美伊营救行动代价惨重，“大模型决策”为何失灵？

2026年4月4日，美军用一场跨军种联合行动，从伊朗领土救回了被击落的F-15E飞行员——这是自美以与伊朗开战以来，首次在敌方境内完成高风险搜救。中情局的假旗行动、多源情报的精准定位、特种部队的快速部署，让这场行动被特朗普称为“美国历史上最勇敢的搜救之一”。但光鲜的战果背后，是一架运输机陷入沙地被迫炸毁、3架支援战机被击落的高昂代价。大模型辅助生成的作战方案，为何没能预判到这些意外？这场营救暴露的，正是当前智能化战争最核心的矛盾：AI能把已知风险算到极致，却对战场的“未知未知”束手无策。

“人类行为建模”：精准锁定的核心逻辑

在美以对伊朗高层的定点清除行动中，外界曾热议“AI杀死了哈梅内伊”，但这种说法并不准确——真正发挥作用的，是“人类行为建模+多源情报融合”的组合拳。

所谓人类行为建模，就是用大数据把目标人物的所有关联信息编织成一张网：从居所位置、家人随行人员，到出行规律、安保配置，甚至日常用车的型号和路线，都被系统拆解成可分析的变量。2011年猎杀本·拉登的行动，是这套逻辑的雏形；到苏莱曼尼遇袭时，它已经形成了成熟的操作流程：先通过人工线人获取关键线索，比如收买目标身边的厨师或司机，再用卫星、高空无人机的多源数据交叉验证，最终确认目标行踪的可信度。

在这次飞行员营救中，这套逻辑同样发挥了作用：AI整合了飞行员的求救信号、伊朗军队的部署动态、山区地形数据，甚至通过分析伊朗社交媒体的实时信息判断搜捕节奏，最终把营救范围缩小到几平方公里的区域。但它的局限也很明显——这套体系擅长“处理已知”，却无法应对“未知变量”：比如临时跑道下的沙地承载力、伊朗军队突然调整的搜捕路线，这些不在训练数据里的“长尾事件”，恰恰成了行动的致命漏洞。

大模型决策：效率飞跃与“黑箱”困境

从2017年启动“马文项目”开始，美军就一直在用AI重构作战决策链条。到2026年的美伊战场，这套体系已经进化到“大模型+专用模型+人类判断”的成熟模式：过去需要几小时甚至几天的情报分析，现在AI能在数秒内完成；传统的作战方案推演，大模型能结合卫星数据、武器参数、敌方部署，快速生成十多套备选方案，甚至能模拟出每套方案的伤亡概率和资源消耗。

但这次营救行动的失误，暴露了大模型的两大核心问题：首先是“数据缺口”。美军使用的Claude大模型是2025年才嵌入机密系统的，对伊朗战场的特殊地形、伊朗军队的游击战术学习时间不足，根本没把“沙地陷车”这种小概率事件纳入推演。其次是“黑箱效应”——大模型的决策基于概率统计，它能给出“成功概率95%”的结论，却无法解释那5%的风险到底是什么。当指挥官被AI的高效率麻痹，就容易忽略那些看不见的隐患。

更关键的是，大模型擅长的是“战术优化”，而非“战略预判”。它能算出如何最快突破伊朗的防空网，却无法预判伊朗会用低成本无人机打消耗战；它能精准定位一个目标，却看不到这场战争的政治僵局——这也是美以迟迟无法达成战略目标的根本原因：AI能解决“怎么打”的问题，却回答不了“为什么打”和“打到什么时候”。

智能化战争：不是“AI万能”，而是“体系制胜”

很多人把智能化战争理解为“AI主导一切”，但军事专家吴明曦的判断更清醒：“单纯拥有AI算力并不能形成战斗力。”

在美伊战场上，美军的大模型能快速处理情报，却离不开遍布太空的卫星网络、能压制伊朗雷达的电子战飞机、能全球部署的特种部队——这些都是国家综合国力的体现。而伊朗能在美以的压制下持续反击，靠的也是一套“非对称体系”：把导弹分散部署在山区和地下设施，用低成本无人机消耗美军的昂贵拦截弹，这套体系恰恰避开了AI擅长的“精准打击”，直击美军的成本软肋。

从俄乌冲突到美伊战争，智能化战争的本质其实是“体系的对抗”：AI只是这个体系中的一个节点，它能放大体系的优势，也会暴露体系的短板。美军在营救行动中的失误，与其说是AI的失败，不如说是“过度依赖AI”的失败——当指挥官把AI的方案当成“标准答案”，就失去了人类最宝贵的能力：对战场不确定性的感知和应对。

从越南战争的“地毯式轰炸”到今天的“AI精准打击”，战争形态一直在变，但战争的本质从未改变：它永远是政治、经济、科技、人心的综合博弈。

这次美伊营救行动像一面镜子，照出了智能化战争的真实面目：它能让作战更高效、更精准，却不能消除战争的风险和代价；它能让指挥官更快做出决策，却不能替人类承担决策的后果。未来的智能化战争，不会是AI的独角戏，而是“人机协同”的新战场——真正的决胜关键，从来都不是AI有多聪明，而是人类如何用AI的同时，保持对战争的敬畏和对全局的判断。

AI是工具，战争的最终决策者永远是人。