人机协同决策探索：美国空军ABMS系统DASH系列试验研究

在快速演变的现代战场上，决策速度和准确性往往决定胜败。美国空军先进作战管理系统(ABMS)正通过创新的人机协同技术，重新定义指挥与控制(C2)的边界。其中，人机协同决策优势冲刺(DASH)系列试验作为先进战斗管理系统(ABMS)的关键实战化试验项目，验证了人工智能(AI)与机器学习(ML)在高对抗战场环境下对指挥决策的赋能增效作用。

关键词：指挥与控制、人机协同、ABMS系统、DASH

ABMS系统的战略背景

ABMS是美国空军为应对高强度冲突设计的先进C2系统，旨在整合空、天、网、地等多域情报数据，通过AI/ML实现实时决策优势。该系统的核心是决策优势转型模型，将战斗管理分解为感知可行动实体(PAE)等子功能，重点处理战场不确定性、规则限制和资源约束等“战争迷雾”，生成高效战斗行动方案。

ABMS系统概念图

DASH系列试验源于这一框架，通过为期两周的短期软件冲刺，联合作战人员、开发者、盟友及行业伙伴，快速完成微服务原型开发。试验主要部署于美国内华达州拉斯维加斯的内利斯影子作战中心(ShOC-N)和霍华德·休斯运营部门(H2O)中心，采用模拟场景测试AI应用。DASH系列试验通过设置较低的安全分类准入门槛，有效吸纳盟国及多方力量广泛参与，为联合全域指挥与控制(CJADC2)体系建设提供实践支撑。其核心目标是缩短决策时间，提升解决方案的数量与质量，实现人类聚焦战略判断、机器承担计算密集型任务的分工模式。

截至2026年初，DASH已完成三轮试验(DASH 1、2和3)，每轮试验聚焦决策优势转型模型的不同方面。这些试验不仅验证了人机协同技术的可行性，更推动美军指挥文化转变，实现从人类主导向数字队友协同的过渡。

DASH 1试验：奠基人机协同基础

2025年4月，DASH 1试验在H2O中心开展，核心聚焦PAE子功能，即对作战实体在既定规则、态势与资源约束下可实施的行动空间进行判定，区分其“可能实施、规则允许与效果最优”的行动选项。试验由ABMS跨职能团队(CFT)牵头，参与者包括空军研究实验室(AFRL)、综合能力指挥部、加拿大空军，以及四家技术团队和ShOC-N编码团队。

DASH 1试验场景

试验分为两个阶段：第一阶段，作战人员使用传统指挥工具和流程模拟场景，建立决策效能基线;第二阶段，引入AI工具处理相同场景，对比效能差异。结果显示，人机协同决策时间较传统模式减少7倍，机器生成的有效解决方案数量显著增加，错误率与人类相当。作战人员反馈，AI工具提升了作战行动的远征能力、精确性和致命性。该试验验证了轻量级人机协同集成的可行性，明确了未来C2软件的需求，标志着美军人机协同从技术演示向嵌入式实战合作转变。

DASH 2试验：扩展多域决策能力

2025年6月，DASH 2试验在ShOC-N开展，在DASH 1试验基础上，进一步探索AI在复杂战场中的应用潜力，核心是生成多域解决方案，支撑多个杀伤链同步执行。参与者包括美国空军相关伙伴单位和行业团队，围绕资源分配、远距离协同等20余个战场问题开展实战化测试。

DASH 2期间，美国空军作战管理人员向同行合作伙伴提供信息

试验数据显示，AI可在不到10秒内生成决策推荐，生成的可行选项数量是人类团队的30倍，1小时内为20个战场问题提供了超过6000个解决方案。这一成果证明，人机协同模式可支撑指挥官同步处置多个杀伤链，提升决策速度与精度。

此外，试验重点验证了“代理式AI”在高压环境下的实战适用性。初步结果显示，该类AI系统在可靠性、响应速度和战术适配性方面均展现出良好性能，为ABMS决策优势的持续演进提供了坚实支撑。

DASH 3试验：优化行动方案(COA)生成

2025年9月的DASH 3试验，进一步测试AI在行动方案生成中的应用，重点考量战场风险、燃料补给、时间约束和地理路由等实战因素。试验仍由ABMS CFT牵头，参与者扩展至美国、加拿大、英国三国空军，以及七支技术团队，场景聚焦高强度全域对抗，涵盖远距离杀伤链构建、敏捷作战部署等任务。

试验结果显示，AI系统可在不到1分钟内生成多域行动方案，较人类决策方法提速90%，机器生成方案的可行性和战术有效性显著高于人类。针对AI幻觉问题，试验通过构建多层级机制实现风险管控，并引入天气等动态战场环境要素开展模拟测试。此次试验突出了多国联军人机协同的互操作性和信任构建，AI可提供大量完整解决方案，为人类指挥官决策提供支撑，同时强调人类最终审核的重要性。

DASH 2026系列试验

基于2025年三轮DASH试验成果，美国空军计划于2026年开展4次DASH系列试验，进一步拓展先进战斗管理系统(ABMS)中AI驱动的人机协同作战能力。试验将延续“两周软件冲刺”模式，在ShOC-N和H2O中心模拟高强度作战环境，围绕以下核心目标推进实施：

内利斯影子作战中心(ShOC-N)

决策效率提升：进一步缩短AI生成行动方案的决策时间。

作战方案优化：生成高质量、多路径作战行动方案，兼顾速度、数量与战术有效性，保留人类最终审核权限以规避错误。

鲁棒性增强：整合天气、地理及战场动态变量，提升AI在复杂多变环境下的适应性与稳定性。

多域协同拓展：覆盖电磁频谱、太空、网络、海军任务、远程杀伤链、敏捷作战部署(ACE)等场景，验证AI跨域协同能力，支撑联合/联盟互操作。

操作员信任建设：优化人机界面与交互模式，降低训练成本，通过透明、可解释的输出建立士兵对AI的信任，强化人机协同。

技术方面，2026系列试验将深入测试“代理式AI”与大型语言模型的实战表现，重点解决军事术语理解、任务输出准确性与AI幻觉等问题。

总结与对我军启示

综合DASH 1—3试验及后续规划可知，美军未将智能技术定位为指挥人员的替代工具，而是作为“智能协同单元”嵌入ABMS指控体系，通过重构决策流程夺取战场决策优势。其核心是将复杂作战指挥问题工程化、模型化，拆解为PAE、COA等可量化子功能，依托短周期软件迭代与实战化试验，由智能系统承担高强度计算、方案推演任务，指挥人员聚焦意图研判、风险权衡和最终决策，实现高对抗、高不确定环境下决策速度与质量的双重提升。

对我军的主要启示如下：

一是智能指挥体系建设应以决策流程重构为核心，明确“人主导决策、机器赋能计算”的权责边界，推动智能技术深度嵌入指挥链路关键环节，避免仅停留在辅助展示和局部优化。

二是发挥智能系统并行推演、多方案生成优势，以多路径备选对冲战场不确定性，提升多杀伤链构建与跨域同步指挥能力，增强复杂态势下作战弹性。

三是依托常态化、短周期、实战化试验机制，持续验证打磨智能应用，推动智能化理念转化为体系能力，促进智能指挥体系迭代成熟。(来源：北京蓝德信息科技有限公司)