布赖恩·麦卡锡是美国博思艾伦咨询公司（Booz Allen Hamilton）的高级副总裁，在国防和情报领域的技术和战略方面拥有深厚的资历。他在《国防》月刊网站上发布了题为《2024年十大新兴国防技术》的文章，详细讨论了当前及未来一至三年内在国防与情报领域至关重要的技术。

图片来源：天工AI生成

1. AI加速器芯片

基本概念

AI加速器芯片是专为加速人工智能/机器学习（AI/ML）计算并降低能耗而设计的半导体芯片。这些芯片使得边缘设备（例如无人机系统、头戴式显示器）能够实现AI功能。AI的发展速度可能取决于新型芯片的材料与设计。在未来，随着芯片变得越来越“类脑”，大型语言模型可以在小型化、轻量化、低功耗的设备上运行。

底层原理

AI加速器芯片通过优化硬件架构来提高AI计算性能并降低能耗。这些芯片通常包含大量的专用计算单元，如张量处理单元（TPU）、神经处理单元（NPU）等，这些单元特别适合特定的AI计算需求。例如，TPU非常适合矩阵运算，而NPU则擅长卷积操作和递归神经网络计算。

潜在影响

• 边缘计算的革命 ： 高保真的计算机视觉和实时翻译等边缘应用可能发生重大变革。无人机系统上的高保真计算机视觉或头戴式显示器中利用自然语言进行的实时翻译将显著提升边缘计算的能力。
• 大规模模型的小型化 ： 大型语言模型能够在小型、低功耗设备上运行，从而提高能效和计算能力。这将极大地促进智能设备的普及和效能提升。

2. 定位、导航和授时（PNT）替代技术

基本概念

定位、导航与授时替代技术提供了一种比现有全球定位系统（GPS）更安全、更健全的替代方案。该技术套件包括惯性、视觉、低地球轨道卫星、地面射频以及基于环境和地球物理的导航和授时技术。美国未来的导航系统预计将嵌入多种可替代PNT技术模式，并可能利用多模态AI技术进行整合。

底层原理

PNT替代技术依赖多种不同的导航和授时方法，以确保在一种技术失效或受到干扰时，其他技术仍能正常工作。以下是几种主要技术：

• 惯性导航 ： 使用加速度计和陀螺仪测量载体的位置变化。惯性导航系统（INS）可以在水下或地下等无法接收卫星信号的地方工作。
• 视觉导航 ： 通过摄像头和图像匹配技术，根据已知地标或其他视觉特征进行定位。
• 低地球轨道卫星 ： 这些卫星相对于传统GPS卫星有更低的轨道，信号延迟少，更适合城市峡谷和密集森林等复杂环境下的导航。
• 地面射频技术 ： 包括WiFi、蓝牙、蜂窝网络等多种无线信号源，可用于室内或地下设施的精确定位。

潜在影响

• 抗干扰能力增强 ： 即使在没有卫星信号的情况下，军队仍然能够准确地确定位置和时间。这大大提高了导航系统的抗干扰能力和可靠性。
• 多模态AI整合 ： 将多种导航技术通过多模态AI进行整合，可以实现更灵活、更可靠的导航解决方案，提高整体系统的鲁棒性。

3. 自主集群机器人

基本概念

自主集群机器人是指一群作为整体协同执行任务的机器人。自主集群的应用包括情报收集、基础设施监控、周边安全维护以及在战场上锁定目标或动能打击。自主集群中的单元使用AI“驾驶员”与人类、集群内的其他单元以及非集群系统进行通信，实现决策优化和任务执行。

底层原理

自主集群机器人依赖先进的分布式AI和多机器人协调控制技术。每个机器人单元都有自己的本地计算能力，用于处理传感器数据和执行任务规划。集群中的多个机器人通过共享感知数据和协调行动，可以共同完成复杂的任务。例如，一组无人机可以通过相互间的通信和协作，实现对大面积区域的快速扫描和目标识别。

潜在影响

• 智能化战场 ： 自主集群机器人可能使未来的战场变得更加智能化，甚至可能主导部分战斗任务。例如，无人机群可以用于空中侦查、敌方阵地突袭等任务，大幅提高作战效率和安全性。
• 增强多域作战能力 ： 在增强情报、监视、侦察、通信、电子战、后勤支援等方面的能力，自主集群机器人提供了极大的灵活性和战术选择。

4. 生成式AI新软件

基本概念

生成式AI新软件是一种用于审查、编辑和编写的AI/ML软件，旨在减轻人类写代码的负担，并减少漏洞和安全缺陷。生成式编码技术已经在法律文件自动生成、程序编写等领域显示出巨大潜力。

底层原理

生成式AI技术利用深度学习模型（尤其是自然语言处理和生成对抗网络GANs）来自动生成各种形式的代码和文本。这些模型经过大量训练数据的学习，能够理解和模仿人类的编程风格，自动生成高质量的代码片段。此外，生成式AI还可以检测和修复代码中的漏洞，提高软件的安全性。

潜在影响

• 自动化编程 ： 减少了人类编写代码的工作量，使程序员能够更专注于软件的设计和逻辑，而不是具体的编程细节。这将大大提高开发效率和软件质量。
• 减少安全漏洞 ： 生成式AI可以自动检测和修复代码中的安全漏洞，减少人为错误，提高软件的整体安全性。

5. 高密度能量存储

基本概念

高密度能量存储技术相比当前能源系统具有更高的能量重量比和能量体积比。这种技术能够为从便携式电子设备到电动汽车的各种应用提供更高效、更持久的电力。硅阳极技术的最新进展表明，未来1—3年内，硅阳极将提供比石墨基锂离子电池技术更好的能量密度和效率。

底层原理

高密度能量存储技术主要依靠新材料和先进储能机制。硅作为一种高性能阳极材料，相较于传统石墨，能够储存更多电量。这是因为硅的理论容量远高于石墨，尽管其在实际应用中面临膨胀等问题，但通过纳米结构和涂层等技术，这些问题得到了有效缓解。

潜在影响

• 延长续航时间 ： 对于供应链物流、基地运营以及支持前线作战人员等多种任务，高密度能量存储技术至关重要。它将显著延长设备的续航时间，减少频繁充电或更换电池的需求。
• 未来氢能技术发展 ： 虽然氢燃料电池具有长期潜力，但其广泛应用预计需要10—20年的时间。这一技术有望彻底改变能源供应系统，特别是在远程和大规模应用中。

6. 高超音速技术

基本概念

高超音速技术使飞行器或武器系统的飞行速度达到5倍音速以上。美国军方正在研制两种高超音速武器：装备有吸气式喷气发动机的巡航导弹和高速滑翔飞行器。数字技术的进步降低了高超音速研发成本，并加速了创新和扩展的途径。

底层原理

高超音速飞行涉及特殊的空气动力学设计和耐高温材料。为了在极高音速下保持稳定，飞行器必须具备精确的气动外形和强大的热防护系统。吸气式超燃冲压发动机（scramjet）是关键技术之一，它能在空气中直接燃烧燃料，无需携带氧化剂，从而大大减轻重量。

潜在影响

• 突破防空系统 ： 高超音速武器的速度和机动性使其难以拦截，对现有的防空系统提出了严峻挑战。一旦投入实战，现有的防空系统将面临前所未有的压力。
• 缩短反应时间 ： 高超音速技术的应用将极大缩短战场上的反应时间，提高打击精度和突然性，改变现代战争的游戏规则。

7. 多模态AI

基本概念

多模态AI是一种能够同时处理文本、图像、音频、视频等多种数据类型的AI系统，旨在更好地解释上下文并做出更准确的预测。多模态融合技术越来越多地被用于训练跨多种数据类型的AI模型，用于语言理解、图像生成以及生物识别等领域。

底层原理

多模态AI通过综合处理不同类型的感官输入（如文本、图像、声音和视频），能够获得更丰富、更细致的信息，从而做出更准确的判断和预测。例如，一个多模态AI系统可以从视频中提取视觉和听觉信息，结合两者来更准确地理解场景内容。这种技术依赖于深度学习模型，特别是注意力机制和变换器架构，这些模型能够有效地处理和整合多类型数据。

潜在影响

• 增强情报分析 ： 美国国防部需要大量多模态模型来融合不同类型情报，实现决策信息的输出。这将大幅提升情报分析的准确性，提高决策质量和反应速度。
• 推动情报战 ： 强大的多模态AI系统可能会引发新一轮的情报战，各国竞相开发更先进的多模态情报分析技术，以获取战略优势。

8. 非动能反无人机系统

基本概念

非动能反无人机系统使用高度集中的能量（如激光、微波、粒子束等）来破坏或摧毁快速移动的威胁目标。随着无人机的普及，未来反无人机系统将配备由AI驱动的指挥控制系统，能够融合传感器数据，快速识别新威胁，并在人类监督下自动做出最佳响应。

底层原理

非动能反无人机系统依赖定向能武器（DEW）技术，这些武器通过集中能量束来击落目标。激光武器通过高热量烧毁无人机部件，微波武器通过电磁脉冲击毁电子元件，粒子束武器通过带电粒子破坏物质结构。AI指挥控制系统负责实时数据分析和决策制定，确保精准打击。

潜在影响

• 应对无人机威胁 ： 随着无人机技术的扩散，非动能反无人机系统成为关键防御手段，保护重要设施免受无人机袭击。
• AI辅助指挥控制 ： AI驱动的指挥控制系统能够快速响应新威胁，提高反无人机作战的效率和成功率。

9. 后量子密码学算法

基本概念

后量子密码学算法是指用于加密个人、组织和政府私密通信的数学算法，这些算法对抵御当前和未来量子计算机的攻击至关重要。后量子密码学算法基于复杂的数学模型，目前尚未发现任何量子捷径。

底层原理

后量子密码学主要集中在以下几个方向：

• 格基加密 ： 利用高维几何结构（称为格）来创建极其复杂的数学难题，这些难题目前的量子计算机无法有效解决。
• 码基和多变量加密 ： 结合纠错码和多变量代数，创建复杂的数学系统，抵抗量子攻击。
• 超奇异椭圆曲线 ： 基于特殊椭圆曲线的数学特性，创建抗量子计算破解的密码体制。

潜在影响

• 保障长期机密性 ： 由于过渡到后量子密码学算法至少需要10年时间，相关机构迫切需要立即采取行动。成功实施后量子密码学将确保长期机密性，防止历史数据的大规模解密。
• 密码敏捷性 ： 密码敏捷性和混合密码协议将是适应新兴漏洞的关键，确保在量子计算威胁面前维持信息安全。

10. 空间态势感知技术

基本概念

空间态势感知技术用于全面了解太空运行环境，通过研究和监测卫星和轨道物体来感知威胁并降低碰撞风险。未来创新将包括在更高轨道上准确跟踪和部署航天器的能力，天基商业传感器的增加，以及采用增强现实和虚拟现实技术。

底层原理

空间态势感知技术依赖广泛的传感器和技术栈，包括计算资源、AI/ML与分析、可视化技术以及基于这些技术创建的应用和服务。AI/ML用于模式识别和异常检测，帮助快速识别潜在威胁并进行轨迹预测。

潜在影响

• 太空安全 ： 通过增强现实和虚拟现实技术，未来空间态势感知将更加直观和互动，提高太空作业的安全性和效率。
• 商业化的太空活动 ： 天基商业传感器的增加和更高轨道的准确跟踪和部署能力，将推动商业航天产业的发展，提供更多经济机会。

这些新兴国防技术将在未来几年内深刻影响国际关系和全球安全格局。各国政府、媒体和公众需密切关注这些技术的发展动态，思考其可能带来的长期影响，共同努力构建一个更加和平、稳定的世界。

来源: 中国科技新闻网