#10月·每日幸运签#

10月12日，俄罗斯国防部宣布启用一个专门用来训练军用人工智能的平台。超过40家机构接入了这个平台，包括无人系统的研发企业和AI技术团队。俄罗斯国防部副部长谢尔比宁说：这些机构正在训练神经网络，并将其融入自己的作战无人系统。

这个平台做的事情，是把无人机在战场上拍到的真实画面，变成AI的学习材料。开发者拿到这些视频素材，用来训练无人机的“眼睛”和“脑子”。训练出来的成果再传回平台，由国防部检查是否合格，然后放进更大的数据库里，给后续的训练用。

听起来像是一个技术流程。但它改变的东西比流程本身要深。

打开网易新闻 查看精彩图片

先说这个平台之前的状况。俄罗斯研发无人机的企业，过去各自在各自的圈子里找数据。有的从公开渠道扒视频，有的用自己的测试飞行录像。数据格式不统一，标注标准不一样，训练出来的模型质量参差不齐。有些团队为了让AI认出坦克，可能要花几个月时间去手动标注几千张图片。这个过程既慢又贵，而且标注的人不一定见过真实的战场画面，标出来的东西跟实际情况对不上。

现在俄国防部把一线无人机拍回来的作战视频统一收集、分类、整理，按一个标准打包给所有开发者。一个做FPV穿越机的小团队，过去可能连高清的战场实拍都搞不到，现在可以直接下载几千小时的素材来训练自己的模型。这就好比以前每个学生自己找教材，现在有人把全城最好的老师的教案整理成了一套标准课本。

但真正的门道不在数据量的增加。俄罗斯军事分析人士罗金对《观点报》说了一句关键的话：这个系统不仅加速信息处理，还会显著提高火力打击的精度。怎么提高？在数据回流这个环节里有答案。

开发者的训练成果上传之后，国防部会检查完整性、验证是否符合分类器格式，然后把这些成果纳入自己的神经网络。这个流程形成了一个循环：无人机在战场上拍到画面，画面变成训练数据，训练数据让AI更聪明，更聪明的AI装到新的无人机上，新的无人机又去战场上拍新的画面。每一轮循环，AI都在“看”到更多真实场景。

俄罗斯军事记者科茨对这个循环有个说法：目标在地上，给下一架无人机上了一课。他强调，随着无人机“看过”的每一个小时积累起来，俄罗斯无人机的效能只会越来越高。

AI无人机跟人类飞行员最大的区别不是反应速度，是人类飞行员可以靠直觉和经验来处理没见过的情况，而AI只能处理它在训练数据里见过的情况。你给它看了一万张坦克的照片，它能认出坦克。你给它看的是沙漠里的坦克，它到了雪地里就可能什么都认不出来。所以训练数据的覆盖面决定了AI的能力边界。

俄罗斯国防部给这个平台设计了一个统一的分类标准，叫“统一数据识别分类器”。这个东西解决的就是覆盖面的问题。它确保所有开发者拿到的数据都是按同一个规则整理过的，不会出现一个人标注坦克的时候把装甲车也算进去、另一个人只标注最新型号这种情况。标准统一了，数据就能拼在一起用，训练出来的模型就能识别更多样的目标。

乌克兰总统顾问别斯克列斯特诺夫在2026年9月说，俄罗斯在把AI直接装到无人机上这件事上已经超过了乌克兰。俄罗斯的解决方案已经量产并部署到整个前线，乌克兰还停在原型阶段。

乌克兰无人机专家“闪电”提到，俄罗斯的智能自杀式无人机最初的存储设备只有128GB，现在换成了2到4TB。这个变化意味着无人机携带的神经网络模型数量增加了几十倍，能识别的目标类型和场景复杂度都大幅上升。他还提到，俄罗斯的AI已经能识别坦克、汽车、铁路和火车头这些不同类型的物体。

但乌克兰在AI用于无人机这件事上起步并不晚，甚至更早。“闪电”自己说，乌克兰用神经网络来分析侦察无人机拍回的图像、识别目标，比俄罗斯还早。问题是乌克兰的AI主要停留在分析层面，而俄罗斯把AI直接装到了无人机上，让无人机自己在飞行中做判断。

这个差距的关键在哪里？前谷歌CEO施密特在2026年10月说了一句话。他说俄罗斯已经基本消除了乌克兰在无人机战争中的技术优势，俄罗斯现在改进系统的速度跟基辅差不多，但俄罗斯有更多的资源。

资源是一个方面。另一个方面是组织方式。乌克兰的无人机研发更多依赖民间志愿者和小型创新团队，灵活但分散。俄罗斯国防部这个平台做的事情是把分散的研发力量用一套数据标准串起来。40多家机构接入同一个数据库，用同一个分类器，产出物回流到同一个中央系统。这不是简单地鼓励创新，而是把创新装进了一个可以被集中管理和利用的框架里。

俄罗斯国防部强调这个做法有助于提高武装力量在AI领域的稳定性和适应能力。这句话的潜台词是：过去俄罗斯无人机AI的发展是各自为战，现在国防部要做那个拿着标准答案的裁判，决定什么数据有价值、什么模型能过关。

这个平台还有一个不被注意的功能。国防部通过数据回流机制，实际上在慢慢积累一个庞大的战场AI训练数据库。开发者训练出来的每一个模型、上传的每一批成果，都变成国防部自有神经网络的养料。时间越久，这个数据库就越值钱，因为里面的数据不是实验室里模拟出来的，而是真实战场上无人机亲眼看到的。这种数据在公开市场上买不到。

俄罗斯军事专家列昂科夫对卫星通讯社说：现在战场上的信息量非常大，哪怕是一个杰出的军事领导人，几乎不可能对其进行综合、识别、侦察和分析。俄罗斯当然不能袖手旁观。

这句话揭示了这个平台最底层的动因。无人机的普及让战场信息的产生速度远远超过了人处理信息的速度。一个FPV飞手一天可能传回几十段视频，一个旅一天可能积累几百段。这些视频如果没有人看、没有人标注、没有系统整理，就等于不存在。俄罗斯国防部做的事，本质上是把战场信息从“看过就忘”变成“看过就学”。

彭博社在2026年9月的报道指出，俄罗斯在AI竞赛中最大的短板不是雄心，是算力。制裁限制了俄罗斯获取英伟达最新加速器的渠道，大量投资和人才被转移到了军工领域。乌克兰情报部门发现，俄罗斯AI无人机上用的英伟达Jetson芯片是通过二手市场流入俄罗斯的。英伟达明确表示不在俄罗斯销售产品。

这意味着俄罗斯的AI无人机训练有一个看不见的瓶颈。数据可以积累，模型可以迭代，但训练和运行这些模型需要的算力芯片从哪里来？二手市场的供应能维持多久？当模型越来越复杂、需要的计算量越来越大的时候，老一代芯片能不能撑得住？

这个问题的答案，是理解俄罗斯这个平台真正影响力的一把钥匙。数据是燃料，算力是发动机。燃料管够，发动机不够，车还是跑不快。

2026年军事AI领域最值得关注的一件事，不是某一种新武器的出现，而是一个组织体系的建立。它把散落在各处的实战数据汇集起来，用统一的标准整理，让每一个开发者都能用上，再把成果收回中央。这个过程一旦转起来，就很难停下来。因为每一次战场上的使用都会产生新的数据，新数据让系统更聪明，更聪明的系统又会产生更多数据。

俄罗斯国防部给这个平台写了一句官方定位：这一做法有助于提高俄罗斯武装力量对当前人工智能领域挑战的稳定性和适应能力。但“适应性”这个词用在这里可能还不够准确。它做的不是适应挑战，而是把挑战本身变成了养料。对手的每一次新战术、新装备、新伪装，被无人机拍到之后，都会变成训练数据。你今天用假坦克骗过了AI，明天AI就认识假坦克了。

当一支军队开始系统性地把战场经验转化为AI的训练数据，并且让这个过程持续循环的时候，它在无人机领域的进步速度就不再取决于某一家企业或某一个团队的能力，而取决于整个系统收集和处理数据的效率。俄罗斯国防部这个平台，就是在做这件事。