2025年6月2日，美国战争研究所（ISW）发布了一篇题为《战场人工智能革命尚未到来：俄罗斯和乌克兰人工智能无人机的现状》。本文基于上述报告，分析了俄乌冲突中双方在人工智能/机器学习无人机领域的竞争态势。文章指出，尽管人工智能/机器学习无人机尚未在战场上实现大规模应用，但俄乌双方都在积极将相关技术融入新型无人机，力求在军事对抗中抢占技术制高点，赢得战场优势。文章介绍了俄乌双方在机器视觉、光纤和人工智能驱动型母机无人机等方面的进展，以及各自面临的技术和资源挑战。
目前，俄罗斯与乌克兰正陷入一场激烈的技术竞赛。双方均全力以赴，竞相研发和部署具备人工智能（AI）和机器学习（ML）能力的无人机，以实现无人机协同作战、目标定位以及战场分析的自动化。一旦配备人工智能/机器学习无人机，俄乌军队将显著减少对无人机操控员和防御人员的依赖，有效规避敌方电子战防御措施，突破人类在目标识别方面的局限，并加速与无人机作战相关的决策进程。截至2025年6月初，双方尚未在战场上大规模运用人工智能/机器学习无人机，但都在逐步将机器学习能力与人工智能适配技术融入新型无人机，朝着开发出完全由人工智能和机器学习驱动的无人机这一目标迈进。
尽管“人工智能”与“机器学习”在定义上存在重叠，且机器学习常被视为人工智能的子集，但二者在应用场景上仍有显著区别。当机器学习模型被训练用于可预测的特定任务，且无需依赖强大的处理能力、内存或数据云时，其在无人机上更容易实现规模化应用。例如，在无全球定位系统（GPS）信号的环境中进行导航、末端制导、图像与模式识别、寻的以及目标锁定等任务，机器学习模型都能发挥重要作用，尽管部分任务可能还需结合人工智能或其他更先进的工具。
然而，具备机器学习能力的无人机仍需要操控员提供总体指导和分析。例如，在确定目标或在新环境或复杂环境中对模型进行调整与训练时，无人机通常需要与操控员保持通信。换言之，机器学习能力虽可使无人机执行某些预编程或预训练的任务，但其缺乏自主适应战场条件及推理的能力，因此仍需要人类介入进行精准调试。
人工智能模型能够完成过去主要由人类执行的任务，例如分析数据、自主识别和选择目标，以及根据实时状况控制和调整无人机的飞行路径。它还可以管理无人机蜂群对目标发起攻击，并支持无人机之间的互操作性。此外，人工智能能够在云端存储和分析任务数据，从而自主优化无人机的作战行动。搭载人工智能系统的无人机具备适应性决策能力，能够在无需与操控员通信的情况下自主行动。
然而，将人工智能技术集成到无人机中是一个成本高昂且耗时的过程。此类无人机需要开发全新、复杂的算法，具备强大的计算能力，并依托庞大的数据云。此外，它们还需要经过长期测试，以训练人工智能系统在不同的战场环境中运行并从中学习。
无人机作战领域的技术突破离不开人工智能与机器学习能力的协同开发与整合。其中，人工智能为高层次的自主决策提供支撑，而机器学习能力则专注于执行特定任务，并助力人工智能从复杂的战场环境中学习与适应。无人机蜂群便是人工智能与机器学习驱动型无人机的典型范例，其协同作战模式高度依赖二者的技术整合。无人机蜂群在机间协调、目标定位及任务分配与管理方面高度依赖人工智能的统筹规划，同时也需要借助机器学习能力来完成图像识别、碰撞规避及目标锁定等专业化任务。
自2023年年中以来，俄罗斯和乌克兰日益重视机器视觉无人机的研发。机器视觉是一种自动图像识别算法，能够使无人机记忆目标图像，并在目标处于移动状态时仍能精准锁定。乌克兰推进机器视觉无人机的研发，主要是为了应对俄罗斯在战场上广泛使用的电子战和电子侦察系统，同时解决无人机因与操控员失去联系而无法抵达目标的问题。具备机器学习能力的无人机，即使在与操控员失去通信的情况下（例如遭受电子干扰），仍能保持目标搜索的能力。
目前，具备视觉功能的无人机尚未完全实现人工智能化，因为这些无人机仍无法自主分辨目标，仍需要人类介入。2023年下半年，俄罗斯率先使用了具备机器视觉功能的“柳叶刀”-3（Lancet-3）无人机/巡飞弹；2024年2月，乌克兰数字化转型部长米哈伊洛·费多罗夫（Mykhailo Fedorov）宣布启动同类产品研发，仅一个月后，乌军便对外展示了具备机器视觉功能的无人机，凸显了技术追赶的紧迫性。
图1.“柳叶刀”-3无人机/巡飞弹（图片来源于Army Recognition，如有侵权请联系删除）
目前，俄罗斯仍持续强化机器视觉无人机的研发。2025年5月中旬，俄罗斯研发团队宣布正式启动“秋维科”（Tyuvik）轻型攻击无人机的批量生产。该无人机配备了先进的目标寻的系统，并具备强大的抗电子干扰能力。早在2024年6月，俄罗斯研发人员就首次展示并测试了该无人机。据介绍，当无人机操控员完成打击任务规划并确定目标后，“秋维科”无人机能够自主对目标实施精准攻击。“秋维科”无人机还具备自动驾驶功能，即使在存在电子干扰的环境中，也无需依赖卫星导航或与操控员进行通信。俄罗斯无人机专家表示，“秋维科”的自动驾驶能力主要依赖于预先加载的地图数据和图像识别技术。乌克兰军方也注意到，俄罗斯在2025年5月增加了未指明型号的人工智能无人机的使用频率，这或许暗示着俄罗斯在机器视觉和人工智能无人机领域的不断发展与应用。
图2.“秋维科”无人机（图片来源于俄罗斯《消息报》网站，如有侵权请联系删除）
2024年和2025年初，由于在将具备机器学习能力的无人机应用于前线时遭遇诸多挑战，俄罗斯和乌克兰均将重心转向扩大光纤无人机的使用规模。据报道，在2023年末和2024年初，俄罗斯的“柳叶刀”-3无人机的自主目标锁定模式出现了故障。2024年1月末公布的战斗画面显示，一架“柳叶刀”-3无人机在锁定一辆装甲车后，却在最后时刻转向，最终击中了一堆残骸。从战斗画面来看，“柳叶刀”-3无人机虽能击中部分火炮系统和火箭发射器，但尚未展现出对伪装目标的追击能力。2024年2月，西方专家对“柳叶刀”-3的实际自动化水平和物体识别能力的可靠性提出了质疑。与此同时，俄罗斯研发人员启动了光纤无人机的并行开发与生产，以期在无需等待机器视觉技术成熟的情况下，率先在战场上占据技术优势。实际上，光纤无人机并非一项特别复杂的技术改造，有线制导弹药早在数十年前就已出现。自2024年年中起，俄罗斯之所以能够使乌军在战场上陷入新的困境，关键原因之一在于这些光纤无人机具备抗电子干扰能力，能够对装甲装备进行精确打击，且由于其构造简单，易于大规模部署。
2024年夏季，乌克兰无人机制造商Vyriy Drones公司的首席执行官奥列克西·巴贝科（Oleksii Babenko）表示，由于制导算法存在缺陷，机器视觉技术研发进展缓慢。他进一步指出，俄罗斯将电子战设备部署在前线沿线而非目标附近，这导致乌克兰无人机在发射后难以与地面控制中心保持稳定的通信连接。2025年5月，一家已测试机器视觉无人机近两年的乌克兰制造商坦言，这类技术在前线战术无人机上的表现“不如人意”，仍处于“不成熟”阶段。该制造商的一位研发人员称，末端制导通常能在飞行距离较长的固定翼无人机上正常工作，但乌军却难以在战场上将配备机器视觉功能的四轴无人机送达能有效打击俄罗斯目标的范围内。他补充道，这些无人机在追踪移动目标时还存在寻的问题，且第一人称视角（FPV）无人机的摄像头无法识别500米外的目标。因此，一名乌克兰连级指挥官表示，乌军目前正专注于在战场上部署光纤无人机，以提升作战效能。
图4. 俄乌双方大规模使用光纤无人机后遗留在战场上的光纤电缆（图片来源于You Tube，如有侵权请联系删除）
截至2025年5月，俄罗斯和乌克兰已在无人机上集成了部分人工智能能力，但这些应用主要以实测为目的，尚未在战场上实现规模化部署。乌克兰电子和无线电战专家谢尔盖·贝斯克列斯特诺夫（Serhii Beskrestnov）于5月18日披露，俄军部署了一种独特的无人机蜂群。该蜂群由6架机翼颜色各异的无人机组成，这种设计旨在便于飞行过程中无人机之间的互相识别。该蜂群无人机携带3公斤弹头，续航里程可达80公里，并配备惯性导航和卫星导航系统，但在很大程度上依赖外国制造的零部件。此外，该无人机还装有高分辨率摄像头、JETSON视频流处理模块、激光测距仪以及容量超过100GB的高速硬盘。该无人机蜂群中的一款无人机采用了汽油发动机，这一改进使其作战半径提升至100公里以上。据悉，俄军每天在多个作战方向上投放约30至50架此类无人机，以2至6架为一组进行测试性部署。据称，该无人机能依靠视觉地形导航自主完成目标探测、分类、选择及打击，无需人工授权最终攻击决策。
图5. 俄罗斯部署的6架机翼颜色各异的无人机（图片来源于Telegram，如有侵权请联系删除）
2025年5月底，乌军首次在战场前线使用了基于人工智能的母机无人机（Mother Drone）。该无人机由乌克兰专注于自主系统研发的初创公司Strategy Force Solution打造。5月26日，该公司率先公布消息称，其研制的GOGOL-M人工智能母机无人机已在针对俄罗斯目标的试验任务中顺利完成首次自主飞行与作战行动。据该公司介绍，GOGOL-M母机无人机具备强大的作战能力，能够挂载两架FPV攻击型无人机，并在300公里的范围内对目标发动精确打击。
5月29日，费多罗夫正式对外宣布，乌克兰国防技术集群“勇敢1号”（Brave 1）开发的新型母机无人机，已进入战场测试阶段。这款先进的无人机凭借两架FPV无人机，能在最远300公里的距离上自主识别、定位和攻击目标，包括俄军飞机、防空系统和关键基础设施。值得一提的是，若执行任务的距离在100公里以内，该母机无人机还能够安全返航，实现重复利用，从而降低作战成本。该无人机的核心系统为SmartPilot，其运用多传感器融合技术，通过高效整合各类数据信息，精准实现环境感知与目标识别。
然而，由于当前俄乌双方所使用的人工智能母机无人机都还处于战场测试阶段，实际作战表现仍需进一步验证，因此，这类无人机的完全作战效能与自主能力究竟如何，目前还难以确切评估。
俄罗斯在人工智能/机器学习无人机领域的进一步发展，在很大程度上依赖于其构建联合态势感知与战场管理系统的能力。俄罗斯亟需开发一套精密的云系统，用于存储和分析前线数据，以训练无人机自主区分目标、规避与友方无人机的碰撞，并协助俄军追踪前线所有无人机的作战行动。
与此同时，乌克兰经过多年发展，已构建出类似美国“联盟联合全域指挥与控制”（CJADC2）构想的“德尔塔”（Delta）和“克罗皮瓦”（Kropyva）等态势感知系统。其中，“德尔塔”是一款庞大的云软件，旨在收集与分析数据、提供全面的态势感知，并支持决策制定。该系统使乌克兰各军种和各级指挥部能够协调来自无人机、卫星、固定摄像头、传感器和前线侦察部队的情报，实现情报共享与协同作战。
操作团队还为“德尔塔”系统集成了诸多附加功能，如“任务控制”程序——无人机操控员可借此避免友军火力误伤和规划无人机任务。此外，“德尔塔”系统还整合了“维扎”（Vezha）外部应用程序——这是一个战场视频分析平台，能够实时传输无人机航拍画面，并支持无人机操作人员、炮兵部队和指挥中心之间相互协作。在“维扎”背后，是“复仇者”（Avengers）人工智能系统为战场目标获取提供强大支持。这些数据分析能力和基于云的数据管理，为乌军赋予了训练人工智能/机器学习无人机的独特优势。
为追赶乌克兰在战场管理与态势感知系统领域的创新步伐，俄罗斯正推进“俄罗斯数字天空”（Digital Sky of Russia）系统的建设。该系统依托格洛纳斯（GLONASS）卫星导航系统与俄罗斯国家技术倡议（NTI）集团的合作，旨在整合原本分散的航空、航天及无人机资源，通过构建低轨卫星星座、混合通信网络等基础设施，结合人工智能技术，实现卫星与无人机数据的高效传输与处理，同时统一原本割裂的监管框架，形成人机协同的一体化系统。目前，相关研发工作正在按计划推进，拟在2025年7月中旬前将项目提案提交至俄罗斯交通部、经济发展部、俄罗斯国家航天集团（Roscosmos）等相关政府部门和机构。
然而，俄罗斯在无人机创新与生产领域采取的集中化模式，或许会在一定程度上对其在人工智能/机器学习无人机研发方面的创新能力产生抑制作用。当前，克里姆林宫正积极推进对民间志愿创新主体的集中管控——这些主体在过去曾为俄罗斯无人机及人工智能创新贡献了大量开创性成果。尽管在2023年至2024年间，克里姆林宫向407家航空器生产商划拨了2430亿卢布（相比之下，克里姆林宫计划在六年内为核能发展拨款2770亿卢布），但这种集中化模式有可能因官僚体制的束缚，限制研发主体在技术突破上的自主性——例如，俄罗斯国防部于2023年底在顿涅茨克州“苏多普拉托夫”志愿营（Sudoplatov Volunteer Battalion）基地设立了无人系统培训与生产中心，但据报道，该中心产出的低成本无人机性能欠佳，在实战中极易被乌克兰电子战系统干扰。
此外，克里姆林宫正着手设立由国家控制的人工智能发展中心。该中心旨在加强政府机构、地区和企业之间的协调合作，为政府在人工智能领域的重要战略目标提供专业的分析支持，同时推动政府系统的数字化和现代化进程。5月15日，俄罗斯副总理德米特里·切尔尼申科（Dmitry Chernyshenko）着重强调了俄罗斯在全球人工智能竞争中保持领先地位的重要性，并计划为相关研究项目提供资金支持。克里姆林宫有可能利用该中心推动人工智能在军事领域的应用以及人工智能/机器学习无人机的研发，但该中心的运作仍面临关键问题，即如何妥善处理与民间志愿开发团体的关系。目前，俄罗斯官方对民间团体的行动限制，如前线访问禁令、众筹管控等，已对本土创新生态造成了一定的冲击。这种国家集中化与民间创新活力之间的矛盾，可能会成为俄罗斯军用人工智能/机器学习无人机技术发展的一大阻碍。
乌克兰在人工智能/机器学习无人机领域的发展则面临双重挑战：一方面，投资不足导致技术迭代缓慢；另一方面，实战压力迫使研发重心偏向“应急式创新”。2025年1月，乌克兰总统泽连斯基在社媒Facebook上强调，乌克兰亟需合作伙伴提供更多投资，以扩大本国无人机产能。2025年5月，美国战略与国际问题研究中心（CSIS）下设的瓦德瓦尼人工智能中心（Wadhwani AI Center）的专家卡特琳娜·邦达尔（Kateryna Bondar）解释称，乌克兰的人工智能技术高度依赖商业开源资源，因而需要更多额外投资来持续推动人工智能/机器学习无人机的创新。然而，这种依赖特性正在导致创新遭遇瓶颈，而政府内部资源分散、跨部门协作缺失及专业人才短缺等结构性问题，进一步制约了乌克兰的无人机研发与生产能力。尽管泽连斯基政府一直强调外部投资的重要性，但在战场需求的倒逼下，乌克兰不得不同时应对技术追赶（如开发和部署光纤无人机）与资源分配的多重矛盾。虽然这种“应急式创新”模式能快速响应前线需求，但却可能因基础研发投入不足而制约长期技术迭代。
尽管人工智能/机器学习无人机被视为未来战场的关键技术，但俄乌双方截至2025年6月仍面临技术落地的现实瓶颈。双方需要先持续优化机器学习算法、强化机器视觉识别能力，并经过大量实战测试来验证技术可靠性，同时还要突破规模化生产面临的资源和时间壁垒。短期内，人工智能/机器学习无人机或仅承担精准打击等特定任务，而低成本、高适应性的FPV无人机仍将主导战场。
