全域、实时、智能，「天鉴·战场联合情报」构建透明战场|军事|情报|战场|武器装备|美军|轨迹

《战争论》中用“战争迷雾”比喻战争中普遍存在的不确定性，而联合作战情报准备旨在减少针对敌方、作战环境和地形的不确定性，提升胜率，即所谓的“知已知彼，百战不殆”。

美军条令JP2-01.3描述作战环境是由影响指挥员决策和联合能力使用的各种因素、条件、影响等组成，涵盖空、陆、海、太空等物理域、信息环境（包含信息维度、认知维度、物理维度）以及与具体的联合作战有关的敌方、己方、中立方的各种 PMESII（政治、军事、经济、社会、信息、基础设施）系统，如下图所示。

图美军对作战环境的整体认识（源自JP2-01.3）

在联合全域作战大背景下，军种之间的传统“烟囱”正在被淘汰，通过信息化、智能化技术赋能联合作战情报，能够实现作战环境的实时联合全域监测，理解影响战争的各种系统（PMESII）之间持续而复杂的交互关系——包括作战环境如何限制/改变作战行动、如何影响作战能力等，犹如拨开战场迷雾，构建透明战场。从“看天行动”到“知天而作”，联合作战环境情报准备能够有效反击敌人所采取的非对称作战，促进联合部队指挥官掌握战场主动权，为联合作战计划的制定与实施提供重要保障。

美军联合作战环境情报准备理论体系

美军认为作战环境保障是无法独立完成的，必须融入到多域、多源、多角度的综合情报体系，制定了联合作战环境情报准备程序（《Joint Intelligence Preparation of the Operational Environment》）以指导部队在联合作战行动中的活动和表现，通过分析作战环境对军事行动的影响，形成对作战环境的整体认识，判断敌方意图和最有可能采取的行动方案，从而为联合部队指挥官提供信息支援。

联合作战环境情报准备程序是一个循环往复的过程，主要分四步：1.定义战场环境；2.描述环境对作战行动的影响；3. 评估作战敌方/其它行为体；4.判断敌方/其它行为体的行动方案。

图联合作战环境情报准备

定义战场环境：（1）界定联合部队的作战区域；（2）分析己方任务和联合部队指挥官的意图；（3）确定作战环境的重要特征；（4）识别关心地域的界限；（5）在可用的时间内确定所需要的情报及详细程度；（6）判明信息情报缺口、优先级并制定情报侦察计划；（7）收集情报，提交情报信息申请，满足战场情报准备的需要。

描述环境对作战行动的影响：（1）从地理空间角度认识作战环境，包含空域、陆域、海域、太空域等物理区域、信息环境、电磁环境等；（2）从系统的角度认识作战环境，理解影响战争的各种系统或 PMESII（政治、军事、经济、社会、信息、基础设施）之间的持续而复杂的交互关系，识别出其中的重要因素与关键节点；（3）描述作战环境对敌方、己方和中立方的军事能力和行动方案的可能影响，以支持己方联合行动方案的制定和评估。

评估作战敌方/其它行为体：（1）创建或者更新敌方/其它行为体能力模型；（2）分析作战敌方/其它行为体的当前态势、运用作战样式、战术、装备技术水平、行动程序等；（3）判断敌方/其它行为体的行动重心和关键点；（4）查明敌方/其它行为体主要能力与薄弱点，评估敌方/其它行为体的作战能力和局限性。

判断敌方/其它行为体的行动方案：（1）识别并判断敌方/其它行为体的可能目标及所要达到的最终状态；（2）预测研判敌方/其它行为体各种可能的行动方案；（3）对行动方案进行评估及优先级排序，分析出敌方/其它行为体对我方完成任务影响最大的行动方案；（4）在时间允许的范围内查明各行动方案可能展开的地域、方式，并预测各类行动可能发生的时间等；（5）确定具体收集需求，以判断敌方/其它行为体实际采取的行动方案。

国外联合作战环境情报准备进展

联合作战环境情报准备为指挥官准备作战环境情报资料，驱动军事决策流程。美国环境系统研究所公司ESRI公开发布南海演示系统，以态势驱动设计，利用通用作战图展示作战环境包含敌情（如中国海陆空军事设施部署情况、战斗序列、新闻事件）、我情（如作战任务）、战场环境（如九段线、南海贸易线路、气象信息）以及告警信息和监控信息，数据来源打通了公开来源情报、信号情报、简氏防务数据库、AIS、Hawkeye 360卫星数据等多源数据。在智能化方面，利用人工智能模型分析舰船轨迹的活动区域及规律，通过图计算算法分析复杂网络中影响力最大的舰船作为可疑目标进行监控。综合考虑战场环境如气象因素对作战行动的影响，推荐适合各型号装备（包含无人机、舰船等）执行作战任务的地点，开发己方行动方案，辅助指挥官决策。

如今，美国的重心从反恐转向大国竞争，能否赢下下一个战争？Palantir以监测中国南海演习为概念型案例进行了美军未来技术的想定演示，展示卫星智能检测到中国在南海军事活动增加→接着日本盟友发来了警报→机器实时翻译为中文→获知AI模型检测到海军基地停靠的中国舰艇消失等过程。Gotham融合多源情报去预测舰艇可能的行动方案：AI模型对当前收集到的全域数据进行计算，因无法验证舰艇实际行动路径，进而推荐无人机出动。无人机执行任务前先部署最新AI模型以更好应对复杂情况，一出动实时回传监控视频流并进行目标识别，情报分析人员验证舰艇正处于最危险的路径上。通过作战环境联合情报，指挥员可以快速知晓当前战场态势。同时，AI自动生成多种应对策略，更加高效地辅助指挥官进行军事决策。

天鉴·战场联合情报

为了更好地为我军提供情报资料准备和决策辅助等服务，渊亭科技自主研发的天鉴·战场联合情报，致力于对作战环境进行全方面地透视，近实时地提供战场联合情报，构建透明战场。基于战场环境图谱、强化学习、人工智能等技术，对各类战场大数据的自动采集、储存、处理、融合，生成全域实时综合态势图，为联合部队指挥官提供敌方目标识别、意图识别、组织能力分析、兵要分析、动向预测、行动方案推荐等功能。

图战场环境认知原理模型

战场认知将全域多源信息通过获取、加工、融合、研判等活动，揭示出环境、政治、经济、社会等因素对作战行动的影响，从而得出对战场态势的整体认知。通过全域覆盖、随遇接入、多元融合、安全可控的态势处理平台，将多维战场中的武器装备、作战人员、设施、机构、地理环境、社会动态等互联互通，实现时空一致、连续精确的实时战场态势感知，结合作战环境的特性（地形、天气等）和目标分析体系，以确定敌方高价值目标及关键弱点，评估作战能力，分析敌方可能的作战行动方案，针对危机主动推荐我方应对策略辅助决策，帮助联合部队司令充分利用作战环境的各个方面来实现联合作战的目标。

产品特点

天鉴·战场联合情报具有全域化、实时化、智能化等特点，全域即覆盖物理域（陆海空天等实体存在的物理空间）、认知域（战争的主体—人的意识空间包括思想、情感、认知等）、信息域（信息产生和流动的场所，包括电子和网络空间等）、社会域（敌方、己方、中立方的各种PMESII），实时化即近实时采集、处理、融合、可视化推送多模态情报（包含文本、图片、音频、视频、矢量地图等），智能化即战场环境支持语义查询、语义推理、时空关联挖掘分析等。

图天鉴对作战环境的整体认知

（1）多模态战场环境知识图谱

对多源异构数据进行清洗、加工，运用了自然语言处理、图像目标识别、矢量地图抽取等技术抽取战场要素，统一整合到知识图谱。利用Bayes推理、DS证据理论、神经网络等技术进行作战要素融合，构建高质量的多模态战场环境知识图谱，涵盖地理环境、气象水文环境、电磁环境、人文地理、网络环境等，描述地理空间要素的时空演变、战场环境实体的关联关系、军事行动影响关系等，使决策系统具备全域环境认知能力。

（2）战场情报认知增强

借助各种AI模型增强战场情报识别、甄别能力，例如在复杂作战环境下的目标识别、复杂作战环境中的因果探索、不完备信息的补全、验证、认知推理等能力。利用人工智能来增强机器所擅长的研究大量数据和模式识别等情报工作的效能，能够揭露出敌方作战能力、薄弱点、局限性。

（3）作战要素本体模型标准化

经过多年行业经验积累，构建了标准化的作战要素本体模型，包含武器装备、地理环境、气象水文、情报、设施、机构、人员、事件等作战要素及它们间的关联关系，通过完善的本体统一作战要素知识的表达，通过标准化本体模型指导图谱抽取、融合、推理、分析，辅助战场环境应用。

（4）实时全域态势监测

通过本体模型整合多源数据，对战场各类全域大数据进行实时自动采集、储存、处理与融合，解决跨不同安全级别信息共享问题，生成全域实时综合态势图。全域实时综合态势图包含战场目标、环境数据（包含地理、气象、人文等）和敌方、我方、中立方部队的兵力部署等，达到对整个战场及作战指挥的全域透明感知。

（5）作战要素时空大数据存储

自主研发的作战要素时空大数据存储技术，可对时空数据进行高效的存储、索引、查询和分析计算，空间数据包含轨迹数据、矢量地图、遥感影像等，时空即地理空间的时空演变、气象水文的时空演变、人文地理变化等，具备分布式存储能力，快速读取时间-国家-地缘-事件-人员、城市-地理位置-时间等数据，从而更好地支撑实时态势监测。

（6）智能判断行为体的行动方案

积累了大量的行为体的能力模型和历史行动数据，以战场环境语义计算、时空关联挖掘分析、人工智能算法依据进攻方向、防御重点、兵力支援方式、指挥官特点、指挥系统配置等特征判断行动企图，结合作战环境对各类型装备行动的影响，预判行为体的各种可能的行动方案，并进行行动方案优先级排序。

（7）智能异常检测与告警

智能检测空情、海情、气象实况、物资消耗与补充、目标活动等情况，对不符合历史行为规律、业务需求进行异常告警（如敏感目标活动、违反法规活动等），对告警进行分类和等级排序，对告警的处理形成闭环学习，通过不断地演进提升告警的准确率。

（8）智能推荐应对策略

通过仿真推演、历史战例、突发事件、演习训练、非战争军事行动等数据进行强化学习，将策略、历史行动轨迹、处置效果等作为经验池，重新赋能强化学习，不断优化奖励函数，结合发生的事件类型、参与的目标种类、活动的海空区域等情况，利用多智能体推荐应对策略。

应用场景-战场态势监测

天鉴·战场联合情报支持接入、抽取、融合、存储多源情报。系统支持接入多源多模态数据，多模态指文本、矢量数据、图片、音频、视频等在内的“多门类数据”，多源指人力情报、图像情报、测量与特征情报、信号情报、技术情报、公开来源情报、状态自动报告数据等在内的“多维情报”。战场态势要素抽取对文本进行武器装备识别、事件提取、关系提取等；对矢量数据进行地理空间抽取、语义关系/拓扑关系计算；对图像数据进行目标识别、目标分类、目标定位；对音频进行文本识别后再抽取；对视频进行音频提取、关键帧提取，再利用音频、图像进行战场要素提取。利用时空大数据存储技术对数据进行时空编码和存储。来自不同情报源的信息之间会形成印证、互补、冲突三种情况，通过态势融合以更高的精度、概率或置信度得到态势信息，融合策略包括表决法、聚类法、Bayes推理、DS证据理论、神经网络等。态势融合支持兵力部署信息融合、目标的批号 (标识)融合、属性融合、状态融合、威胁估计信息融合、作战行为信息融合等。

将零散多元数据聚合、抽取、融合后，展示全域实时综合态势图，实时更新我情、敌情、战场环境数据，包含情报数据、气象水文、地理信息、电磁信息、兵力部署、动态目标等。