美国人为什么急着让AI开战斗机

就在一年前，2023年5月，OpenAI的CEO Sam Altman曾在美国国会听证会上提到过AI正在被武器化的事实，并赞同“像监管核武器一样监管AI”的提议。

 

如今，美国军方已经急着要把 “制空权”交给AI了。

 

5月2日，美国空军部长Frank Kendall在美国加州爱德华兹空军基地亲自体验了AI驾驶的X-62A VISTA战机。

 

在此之前，美国国防高级研究计划局（DARPA）在4月20日就已经进行过AI战机X-62A VISTA对抗人类驾驶F-16的首次实战模拟。

AI驾驶的F-16 战斗机（左）与人类驾驶的F-16并肩飞行，两架飞机彼此相距不到304米

 

X-62A VISTA是F-16的改款战机，目前全球共有超过4600架F-16战斗机在役，在美国的盟友当中行销20多个国家，会开F-16的AI，可能已经具备“渗透”到任何西方国家空军中的能力。

 

美国人不是很担心AI的安全吗，为什么这么着急要让AI开战斗机？

 

装备不够，AI凑？

 

“我们正在抢占技术优势，这是比赛的关键。”Kendall在接受采访时表示，没有开发AI武器的对手会在实战中“付出代价”。

 

对于AI战斗机的规划，Kendall认为，可以把AI战机放在一些故意要牺牲的地方，去“找出敌人在哪或者吸引火力”。

美国空军部长Frank Kendall“试驾”AI战机

吸引火力还比较容易理解，但没有AI就找不到敌人了吗？

 

在索敌这件事上，一直以来的主要方法是靠雷达。第四、五代战机的空战中，用雷达发现敌人会受到两个因素影响，第一是雷达的可检测范围有限，第二就是隐形战机的普及。

 

雷达的检测范围决定了谁先发现对方。现代战争的基本逻辑是发现即摧毁，空战更是如此。在茫茫天空中，先找到敌人是战斗胜利的第一步。

 

空战常用的雷达系统有预警机雷达和战机机载雷达两种。

 

第四代战机的机载雷达扫描范围大多在100-200公里，目前各国列装的预警机可扫描范围一般可达400-500公里。不考虑隐形战机的话，成规模的现代空战，在400公里范围基本上都可以发现对方。

 

不过，一些境外分析机构和媒体的信息显示，国际上最先进的有源相控雷达预警机低空探测范围很快已经达到最大800公里，大幅超过美军的E-3、E-2预警机，如果雷达扫描范围不能做到领先，那么美军要用AI操纵的F-16“蒙眼蹚雷”，就变得比较说得通了。

 

在隐形方面，美军的F-22和F-35列装后，第五代战机逐渐成为空战主力，其重要特性就是躲避雷达探测的“隐形”能力。

 

除美国以外，很多国家也开始列装第五代战机，这对美军的空中雷达探测能力发起了巨大挑战，在未来空战中如果双方都是隐形机群，在反隐能力没有巨大差距的情况下，空中战场很可能回到“白刃战”的时代。

 

在空中的“白刃战”当然更需要吸引火力的“炮灰”，但这也不是说让AI战机“蒙眼白送”。

 

首先，在发现即摧毁的原则下，飞机雷达发现敌人后其实并不会马上开火。因为空空导弹的射程通常达不到雷达的可检测范围，即便能达到，也不能保证命中敌机。

 

战机驾驶员一般会选择“放近了再打”，让敌机进入到空空导弹的“不可逃逸射程”再开火。在实战中，不可逃逸距离的长短并不固定。但这个不可逃逸射程，与导弹的最大射程通常是正相关的。

 

据外媒报道，目前国际上较为先进的空空导弹最大射程多已达到145公里以上，最先进的甚至达到300-500公里。

 

然而，美军主力的AIM-120空空导弹，最大射程是160公里，飞行速度是4马赫。正在研发，尚未装备的AIM-260，外界普遍猜测最大射程可能也不会成倍超过200公里。

空对空导弹

 

在成规模的空战中，如果导弹射程不够，没法实现远距离摧毁目标的话。那可能真的需要带着“神风特攻队”的精神，冲进敌人的有效射程内“贴脸”开火了。

 

F-35用不起了

 

X-62A VISTA是AI在美国主力战斗机上的首次尝试，而与之相似的其他类型AI战机，早在10年前就已在各国军中开始试验，包括美国的X-47B、XQ-58A。

 

美国的X-47B、XQ-58A两款无人战机，都曾尝试过AI自主控制的起降和飞行，X-47B还完成过AI控制的空中加油。

 

不过这些完全没有驾驶舱的无人机，基本都不能超音速飞行，而且机载武器有限。这种无人机的主要功能是侦查和较简单的打击任务，空对空作战能力相对有限，与美军主力的F-16、F-22和F-35完全没法相比。

 

当然，价格也没法相比。

 

XQ-58A的Valkyrie型无人机每架成本为750万美元。而每架F-35C的造价则是9000万美元，每年的运维成本都高达到660万美元。

XQ-58A

连买带养，一架F-35C一年的成本可以买14架较轻型的AI无人机XQ-58A。

 

目前，美国海军的福特级航空母舰可以搭载大约70架左右战斗机。以美国海军的编制，一个F-35C中队约24驾飞机，总成本为21.6亿美元。而一艘福特级航母的造价约为127亿美元，我军的福建舰造价大约在500亿元人民币。

 

除了制造成本，AI系统的研发成本也不高。

 

2020年，美国承包商EpiSys Science, Inc.（EpiSci），获得了DARPA价值740万美元的研发合同，负责开发可信的战术人工智能 (AI) 算法作战自主权，这份合同研究很可能与如今看到的X-62A VISTA有关。

 

740万美元的研发经费，对于战斗机来说相当便宜。

 

F-35的研发总成本约为4000亿美元，自2019年以来，美国政府还给F-35制定了为期8年的现代化升级计划，预计每年研发经费为19亿美元。

 

打仗就是比谁钱多，比谁花钱的效率高。

 

能省钱的AI战机，已经被美国海军认为是航母飞行甲板上的未来。美国海军提出希望用一部分AI无人机以僚机的形式代替F-35，组成“F-35+无人机”的新型战斗群。美国海军预测未来高达60%的舰载机联队将由无人机组成。

 

不过，便宜的AI无人机飞行速度只有第四、五代战斗机的一半，实战中能否真的在多对一或是协作战斗中取胜，还有待研究。

 

人力太贵，还招不上人

 

除了降低先进战机的开支，AI驾驶员还能给美军解决一些HR的问题。

 

首先肯定是减少人员伤亡。近几十年，美国的5次海外军行动（代号：OIF、OND、OEF、OIR、OFS）中，空军战斗阵亡总人数为1064人（截至2024年5月7日）。

美军对外军事行动阵亡人数统计

 

虽然5次军事行动的阵亡人数只有抗美援朝期间的1/4。不过这些军事行动，几乎都没怎么与实力对等的敌人展开成规模的空战。

 

其次是飞行员短缺。美国空军人事中心的数据显示，截至2024年3月31日，美国空军现役中校以下飞行员11921人。一直以来，美国空军希望现役飞行员人数达到13000名，另外在空军国民警卫队和空军预备役中再雇约8000名飞行员。

 

美军认为长期缺乏飞行员正在成为“潜在危机”，Kendall在2022年5月曾对美国国会表示，美国空军正在积极解决飞行员不足的问题。

 

AI战机的登场不禁让人想到，这是不是Kendall解决飞行员短缺问题的方案之一呢？

 

其实美军飞行员的薪酬水平很高，一名中级军官（如上尉）的基础薪资加上其他福利年薪超过10万美元。级别更高或服役时间更长的飞行员还会有更多津贴。相比之下，美国的平均年薪在2022年为约5.5万美元。

 

美国国防部公布的2024年美军薪酬数据显示， O-1级别（二级陆军中尉）的飞行员在服役两年以下时，每月的基础军饷为3826.2美元。随着服役年数的增加，基础军饷会有所提高。例如，O-3级别（上尉）的飞行员在服役两年后，基础军饷为5783.7美元/月。

美军工资

 

美军飞行员还可以根据其飞行的资历获得额外的月度飞行津贴（AvIP），这一津贴的金额从150美元到1,000美元不等。为了鼓励留在进队，美国空军也会给飞行员很高的航空奖金（AvB），数额可能达到35000美元/年。

 

此外，美军飞行员的培训成本也相当可观。分析机构RAND Corporation在2019年发布的一项调研显示，美国空军训练一名基本合格飞行员的成本在110万-1090万美元不等。

 

F-16飞行员的培训成本约为560万美元，F-22为1090万；轰炸机飞行员的培训成本也很高，B-1为730万，B-52为970万；运输和机动飞行员的培训成本相对较低，从C-17为110万，C-130J为250万；负责指挥、控制、情报、监视和侦察操作的RC-135等机型飞行员培训成本约为550万。

 

RAND Corporation估算的成本包括飞行小时成本、学员的住宿和薪酬等，但这只是飞行员培训成本中的一部分，飞行员培训还需要很多其他费用，如模拟器使用费、教材和教官费用等。

 

AI战机不科幻，但很远

 

把战斗机交给AI，首先要担心的不是科幻的“AI变节”问题。

 

大语言模型爆发以来，社会各界都在担心AGI即将到来，强人工智能即将到来。由此，很多人还产生了AI即将毁灭世界的恐惧。

 

但把战斗机交给AI，其实没那么可怕。因为操纵战机的AI主要是判别式AI或决策型AI，这些系统不太具备ChatGPT这样强的泛化能力，与今天的大语言模型、生成式AI基本没啥关系，也与AGI相去很远。

 

因为军事装备对AI大模型实在太不友好了。

 

首先是算力，美国攻击无人机制造商Anduril工业的CEO Palmer Luckey就曾说过：特斯拉的人工智能比美国军用车辆更好，iPhone 的计算能力也比国防部常用的系统强大得多。

军工用芯片，特别是用于战略核潜艇、F-22超音速战斗机和洲际导弹等高端军事装备中的芯片，对可靠性和耐受恶劣环境能力的要求很高，因此通常采用的制程尺寸比民用芯片要大。

 

主流的AI芯片如GPU、TPU等普遍采用7纳米、5纳米等较小的制程尺寸，而很多军用芯片采用的制程尺寸可能达到250纳米。

 

较大的晶体管尺寸有更大的电流承载能力和更厚的氧化层，能更有效地抵抗环境侵害，对高温、辐射、电磁干扰等恶劣条件的耐受度高。小尺寸芯片由于其微小的特征尺寸，对于辐射引起的电荷集聚（如由宇宙射线引起的单粒子翻转）也更为敏感。

 

大尺寸晶体管的热容和散热能力也会优于小尺寸晶体管，这使得它们在高温环境下能更好地工作而不容易出现性能降低。

 

另一方面，军工中应用的AI模型需要具备较高的稳定性和可解释性，而Transformer为代表的大模型在这方面的表现仍不完美。

 

要将Transformer应用在军事装备中，则需要集成额外的解释性机制或工具来提高模型的透明度。稳定性方面，则可以通过精细的测试和验证过程，结合使用更加稳定的训练技术，如正则化方法和鲁棒性优化，来确保模型的稳定性。

 

“军工单位虽然保守，但同样能够感受到AI大模型的冲击。” 一位从事相关科研工作的专家告诉虎嗅，已经有人在尝试把Transformer这样的大模型“带上”飞机，国际上很多军工科研机构都在研究与AI相关的技术，包括用AI帮助战斗机优化起飞、悬停等。

 

不过这位专家也表示，虽然X-62A VISTA已经完成了一次与人类战机的“狗斗”（Dogfight，格斗空战），但要在真实世界中完全自主驾驶战斗机，甚至参与战斗对于AI来说，其实还有一段距离。

 

DARPA的发言人在介绍AI驾驶战斗机存在的问题时表示，AI可能会使飞机的飞行控制面超出其极限。在进行高强度机动时会受到物理限制并损坏飞机。为此，DARPA在X-62A VISTA 中设立了一个“安全行程”，以防止AI程序对机身造成过度负荷。

 

事实上，要实现F-16战斗机的完全AI自主控制，AI必须能够处理极其复杂的战场情况，包括快速变化的战术环境、敌我识别、规避威胁、以及执行多种任务如侦察、空战和对地攻击。这些决策需要在分秒之间做出，要求AI系统具有高度的智能和响应能力。

 

此外，战场环境多变，AI还需要具备自我学习的能力，以适应新的战术和技术发展。这要求AI系统不断地从经验中学习并优化自身的行为和策略。

 

“AI与战斗机飞行员更多的是协作，飞行员可以把控制权交给AI一两分钟。”从Kendall对AI的描述看，短期内“AI驾驶员”的作用应该会与辅助驾驶，以及大语言模型中流行的“Copilot”概念差不多。