逐步自动实施安全标记和访问控制；四是开发与分析，即依托人工智能和机器学习工具、计算基础设施、专业人员，将数据转化为可用能力；五是测试与运用，即将数据驱动形成的作战效果交付作战人员。数据驱动实现的作战效果，主要有五类，即①优化作战系统性能、②改进战术技术程序、③增强辅助决策能力、④优化训练、⑤生成新的作战能力。\n二、《战略》细化数据及人工智能发展的具体途径\n《战略》提出六项目标：一是加速发展作战人工智能，筛选最具前景的人工智能项目，并推动成功试点的规模化部署；二是提升数据就绪度，标准化、简化和规模化数据管理，促进任务数据共享；三是优化数据与人工智能基础设施，建设可靠、安全、模块化的数据和人工智能环境，以支持数据分析和人工智能能力；四是精简数据与人工智能治理，改进组织与治理流程并下放风险决策；五是建设数据与人工智能人才队伍，建设一支具备高技能水平的数据与人工智能人才队伍，利用先进技术应对现代战争的动态挑战；六是加强伙伴协作，借助工业界、学术界、联邦机构及盟伴力量加速先进技术方案交付。\n图2 美海军第59特遣部队“数字地平线-2022”演习期间的机器人作战中心\n三、《战略》规划了各项建设举措的具体时限\n《战略》围绕六项目标设置阶段节点，将各项任务转化为可考核的实施安排。2026财年第三季度，建立月度审查机制，集中消除制约数据共享、合同签订和能力列装的非法律性障碍。2027财年第一季度，完善“人工智能产品与活动权威登记清单”，支撑人工智能的统筹管理和规模推广；并启动季度“黑客马拉松”，围绕作战问题快速形成原型系统，加快能力验证；建成受控非密级、秘密级的人工智能沙箱，促进业务与作战数据共享，支持利用真实任务数据的安全开发测试；向前线部队部署可在拒止、降级、间歇、时延环境运行的大模型和智能体能力。2027财年第二季度，实现数据敏感性与密级判定自动化，准备绝密级环境基础设施并建成数字孪生仿真验收测试环境。2027财年底，完成重复数据和人工智能能力整合。2029财年底，将合格数据工程师、数据科学家和人工智能/机器学习工程师数量提高一倍。\n四、《战略》大规模推进人工智能军事应用仍面临数据安全、技术可靠性、外部依赖等风险\n《战略》加速推进人工智能军事应用同时，仍面临以下风险：一是数据开放共享与安全保密之间存在矛盾。跨平台、跨密级数据流通虽能提升人工智能效能，但也增加数据泄露、网络攻击和供应链风险。二是人工智能能力快速部署可能导致测试验证、可靠性评估不足，在复杂战场环境下存在模型误判和决策风险。三是高度依赖商业人工智能技术和外部合作伙伴，可能面临关键技术依赖、供应链受制等问题。当前，军事人工智能竞争重点正在由单项算法突破转向数据资源、组织机制、能力转化等的综合竞争。\n（科荟智库：漆远韬、孙明月、张旭、王欣怡）\n声明：本文来自科荟智库，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。","extraction":{"state":"ok","confidence":0.9,"error":null,"explanation":"High confidence: full text extraction produced 1658 characters.","diagnostics_url":"/api/diagnose?url=https%3A//www.secrss.com/articles/94048","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 1658 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":1658,"summary_length":1658,"usable_text_length":1658,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":1658,"summary_length":1658}}},"display_formats":["compact","card","full","digest_section","json"]},"daily_stack_record":{"title":"美国海军《数据与人工智能武器化战略》解读 - 安全内参","url":"https://www.secrss.com/articles/94048","summary":"2026年7月14日，美国海军部发布《数据与人工智能武器化战略》（以下简称《战略》），提出以“比特到效能”循环，贯通数据采集、处理分析、能力生成和作战运用全过程，推动数据和人工智能由信息支撑工具向塑造海上作战优势的重要能力转变。《战略》是美战争部“AI优先”目标在海军层面的体系化落实，反映出美海军正加快探索以数据驱动持续学习、快速适应和能力迭代的新型作战能力建设路径，值得高度关注。\n图1 《数据与人工智能武器化战略》封面\n一、《战略》构建数据和人工智能向作战能力的转化的理论框架\n《战略》提出以“比特到效能”循环作为海军部整合数据与人工智能的基本框架，并以“平均效果形成时间”（MTTE）衡量从数据产生到形成数据驱动效能所需时间。“比特到效能”循环包括5个连续阶段：一是数据采集，即从传感器、武器系统和各类平台自动采集数据；二是数据传输，即将数据传输至处理环境，并支持在通信受限条件下运行；三是保密与访问，即逐步自动实施安全标记和访问控制；四是开发与分析，即依托人工智能和机器学习工具、计算基础设施、专业人员，将数据转化为可用能力；五是测试与运用，即将数据驱动形成的作战效果交付作战人员。数据驱动实现的作战效果，主要有五类，即①优化作战系统性能、②改进战术技术程序、③增强辅助决策能力、④优化训练、⑤生成新的作战能力。\n二、《战略》细化数据及人工智能发展的具体途径\n《战略》提出六项目标：一是加速发展作战人工智能，筛选最具前景的人工智能项目，并推动成功试点的规模化部署；二是提升数据就绪度，标准化、简化和规模化数据管理，促进任务数据共享；三是优化数据与人工智能基础设施，建设可靠、安全、模块化的数据和人工智能环境，以支持数据分析和人工智能能力；四是精简数据与人工智能治理，改进组织与治理流程并下放风险决策；五是建设数据与人工智能人才队伍，建设一支具备高技能水平的数据与人工智能人才队伍，利用先进技术应对现代战争的动态挑战；六是加强伙伴协作，借助工业界、学术界、联邦机构及盟伴力量加速先进技术方案交付。\n图2 美海军第59特遣部队“数字地平线-2022”演习期间的机器人作战中心\n三、《战略》规划了各项建设举措的具体时限\n《战略》围绕六项目标设置阶段节点，将各项任务转化为可考核的实施安排。2026财年第三季度，建立月度审查机制，集中消除制约数据共享、合同签订和能力列装的非法律性障碍。2027财年第一季度，完善“人工智能产品与活动权威登记清单”，支撑人工智能的统筹管理和规模推广；并启动季度“黑客马拉松”，围绕作战问题快速形成原型系统，加快能力验证；建成受控非密级、秘密级的人工智能沙箱，促进业务与作战数据共享，支持利用真实任务数据的安全开发测试；向前线部队部署可在拒止、降级、间歇、时延环境运行的大模型和智能体能力。2027财年第二季度，实现数据敏感性与密级判定自动化，准备绝密级环境基础设施并建成数字孪生仿真验收测试环境。2027财年底，完成重复数据和人工智能能力整合。2029财年底，将合格数据工程师、数据科学家和人工智能/机器学习工程师数量提高一倍。\n四、《战略》大规模推进人工智能军事应用仍面临数据安全、技术可靠性、外部依赖等风险\n《战略》加速推进人工智能军事应用同时，仍面临以下风险：一是数据开放共享与安全保密之间存在矛盾。跨平台、跨密级数据流通虽能提升人工智能效能，但也增加数据泄露、网络攻击和供应链风险。二是人工智能能力快速部署可能导致测试验证、可靠性评估不足，在复杂战场环境下存在模型误判和决策风险。三是高度依赖商业人工智能技术和外部合作伙伴，可能面临关键技术依赖、供应链受制等问题。当前，军事人工智能竞争重点正在由单项算法突破转向数据资源、组织机制、能力转化等的综合竞争。\n（科荟智库：漆远韬、孙明月、张旭、王欣怡）\n声明：本文来自科荟智库，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。","source":"安全内参","date":"2026-09-17T02:21:00+00:00","content":"2026年7月14日，美国海军部发布《数据与人工智能武器化战略》（以下简称《战略》），提出以“比特到效能”循环，贯通数据采集、处理分析、能力生成和作战运用全过程，推动数据和人工智能由信息支撑工具向塑造海上作战优势的重要能力转变。《战略》是美战争部“AI优先”目标在海军层面的体系化落实，反映出美海军正加快探索以数据驱动持续学习、快速适应和能力迭代的新型作战能力建设路径，值得高度关注。\n图1 《数据与人工智能武器化战略》封面\n一、《战略》构建数据和人工智能向作战能力的转化的理论框架\n《战略》提出以“比特到效能”循环作为海军部整合数据与人工智能的基本框架，并以“平均效果形成时间”（MTTE）衡量从数据产生到形成数据驱动效能所需时间。“比特到效能”循环包括5个连续阶段：一是数据采集，即从传感器、武器系统和各类平台自动采集数据；二是数据传输，即将数据传输至处理环境，并支持在通信受限条件下运行；三是保密与访问，即逐步自动实施安全标记和访问控制；四是开发与分析，即依托人工智能和机器学习工具、计算基础设施、专业人员，将数据转化为可用能力；五是测试与运用，即将数据驱动形成的作战效果交付作战人员。数据驱动实现的作战效果，主要有五类，即①优化作战系统性能、②改进战术技术程序、③增强辅助决策能力、④优化训练、⑤生成新的作战能力。\n二、《战略》细化数据及人工智能发展的具体途径\n《战略》提出六项目标：一是加速发展作战人工智能，筛选最具前景的人工智能项目，并推动成功试点的规模化部署；二是提升数据就绪度，标准化、简化和规模化数据管理，促进任务数据共享；三是优化数据与人工智能基础设施，建设可靠、安全、模块化的数据和人工智能环境，以支持数据分析和人工智能能力；四是精简数据与人工智能治理，改进组织与治理流程并下放风险决策；五是建设数据与人工智能人才队伍，建设一支具备高技能水平的数据与人工智能人才队伍，利用先进技术应对现代战争的动态挑战；六是加强伙伴协作，借助工业界、学术界、联邦机构及盟伴力量加速先进技术方案交付。\n图2 美海军第59特遣部队“数字地平线-2022”演习期间的机器人作战中心\n三、《战略》规划了各项建设举措的具体时限\n《战略》围绕六项目标设置阶段节点，将各项任务转化为可考核的实施安排。2026财年第三季度，建立月度审查机制，集中消除制约数据共享、合同签订和能力列装的非法律性障碍。2027财年第一季度，完善“人工智能产品与活动权威登记清单”，支撑人工智能的统筹管理和规模推广；并启动季度“黑客马拉松”，围绕作战问题快速形成原型系统，加快能力验证；建成受控非密级、秘密级的人工智能沙箱，促进业务与作战数据共享，支持利用真实任务数据的安全开发测试；向前线部队部署可在拒止、降级、间歇、时延环境运行的大模型和智能体能力。2027财年第二季度，实现数据敏感性与密级判定自动化，准备绝密级环境基础设施并建成数字孪生仿真验收测试环境。2027财年底，完成重复数据和人工智能能力整合。2029财年底，将合格数据工程师、数据科学家和人工智能/机器学习工程师数量提高一倍。\n四、《战略》大规模推进人工智能军事应用仍面临数据安全、技术可靠性、外部依赖等风险\n《战略》加速推进人工智能军事应用同时，仍面临以下风险：一是数据开放共享与安全保密之间存在矛盾。跨平台、跨密级数据流通虽能提升人工智能效能，但也增加数据泄露、网络攻击和供应链风险。二是人工智能能力快速部署可能导致测试验证、可靠性评估不足，在复杂战场环境下存在模型误判和决策风险。三是高度依赖商业人工智能技术和外部合作伙伴，可能面临关键技术依赖、供应链受制等问题。当前，军事人工智能竞争重点正在由单项算法突破转向数据资源、组织机制、能力转化等的综合竞争。\n（科荟智库：漆远韬、孙明月、张旭、王欣怡）\n声明：本文来自科荟智库，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。","confidence":0.9,"diagnostics_url":"/api/diagnose?url=https%3A//www.secrss.com/articles/94048","quality_bucket":"high","failure_kind":"none","retryable":false,"quality_reason":"High confidence: full text extraction produced 1658 characters.","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 1658 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":1658,"summary_length":1658,"usable_text_length":1658,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":1658,"summary_length":1658}},"tags":[]},"fallback_formats":["markdown","json","html"],"actions":{"read":"/item/84235","export_markdown":"/api/items/84235/export?format=markdown","export_json":"/api/items/84235/export?format=json","diagnose":"/api/diagnose?url=https%3A//www.secrss.com/articles/94048"},"formats":{"full":{"id":84235,"title":"美国海军《数据与人工智能武器化战略》解读 - 安全内参","url":"https://www.secrss.com/articles/94048","source":"安全内参","author":null,"published_at":"2026-09-17T02:21:00+00:00","locale":"zh","topic":"ai","tags":[],"excerpt":"2026年7月14日，美国海军部发布《数据与人工智能武器化战略》（以下简称《战略》），提出以“比特到效能”循环，贯通数据采集、处理分析、能力生成和作战运用全过程，推动数据和人工智能由信息支撑工具向塑造海上作战优势的重要能力转变。《战略》是美战争部“AI优先”目标在海军层面的体系化落实，反映出美海军正加快探索以数据驱动持续学习、快速适应和能力迭代的新型作战能力建设路径，值得高度关注。\n图1 《数据与人工智能武器化战略》封面\n一、《战略》构建数据和人工智能向作战能力的转化的理论框架\n《战略》提出以“比特到效能”循环作为海军部整合数据与人工智能的基本框架，并以“平均效果形成时间”（MTTE）衡量从数据产生到形成数据驱动效能所需时间。“比特到效能”循环包括5个连续阶段：一是数据采集，即从传感器、武器系统和各类平台自动采集数据；二是数据传输，即将数据传输至处理环境，并支持在通信受限条件下运行；三是保密与访问，即逐步自动实施安全标记和访问控制；四是开发与分析，即依托人工智能和机器学习工具、计算基础设施、专业人员，将数据转化为可用能力；五是测试与运用，即将数据驱动形成的作战效果交付作战人员。数据驱动实现的作战效果，主要有五类，即①优化作战系统性能、②改进战术技术程序、③增强辅助决策能力、④优化训练、⑤生成新的作战能力。\n二、《战略》细化数据及人工智能发展的具体途径\n《战略》提出六项目标：一是加速发展作战人工智能，筛选最具前景的人工智能项目，并推动成功试点的规模化部署；二是提升数据就绪度，标准化、简化和规模化数据管理，促进任务数据共享；三是优化数据与人工智能基础设施，建设可靠、安全、模块化的数据和人工智能环境，以支持数据分析和人工智能能力；四是精简数据与人工智能治理，改进组织与治理流程并下放风险决策；五是建设数据与人工智能人才队伍，建设一支具备高技能水平的数据与人工智能人才队伍，利用先进技术应对现代战争的动态挑战；六是加强伙伴协作，借助工业界、学术界、联邦机构及盟伴力量加速先进技术方案交付。\n图2 美海军第59特遣部队“数字地平线-2022”演习期间的机器人作战中心\n三、《战略》规划了各项建设举措的具体时限\n《战略》围绕六项目标设置阶段节点，将各项任务转化为可考核的实施安排。2026财年第三季度，建立月度审查机制，集中消除制约数据共享、合同签订和能力列装的非法律性障碍。2027财年第一季度，完善“人工智能产品与活动权威登记清单”，支撑人工智能的统筹管理和规模推广；并启动季度“黑客马拉松”，围绕作战问题快速形成原型系统，加快能力验证；建成受控非密级、秘密级的人工智能沙箱，促进业务与作战数据共享，支持利用真实任务数据的安全开发测试；向前线部队部署可在拒止、降级、间歇、时延环境运行的大模型和智能体能力。2027财年第二季度，实现数据敏感性与密级判定自动化，准备绝密级环境基础设施并建成数字孪生仿真验收测试环境。2027财年底，完成重复数据和人工智能能力整合。2029财年底，将合格数据工程师、数据科学家和人工智能/机器学习工程师数量提高一倍。\n四、《战略》大规模推进人工智能军事应用仍面临数据安全、技术可靠性、外部依赖等风险\n《战略》加速推进人工智能军事应用同时，仍面临以下风险：一是数据开放共享与安全保密之间存在矛盾。跨平台、跨密级数据流通虽能提升人工智能效能，但也增加数据泄露、网络攻击和供应链风险。二是人工智能能力快速部署可能导致测试验证、可靠性评估不足，在复杂战场环境下存在模型误判和决策风险。三是高度依赖商业人工智能技术和外部合作伙伴，可能面临关键技术依赖、供应链受制等问题。当前，军事人工智能竞争重点正在由单项算法突破转向数据资源、组织机制、能力转化等的综合竞争。\n（科荟智库：漆远韬、孙明月、张旭、王欣怡）\n声明：本文来自科荟智库，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。","full_text":"2026年7月14日，美国海军部发布《数据与人工智能武器化战略》（以下简称《战略》），提出以“比特到效能”循环，贯通数据采集、处理分析、能力生成和作战运用全过程，推动数据和人工智能由信息支撑工具向塑造海上作战优势的重要能力转变。《战略》是美战争部“AI优先”目标在海军层面的体系化落实，反映出美海军正加快探索以数据驱动持续学习、快速适应和能力迭代的新型作战能力建设路径，值得高度关注。\n图1 《数据与人工智能武器化战略》封面\n一、《战略》构建数据和人工智能向作战能力的转化的理论框架\n《战略》提出以“比特到效能”循环作为海军部整合数据与人工智能的基本框架，并以“平均效果形成时间”（MTTE）衡量从数据产生到形成数据驱动效能所需时间。“比特到效能”循环包括5个连续阶段：一是数据采集，即从传感器、武器系统和各类平台自动采集数据；二是数据传输，即将数据传输至处理环境，并支持在通信受限条件下运行；三是保密与访问，即逐步自动实施安全标记和访问控制；四是开发与分析，即依托人工智能和机器学习工具、计算基础设施、专业人员，将数据转化为可用能力；五是测试与运用，即将数据驱动形成的作战效果交付作战人员。数据驱动实现的作战效果，主要有五类，即①优化作战系统性能、②改进战术技术程序、③增强辅助决策能力、④优化训练、⑤生成新的作战能力。\n二、《战略》细化数据及人工智能发展的具体途径\n《战略》提出六项目标：一是加速发展作战人工智能，筛选最具前景的人工智能项目，并推动成功试点的规模化部署；二是提升数据就绪度，标准化、简化和规模化数据管理，促进任务数据共享；三是优化数据与人工智能基础设施，建设可靠、安全、模块化的数据和人工智能环境，以支持数据分析和人工智能能力；四是精简数据与人工智能治理，改进组织与治理流程并下放风险决策；五是建设数据与人工智能人才队伍，建设一支具备高技能水平的数据与人工智能人才队伍，利用先进技术应对现代战争的动态挑战；六是加强伙伴协作，借助工业界、学术界、联邦机构及盟伴力量加速先进技术方案交付。\n图2 美海军第59特遣部队“数字地平线-2022”演习期间的机器人作战中心\n三、《战略》规划了各项建设举措的具体时限\n《战略》围绕六项目标设置阶段节点，将各项任务转化为可考核的实施安排。2026财年第三季度，建立月度审查机制，集中消除制约数据共享、合同签订和能力列装的非法律性障碍。2027财年第一季度，完善“人工智能产品与活动权威登记清单”，支撑人工智能的统筹管理和规模推广；并启动季度“黑客马拉松”，围绕作战问题快速形成原型系统，加快能力验证；建成受控非密级、秘密级的人工智能沙箱，促进业务与作战数据共享，支持利用真实任务数据的安全开发测试；向前线部队部署可在拒止、降级、间歇、时延环境运行的大模型和智能体能力。2027财年第二季度，实现数据敏感性与密级判定自动化，准备绝密级环境基础设施并建成数字孪生仿真验收测试环境。2027财年底，完成重复数据和人工智能能力整合。2029财年底，将合格数据工程师、数据科学家和人工智能/机器学习工程师数量提高一倍。\n四、《战略》大规模推进人工智能军事应用仍面临数据安全、技术可靠性、外部依赖等风险\n《战略》加速推进人工智能军事应用同时，仍面临以下风险：一是数据开放共享与安全保密之间存在矛盾。跨平台、跨密级数据流通虽能提升人工智能效能，但也增加数据泄露、网络攻击和供应链风险。二是人工智能能力快速部署可能导致测试验证、可靠性评估不足，在复杂战场环境下存在模型误判和决策风险。三是高度依赖商业人工智能技术和外部合作伙伴，可能面临关键技术依赖、供应链受制等问题。当前，军事人工智能竞争重点正在由单项算法突破转向数据资源、组织机制、能力转化等的综合竞争。\n（科荟智库：漆远韬、孙明月、张旭、王欣怡）\n声明：本文来自科荟智库，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。","reading_time_min":1,"extraction":{"state":"ok","confidence":0.9,"error":null,"explanation":"High confidence: full text extraction produced 1658 characters.","diagnostics_url":"/api/diagnose?url=https%3A//www.secrss.com/articles/94048","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 1658 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":1658,"summary_length":1658,"usable_text_length":1658,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":1658,"summary_length":1658}}},"quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 1658 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":1658,"summary_length":1658,"usable_text_length":1658,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":1658,"summary_length":1658}},"actions":{"read":"/item/84235","export_markdown":"/api/items/84235/export?format=markdown","export_json":"/api/items/84235/export?format=json","diagnose":"/api/diagnose?url=https%3A//www.secrss.com/articles/94048"}},"digest":{"id":84235,"title":"美国海军《数据与人工智能武器化战略》解读 - 安全内参","url":"https://www.secrss.com/articles/94048","source":"安全内参","topic":"ai","published_at":"2026-09-17T02:21:00+00:00","excerpt":"2026年7月14日，美国海军部发布《数据与人工智能武器化战略》（以下简称《战略》），提出以“比特到效能”循环，贯通数据采集、处理分析、能力生成和作战运用全过程，推动数据和人工智能由信息支撑工具向塑造海上作战优势的重要能力转变。《战略》是美战争部“AI优先”目标在海军层面的体系化落实，反映出美海军正加快探索以数据驱动持续学习、快速适应和能力迭代的新型作战能力建设路径，值得高度关注。 图1 《数据与人工智能武器化战略》封面 一、《战略》构建数据和人工智能向作战能力的转化的理论框架…","quality_bucket":"high","quality_reason":"High confidence: full text extraction produced 1658 characters.","reading_time_min":1,"cluster_id":null},"card":{"display_title":"美国海军《数据与人工智能武器化战略》解读 - 安全内参","subtitle":"安全内参 · 2026-09-17","summary":"2026年7月14日，美国海军部发布《数据与人工智能武器化战略》（以下简称《战略》），提出以“比特到效能”循环，贯通数据采集、处理分析、能力生成和作战运用全过程，推动数据和人工智能由信息支撑工具向塑造海上作战优势的重要能力转变。《战略》是美战争部“AI优先”目标在海军层面的体系化落实，反映出美海军正加快探索以数据驱动持续学习、快速适应和能力迭代的新型作战能力建设路径，值得高度关注。 图1 《数据与人工智能武器化战略》封面…","badges":["quality:high"],"links":{"read":"/item/84235","original":"https://www.secrss.com/articles/94048","diagnose":"/api/diagnose?url=https%3A//www.secrss.com/articles/94048"},"quality_warning":null},"export":{"title":"美国海军《数据与人工智能武器化战略》解读 - 安全内参","url":"https://www.secrss.com/articles/94048","summary":"2026年7月14日，美国海军部发布《数据与人工智能武器化战略》（以下简称《战略》），提出以“比特到效能”循环，贯通数据采集、处理分析、能力生成和作战运用全过程，推动数据和人工智能由信息支撑工具向塑造海上作战优势的重要能力转变。《战略》是美战争部“AI优先”目标在海军层面的体系化落实，反映出美海军正加快探索以数据驱动持续学习、快速适应和能力迭代的新型作战能力建设路径，值得高度关注。\n图1 《数据与人工智能武器化战略》封面\n一、《战略》构建数据和人工智能向作战能力的转化的理论框架\n《战略》提出以“比特到效能”循环作为海军部整合数据与人工智能的基本框架，并以“平均效果形成时间”（MTTE）衡量从数据产生到形成数据驱动效能所需时间。“比特到效能”循环包括5个连续阶段：一是数据采集，即从传感器、武器系统和各类平台自动采集数据；二是数据传输，即将数据传输至处理环境，并支持在通信受限条件下运行；三是保密与访问，即逐步自动实施安全标记和访问控制；四是开发与分析，即依托人工智能和机器学习工具、计算基础设施、专业人员，将数据转化为可用能力；五是测试与运用，即将数据驱动形成的作战效果交付作战人员。数据驱动实现的作战效果，主要有五类，即①优化作战系统性能、②改进战术技术程序、③增强辅助决策能力、④优化训练、⑤生成新的作战能力。\n二、《战略》细化数据及人工智能发展的具体途径\n《战略》提出六项目标：一是加速发展作战人工智能，筛选最具前景的人工智能项目，并推动成功试点的规模化部署；二是提升数据就绪度，标准化、简化和规模化数据管理，促进任务数据共享；三是优化数据与人工智能基础设施，建设可靠、安全、模块化的数据和人工智能环境，以支持数据分析和人工智能能力；四是精简数据与人工智能治理，改进组织与治理流程并下放风险决策；五是建设数据与人工智能人才队伍，建设一支具备高技能水平的数据与人工智能人才队伍，利用先进技术应对现代战争的动态挑战；六是加强伙伴协作，借助工业界、学术界、联邦机构及盟伴力量加速先进技术方案交付。\n图2 美海军第59特遣部队“数字地平线-2022”演习期间的机器人作战中心\n三、《战略》规划了各项建设举措的具体时限\n《战略》围绕六项目标设置阶段节点，将各项任务转化为可考核的实施安排。2026财年第三季度，建立月度审查机制，集中消除制约数据共享、合同签订和能力列装的非法律性障碍。2027财年第一季度，完善“人工智能产品与活动权威登记清单”，支撑人工智能的统筹管理和规模推广；并启动季度“黑客马拉松”，围绕作战问题快速形成原型系统，加快能力验证；建成受控非密级、秘密级的人工智能沙箱，促进业务与作战数据共享，支持利用真实任务数据的安全开发测试；向前线部队部署可在拒止、降级、间歇、时延环境运行的大模型和智能体能力。2027财年第二季度，实现数据敏感性与密级判定自动化，准备绝密级环境基础设施并建成数字孪生仿真验收测试环境。2027财年底，完成重复数据和人工智能能力整合。2029财年底，将合格数据工程师、数据科学家和人工智能/机器学习工程师数量提高一倍。\n四、《战略》大规模推进人工智能军事应用仍面临数据安全、技术可靠性、外部依赖等风险\n《战略》加速推进人工智能军事应用同时，仍面临以下风险：一是数据开放共享与安全保密之间存在矛盾。跨平台、跨密级数据流通虽能提升人工智能效能，但也增加数据泄露、网络攻击和供应链风险。二是人工智能能力快速部署可能导致测试验证、可靠性评估不足，在复杂战场环境下存在模型误判和决策风险。三是高度依赖商业人工智能技术和外部合作伙伴，可能面临关键技术依赖、供应链受制等问题。当前，军事人工智能竞争重点正在由单项算法突破转向数据资源、组织机制、能力转化等的综合竞争。\n（科荟智库：漆远韬、孙明月、张旭、王欣怡）\n声明：本文来自科荟智库，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。","source":"安全内参","date":"2026-09-17T02:21:00+00:00","content":"2026年7月14日，美国海军部发布《数据与人工智能武器化战略》（以下简称《战略》），提出以“比特到效能”循环，贯通数据采集、处理分析、能力生成和作战运用全过程，推动数据和人工智能由信息支撑工具向塑造海上作战优势的重要能力转变。《战略》是美战争部“AI优先”目标在海军层面的体系化落实，反映出美海军正加快探索以数据驱动持续学习、快速适应和能力迭代的新型作战能力建设路径，值得高度关注。\n图1 《数据与人工智能武器化战略》封面\n一、《战略》构建数据和人工智能向作战能力的转化的理论框架\n《战略》提出以“比特到效能”循环作为海军部整合数据与人工智能的基本框架，并以“平均效果形成时间”（MTTE）衡量从数据产生到形成数据驱动效能所需时间。“比特到效能”循环包括5个连续阶段：一是数据采集，即从传感器、武器系统和各类平台自动采集数据；二是数据传输，即将数据传输至处理环境，并支持在通信受限条件下运行；三是保密与访问，即逐步自动实施安全标记和访问控制；四是开发与分析，即依托人工智能和机器学习工具、计算基础设施、专业人员，将数据转化为可用能力；五是测试与运用，即将数据驱动形成的作战效果交付作战人员。数据驱动实现的作战效果，主要有五类，即①优化作战系统性能、②改进战术技术程序、③增强辅助决策能力、④优化训练、⑤生成新的作战能力。\n二、《战略》细化数据及人工智能发展的具体途径\n《战略》提出六项目标：一是加速发展作战人工智能，筛选最具前景的人工智能项目，并推动成功试点的规模化部署；二是提升数据就绪度，标准化、简化和规模化数据管理，促进任务数据共享；三是优化数据与人工智能基础设施，建设可靠、安全、模块化的数据和人工智能环境，以支持数据分析和人工智能能力；四是精简数据与人工智能治理，改进组织与治理流程并下放风险决策；五是建设数据与人工智能人才队伍，建设一支具备高技能水平的数据与人工智能人才队伍，利用先进技术应对现代战争的动态挑战；六是加强伙伴协作，借助工业界、学术界、联邦机构及盟伴力量加速先进技术方案交付。\n图2 美海军第59特遣部队“数字地平线-2022”演习期间的机器人作战中心\n三、《战略》规划了各项建设举措的具体时限\n《战略》围绕六项目标设置阶段节点，将各项任务转化为可考核的实施安排。2026财年第三季度，建立月度审查机制，集中消除制约数据共享、合同签订和能力列装的非法律性障碍。2027财年第一季度，完善“人工智能产品与活动权威登记清单”，支撑人工智能的统筹管理和规模推广；并启动季度“黑客马拉松”，围绕作战问题快速形成原型系统，加快能力验证；建成受控非密级、秘密级的人工智能沙箱，促进业务与作战数据共享，支持利用真实任务数据的安全开发测试；向前线部队部署可在拒止、降级、间歇、时延环境运行的大模型和智能体能力。2027财年第二季度，实现数据敏感性与密级判定自动化，准备绝密级环境基础设施并建成数字孪生仿真验收测试环境。2027财年底，完成重复数据和人工智能能力整合。2029财年底，将合格数据工程师、数据科学家和人工智能/机器学习工程师数量提高一倍。\n四、《战略》大规模推进人工智能军事应用仍面临数据安全、技术可靠性、外部依赖等风险\n《战略》加速推进人工智能军事应用同时，仍面临以下风险：一是数据开放共享与安全保密之间存在矛盾。跨平台、跨密级数据流通虽能提升人工智能效能，但也增加数据泄露、网络攻击和供应链风险。二是人工智能能力快速部署可能导致测试验证、可靠性评估不足，在复杂战场环境下存在模型误判和决策风险。三是高度依赖商业人工智能技术和外部合作伙伴，可能面临关键技术依赖、供应链受制等问题。当前，军事人工智能竞争重点正在由单项算法突破转向数据资源、组织机制、能力转化等的综合竞争。\n（科荟智库：漆远韬、孙明月、张旭、王欣怡）\n声明：本文来自科荟智库，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。","confidence":0.9,"diagnostics_url":"/api/diagnose?url=https%3A//www.secrss.com/articles/94048","quality_bucket":"high","failure_kind":"none","retryable":false,"quality_reason":"High confidence: full text extraction produced 1658 characters.","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 1658 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":1658,"summary_length":1658,"usable_text_length":1658,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":1658,"summary_length":1658}},"tags":[],"format_contract_version":"news_item_formats.v1"}}}