2016年前后，美国国防部内部出现了一次具有战略意义的思想转折。长期以来，美国军事优势主要依赖技术“抵消战略”。冷战时期的第一次抵消，是利用核武器弥补常规兵力规模上的差距；随后出现的第二次抵消，则依托隐身技术与精确制导弹药，使美军在远程精确打击能力上取得压倒性优势。然而，当战争进入高度信息化时代后，五角大楼逐渐意识到，单纯依赖物理摧毁能力已不足以确保长期优势。时任国防部长阿什顿·卡特提出一个关键判断：未来战争的真正制高点将是“决策优势”，即谁能够比对手更快、更准确地做出决策，谁就更有可能赢得战争。这一判断成为后来一系列军事技术改革的逻辑起点，也直接催生了“算法化战争跨职能团队”，即后来广为人知的“Maven项目”。
最初阶段，“Maven项目”的切入点并不宏大，而是非常具体。项目团队把目标锁定在无人机情报处理、开发与分发流程上。长期以来，美军空中监视资产每天产生海量视频与图像数据，而这些数据的分析高度依赖人工。情报人员往往需要连续十几个小时盯着监控画面，在大量无关信息中寻找少量关键目标。项目负责人回忆，当时的现实情况是，人类分析员很容易因为疲劳、分心或注意力下降而遗漏关键信息。因此，项目最初的假设十分直接：如果把人工智能交到作战人员手中，利用算法自动识别视频中的车辆、人员等目标，就可以显著提升情报效率。
围绕这一目标，项目团队开发了一系列计算机视觉模型。这些模型利用美军积累的大量数据进行训练，可以在无人机视频中自动标注车辆和人员等典型目标，并对操作人员进行提示。这些系统很快被部署到多个作战环境中，并在反恐行动背景下广泛应用。从技术角度看，这一阶段取得了相当明显的进展：算法确实能够在海量视频数据中快速发现潜在目标，减少人工分析的工作量。然而，随着系统逐渐投入实战，项目团队很快发现一个更深层的问题：情报识别效率的提高，并没有显著改变整体作战决策的速度。
这种矛盾在一次名为“红龙”的军事演习中被清晰暴露出来。在演习期间，项目团队进入战区作战中心观察指挥流程。尽管人工智能已经能够自动识别目标，但作战中心内部仍然保持着传统的信息处理方式。墙上挂满打印出来的图像资料，指挥人员在白板上手写信息，而大量数据仍然通过不断更新的幻灯片进行简报。换句话说，即使算法已经能够自动生成侦察结果，这些信息进入指挥体系后仍然需要人工整理、复制、转移并输入不同系统。结果是，人类操作反而成为整个链条中最大的瓶颈。项目负责人后来直言，如果算法生成的数据无法在复杂的指挥链条中快速流动，那么再精确的识别结果也难以产生真正价值。
正是在这一阶段，项目团队开始否定最初的假设。他们逐渐意识到，问题并不在于人工智能模型本身，而在于整个作战流程依然停留在传统模式。简单地把人工智能“嵌入”旧系统，只会让人类成为新的瓶颈。因此，真正需要改变的不是算法，而是决策流程本身。围绕这一思路，项目负责人提出了一种新的方法论，即“以决策为中心的方法”。这一方法的核心思想是，在开发任何技术之前，首先要弄清楚决策是如何发生的，并围绕决策流程重新设计技术系统。
为此，项目团队提出了一组用于分析决策流程的基本问题：
1. 需要改进的具体决策是什么？
2. 当前的决策流程是如何运作的？
3. 技术将加速流程中的哪一环节？
4. 完成决策需要哪些数据？
5. 这些数据如何获取和传输？
6. 用户将如何与数据交互？
7. 人工输入可以减少多少？
8. 如何衡量改进是否成功？
9. 未来如何持续迭代系统。
通过这种方式，技术开发被重新置于决策流程之中，而不是单独运行。项目团队强调，数据专家的任务并不是取代指挥官，而是为他们提供更及时、更结构化的信息，从而提高决策质量。
这一思路最终形成了所谓“Maven智能系统”。这一系统由Palantir公司提供技术支持，以软件即服务的形式在美国国防部范围内部署。与传统系统相比，它的最大特点是把原本分散在多个平台中的数据整合到统一架构之中。过去，决策人员往往需要在八到九个不同系统之间来回切换才能完成一次判断，而新的系统则通过统一的数据结构和接口，将各种传感器信息、情报数据以及作战信息汇聚到一个统一的可视化平台上。系统背后建立了一套数据“抽象层”，通过统一的数据本体、格式和接口，把原本彼此隔离的系统连接在一起。项目团队表示，仅仅完成这些数据连接与规范化工作，就耗费了大约七年的时间。
更重要的是，这一系统不仅用于展示信息，还可以直接支持作战行动。当传感器识别到潜在目标后，算法生成的检测结果会自动进入数字化工作流，并触发不同的决策流程。系统随后进入行动方案（COA）生成阶段，根据目标位置、可用武器、平台距离等多种因素自动计算可行方案，并向决策者提供多种选择。一旦选择某个方案，相关信息即可直接进入执行流程，从而完成从目标识别到行动实施的完整闭环。
这种变化对作战效率产生了显著影响。过去，从发现目标到完成打击决策，往往需要多个岗位在不同系统之间反复传递信息，整个过程可能持续数小时。而通过统一系统整合数据和流程，这一时间被大幅压缩。项目团队强调，真正的突破并不是单个算法，而是整个杀伤链的数字化闭合。当识别、决策与行动在同一系统中完成时，信息流动速度将远远超过传统模式。
对美国国防部而言，这一过程还带来了软件开发方式的改变。过去，军事软件往往按照多年以前制定的需求进行开发，一旦部署就很少更新。而新的系统则通过持续与作战人员互动，根据反馈不断改进功能。项目负责人表示，这是他职业生涯中第一次使用一个“每天都会变得更好”的系统−−开发团队不断根据用户需求更新功能，而不是依赖五年前的需求文件。
尽管“Maven项目”涉及大量复杂技术，但其最终目标却十分直接。项目负责人在介绍系统时曾说，他每天推动这项工作的原因只有一个：那些18岁、19岁甚至20岁的年轻士兵，并不能选择自己被派往什么地方、面对什么威胁。技术人员能够做的，就是确保他们在战场上拥有尽可能大的优势。因此，他强调一个简单的原则−−战争不应该是“公平的战斗”。如果可能，就必须利用技术创造非对称优势，让己方士兵在战场上占据绝对主动，并最终安全回家。
从这一角度看，“Maven项目”所代表的并不仅仅是一项人工智能技术计划，而是一种作战思维的转变。人工智能并不是万能解决方案，真正改变战争形态的，是将算法能力嵌入重构后的数字化工作流之中。随着这一体系逐渐成型，未来战场上的竞争也将越来越多地体现为数据处理速度与决策效率的竞争。在这种意义上，所谓“决策优势”，正逐渐成为信息化战争时代最重要的战略资源。