系统战：面向未来的作战新理念

来源：光明军事

作者：许龙

2020年12月17日，美国著名智库新国家安全中心(CNAS)研究员、前国防部副部长罗伯特·沃克(Robert Walker)发表了一篇文章，介绍了该中心正在研究的一种新的联合作战概念——系统战。这是美智库推出的面向未来的最新的联合作战概念，这一概念强调智能、算法、网络战、人机联合、体系破击等前所未有的新概念。美方这一概念的提出，显然“意有所指”，就是用于对抗智能化能力处于较高水平的中国，因此需要引起足够的重视。

系统战这一联合作战的新概念目的是通过描述针对敌对系统与系统进行高强度算法运算的人机协作作战网络的愿景，从而帮助指导联合部队的理论和程序开发。这一概念的中心就在与算法运算和人机协作作战网络，就是通过运用比敌方性能更加良好的作战系统网络，抵挡敌方对系统网络的攻击，并能够摧毁地方的系统网络。

首先，提高性能的关键就在于提高决策速度，提高算法运算效率，加快OODA周期。因此就需要开发一个系统优化的平台，尤其是要对人机协作作战网络进行优化，要充分利用人工智能的自主决策的权力，用接近机器的效率来进行算法运算。充分利用人工智能的优势做出的决策会比敌方更快更好，这就加快了OODA周期，使其在作战时具有决定性优势。

其次，在指挥作战行动中，有海量的数据需要处理。例如，战斗力评估，机动路线规划，武器利用，后勤保障和物资消耗，任务分配等等……所以就需要高强度的算法运算的支撑，算法效率越高，数据处理也就越快，决策就可以更快制定。人机协作作战的背后也是需要强大的算法支撑，例如“蜂群式”作战，“木马式”作战，“自主式”作战，都是通过不断优化改进的人工智能算法来进行实现的，也就是说人工智能算法的效率越高，规划结果越精确，那么人机协作的作战效果也就越优良。

这一概念还构想了未来的人机协作作战网络，这一网络运用人工智能技术的高速发展进步进而帮助指导联合部队的理论和程序开发，也就是带动整个部队的人机协作智能化作战水平。未来的人机协作作战网络目的在于全面协调海陆空天电网各个方面的资源，所以在战略、战役和战术层都需要进行该网络的优化和调整。

为了实现这一作战概念的目的，美智库提出了几条准则。

准则1：向前迈进，联合部队必须首先进行组织、训练和装备，以便与擅长系统战和系统破坏行动的同等对手作战网络作战并取得胜利。

这条准则说明联合部队仍需要保持其在联合作战中的作战能力，需要经常与擅长系统战和系统破坏行动的对手进行军事演习，来测试自身的系统和网络在这种对抗下的性能能力，并通过演习取得的这种胜利进而产生威慑效应。

准则2：联合部队的人机协作战斗网络必须首先能够通过制导弹药和“隐形系统打击”能力，持续、可靠地进行有效攻击。

系统战和算法战中，打击的目标并不是敌军，而是干扰破坏和摧毁敌军的系统的各个节点和各个中枢，以至于阻碍系统的运转，使联合部队在这种系统和算法的对抗之中，逐渐获得各种信息和决策的优势。要想了解到哪些才是需要打击的目标，就需要对敌军的系统平台和算法有着足够的理解，所以对系统战的理解要凌驾于敌方之上。

准则3：人机联合作战网络必须做好准备，以应对第一波打击。

对于一个处于对立的作战系统，有很大的可能性先采取攻势。所以必须首先预料到敌方的攻击，第一波打击包括了导弹的齐射和敌对系统的进攻。联合部队的战斗网络必须能够先发制人，摆脱敌方第一波打击的节奏，将攻势一举反转。

准则4：约翰·博伊德（John Boyd）的战争概念，尤其是OODA循环理论，特别适用于系统战和系统对抗。

OODA循环理论十分重要，也就是“观察-判断-决策-行动”这个周期，要建立更强的系统和更高效的算法就是为了加快这一周期，这样就会在信息层面和决策层面压制敌方。所以说加快OODA循环周期就是系统战要达成的目标。

准则5：采用在整个战斗网络中利用AI自主性的流程是获得比美国竞争对手更高的相对系统运行速度的途径。

AI有着很高的自主学习能力，决策和运算的效率和速度都很高，可以考虑到更多条件。将人工与机器有效的结合在一起，就会创造出出人意料的效果。在未来的联合作战网络中，AI的自主性的合理性的利用将会是在系统战中提高人机协作作战网络性能，提高OODA周期的最有效的途径。

显而易见，系统战对未来作战的影响是不可小觑的。在现代战争中，单一的军兵种是打不赢仗的，一体化联合作战，人机协作作战，这应该是未来战争的最基本的作战样式。当前武器装备也在“联合”，不同的武器装备接口要兼容，使用的算法平台和系统也要兼容。不仅人员要联合，武器更要联合互通，这样才能打赢未来战争。

系统战就是在算法战的基础上近一步再提出，本质上就是为了加快OODA周期，当算法效率更胜一筹，各种战争都会抢占到先机。未来的作战会更加注重于系统的对抗、算法的对抗，不仅要对武器装备进行变革更新，在智能算法和各个作战系统上的更新也需要紧随世界尖端。