美大规模去中心化AI集群在未来对抗环境下的作战潜力与风险分析
未来冲突将在机器速度下于高动态、强对抗环境中展开，这是当前军事智能化讨论的基本前提。美国国防高级研究计划局（DARPA）于2024年7月启动、周期36个月的“受控涌现式去中心化人工智能”（DICE）计划，提出一种迥异于传统多智能体系统的技术路线：让成百上千、直至十万个异构AI智能体通过点对点通信自行组队、分解任务、协商角色、融合碎片信息，在无人逐条下达指令的条件下维持长期任务执行。 该计划虽明确限定于仿真研究、不涉及现实部署，但其问题意识具有标志性，中心化编排器的上下文与推理上限、单点故障风险、在电子战与网络攻击下的可预测性劣势，已被视为制约集群作战效能的结构性瓶颈。
DICE 并非简单“去掉中心节点”，而是试图在“自组织涌现”与“可控可预测”之间建立新的张力平衡。它借镜互联网去中心化自组织的韧性原理，又通过本地推理控制（local inference control）约束个体角色一致性与集体行为边界，使集群在对抗环境下既具适应性，又不脱离指挥意图。这一转向，实质上把“集体智能”本身推到军事能力的候选序列中，也把一系列尚未被既有国际安全理论充分消化的风险一并摆上桌面。
一、作战潜力
第一，抗毁伤韧性重构生存逻辑。中心化架构的致命弱点是“斩首”效应：指挥节点被压制，全局协同即溃。去中心化集群中，任一智能体失效、失联或被劫持，其分担的子任务仅需重新向邻居广播，由局部共识重新分配，无需全局重规划。 在通信部分中断、节点大量损失的极端场景下，剩余节点仍可通过局部状态交换维持最低限度任务延续。这种“无中心可斩”的生存特性，使传统精确打击的杠杆率下降。
第二，决策环路压缩至机器速度。未来战场的时间优势不再主要来自单平台机动性能，而来自观察—判断—决策—行动（OODA）环的整体提速。DICE 式架构将任务分解下沉到边缘，智能体基于本地感知与邻居交互即时协商角色，省去“回传中心—中心计算—下行指令”的往返时延。DARPA 在计划说明中直言，旧有集中式规划“过慢、过僵、过于可预测”，而动态重组能力是适应机器速度冲突的前提。
第三，行为不可预测性本身成为威慑资产。中心化集群的调度规律可被长期观测、建模与预判；去中心化集群的整体运动来自简单局部规则的非线性叠加，十万节点、百万次交互下可能出现设计者亦难逐帧解释的涌现路径。对手难以通过截获个别指令还原全局意图，这在一定程度上抵消了强对抗环境下的信息透明劣势。与此同时，DARPA 强调“受控”二字，要求通过本地推理控制抑制个体偏离、防止“叛变智能体”形成错位工具目标，使不可预测性被框定在条令与指挥意图之内。
第四，通信与算力负担从中心向外周分流。中心化模式要求指挥所与每单元保持高带宽实时链路，频谱与算力均呈中心堆积。去中心化模式下，上层只需下达任务级目标，协同细节在边缘自解，中心通信压力显著下降，也更利于在拒止环境中以间歇连通维持功能。
二、风险谱系
潜力之外，必须清醒看到该类系统自带的风险谱系，且多数风险随规模扩大而非线性放大。
其一，拜占庭式信任危机。点对点网络中若部分节点被俘获并注入伪造态势或恶意协商提议，错误无需击穿中心即可在邻居间传染。与中心化系统“坏节点可被中心剔除”不同，去中心化系统缺乏权威校验者，检测“叛变智能体”依赖分布式声誉与共识容错，而现有拜占庭容错算法在十万级、部分可观测、对抗训练下的鲁棒性远未闭环。
其二，涌现失控的理论可能。DICE 名称中的“受控涌现”本身即承认：局部规则简单、全局行为复杂，意味着设计者无法穷举所有涌现分支。在纯仿真中失控至多导致任务失败；若未来向半实物迁移，某些未被覆盖的涌现路径可能引致偏离比例性原则的交战行为。这也是 DARPA 将其严格限定在模拟阶段的根由。
其三，对抗样本与认知电子战的新入口。去中心化并未取消“感知—判断”环节，只是把它分布化。单个智能体仍受深度学习固有脆弱性影响，微小对抗扰动、伪造地理信息、虚假邻居广播皆可污染局部态势，进而通过共识机制放大为集群级误判。认知域对抗（认知干扰、认知欺骗、共识污染）会比传统频谱压制更高效地令蜂群“自乱阵脚”。
其四，伦理与法律归因缺口。当集群在运行中自主重组目标优先级、动态调整交战对象，既有 《武装冲突法》中“区分原则”“比例原则”的执行主体变得模糊：是开发方、指挥员、还是局部协商出的临时队长？责任链在去中心化决策中稀释，给国际规则与危机管控带来新难题。
其五，仿真—现实鸿沟。十万智能体在仿真器中可跑通共识，但真实边缘平台受功耗、带宽、物理传感噪声约束，Sim-to-Real 差距可能使实验室涌现优势在实战中打折。把模拟结论直接外推为作战概念，本身即是一种认知风险。
三、学理研判
对去中心化AI集群的评价，应避免“全能化”与“妖魔化”两种极端。从体系工程角度看，“完全扁平去中心化”与“完全中心编排”之间，存在大量可设计的混合层：战略层中心统筹意图与交战规则，战役层分区自治，战术层边缘自组织。这种分层混合架构兼顾韧性与可控性，也是更接近近期工程可行性的过渡形态。
同时，DICE 类计划的价值不只在军事，其底层理论（自组织系统、分布式共识、本地推理约束）可迁移至灾害响应、电网自愈、分布式科研协作等民用场景。正因其军民两用属性强，治理研究必须与算法研究同步起步，而非等技术成熟后再补锅。
四、对策建议
面向我国国防智能化发展，可得出四点启示。
一是把去中心化多智能体基础理论列入前沿导向。支持分布式共识、对抗鲁棒推理、可解释涌现分析、本地推理约束等方向系统攻关，避免在架构范式转换中陷入跟随式创新。
二是建“以攻验防”的双轨验证体系。在发展集群协同算法同时，同步研究拜占庭注入、共识污染、对抗样本诱导涌现偏移等攻击方法，用红蓝对抗闭合评估，防止能力画像被自我美化。
三是前置科技伦理与国际规则研究。在研发早期即介入自主集群的权限边界、人类在环节点、致命武力触发条件与追责框架讨论，为我国参与相关国际治理提供学理支撑，避免规则话语权旁落。
四是保持混合架构的技术弹性。不把赌注压在单一去中心化范式上，在中心统筹与边缘自治之间预留可切换接口，使体系能按对抗强度动态调节集中—分布配比。
【本文内容信息来自国（境）外相关信息源，为开源文献，由军融国动智库研究人员编译/写后，进行了文字加工处理，文中具体技术信息和数据仅供参考，不代表本公众号观点，请自行甄别使用。】
热门跟贴