杀伤性无人机蜂群已到来，但自主能力仍是难题

Bloomberg 于 8 月 14 日发布了一篇对杀伤性无人机蜂群的深度报道，展示了这项技术正走出受控演示阶段。RSSHub 的 Bloomberg 条目介绍，这些公司正在协调从商用四旋翼无人机到体型堪比小型犀牛的飞行器。

重要的变化并不只是更多无人机能够协同飞行。多年来，军队一直在部署成组的遥控飞行器。真正的变化在于软件能够让这些飞行器分工、响应局部环境，并在更少操作员指令下持续执行任务。

这一差异将蜂群与拥挤编队区分开来。编队遵循既定计划；真正的蜂群则会共享信息，并在发射后调整集体行为。

这段无人机蜂群影像出现之际，各国政府正以工业化规模订购自主系统。国防初创公司也在竞相为不同制造商的飞行器部署统一的软件层。

它们的承诺很明确：一人即可指挥多台机器，每台可携带传感器、通信设备或武器。随后，这些机器的协同速度将超过由人类飞行员组成的团队。

现实情况则尚未定论。通信会中断，传感器会误判目标，电子战会干扰导航。操作员还必须了解系统为何选择某条路线或某个目标。

因此，自主无人机蜂群正处在一个尴尬阶段：硬件看起来已可投入使用，但最棘手的问题仍是控制、可靠性与责任归属。

蜂群正成为一种软件产品

定义性产品不再是单一飞行器，而是将多架飞行器接入同一任务的协调层。

Government Accountability Office 将无人机蜂群定义为至少三架无人机在有限人工关注下协同工作。其蜂群技术概览描述了多种可能的控制结构。

集中式蜂群从地面站或领航飞行器接收指令。分布式蜂群则让单架无人机交换信息，并作出更多局部决策。两种方式都可以减轻操作员负担。

在战斗条件下，这一区别至关重要。集中式系统提供更清晰的监督，但也形成了脆弱的通信节点。分布式系统能够容忍连接丢失，但其行为也更难预测。

各家公司正试图通过任务界面隐藏这种复杂性。操作员可以标记一个区域、分配目标，并授权一组行动。随后，软件将处理航线、间距、传感器覆盖和任务分配。

一架飞行器可以绘制地形，另一架可以监测无线电信号，其他飞行器则可中继通信或携带武器。如果其中一架消失，其余编组可以重新分配任务。

这远不止同步飞行。蜂群成为一个移动的传感器与决策网络。

同一套软件还可以连接不同类型的机器。小型四旋翼无人机可以检查建筑物，而更大的固定翼无人机则可侦察周边区域。单向攻击飞行器可以等待来自独立侦察平台的信息。

这种混合平台方式解释了为何软件公司如今与传统飞行器制造商同样重要。军队不需要每架无人机都采用同一种机体；它需要这些机器能够交换有用信息。

这一目标催生了多种相互竞争的架构。Shield AI 将 Hivemind 定位为一种可让飞行器在没有持续通信的情况下运行的自主系统。Palladyne AI 则推广用于不同平台间去中心化协作的软件。

Applied Intuition 已将仿真与自主工具扩展至军事系统。Auterion 提供了旨在连接无人机、载荷与战场软件的运行环境。

各家公司对其技术有不同表述，但基本商业目标相似：胜出的系统将成为操作员向多台机器分配任务的通用层。

硬件依然重要。机体决定航程、载荷、续航能力和生存性。然而，协调软件决定这些机器是像团队一样行动，还是仍只是共享同一片空域的独立载具。

RSSHub 的 Bloomberg 条目通过可见的机械设备呈现了这一转变。然而，真正影响深远的组件往往看不见：它是决定每架飞行器下一步该做什么的代码。

这些代码必须整合传感器读数、位置数据、任务规则以及其他无人机的信息。它必须在有限的机载计算资源下，足够快地作出有意义的决策。

它还需要具备后备行为。无人机必须知道，在失去卫星导航、与操作员失联或无法与编组其余成员通信后应如何行动。

这些要求将飞行演示转变为系统工程问题。成功取决于通信、自主能力、测试、制造和指挥软件能否协同工作。

一次精心打磨的演示可以展示协调动作，却无法证明同一系统在干扰、恶劣天气、传感器受损以及面对适应性对手时仍然可靠。

演示与部署之间的差距，定义了这个行业的下一场考验。

军事需求已超越实验阶段

各国政府不再讨论自主无人机是否应属于未来军队，而是在询问供应商能够多快生产并整合它们。

Pentagon 的 Replicator 计划早早设定了标杆。该计划旨在多个军事领域部署数千套可消耗型自主系统。

“Attritable”指的是指挥官能够承受其损失、而不将每一次损失视为战略上不可接受的装备。这个词避免将系统称为一次性用品，但反映了类似的经济逻辑。

当失去一架飞行器不会终止任务时，蜂群才能发挥最佳效能。这要求拥有足够数量的单元、可替换组件，以及能够重组幸存编组的软件。

更新后的 Drone Dominance Program 更明确地体现了生产压力。2026 年 7 月，该项目表示已有 19 家公司晋级 Fort Carson 的 Gauntlet II。

这份Gauntlet II 结果是在 Camp Grayling 对 49 家受邀公司进行测试后发布的。任务涵盖远程打击和受限环境中的战术突击。

每家晋级公司都必须在约五周内完成一份包含 120 架搭载致命载荷无人机的订单。该项目称，之后将从表现最佳的公司订购 60,000 架无人机。

这一要求考验的不只是飞行性能。它还检验一家公司能否以稳定质量获取电机、电池、处理器、摄像头、无线电设备、炸药和机体。

制造规模会改变工程决策。实验室团队可以在测试前调校少量飞行器；工厂则必须交付数千台无需逐一照料、且表现一致的设备。

软件更新也会成为作战事件。一次有缺陷的发布可能影响整支机队。因此，版本控制、测试和安全分发成为武器安全的一部分。

盟国政府也在朝同一方向发展。在 Army Warfighting Experiment 2026 期间，澳大利亚、英国和美国士兵在英格兰乡村测试了蜂群战术。

根据官方的AUKUS 蜂群试验，这些无人机在林地环境中自主识别目标。来自三国的士兵对系统进行了编程。

互操作性是核心目标。联盟部队需要共享控制方法、数据格式和安全规则，才能让各自的自主系统协同运行。

这一压力对成熟国防承包商和年轻企业产生的影响不同。大型承包商熟悉认证、采购和生产；初创公司往往能更快更新自主软件，也愿意承担更高技术风险。

单凭任何一种优势都不够。快速迭代的软件公司可能因无法生产机体而失败；成熟制造商若每架飞行器都需要独立操作员，也可能失去相关性。

因此，采购竞赛更有利于合作关系。机体制造商提供经过验证的飞行器；自主技术公司提供协调软件；传感器制造商贡献摄像头、雷达和电子侦察设备。

战场管理平台将由此形成的蜂群接入更广泛的指挥网络。这些平台决定哪些信息会传递给指挥官、炮兵部队、飞行器和地面部队。

这种整合可以缩短从发现到行动的时间，也可能放大错误。一次错误分类可以迅速传遍每一个已连接的系统。

因此，采购方购买的是两种相互竞争的结果：它希望实现更快的协调和更少的操作员；同时也需要对可能伤害人的决策保持审慎的人类控制。

采购文件可以同时要求两者。但战斗条件会让这种平衡更加困难。

一名操作员与一项可问责决策

核心竞争在于机器速度的协调与有意义的人类判断之间，而不在于某家无人机公司与另一家公司的较量。

蜂群的军事价值部分来自对工作流程的压缩。指挥官无需为每架飞行器分配一名飞行员，而是可以向一个编组分配目标。

随后，机器可以处理导航、编队变化和传感器覆盖。更先进的软件还可以对物体排序、分配飞行器并建议行动。

这种结构改变了操作员的角色。人不再驾驶每一台机器，而是开始监督一项任务。听上去很高效，直到蜂群同时呈现多项紧急决策。

自动化可以减少日常工作量，却会在关键时刻增加认知压力。操作员可能监督许多飞行器，却不了解它们作出的每一个局部决策。

界面可能显示一张简洁地图，上面标有目标和路线。但在其背后，独立模型正在解读不完整的传感器数据。通信延迟可能使显示内容落后于实际情况。

只有当人拥有足够信息和时间进行干预时，才能真正称其为“人在回路中”。单独的确认按钮并不能保证有意义的控制。

Pentagon 的自主系统政策承认这一问题。其武器自主性规则要求在人类使用武力时保持适当程度的人类判断。

该指令还要求进行贴近现实的测试、明确系统用途，并建立避免意外后果的机制。人员仍须对研发、部署和使用负责。

这些要求在一件武器攻击一个预定目标时听起来很直接。不断变化的蜂群则带来了更困难的问题：一项决策在哪里结束，另一项决策又从哪里开始。

假设操作员批准对某个地理区域进行监视。一架无人机发现一辆车辆，另一架识别出无线电信号，第三架预测该车辆的路线。

人类只授权了信息收集，还是也授权了综合推断？如果系统指派一架携带武器的飞机，操作员必须在何时介入？

答案取决于系统设计和作战规则。仅仅把“自主”一词附加到既有审批流程上，并不能解决这些问题。

规模又带来一层复杂性。监督四架飞机的人或许能审阅每架飞机的详细信息；同一个人若要监督40架，就必须依赖自动化来筛选事件。

该筛选系统塑造了操作员能够看到的内容。它可以压制误报，也可能掩盖不确定性或相互矛盾的证据。

理想的界面应展示置信度、传感器质量、通信状态和替代性解释，也应让操作员理解机群为何改变其行为。

国防软件在战场压力下很少达到这一理想状态。界面累积功能、数据流和警报的速度，往往快于人类的处理能力。

这一挑战并非致命系统独有。空中交通管制员、网络安全团队和工业操作人员同样需要在压力下管理自动化系统。

武器带来的后果不同。迟来的响应可能造成不可逆的伤害，而系统的建议可能被赋予不应有的权威。

自动化偏见是指人们因机器输出看似客观或精确而接受它。一个疲惫的操作员同时监管大量无人机时，会面临这种风险的强化版本。

蜂群开发者可以通过界面设计和培训降低这种风险。但他们无法仅凭声称人类保留最终批准权来消除它。

当多家供应商分别提供组件时，问责尤其困难。一家公司提供飞行器，另一家提供识别软件，第三家提供指挥工具。

一次故障可能涉及不良训练数据、受损传感器、集成错误或不合理的作战命令。每一方都可能将责任指向链条中的另一环。

因此，核心对手并非某个具名竞争者，而是机器速度的作战承诺与人类判断的法律和道德要求之间的冲突。

这个市场中的每家公司都必须解决这一冲突。更快的自主性会提升军事价值，但更难理解的行为会削弱信心与问责。

自主无人机蜂群仍无法证明什么

一次协同飞行证明无人机能在测试条件下合作，但无法证明它们能在对抗环境中做出可靠判断。

GAO指出，在非受控环境中进行跟踪和定位仍是持续存在的技术挑战。天气、障碍物、受损设备和通信故障都会让协同变得更困难。

电子战带来了主动对手。干扰可压制无线电链路或卫星导航信号；欺骗则可向系统提供虚假的位置信息。

分布式自主性提供了一种应对方式。无人机可以使用机载传感器和本地计算，而不是依赖与控制站的持续联系。

这种韧性伴随着权衡。无人机通信越少，操作员对其当前状态的了解就越少。本地独立性可以维持任务，却会削弱监督能力。

视觉导航可帮助飞行器根据地形估算自身位置。通信中断时，计算机视觉也可用于识别物体。

然而，识别性能会随着光照、天气、伪装、观察角度和传感器损坏而变化。在测试场表现良好的模型，可能难以应对陌生的战场条件。

诱饵带来另一个问题。对手可以制造虚假车辆、发射误导性的无线电信号，或刻意操纵视觉图案。蜂群软件必须分辨证据与诱饵。

机器学习模型并不像人一样理解物体。它们根据训练数据计算模式。陌生模式可能导致自信却错误的分类。

蜂群可能传播这一错误。一架飞行器分享某项分类结果，其他几架随之调整航线，任务软件将这种一致性视为确认。

但表面上的一致性可能源自同一个有缺陷的模型。十台机器重复同一项推断，并不等于十项独立判断。

网络安全带来相关风险。联网无人机交换指令和观察结果。一个被攻破的节点可能传播虚假信息，或暴露集群的位置。

开发者可以采用认证、加密和网络隔离。这些保护措施需要计算资源，并要求对预期可能损失的机器进行谨慎的密钥管理。

物理捕获同样重要。对手若能回收一架飞行器，就可以研究其组件、软件行为、无线电协议和制造弱点。

商用组件让快速生产成为可能，但也会在众多系统间造成供应链依赖和共通漏洞。

测试必须覆盖的不只是标称性能。评估人员需要测试通信降级、误导性目标、移动中的平民、恶劣天气和相互冲突的传感器读数。

他们还必须检验故障组合。一架无人机可能在失去导航能力的同时，接收来自另一架飞行器的受损信息。其安全响应必须在部署前得到界定。

系统可能返航、保持位置、继续执行任务或禁用武器。每种选择在不同条件下都会带来不同风险。

公司的演示无法独立解决这些问题。机密评估可能提供更有力的证据，但会限制公众审查。

RSSHub Bloomberg摘要使用了“全知全视”机器的说法。这一表述捕捉的是雄心，而非经过验证的能力。

没有任何传感器能看到一切。摄像头存在盲区，雷达会产生模糊性，电子监视依赖可被探测到的信号。

组合传感器可以改善覆盖范围，但当多个微弱信号看似支持同一结论时，也可能制造虚假的信心。

蜂群支持者合理地认为，机器可以收集比单个操作员更多的信息。批评者同样合理地追问，是否有人能够审计由这些信息产生的决策。

两种说法都可能成立。更强的感知能力并不会自动带来更好的判断。

因此，最艰难的技术基准并不是一次发射多少架飞行器，而是在环境不再符合测试计划后，它们集体行为的质量。

杀手机器人蜂群迫使人们作出法律决定

政策问题已不再是自主武器是否应受规则约束，而是哪些决定机器绝不能独自作出。

红十字国际委员会将自主武器定义为：在启动后无需人类干预即可选择并施加武力的武器。

这一定义聚焦关键功能，而非飞行器的外形。遥控无人机不一定是自主武器，固定式防御系统则可能是。

蜂群让这一边界更为复杂，因为自主性可以出现在多个层面。软件可能自主规划飞行器航线，而人员仍选择每一个目标。

另一种系统可能识别目标，但要求人类批准使用武力。更独立的系统则可能同时选择目标和实施攻击的飞行器。

法律分析会随层级而变化。国际人道法要求区分军事目标与平民，也要求遵守比例原则和攻击预防措施。

这些义务属于个人和国家。即使机器输出影响最终决定，机器也无法承担法律责任。

ICRC的自主武器立场呼吁禁止不可预测的系统和专门直接针对人员的武器，同时支持对其他自主武器加以限制。

该组织认为，限制应涵盖目标类型、持续时间、地理范围、规模和人类监督。蜂群可以同时检验这些要素。

规模之所以重要，是因为每架飞行器都可能制造另一场交战。持续时间之所以重要，是因为发射后条件可能发生变化。地理范围之所以重要，是因为机器可能移动到操作员无法直接观察的区域之外。

当无人机集体适应时，可预测性就变得困难。工程师可能理解每一条规则，却仍无法预见所有群体行为。

涌现行为指的是由大量局部互动而非单一明确指令产生的群体活动。它可以帮助蜂群适应，但也让验证更加复杂。

军事操作人员需要确信，这种适应性仍处于法律和作战边界之内。开发者则需要能在部署前揭示危险行为的测试方法。

仅有“避开标记区域”这样简单的规则并不够。传感器必须准确定位该区域，地图必须保持最新，其他无人机也不得覆盖这一约束。

加快部署的压力可能削弱这些保障措施。竞争对手的进展会促使政府在治理和评估成熟之前就接受这些系统。

这会形成一种熟悉的安全困境。各方都担心落后，于是都加快行动；随之而来的部署让每一方都更难确定升级与控制的边界。

蜂群速度也可能压缩对手的反应时间。面对大量来袭飞行器的防御方，为了生存，可能将探测和拦截自动化。

进攻性自主性随之推动防御性自主性。双方的人类决策窗口都在缩小。

这并不意味着所有自主协同都应被禁止。导航、防撞、侦察和通信中继可以降低人员风险。

困难的界线在于目标选择和使用武力。这正是技术效率与人类问责相遇之处。

企业可以通过让系统可审计且受约束来支持负责任的使用。政府必须界定哪些约束在作战压力下仍属强制要求。

公共讨论应避免两个误导性的极端。一种将每次协同无人机飞行都描述为独立的机器人杀手；另一种则将自主性视为后来才加装武器的普通软件。

这项技术处于两种描述之间。它包含有用的自动化、不断增强的战术独立性，以及一条通向直接监督更少的致命决策之路。

这条路径需要政治选择。仅靠工程无法决定有意义的人类控制从何处开始、在何处结束。

三项测试将揭示蜂群时代是否已经到来

下一阶段将由实地证据、生产纪律和可执行的控制措施来衡量，而非规模更大的演示编队。

第一个信号是Shield AI计划进行的LUCAS演示。该公司表示，该项目将把Hivemind软件部署在低成本单向攻击无人机上。

其LUCAS集成预计将让一名操作员指挥一组协同飞行器。这一说法来自公司自身，仍需独立的作战验证。

成功的演示将强化这样一种判断：自主软件能够迁移到为大规模部署而打造的武器上。若受控活动未包含通信降级情境，其证据力度会较弱。

观察者应关注参与飞行器的数量、哪些决策仍由人类作出，以及无人机在失联后是否会适应。这些细节比视觉上的规模更重要。

第二个信号是五角大楼的Drone Dominance采购。订购60,000架无人机将检验新兴供应商能否从原型机迈向可重复的制造。

生产性能涵盖交付速度、缺陷率、部件安全性和软件一致性。任何一个环节失效，都可能削弱整支机群。

这项测试还将揭示，采购方更青睐一体化产品，还是开放式协调层。开放系统可让政府整合来自多家供应商的飞行器。

封闭系统或许表现得更一致，因为由一家公司控制整个技术栈。但这也可能造成对单一供应商更新和接口的依赖。

第三个信号，是一项针对自主目标选择的具体规则。现有政策强调人的判断，但不同系统和任务中的落实方式并不相同。

一项有意义的规则应明确哪些决策需要人类批准，还应界定要让这种批准真正发挥作用，所需的信息、时间和控制权。

清晰的要求将增强人们对有限自主性的信心。持续的模糊性则会有利于部署推进，同时让问责问题悬而未决。

这些信号应结合起来评估。缺乏制造规模的能力演示仍只是原型。没有可靠自主能力的大规模生产，只会造就一支需要大量人工操作的无人机机队。

缺少有效控制的技术成功，构成最严重的风险。它将带来机器速度的武力运用，却让责任分散在操作员、指挥官、开发者和供应商之间。

Bloomberg 的报道之所以有价值，是因为它让这种实体层面的转型变得可见。尺寸截然不同的机器，如今都能参与同一个协调统一的作战概念。

更深层的变革发生在软件和指挥结构中。各国军队正从操纵单架飞行器，转向监督能够感知、决策和行动的网络。

这一转变已经开始，但终点仍未确定。每当下一场蜂群演示出现时，读者都应提出三个问题。

这些飞行器能否在真实干扰环境下适应？供应商能否稳定、一致地制造该系统？人类是否保留了足够的信息和时间，以控制致命行动？

这些问题能够穿透表象，也能区分一场协调展示与一种可追责的军事能力。

RSSHub 的 Bloomberg 信息流及时呈现了无人机战争的发展方向。接下来的证据必须表明，这些系统在发射后是否仍然可靠、可治理且可理解。