美国《国防》网站当地时间10月17日报道，其博思艾伦技术考察团队发布了2024年十大军民两用新兴技术，包括：AI加速器芯片、替代PNT、自主集群、生成式AI软件开发、高密度储能、高超音速、多模态AI、非动能反无人机系统、后量子密码学和空间域感知技术。

1. AI加速器芯片

定义：AI 加速器芯片（“AI 芯片”）是专门的微电子硬件设备，可加速和优化 AI/机器学习（ML）软件模型的处理。虽然此功能对于云/数据中心应用程序（例如运行大型语言模型）至关重要，但对于边缘AI尤其重要。在这里，我们专注于GPU以外的架构进行分析。

技术：AI 芯片有多种类型，通常在它们可以运行的模型的能效/速度和灵活性之间进行权衡。随着片式晶体管达到其物理尺寸极限和摩尔定律放缓，其他技术——特别是定制的冯·诺依曼和非冯·诺依曼专用集成电路 （ASIC） 和片内光子数据传输——正在经历创新的复兴，并有望彻底改变AI行业。

战略洞察：AI 的发展速度可能取决于新的芯片材料和设计。此外，面对台湾地区日益紧张的地缘政治紧张局势——台积电制造公司（TSMC）生产了世界上大部分的人工智能芯片——美国的《创造有益的半导体生产激励措施（CHIPS）和科学法案》代表了恢复美国在半导体领域的领导地位的关键努力。国防部可以利用这项和其他努力提供的资金来开发下一代设备，以增强战术决策和军事弹性。

未来：在短期内，边缘应用可能会发生重大颠覆，例如无人机系统（UAS）上的高保真计算机视觉（CV）或在头戴式显示器中使用自然语言处理（NLP）进行实时翻译。最终，随着芯片变得越来越“像大脑”，它们的能力将开始与人脑相媲美，即使是像大型语言模型（LLM）这样高度复杂的模型，有朝一日也可能在小尺寸、重量和功耗（SWaP）设备上运行。

在深度学习模型的灵活性和执行操作的效率之间进行权衡

2. 替代定位、导航和授时

定义：替代定位、导航和授时（alt-PNT） 指用于在必要时补充、增强甚至取代全球定位系统（GPS）的一系列技术。

技术：在很大程度上，支持alt-PNT的技术套件包括惯性、视觉、近地轨道（LEO）卫星、地面射频（RF）和基于环境/地球物理学的PNT。虽然自1990年代以来已有几种alt-PNT解决方案可用和部署，但目前出现了新一轮的创新浪潮，其中大部分是由原子钟的进步和LEO卫星部署实现的。

战略洞察：对GPS卫星的威胁甚至直接攻击正在增加。美国对手已知有能力禁用GPS，这可能会削弱军事行动并阻碍商业活动。即便如此，政府问责局透露，美国防部继续严重依赖GPS，这种依赖性代表了令人担忧的国家安全漏洞。

未来：理想情况下，未来的导航系统将嵌入多种 alt-PNT 模式，这些模式可以根据需要和上下文单独或串联使用，并可能利用多模态AI（MMAI）融合（见下面的数字7）。

描述了更好的计时元素如何在拒止GPS的条件下对任务产生积极影响

3. 自主集群

定义：自主集群是一组自主机器人，它们作为一个有凝聚力的单元来执行任务，其灵感来自自组织、非等级生物系统。集群在防御环境中的应用包括收集情报、监控基础设施、维护周边安全以及与目标交战或在战场上提供动能效果。

科技：群中的单位使用AI“飞行员”，与人类、群中的其他单位和非群系统进行交流，以做出决策、优化角色和执行任务；冗余和容错功能可确保任务成功，即使多个代理发生故障也是如此。板载AI模型可帮助蜂群适应不断变化的条件，随着时间推移优化任务分配和行为，并做出集体决策。

战略洞察：自主蜂群使相对较小的军队或团队能够投射更大的力量。“复制器”项目是国防部于2023年秋季宣布的sUAS（小型无人机）采购计划，是一项强制功能，可加快蜂群AI飞行员、可扩展且经济实惠的硬件平台和安全供应链的开发和采购时间表。

未来：自主蜂群用于致命和非致命应用。这些范围从自主群体“混战”和对军事人员、设备和车辆的动能攻击，到增强情报、监视和侦察等学科；通信和电子战和后勤。模块化、可归因且与平台无关的蜂群硬件和软件将能够顺利过渡到新的用例，包括针对敌人的反蜂群。

未来的指控系统将越来越多地使用半自主和自主的去中心化架构

4. 生成式AI软件开发

定义：生成式AI软件开发是指使用生成式AI来提高编码效率的任何工具，包括代码生成、代码完成、代码文档、遗留代码转换以及软件测试和调试。

技术：支持AI的生成式软件开发解决方案，通常使用LLM来生成对软件开发至关重要的代码和其他内容。

战略洞察：由于对底层技术缺乏信任和可靠性，国防部门对AI支持的软件开发工具的使用受到限制。然而，美国防部和其他联邦机构正在积极探索整合生成式编码技术的方法，特别是考虑到2023年关于安全、可靠和值得信赖的人工智能开发和使用的行政命令，该命令为美国联邦机构提供了开发和实施框架。

未来：随着生成式编码工具的进步，该技术将能够处理更多实际的编码过程，使人类能够专注于软件的设计和逻辑，而不是其编程语法。

描述了使用生成式 AI 编码工具进行训练和软件开发的过程

5. 高密度储能

定义：高密度储能（HDES）是指与当今能源系统相比，能量重量比和能量体积比提高的一组技术。HDES系统以相对小巧轻便的外形尺寸存储大量能量，为从便携式电子产品到电动汽车的各种应用提供更高效、更持久的电力。

技术：硅负极（SiA）化学的最新进展表明，与石墨基锂离子技术相比，在未来一到三年内，SiAs 将提供更好的能量密度和效率。固态电池（SSB）也有可能提高电流阈值，尽管时间跨度更长。

战略洞察：HDES是各种任务不可或缺的一部分，从供应链物流到基地和通信运营，再到支持现场的作战人员。目前，国防部使用传统电池造成了瓶颈和运营效率低下。

未来：不久的将来，电力系统将以插入式SiA锂离子电池和SSB为特征。从长远来看，氢电池具有最引人注目的潜力，但据估计，其广泛采用和全面使用需要10到20年。

技术就绪度与能量密度 （Wh/kg） 或可存储的功率之间的关系

6. 高超音速

定义：高超音速推进是指物体的移动速度超过5马赫（五倍音速）。更一般地说，今天的“高超音速”也可以指允许测试和生产达到这些速度的车辆和武器的技术。

技术：美军方目前正在寻求两种类型高超音速武器：一种是配备吸气式喷气发动机或“超燃冲压发动机”的巡航导弹，另一种是发射到空中然后高速滑翔到目标的滑翔飞行器。建模和仿真等数字技术进步使低成本的高超音速研发成为可能并缩短了创新和扩展的途径。

战略洞察：由于美国与其对手之间的距离很远，且PRC试图在印太地区制造一个“坚不可摧的气泡”，因而可以快速打击的远程高超音速设备将成为美国及其对手武器库的关键组成部分。

未来：高超音速将从根本上缩小地球距离。如果在更遥远的将来正确利用高超音速，美国将能够在几个小时内威慑威胁，并将资源投送到世界各地。

高超音速武器两种主要飞行模式的区别

7. 多模态 AI

定义：多模态AI（MMAI）模型可以摄取和/或输出多种数据类型。在这里，重点介绍输入的多模态融合。

技术：深度神经网络正在接受训练，以理解不同类型的数据。多模态作为一个概念并不新鲜。然而，随着当今获取各种数据和组合算法的能力，融合正越来越广泛地用于训练跨多种数据类型的AI模型，用于推荐系统、语言理解、图像生成和最先进的生物识别等任务。

战略洞察：将不同类型的情报融合成为决策提供信息的输出的能力是五角大楼的关键业务，而实现这一目标的多模式模型的需求量将很大。国防部创新部门的初步努力表明了MMAI对情报聚合、人类行为预测、深度伪造检测和预测性维护的重要性。

未来：多模态算法是高性能和可信AI的基础，每个结果模型都将包含尽可能多的相关数据类型，以实现自动化分析。MMAI也被认为是迈向未来通用人工智能（AGI）的一步，从理论上讲，这将使算法能够自行学习、理解和执行广泛的任务。

简化的假设 MMAI 架构，用于尝试识别深度伪造视频的模型

8. 非动能反无人机系统

定义：非动能反无人机系统是反无人机系统（c-UAS）的一个子集，专注于使用射频（RF）干扰、网络接管或定向能等效应器来禁用中小型无人机威胁。

技术：目前，射频干扰和网络接管会破坏操作员和UAS通信，这使得它们对于打击商用现成系统至关重要。对于更高级的威胁，定向能量将是首选效应器。指挥控制（C2）可能是最紧迫的技术挑战。要使c-UAS能够有效应对各种威胁，需要对多个效应器进行分层和高度自动化。

战略洞察：对美国来说，c-UAS技术的步伐威胁是中国对自主无人机和集群技术的发展。2023年，美国联合反小型无人机系统办公室（JCO）在c-UAS研究和采购方面花费了超过7亿美元。最近的声明表明，非动力学效应器可能是抵消那些新出现的群体威胁的首选。

未来：随着无人机在社会和战场上越来越受欢迎，未来的c-UAS将以人工智能驱动的C2系统为特征，该系统可以融合传感器数据，快速识别新威胁，并在人工监督下自动做出最佳响应。

HMP和HEL定向能源系统在行动中的描述。HMP系统可能是应对自主集群威胁的首选，这是中国的创新重点

9. 后量子密码学

定义：后量子密码学（PQC）是指用于加密个人、组织和政府的私人通信的数学算法，这些算法被认为可以抵御当前和未来量子计算机的攻击。

技术：PQC基于复杂的数学模型，不存在已知的量子捷径。美国家标准与技术研究院（NIST）正在对这些模型进行标准化，以供政府和行业使用，同时还倡导加密敏捷性框架，或者能够在工作算法受损时轻松更换加密算法。2024年8月，NIST发布了预期的四个标准化PQC方案中的三个。

战略洞察：安全的数据和通信是国家安全和经济繁荣的基石。时间不多了，因为美国的对手已经在收集该国的数据，希望将来能用量子计算机解密这些数据。此外，由于过渡到PQC预计至少需要十年时间，并且考虑到量子计算的发展速度，组织必须立即采取行动。

未来：未来加密敏捷性将是适应新出现的漏洞的关键，混合加密协议也可能提高弹性。只有时间才能证明现有的PQC算法对量子计算机是否安全，但可能需要不断创新模型。

过去几年QC的快速进展（通过逻辑量子比特、物理量子比特和纠错代码的卷积来衡量）。这凸显了保护数据免受未来量子网络攻击的紧迫性。

10. 太空域感知技术

定义：太空域感知（SDA）能够了解空间运行环境和感知到的威胁。它还允许商业运营商安全地飞行他们的航天器，避免碎片，并维持他们使用的轨道制度。

技术：SDA任务是通过广泛的技术堆栈完成的，包括各种传感器模式、计算资源、AI/ML和分析、可视化技术以及基于这些创建的应用程序和服务。传感器模态可以是地面和空间的。

战略洞察：太空现在是一个作战领域，这是过去十年中最近的戏剧性转变。有鉴于此，美国及其盟友伙伴需要准确了解对其资产和能力的威胁，以便他们能够防止冲突并保持环境优势。

未来：预期的创新包括能够准确获取、跟踪和分发地球同步轨道以外的物体到更高的轨道，称为xGEO，它延伸到月球轨道；天基商用传感器的激增；在SDA任务中采用增强现实和虚拟现实（AR/VR）；以及在xGEO中运行的天基传感器。

USSF卫星星表中的天体，占太空中大于1毫米的天体的不到0.1%。即使是小至1毫米的物体也会损坏活跃的卫星。图片来源：GAO-23-105565。

报道称，《国防》网站相信这10项新兴技术，有可能帮助美国保护其战略利益并确保其公民的国家安全。其高级副总裁Brian MacCarthy领导博思艾伦在旧金山、华盛顿特区和奥斯汀的技术观察团队。

声明：本文来自天地云思想，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。