文章总结： 本报告系统研究AI如何推动美军时敏目标处置流程从人力密集、串联模式向数据驱动、并行协同转变，覆盖F2T2EA全链条。研究表明AI已从单一情报处理延伸至组织、数据、指挥、实验等多层面，通过Maven、Firestorm等项目将部分流程从小时级压缩至分钟级，核心变化在于指挥权责重排：机器承担发现筛选任务，人转向授权复核与责任承担，形成加速自动化与强化治理并行的特征。 综合评分： 85 文章分类： 威胁情报,解决方案,技术标准

---

【研究报告】AI赋能美军时敏目标处置流程变革研究

原创

所长007 所长007

蓝军开源情报

2026年5月20日 09:57 湖南

在小说阅读器读本章

去阅读

关注▲蓝军开源情报▲和10万+情报研究员，一起成长

【导读】

本报告在公开资料边界内，以美军经典F2T2EA流程为主线，系统考察人工智能如何推动美军时敏目标处置模式由“人力密集、串联推进、节点分割”向“数据驱动、并行协同、持续闭环”转变。

研究认为，当前美军AI赋能并非停留于单一算法进入情报处理环节，而是已经延伸到组织领导、数据基础设施、作战指挥、联合实验、军校教学和责任治理等多层面。

以NGA、Maven及Maven、Smart、System为代表的GEOINT、AI能力，已从2017年的反恐视频识别试点，发展为覆盖全部军种和作战司令部、面向多个安全域的大规模能力网络，并在公开演习中将部分targeting、workflow由小时级压缩至分钟级；Army围绕FIRESTORM、Project、Convergence、NGC2、Scarlet、Dragon等实验，则正在把AI嵌入多域感知、共同图景构建、目标提交、方案推荐和指挥协同等中端流程；在后端，虽然可公开确认的“自动毁伤评估”成熟项目有限，但NGA、ASPEN、Maven的analytic、workflow、modernization，以及基于变化检测、模式比对和自动报告的GEOINT、AI方向，已显示出面向快速评估与持续再任务的能力拓展趋势。

报告的创新点在于，不泛泛而谈“AI改变战争”，而是把AI技术精准嵌入美军时敏目标处置链的前端、中端、后端，并把Project、Maven、Scarlet、Dragon、Project、Convergence、Capstone、5、V、Corps、Warfighter、Exercise、26-03等案例穿插进各章，揭示其真实效能、组织牵引和技术边界。

报告同时认为，公开资料所揭示的最深层变化，不在于“完全无人化”，而在于指挥权责结构的重排：机器日益承担发现、筛选、提示、关联和推送任务，人则更多转向授权、复核、规则把关、法理适配和责任承担。

DoDD、3000.09、DoD、AI伦理原则、RAI、Toolkit以及NGA、AGAIM模型认证试点表明，美军正在尝试用“更快的自动化”与“更严的治理链条”并行塑造AI军事应用。基于此，本报告将研究重心放在“流程重构、权责转移、模型可信、联合互操作与作战适配”五个维度，以便形成后续系列研究的技术—组织—规范一体化分析框架。

本报告《AI赋能美军时敏目标处置流程变革研究》为“蓝军研究所”的自研报告。联系电话：19118805880（微信同号）。

关键词：人工智能；时敏目标处置；F2T2EA；Maven Smart System；负责任人工智能

这是蓝军开源情报的第 596期分享

编译 l 所长007

来源 l 蓝军开源情报（ID：Lanjunqingbao） 转载请联系授权（微信号：19118805880）

《AI赋能美军时敏目标处置流程变革研究》

【目录】

第一章、导论与研究设计

1.1、研究缘起与问题提出

1.1.1、时敏目标处置对现代多域作战的重要性

1.1.2、美军AI体系化扩张对传统流程研究范式的冲击

1.1.3、在公开资料边界内研究该问题的必要性与可行性

1.2、核心概念与分析边界

1.2.1、时敏目标、动态目标、目标处置流程等概念辨析

1.2.2、F2T2EA作为分析框架的适用性与限度

1.2.3、AI、ML、CV、生成式AI Agent在军事流程中的功能边界

1.3、研究现状与文献述评

1.3.1、国外关于Project Maven与GEOINT、AI的研究评述

1.3.2、国外关于Project Convergence NGC2与JADC2实验的研究评述

1.3.3、关于人机协同、责任链与战场AI治理的研究评述

1.4、研究方法、资料来源与证据链组织

1.4.1、官方文件、预算材料、演习报道与军种刊物的使用方法

1.4.2、流程分解法、案例比较法、组织—技术耦合法

1.4.3、公开信息核验、交叉印证与不确定性处理

1.5、研究思路、创新点与全书结构

1.5.1、以“流程解耦”替代“概念泛谈”

1.5.2、以“权责迁移”统领技术分析

1.5.3、以“案例贯穿”强化实证支撑

图1-1：研究方法与证据链组织流程图

图1-2：F2T2EA公开研究分解图

表1-1：核心概念辨析表

表1-2：公开资料来源与可信度分级表

第二章、美军AI赋能时敏目标处置的体制、政策与能力基础

2.1、组织体制演进

2.1.1、从JAIC、Project、Maven到CDAO的整合路径

2.1.2、NGA接管Maven、GEOINT功能后的角色变化

2.1.3、军种、战区与情报机构在AI能力扩散中的分工关系

2.2、数据、算力与软件底座

2.2.1、Maven、ASPEN、Advana等平台的功能定位

2.2.2、数据标签、模型训练、推理时延与跨域部署

2.2.3、Maven Smart System走向军种化、战区化和联盟化的条件

2.3、采办与扩散机制

2.3.1、从试点项目到program of record的制度跨越

2.3.2、Maven相关软件许可、数据标注与分析现代化合同观察

2.3.3、AI、Rapid、Capabilities、Cell与快速试验快速采办逻辑

2.4、规范、伦理与测试评估要求

2.4.1、DoDD 3000.09与“appropriate levels of human judgment”

2.4.2、DoD五项AI伦理原则与RAI、Toolkit

2.4.3、NGA、AGAIM模型认证与可信GEOINT、AI建设

2.5、案例嵌入

2.5.1、NGA、2025年GEOINT、Symposium关于Maven扩散的关键信息

2.5.2、2026年《Artificial Intelligence Strategy for the Department of Defense》对战区和军种的牵引

2.5.3、Army Combined Arms Command将MSS纳入训练与教育的意义

图2-1：美军AI体制与能力扩散链路图

图2-2：Maven从项目到体系能力的演进路径图

表2-1：主要机构职责与接口关系表

表2-2：近年关键政策、预算与合同节点表

第三章、前端流程重构

3.1、前端瓶颈的形成机理

3.1.1、ISR海量数据增长与人工处理饱和

3.1.2、卫星图像、全动态视频和多源数据融合难题

3.1.3、目标机动、伪装、欺骗与短窗口发现压力

3.2、Maven及相关GEOINT、AI能力的公开功能分析

3.2.1、目标检测、目标分类、目标跟踪与模式识别

3.2.2、异常活动提示与分析员工作流再设计

3.2.3、模型精度、时延、标签质量与训练闭环

3.3、前端处置逻辑的变化

3.3.1、从“人工盯屏搜寻”到“AI筛查—人工复核”

3.3.2、从“单源发现”到“多源交叉提示”

3.3.3、从“串联上报”到“近实时推送共同图景”

3.4、从人在回路中到人在回路上的前端趋势

3.4.1、海军与空军公开概念中的人机控制层级

3.4.2、自动分类核验与人工授权位置变化

3.4.3、加速并不等于取消人工责任的原因

3.5、案例嵌入

3.5.1、Project、Maven、2017年部署背景及其反恐视频识别起点

3.5.2、XVIII、Airborne、Corps的BAS-T与MSS协同试验

3.5.3、V、Corps、2026年把MSS作为digital、spotter的公开实践

图3-1：ISR过载向目标提示压缩的前端流程图

图3-2：AI辅助发现—锁定—跟踪的人机协同流程图

表3-1：Maven公开功能与F2T环节映射表

表3-2：前端流程压缩的公开案例指标对照表

第四章、中端流程重构

4.1、中端流程的时间竞争压力

4.1.1、多目标并发、跨域火力与资源竞争

4.1.2、共同作战图景更新滞后对决策的拖累

4.1.3、参谋密集型流程的速度与规模矛盾

4.2、FIRESTORM及相关决策辅助系统的公开分析

4.2.1、FIRESTORM的能力定位与技术特征

4.2.2、One World Terrain优先级数据与target hand off

4.2.3、自动决策辅助对参谋工作分工的影响

4.3、联合实验中的中端流程再造

4.3.1、融合项目中的数据驱动决策

4.3.2、NGC2在共同数据层、应用层和移动端中的作用

4.3.3、从传统指挥所到分布式、无线化、轻量化C2的演进

4.4、权责迁移与指挥员角色变化

4.4.1、机器负责聚合、筛选、推荐

4.4.2、人负责规则、授权、优先级与责任承担

4.4.3、秒级推荐与可解释性、可审计性的张力

4.5、案例嵌入

4.5.1、融合项目2025中AI驱动的数据决策试验

4.5.2、Scarlet Dragon Oasis 2023中BAS-T MSS与远程火力协同

4.5.3、NGC2在PC-C5验证并向营师级扩展的路径

图4-1：AI辅助中端决策与跨域协同流程图

图4-2：FIRESTORM—NGC2—火力控制的信息流转图

表4-1：中端主要AI工具与功能边界表

表4-2：融合项目与Scarlet Dragon公开指标比较表

第五章、后端流程重构

5.1、后端流程的内涵与现实痛点

5.1.1、毁伤评估、任务效果评估与后续处置的区分

5.1.2、人工评估时延对处置闭环的影响

5.1.3、信息回流不畅与再任务迟滞问题

5.2、公开资料可确认的后端AI方向

5.2.1、基于图像与视频变化检测的快速初判

5.2.2、目标状态更新、异常活动比对与轨迹续跟

5.2.3、自动报告、结构化输出与共同图景回写

5.3、Maven、ASPEN与analytic、workflow、modernization

5.3.1、从目标识别延伸到后续分析自动化

5.3.2、模式分析、未知行为发现与“left、of、launch”逻辑

5.3.3、后端自动化与分析员角色再设计

5.4、后端AI化的约束条件

5.4.1、伪装欺骗、环境噪声与误报漏报

5.4.2、模型漂移、域外数据与泛化不足

5.4.3、为何后端更需要人工复核与责任把关

5.5、案例嵌入

5.5.1、NGA、ASPEN与Maven在分析工作流现代化中的作用

5.5.2、Scarlet、Dragon与Project、Convergence的演习后反馈机制

5.5.3、2026年MSS纳入军校课程对后端标准化的意义

图5-1：评估—反馈—再任务的后端闭环流程图

图5-2：AI辅助评估的人机分工示意图

表5-1：后端评估数据源与判据层级表

表5-2：后端自动化的优势、误差源与控制措施表

第六章、从试点到扩散的四个关键样本

6.1、Project、Maven案例

6.1.1、项目起源、任务对象与早期部署

6.1.2、NGA接管、program、of、record化与系统扩散

6.1.3、用户规模、工具接口、合同投入与训练嵌入

6.2、Scarlet、Dragon案例

6.2.1、从2020年地下室桌面推演到三次年度创新演习

6.2.2、Scarlet、Dragon、Oasis、2023的跨地域协同实证

6.2.3、Scarlet、Dragon、26-1中MSS与快速火力机动的公开展示

6.3、Project、Convergence与NGC2案例

6.3.1、Project、Convergence作为连续实验场的制度意义

6.3.2、PC-C5的数据驱动决策、多域能力与人员规模

6.3.3、NGC2从proof、of、principle到师级原型扩展

6.4、V、Corps与北约方向案例

6.4.1、Swift、Response、25中MSS与CPX1的公开应用

6.4.2、WFX、26-03跨六地点共同图景构建

6.4.3、MSS走向北约互操作的指挥、训练与标准化含义

6.5、案例比较与综合归纳

6.5.1、四类案例在组织、技术、流程上的共同点

6.5.2、不同作战方向和不同军兵种的差异性

6.5.3、从“项目成功”到“体系吸收”的关键条件

图6-1：四个案例的能力扩散时间轴图

图6-2：案例比较的流程闭合成熟度评估图

表6-1：四大案例组织—技术—流程—治理比较矩阵

表6-2：案例中关键公开指标与证据来源汇总表

第七章、综合评估

7.1、总体结论

7.1.1、AI正在由辅助工具走向流程引擎

7.1.2、时敏目标处置的主要瓶颈正从“看不见”转向“谁负责、谁授权、谁担责”

7.1.3、美军公开实践呈现“加速自动化与强化治理并行”的基本特征

7.2、指挥责任与伦理法理问题

7.2.1、“appropriate、levels、of、human、judgment”的现实含义

7.2.2、人在回路、人在回路上与人在回路外的边界

7.2.3、责任归属、审计追踪与联合互操作条件下的问责链条

7.3、技术风险与组织风险

7.3.1、模型可信、数据质量与跨域泛化风险

7.3.2、过度依赖共同图景与算法推荐的认知风险

7.3.3、联盟体系下数据共享、权限控制与标准碎片化问题

7.4、面向未来的公开趋势判断

7.4.1、AI-first、“Pace-Setting、Projects”与Agent化增势

7.4.2、开放架构、边缘算力与前沿模型快速迭代

7.4.3、从课题研究看，后续最需跟踪的数据点与样本

7.5、系列研究衔接建议

7.5.1、向“AI赋能联合火力链”方向延展

7.5.2、向“AI赋能作战保障与后勤可视化”方向延展

7.5.3、向“AI军事治理与联盟标准竞争”方向延展

图7-1：AI赋能时敏目标处置流程的总体演进路径图

图7-2：人机分工与授权阈值变化示意图

表7-1：公开可跟踪指标体系总表

获取资料目录：19118805880（微信同号）

👇👇

加入蓝军开源情报星球会员免费下载3000+资料**

👇👇

原价999元！ 星球试运营期间199元！ 试运营结束，恢复原价！

扫码了解、加入

👇👇

---

免责声明：

本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。

任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。

本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。

本文转载自：蓝军开源情报 所长007 所长007《【研究报告】AI赋能美军时敏目标处置流程变革研究》