随着人工智能发展，像 ChatGPT、DeepSeek 这样的**大语言模型（LLM）**在军事领域的潜力引起广泛讨论。它们是否可能真正参与战争规划、甚至指挥？公开资料显示，答案是：LLM可以成为军事决策辅助工具，但绝不应成为独立指挥者。

一、LLM在军事中的潜在用途

1. 决策支持与快速方案生成
   LLM可以快速分析大量资料、生成多种作战方案，并提供优缺点对比，辅助指挥官做决策。

2. 战争演练与红方模拟
   LLM可模拟对手行动或测试多种“假设场景”，加速战争演练和战术评估。

3. 情报汇总与异常分析
   对海量传感器和信息流，LLM可帮助撰写简报、整理情报并标记异常数据，但输出仍需人工验证。

4. 人机协作
   LLM可协调无人机、后勤、支援系统等多种模块，实现“忠诚翼伴”的协作，但必须在人类监督下运作。

二、LLM不能独立指挥的原因

1. 信息幻觉与错误
   LLM可能生成自信但错误的建议，若直接用于指挥，将带来严重风险。

2. 脆弱性与对抗风险
   模型可被对抗性输入或篡改数据误导。

3. 可解释性不足
   很难证明模型为什么做出某个方案，难以追责。

4. 升级与误判风险
   自动化决策可能导致冲突升级，增加不可控风险。

三、各国实践与政策

• 美国及相关机构正在实验将 LLM 与其他 AI 系统结合，用于分析、规划和模拟，但强调人类必须掌控关键决策。

• 政策守则明确禁止 AI 独立做出致命攻击决定，并要求严格测试与安全审查。

四、关键保障措施

1. 人类在环/在控：关键决策必须有人类批准。

2. 严格测试与红队演练：确保模型在各种压力环境下可靠。

3. 数据与训练安全：防止训练数据或传感器数据被篡改。

4. 可追溯性与审计：所有输出必须有解释、日志记录以备审查。

5. 权限与边界控制：模型不能擅自建议超出权限的行动。

6. 国际规范与透明：减少误判和冲突风险。

五、战略风险

• 快速决策节奏可能迫使人类仓促判断。

• 技术军备竞赛可能加剧冲突升级压力。

• 商业化 LLM 的可获得性可能降低技术门槛，引发扩散问题。

六、总结

LLM将改变军事规划和思维方式：加速分析、自动化生成方案、丰富模拟与演练。
但在关键指挥、致命行动和冲突升级决策上，LLM仍不能独立作主。正确的方向是：让大语言模型辅助人类指挥官决策，并配合严格治理、测试和国际规范。