在快速演變的現代戰場上，決策速度和準確性往往決定勝敗。美國空軍先進作戰管理系統(ABMS)正通過創新的人機協同技術，重新定義指揮與控制(C2)的邊界。其中，人機協同決策優勢沖刺(DASH)系列試驗作為先進戰斗管理系統(ABMS)的關鍵實戰化試驗項目，驗證了人工智能(AI)與機器學習(ML)在高對抗戰場環境下對指揮決策的賦能增效作用。

關鍵詞：指揮與控制、人機協同、ABMS系統、DASH

ABMS系統的戰略背景

ABMS是美國空軍為應對高強度沖突設計的先進C2系統，旨在整合空、天、網、地等多域情報數據，通過AI/ML實現實時決策優勢。該系統的核心是決策優勢轉型模型，將戰斗管理分解為感知可行動實體(PAE)等子功能，重點處理戰場不確定性、規則限制和資源約束等“戰爭迷霧”，生成高效戰斗行動方案。

ABMS系統概念圖

DASH系列試驗源于這一框架，通過為期兩周的短期軟件沖刺，聯合作戰人員、開發者、盟友及行業伙伴，快速完成微服務原型開發。試驗主要部署于美國內華達州拉斯維加斯的內利斯影子作戰中心(ShOC-N)和霍華德·休斯運營部門(H2O)中心，采用模擬場景測試AI應用。DASH系列試驗通過設置較低的安全分類準入門檻，有效吸納盟國及多方力量廣泛參與，為聯合全域指揮與控制(CJADC2)體系建設提供實踐支撐。其核心目標是縮短決策時間，提升解決方案的數量與質量，實現人類聚焦戰略判斷、機器承擔計算密集型任務的分工模式。

截至2026年初，DASH已完成三輪試驗(DASH 1、2和3)，每輪試驗聚焦決策優勢轉型模型的不同方面。這些試驗不僅驗證了人機協同技術的可行性，更推動美軍指揮文化轉變，實現從人類主導向數字隊友協同的過渡。

DASH 1試驗：奠基人機協同基礎

2025年4月，DASH 1試驗在H2O中心開展，核心聚焦PAE子功能，即對作戰實體在既定規則、態勢與資源約束下可實施的行動空間進行判定，區分其“可能實施、規則允許與效果最優”的行動選項。試驗由ABMS跨職能團隊(CFT)牽頭，參與者包括空軍研究實驗室(AFRL)、綜合能力指揮部、加拿大空軍，以及四家技術團隊和ShOC-N編碼團隊。

DASH 1試驗場景

試驗分為兩個階段：第一階段，作戰人員使用傳統指揮工具和流程模擬場景，建立決策效能基線;第二階段，引入AI工具處理相同場景，對比效能差異。結果顯示，人機協同決策時間較傳統模式減少7倍，機器生成的有效解決方案數量顯著增加，錯誤率與人類相當。作戰人員反饋，AI工具提升了作戰行動的遠征能力、精確性和致命性。該試驗驗證了輕量級人機協同集成的可行性，明確了未來C2軟件的需求，標志著美軍人機協同從技術演示向嵌入式實戰合作轉變。

DASH 2試驗：擴展多域決策能力

2025年6月，DASH 2試驗在ShOC-N開展，在DASH 1試驗基礎上，進一步探索AI在復雜戰場中的應用潛力，核心是生成多域解決方案，支撐多個殺傷鏈同步執行。參與者包括美國空軍相關伙伴單位和行業團隊，圍繞資源分配、遠距離協同等20余個戰場問題開展實戰化測試。

DASH 2期間，美國空軍作戰管理人員向同行合作伙伴提供信息

試驗數據顯示，AI可在不到10秒內生成決策推薦，生成的可行選項數量是人類團隊的30倍，1小時內為20個戰場問題提供了超過6000個解決方案。這一成果證明，人機協同模式可支撐指揮官同步處置多個殺傷鏈，提升決策速度與精度。

此外，試驗重點驗證了“代理式AI”在高壓環境下的實戰適用性。初步結果顯示，該類AI系統在可靠性、響應速度和戰術適配性方面均展現出良好性能，為ABMS決策優勢的持續演進提供了堅實支撐。

DASH 3試驗：優化行動方案(COA)生成

2025年9月的DASH 3試驗，進一步測試AI在行動方案生成中的應用，重點考量戰場風險、燃料補給、時間約束和地理路由等實戰因素。試驗仍由ABMS CFT牽頭，參與者擴展至美國、加拿大、英國三國空軍，以及七支技術團隊，場景聚焦高強度全域對抗，涵蓋遠距離殺傷鏈構建、敏捷作戰部署等任務。

試驗結果顯示，AI系統可在不到1分鐘內生成多域行動方案，較人類決策方法提速90%，機器生成方案的可行性和戰術有效性顯著高于人類。針對AI幻覺問題，試驗通過構建多層級機制實現風險管控，并引入天氣等動態戰場環境要素開展模擬測試。此次試驗突出了多國聯軍人機協同的互操作性和信任構建，AI可提供大量完整解決方案，為人類指揮官決策提供支撐，同時強調人類最終審核的重要性。

DASH 2026系列試驗

基于2025年三輪DASH試驗成果，美國空軍計劃于2026年開展4次DASH系列試驗，進一步拓展先進戰斗管理系統(ABMS)中AI驅動的人機協同作戰能力。試驗將延續“兩周軟件沖刺”模式，在ShOC-N和H2O中心模擬高強度作戰環境，圍繞以下核心目標推進實施：

內利斯影子作戰中心(ShOC-N)

決策效率提升：進一步縮短AI生成行動方案的決策時間。

作戰方案優化：生成高質量、多路徑作戰行動方案，兼顧速度、數量與戰術有效性，保留人類最終審核權限以規避錯誤。

魯棒性增強：整合天氣、地理及戰場動態變量，提升AI在復雜多變環境下的適應性與穩定性。

多域協同拓展：覆蓋電磁頻譜、太空、網絡、海軍任務、遠程殺傷鏈、敏捷作戰部署(ACE)等場景，驗證AI跨域協同能力，支撐聯合/聯盟互操作。

操作員信任建設：優化人機界面與交互模式，降低訓練成本，通過透明、可解釋的輸出建立士兵對AI的信任，強化人機協同。

技術方面，2026系列試驗將深入測試“代理式AI”與大型語言模型的實戰表現，重點解決軍事術語理解、任務輸出準確性與AI幻覺等問題。

總結與對我軍啟示

綜合DASH 1—3試驗及后續規劃可知，美軍未將智能技術定位為指揮人員的替代工具，而是作為“智能協同單元”嵌入ABMS指控體系，通過重構決策流程奪取戰場決策優勢。其核心是將復雜作戰指揮問題工程化、模型化，拆解為PAE、COA等可量化子功能，依托短周期軟件迭代與實戰化試驗，由智能系統承擔高強度計算、方案推演任務，指揮人員聚焦意圖研判、風險權衡和最終決策，實現高對抗、高不確定環境下決策速度與質量的雙重提升。

對我軍的主要啟示如下：

一是智能指揮體系建設應以決策流程重構為核心，明確“人主導決策、機器賦能計算”的權責邊界，推動智能技術深度嵌入指揮鏈路關鍵環節，避免僅停留在輔助展示和局部優化。

二是發揮智能系統并行推演、多方案生成優勢，以多路徑備選對沖戰場不確定性，提升多殺傷鏈構建與跨域同步指揮能力，增強復雜態勢下作戰彈性。

三是依托常態化、短周期、實戰化試驗機制，持續驗證打磨智能應用，推動智能化理念轉化為體系能力，促進智能指揮體系迭代成熟。(來源：北京藍德信息科技有限公司)