AI正在“吃掉”俄乌战争留下的数据

（来源：麻省理工科技评论）

乌克兰的战场上散落着无人机残骸。如今，无人机已经成为现代战争中的关键武器。但在这些残骸背后，国防产业也发现了一座新的数据金矿。无人机产生的数据，其寿命将远远超过使用它们的战争。这些数据还会越来越多地进入人工智能基础设施，并最终影响平民生活。

无人系统每执行一次飞行任务，都会收集数以千计的数据点，包括图像、视频和控制器输入等。把这些记录结合起来，便能看出机器和操作者如何应对不断变化的环境。

乌克兰已经开始将这些战场经验转化为一种资源。今年 1 月，乌克兰国防部宣布，将向军事承包商和商业企业开放数万次无人机飞行所产生的数百万个数据点。此后，已有 100 多家公司以及英国政府获得了访问权限。

对于一个正在作战的国家来说，这是快速吸引资金和合作伙伴的办法。但这一步也把前线变成了模型训练现场。战争的混乱会制造大量 AI 企业难以自行复现的极端条件，这正是战场数据的价值所在。

其他国家和战场很可能效仿乌克兰，但这个新兴产业不能只由一个正在为生存而战的国家负责监管。参与产业发展的各国政府和企业必须共同填补目前的法律空白。

爆炸式增长

战场记录被用于训练和开发模型，并不是乌克兰战争才出现的现象。2010 年代后期，美国无人机在叙利亚和也门收集的数据，就曾被用于开发第一代半自主军事装备。

如今的不同之处在于，开放这些数据正在催生一个范围更广的产业生态。对国防企业而言，其中蕴含着巨大的经济价值，因为战场数据汇集了大量机器在真实环境中的运行经验，而实验室无法制造同样的条件。

训练 AI 模型最有价值的数据，往往来自各种例外情况，例如能见度突然降至零、通信信号受到干扰，或人类操作员不得不临场应变。AI 企业常常需要花费数年时间和巨额资金，才能收集足够多的此类场景，使模型更加稳健。战争产生异常状况的频率，却是受控测试无法比拟的。

这种不断变化的环境，也让无人机数据的价值超出了战场。用于配送或遥感的商用无人机或许永远不会遭遇炮火，但它仍要在信息不完整、人员行为难以预测的现实世界中运行。战争只是把同样的问题压缩到了更短的时间尺度内。

将无人机数据处理后，再与操作员当时的行为记录相匹配，原本的任务记录便能转化为训练数据集。战斗经验由此成为一种商业资产。

在许多冲突中，无人机影像已经通过这种训练循环，被用于开发下一代军事技术。相关市场还将继续扩大。专门将原始数据加工成AI训练材料的美国公司 Enabled Intelligence 表示，该公司已开放超过 50 万小时的乌克兰无人机影像，用于训练新一代模型，并称这些模型既可用于军事系统，也可用于商业系统。

闭合数据循环

如今深刻影响战争形态的许多无人机，最初都是民用技术。近年来，市场上可以买到的新型 AI 系统大幅提升了这些廉价设备的能力，让它们能够随着周围环境的变化，自主执行任务，既可以单独行动，也可以组成集群。每次飞行又会留下系统所遭遇情况的完整记录。

这些数据极其重要。用于训练自主系统的受控实验室，可以模拟故障，却无法真正复制战场环境和其中的真实风险。近十年来，美国军方情报项目一直通过“梅文计划”（Project Maven）等项目，掌握“捕食者”（Predator）和“死神”（Reaper）无人机等密集搭载传感器的平台所产生的数据。

但过去，这些数据始终被限制在国防体系内部，只能通过受限的机密渠道获取，唯一用途是开发新的武器系统，再交由产生这些数据的军队使用。如今，同样的经验开始向范围大得多的技术开发网络开放。

至此，一个数据循环逐渐闭合。经过战场改造的商业技术正在产生新的数据，这些数据又会流回孕育相关技术的产业，成为政府和私营部门共同依赖的数据基础设施。

例如，在乌克兰通信信号受到干扰的空域中完成训练的无人机，如今已经进入农业领域。在缺少蜂窝网络覆盖、旧一代技术无法正常工作的地区，它们可以帮助农民测绘和勘察农田。其他国家很可能仿效乌克兰，出售本国的战场数据。但我们尚未准备好面对由此形成的新市场。

恶意行为者可能设法获取这些数据，不过现有的购买审查机制已经降低了这类风险。情报人员会仔细审查潜在客户的基础设施，寻找数据是否可能流向敌对方或其他恶意主体的途径。

然而，训练数据还带来了新的追踪难题。传统商业数据集可以预先植入特定联系方式。一旦这些信息在原始买家下游的其他环节再次出现，数据的流转路径就可能被发现。A I训练数据则不同，一旦被模型吸收，其来源往往会以技术本身固有的方式消失。

另一个风险是，这类数据交易可能形成一种攫取式经济。远离危险的富裕国家，从前线国家承受的致命威胁中获益，甚至可能产生一种延长战争的市场激励，让战争成为一座取之不尽的“数字金矿”。

风险重重的新前沿

现有法律规定了军队应当如何作战，却几乎没有涉及另一类问题：战斗中产生的记录在剥离具体任务背景后，被包装成数据，再授权给相关企业，而这些企业的产品可能流向远离原始战场的地方。

设计这些系统的企业应承担什么责任，目前也没有定论。乌克兰正在建立数据访问控制机制，新签署的英乌人工智能协议也提到了这些措施。但对于数据被模型吸收、随后重新进入民用市场的情况，目前还没有政府着手制定监管规则。

这些记录涉及一个个真实的人。画面中的士兵和平民从未同意成为训练材料，更没有同意由此开发的产品在多年后投入销售。然而，传感器数据、摄像画面，以及躲避无人机袭击的平民所留下的位置坐标，如今都可能影响未来机器如何作出决策。这首先是一个知情同意问题。无论是攻击目标、无人机操作员，还是恰好出现在现场的平民，只要被记录下来，就会成为训练材料的一部分。

基于这些数据形成的自主能力，也不会止步于战场。它们会进入其他军事或商业系统，例如配送车辆和农业机械。数据中隐藏的错误和假设，也会随着模型一起进入平民生活。

战场数据不应被当作普通商业材料处理。但目前没有任何机构或监管部门明确拥有这一问题的管辖权。在监管缺位期间，政府在开放国防数据时，应当参照受控武器转让的方式进行管理，包括记录数据来源、审核并许可使用者，以及限制后续转让和共享。

乌克兰已经开始处理这一问题。其 Avengers Labs 项目允许企业使用战场数据训练模型，却不向它们直接开放敏感数据库。不过，这只能解决问题的一部分。政府还应要求企业披露：使用战争时期材料训练的模型，后来是否被整合进民用产品。监管的目标，应是让数据从战斗现场流向模型，再进入商业产品的整个路径都变得可见。

这些企业真正开采的是经验。但士兵很难真正同意以这种方式交出自己的经验，让它成为训练数据，帮助模型建立竞争优势，并最终支撑一种在遥远地区使用的商业产品。

如今的问题已不再只是科技企业能向战争出售什么，而是它们能从战争中提取什么。为了防止这个新兴产业失控，我们需要建立一套能够追踪战场数据流向的监管体系，覆盖其从战斗记录到模型，再到商业产品的完整过程。

https://www.technologyreview.com/2026/09/04/1143452/drone-data-wild-west/