摘要
随着人工智能技术的飞速发展，其在军事航空领域的应用正从实验室模拟快速迈向真实战场。协同作战飞机（Collaborative Combat Aircraft，CCA）及其核心——“AI飞行员”，已成为重塑未来空战规则的关键力量。本文旨在系统梳理CCA AI飞行员的技术内涵、发展脉络、核心竞争与集成挑战。文章首先界定CCA与AI飞行员的概念，阐述其从“天空博格”项目到当前“增量1”竞标的技术演进。其次，深入剖析以“自主–政府参考架构”为核心的技术生态，以及“蜂巢思维”、“搭档”等主流AI飞行员系统的特点。接着，综述美国空军实验作战部队的测试进展与作战概念开发，探讨人机信任建立与战术融合的路径。最后，展望CCA在“马赛克战”体系中的角色及全球扩散趋势。本文认为，CCA项目标志着空战装备发展范式的根本性转变——从追求单一平台性能极致，转向构建以智能软件为核心、可跨平台部署、具备自主协同能力的分布式杀伤网络。
一、引言：概念演进与战略背景
协同作战飞机并非传统意义上的无人机，而是美国空军为应对高端威胁、弥补有人机队规模与能力缺口而提出的革命性概念。其核心定位是与F-35、下一代空中优势（NGAD）战斗机等有人平台协同作战的无人“队友”。与早期侧重于情报、监视与侦察的无人机，或概念上作为延伸传感器的“忠诚僚机”不同，CCA被赋予了更强的自主性和更广泛的作战任务，包括但不限于电子干扰、防空压制、前沿侦察、诱饵欺骗乃至直接火力打击。
驱动CCA发展的战略需求是多方面的。一方面，美军面临战斗机机队老化、F-22数量有限、F-35列装缓慢等现实挑战，亟需一种成本可控、可大规模部署的力量倍增器。另一方面，为在“反介入/区域拒止”环境中保持优势，美军需要能在强对抗、通信受限环境下独立或协同执行复杂任务的智能系统。美国空军计划在未来部署至少1000架CCA，以2:1至5:1的比例与有人机编组，旨在显著提升编队的杀伤力、生存力和作战弹性。
在这一宏大构想中，“AI飞行员”是CCA的灵魂。它并非指坐在座舱里的实体机器人，而是一套嵌入飞机航电系统的、具备自主决策能力的先进软件套件。美国空军实验作战部队指挥官马修·詹森中校明确指出：“我们本质上把它视作座舱里的飞行员。”这意味着AI飞行员需要承担从基础飞行控制、态势感知到复杂战术决策的一系列职责，并能够理解并执行人类飞行员指挥官下达的高级指令。
这一概念的成熟经历了长期演进。其技术根源可追溯至美国空军研究实验室（AFRL）于2018年启动的“天空博格”项目。该项目旨在开发一种独立于飞机机身的自主核心系统，为未来的自主协同作战奠定软件基础。随后，国防高级研究计划局的“空战演进”计划取得了里程碑式突破。2020年，AI在“阿尔法狗斗”模拟空战中以5:0击败人类顶尖F-16飞行员；2023年，搭载自主系统的X-62A（由F-16D改装）与有人驾驶F-16进行了真实空中缠斗，最近距离仅610米，证明了AI在真实物理环境中执行高机动空战动作的能力。这些成功验证了深度强化学习等AI算法在空战领域的巨大潜力，为CCA AI飞行员的研发扫清了关键的技术认知障碍。
二、技术核心：架构、算法与系统
CCA AI飞行员的技术体系构建于几个关键支柱之上：标准化的开放架构、先进的自主算法，以及模块化、可移植的软件设计。
1.基石：自主–政府参考架构为了实现AI飞行员与不同飞机平台的快速、安全集成，并避免为每一型飞机定制开发软件所带来的巨大成本和复杂性，美国空军推出了“自主–政府参考架构”。A-GRA是美国政府拥有的自主技术基准框架，它标准化了AI飞行员（任务自主软件）与飞机底层飞行控制系统（飞行自主软件）之间的接口。所有符合A-GRA的飞机都必须配备负责飞行安全的自主软件，而任务自主软件则通过标准接口与之连接，负责执行具体的作战任务。这套架构的意义极为深远：它使得AI飞行员能够像人类飞行员一样，经过相对短暂的培训（据报道仅需数周）即可适应新的飞机平台，实现了软件与硬件的解耦。这也解释了为何在测试中，同一架安杜里尔公司的YFQ-44A可以在单次飞行中，先后由Shield AI的“蜂巢思维”和安杜里尔自家的“晶格”两套AI系统操控，实现了“飞行中更换飞行员”。
2.算法优势：超越人类生理极限AI飞行员的核心竞争力源于其算法优势，这主要体现在三个方面：
• 超快决策速度：AI的响应速度比人类快250倍，能在毫秒级时间内处理海量传感器数据并做出决策，彻底改变了OODA（观察–判断–决策–行动）循环的速度。
• 突破生理限制：人类飞行员承受的过载极限通常为9-12G，而AI操控的飞机可以执行20G以上的极端机动，且不知疲倦，这在高强度近距格斗中具有决定性优势。
• 动态预测与协同学习：通过深度强化学习和蒙特卡洛树搜索等算法，AI能够从数十亿次模拟对抗中学习，预测未来数秒的战场态势，并生成最优战术。例如，在测试中，AI能提前300毫秒预判人类飞行员的机动路径。此外，AI系统之间能够实现高效的协同，例如“蜂巢思维”系统便旨在使无人机群能够像蜂群一样共享信息、协同作战。
3.主流AI飞行员系统：目前，在美国空军CCA“增量1”的软件竞争中，有两套系统处于领先地位：
• Shield AI的“蜂巢思维”：这是一套被广泛测试的AI自主系统。它已成功在安杜里尔的YFQ-44A、通用原子公司的MQ-20（YFQ-42A原型机）、克拉托斯的XQ-58A“女武神”，甚至空客UH-72直升机等多种平台上完成飞行测试。2026年3月，它还在诺斯罗普·格鲁曼公司的“Talon IQ”无人机上完成了测试，该无人机具备内部弹舱，可携带两枚AIM-120空空导弹，标志着AI飞行员与实战武器系统的集成迈出关键一步。Shield AI宣称，“蜂巢思维”不同于传统自动驾驶仪，它能在通信降级、GPS不可靠的环境中实时重新规划航线、应对障碍并持续追求任务目标。
• 柯林斯宇航的“搭档”：这套系统同样符合A-GRA标准，并声称比“蜂巢思维”更早实现CCA实机首飞（于2026年2月初操控YFQ-42A）。柯林斯宇航对其“协同任务自主”概念的描述侧重于智能控制决策、跨系统协调与人类监督三部分，旨在通过AI驱动大幅缩短OODA循环。
除了这两大竞标者，其他公司也在积极布局。例如，安杜里尔自筹资金开发了“晶格”AI系统；而像EpiSci等公司开发的AI飞行员，也已搭载于X-62A验证机，并接受了空军部长弗兰克·肯德尔的亲自体验。在运输、加油等辅助机型领域，波士顿梅林实验室的“梅林飞行员”系统也获得了为KC-135加油机和C-130J运输机提供自主飞行能力的合同，展示了AI飞行员技术的多样化应用前景。
三、项目进展、测试与竞争格局
美国空军CCA项目正以罕见的“快速采办”节奏推进。项目分为多个“增量”，目前聚焦于“增量1”。2025年，时任空军参谋长戴维·阿尔文上将正式将通用原子公司的YFQ-42A和安杜里尔工业公司的YFQ-44A指定为空军历史上第一批无人战斗机原型机。然而，硬件平台的选定只是第一步，真正的竞争焦点迅速转向了软件。
1. 测试里程碑与“最小可行产品”策略2026年成为CCA测试的密集年。2月，两套主要的AI飞行员系统相继完成实机首飞：“搭档”系统操控YFQ-42A，“蜂巢思维”系统操控YFQ-44A。测试内容从最基础的保持空域、正常飞行、规避其他飞行器开始，如同训练学员飞行员。美国空军采取的是“最小可行产品”策略，即先部署具备基本能力的产品，然后通过与作战部队的持续交互、快速迭代，不断添加能力和提升性能。这种策略强调在真实使用中进化，而非等待完美系统。
测试的复杂性也在不断增加。除了单机自主飞行，集成测试更为关键。有报道称，一架作为CCA替代品的无人机已成功与F-22战斗机进行了通信和编队飞行。洛克希德·马丁公司的“臭鼬工厂”也展示了空中战役管理能力：一名人类飞行员在L-39教练机上，通过触摸屏界面指挥两架由AI驾驶的L-29飞机，协同执行对空攻击任务。这些测试验证了有人–无人编队指挥控制流程的可行性。
2.动态竞争的生态系统CCA项目刻意营造了一个充满活力且非绑定的竞争生态。在硬件端，除了YFQ-42A和YFQ-44A，诺斯罗普·格鲁曼的YFQ-48A也在2025年12月被意外地增列为候选，表明“竞争的大门永远不会真正关闭”。在软件端，美国空军最初与五家公司签订了自主软件研发合同，尽管未全部公开。这种设计意味着，在最终决策时，空军可能面临从两种飞机平台和两套（或更多）AI系统中选择多种组合的局面。
这种分离式竞标带来了巨大灵活性。例如，Shield AI虽与安杜里尔合作进行YFQ-44A的实飞测试，但其“蜂巢思维”系统同样能在模拟器中驾驶通用原子的飞机，并已计划测试诺斯罗普的Talon IQ。柯林斯宇航的“搭档”系统也已在三到四个不同平台上进行过飞行试验。这种“一次开发，多平台部署”的特性，正是A-GRA架构带来的核心优势，也使得软件供应商的价值日益凸显，甚至可能催生新的防务巨头。
四、作战集成、信任建立与战术革命
将先进的AI飞行员投入实战，远非技术集成那么简单，它涉及深刻的作战概念革新、战术流程重构，以及最关键的人机信任建立。
1.实验作战部队与战术开发为了加速这一进程，美国空军专门在内利斯空军基地成立了实验作战部队。这支部队的核心任务不是进行传统的性能测试，而是进行作战实验：探索自主系统的运作逻辑，并引导人类飞行员学会与AI高效协作。指挥官马修·詹森中校表示，他计划“尽快”将CCA引入“红旗”等大型实战化演习中，尽管这可能会让一些参演人员感到惊讶。该部队的工作方式是与AI系统共同训练，在每次任务后进行“讲评”，就像人类飞行员之间所做的那样，并通过快速迭代来优化AI性能。
2.核心挑战：建立可解释的信任信任是有效人机协同的基石。空军高层明确指出，如果人类飞行员无法理解AI做出决策的原因，就无法建立必要的信任。因此，“可解释的AI”成为一个重要研发方向。詹森中校希望未来能与大型语言模型对话，要求AI解释其在特定时刻的行为和决策理由。这旨在消除“黑箱”效应，让人类指挥官能够直观地评估AI的决策空间。
当前，美军强调在CCA项目中，人类仍保留“生死决策”权，即开火与否的最终决定由人做出。AI的角色是执行高度动态的战术机动、管理传感器、提供战术选项，并在通信中断时按照既定规则自主完成预定任务或返航。其目标是成为让人类飞行员“更具杀伤力、更高生存力”的队友，而非替代者。
3.从人机协同到“马赛克战”CCA的最终远景，是融入美军“马赛克战”概念。在这一构想中，大量低成本、可消耗、功能各异的有人和无人平台（即“马赛克碎片”）通过高度自主的AI和动态网络连接在一起，形成一张弹性强、适应性高的杀伤网。AI飞行员驱动的CCA正是其中的关键节点。它们可以前出执行高风险任务，充当传感器节点、武器库或诱饵，即使部分被击落，整个作战体系仍能有效运转。这种分布式、智能化的作战样式，旨在以体系弹性压倒对手的传统兵力集中优势。
五、全球趋势与未来展望
美国在CCA领域的激进发展已引发全球性跟进，标志着智能化空战成为大国竞争的新前沿。
1.全球扩散与合作
• 欧洲：英国、意大利和日本合作的“全球空中作战计划”（GCAP）明确将使用先进AI系统辅助飞行员。德国也通过空客与克拉托斯合作，探索无人作战飞机概念。
• 俄罗斯：宣称在苏-57战斗机上应用人工智能技术，并研发能响应口头命令、眼球运动的智能座舱系统。
• 韩国：与克拉托斯公司合作，以其FA-50和KF-21战斗机为平台，集成AI飞行员（KAILOT计划），旨在开发可与美国CCA互操作、又可独立出口的有人–无人协同方案。
2.未来技术与发展方向展望未来，CCA AI飞行员的发展将呈现以下趋势：
• 能力增量式增长：从“增量1”的基础空战与协同能力，向“增量2”及更远的更复杂任务（如穿透性制空、电子战、对地精确打击）演进。
• 成本与规模的平衡：核心挑战之一是在智能化与“可消耗性”之间找到平衡。目标是以F-35约1/40至1/4的成本（例如XQ-58A目标单价低于200万美元），实现大规模部署。
• 全域AI化与集群智能：未来的AI飞行员将不仅控制单架飞机，还能管理无人机“蜂群”，实现集群层面的自主协同作战，彻底改变战场形态。
• 伦理与法规挑战持续：关于致命性自主武器系统的辩论将伴随CCA的发展。如何确保AI在复杂战场环境下的合规性、如何划定人机责任边界，将是必须解决的重大伦理与政策问题。
六、结论
协同作战飞机及其AI飞行员，代表着空战史上一次深刻的范式革命。其核心不在于制造更快的飞机或更远的导弹，而在于将人工智能深度嵌入作战体系，创造出一个由人类指挥、机器智能高效执行的混合团队。通过A-GRA等标准化架构，AI飞行员正从专属于特定平台的“灵魂”，转变为可灵活部署于多种载具的“通用智能”。
当前，以美国为首的军事强国正通过密集的飞行测试、作战实验和开放式竞争，加速推动这一技术从原型走向实战部署。尽管在技术可靠性、人机信任、伦理规范等方面仍面临严峻挑战，但发展方向已不可逆转。CCA AI飞行员的成熟与扩散，必将重新定义空中力量的优势要素，从平台性能转向算法优势、网络韧性和体系协同能力。未来空战的天平，将向那些能最有效整合人类智慧与机器速度、最善于运用分布式智能杀伤网的一方倾斜。我们正在见证的，不仅是一种新装备的诞生，更是一场关于战争如何进行的根本性变革的开端。