问题——在生成式大模型快速迭代的背景下，美国国防部正面临“能力引入”与“风险约束”的双重挑战。近段时间，围绕模型安全护栏、用途限制，以及是否可用于国内监控与武器系统等敏感议题，美军与涉及的企业的分歧逐渐显现。此外，美方仍在扩大与多家科技企业的合作，推动大模型进入高保密环境与作战链路，显示其在大国竞争和高强度对抗设想下对智能化能力的迫切需求。 原因——其一，战略驱动突出。近年来美军强调“以数据为中心”的作战与联合作战体系建设，持续推进云化、网络化与算法化能力整合。生成式大模型被视为提升情报处理、指挥计划、后勤保障与训练推演效率的重要工具。其二，技术供给高度依赖市场。大模型研发投入高、更新快，美军更倾向于直接利用企业成熟模型与工程能力，通过政府专用版本、专网部署和接口标准实现“快速上线、可控可管”。其三，治理压力同步上升。大模型在幻觉、偏差、数据泄露和供应链风险等的隐患客观存在；一旦嵌入指挥决策或武器系统，误判与失控风险将被放大，因此美方更强调对模型权限、数据边界与审计机制进行制度化设计。 影响——从能力建设看，美军正尝试将大模型从“点状试验”推向“体系能力”。以GenAI.mil为代表的统一平台被定位为全军通用入口，在国防部首席数字与人工智能办公室等机构牵头下，叠加国防创新单元等渠道推动技术转化，形成从需求提出、测试评估到部署运维的链条化管理。各军种在统一技术底座上进行差异化定制：空军更侧重与无人系统、任务规划和态势生成的融合；陆军聚焦参谋作业、后勤与流程优化；海军强调远洋分布式作战背景下的边缘部署与快速决策支持。围绕“雷霆熔炉”等项目，美方将大模型用于兵力调度、资源运用与方案推演，意在缩短决策周期、提高联合作战协同效率。 但风险也在扩散：一是供应链与技术依赖加深，企业模型、云平台与算力生态对军事系统的渗透度上升，带来可替换性、可迁移性与长期成本的不确定性；二是安全边界更复杂，模型训练数据、提示词与推理结果可能成为新的泄密通道；三是规则与伦理争议持续，企业设定的安全护栏与军方任务需求之间存在结构性张力，相关摩擦可能常态化，并反向影响合作格局与市场选择。 对策——为在引入与管控之间取得平衡，美方做法大致呈现三条主线：一是“可控部署”，强调分级分域应用，将模型部署在政府专用网络、加密云和保密环境中，并通过访问控制、日志审计、红队测试等手段降低泄露与滥用风险；二是“军用定制”，推动政府版本模型与任务级工具链，强化对敏感功能与输出范围的限制，同时以评测体系对可靠性、可解释性与抗干扰能力设置门槛；三是“体系嵌入”，以统一平台为枢纽，将模型能力模块化、接口化，构建可替换、可迁移的生态，以降低对单一供应商的锁定风险。，美方反复强调“人在回路”，在涉及武器打击与关键决策环节强调人为授权与责任链条，以避免全自动化带来的不可控后果。 前景——总体来看，生成式大模型在美军中的定位正由“新兴工具”转向“基础设施化能力模块”。未来一段时期，可能出现三点趋势：其一，平台化与标准化持续推进，GenAI.mil类平台将覆盖更多任务域，并通过统一接口与数据规范强化跨军种共享；其二，边缘计算与分布式部署加速，在通信受限与对抗环境下，轻量化模型与现场推理能力将成为重点；其三，治理规则更趋细化，围绕权限分级、模型评测、责任追溯与供应链审查的制度安排将更强化。同时，企业与军方在安全边界、商业合规与价值原则上的博弈仍将延续，合作与摩擦并存可能成为常态。
当智能技术创新与军事应用需求相互推动，其释放的力量既可能重塑现代战争形态，也可能逼近人类控制的边界；如何在保持技术优势与遵守国际人道主义准则之间找到平衡，将成为检验大国战略判断的重要标尺。正如日内瓦裁军谈判会议专家所言：“我们创造的不仅是更聪明的武器系统，更是关乎人类文明未来的安全框架。”