《军事数据研究报告（2026）》简要介绍

周萍 ⋅ 2025-12-05发布 阅读：193次 ⋅ 研究报告数字孪生国防军事数据 ⋅

“数据是新质战斗力。”人们对这句话耳熟而详，但如何系统的认识这句话，一直在军事领域是缺乏标准答案的问题。

在《军事人工智能白皮书》中，数字孪生战场实验室介绍了美军推进人工智能的坎坷经历，从当初专门设立联合人工智能中心（JAIC）和首席数据办公室（CDO），到后来整合为首席数字和人工智能办公室（CDAO），期间围绕数据工程专业化还是跟人工智能一体化发展的问题，进行了激烈的讨论和辩论。

国内外对军事数据问题的讨论，鲜有体系化的分析论述，或者仅仅局限在大数据、数据科学或数据治理等层面，缺乏整体性和体系性的书籍或报告。

除了美国国防部及相关部门发布的政策报告，我国有一些学者撰写了相关书籍，行业人士可以参考。军事科学出版社出版了汤珊红等人写的《军事数据科学概论》，介绍了美军军事数据战略；国防工业出版社发布了黄亮等人写的《作战数据管理（第2版）》，分析了美军十多年前以网络为中心的数据管理问题，并对数据管理的技术问题做了较为详细的介绍。

作为以理论创新和预测分析见长的机构，数字孪生战场实验室编写的数字孪生国防系列报告，受到了行业人士广泛的关注。经近期对数字孪生国防系列十大主题的优化调整，系列报告之二确定为“军事数据”，2026年初出版的《军事数据研究报告》，将是该主题的开山之作。

立足“建立装备和作战的数据工程体系”，《军事数据研究报告》不会重复已有书籍和报告的分析内容，该书呈现给读者的是数字孪生战场实验室近一年的研究成果。

《军事数据研究报告》在第1章和第2章分别介绍了数据工程跟智能化战争的关系和对美军数据工程建设发展历程的剖析，以便读者从时间轴理解美军数据工程体系的发展现状，避免行业人士经常遇到的把数年前的探索或试验作为关键成果学习研究，白白浪费了大量的精力。

通过这两章的内容，读者能够了解美军数据工程的最新进展，跟世界上最先进的军事数据理论和工程应用对齐，把主要精力放到借鉴学习美军数据工程方法和经验上去。

美军数据工程体系跟商业领域的数据管理体系不同，因为军事领域的事后服务至关重要，毕竟大量的产品和系统是需要在作战过程中不断优化调整，同时还需要维护和保障的。商业领域的产品和系统尽量设计为自服务模式，即尽量由消费者自行解决使用中服务问题。

如果非要进行对比，军事数据工程更接近工业装备的使用，事后服务对装备系统的使用效果至关重要。在本报告的第3章，编写团队呈现了数字孪生战场实验室长期研究的成果，即“+线程”（+Thread）的数据工程体系，包含了多个新的概念，例如数字线程（Digital Thread）、任务线程（Mission Thread）、数据线程（Data Thread）等，通过这些“+线程”概念组成的数据工程体系，体现了数据生命周期管理相关的多方面问题。

为了说明装备的数据工程体系，《军事数据研究报告》通过第4、5、6章的分析，较为系统的呈现了美军迄今为止在做的工作，以及未来希望到达的效果。

在本报告的第4章，主要介绍了美军过去十年持续推动的系统工程现代化计划。众所周知，2018年美国国防部发布《数字工程战略》，确定了数据驱动的基本原则；后来经过四年左右的时间，美军建立了基本的数字工程体系，然后它继续推进跟任务的衔接，这就是大家熟悉的任务工程。这部分的内容在《数字工程白皮书》和《数字工程研究报告》有详细介绍，有兴趣的读者可以参考。

值得注意的是，编写团队对于数据驱动的系统工程现代化问题，提炼出“去非标化”的结论，这有助于装备行业人士从数据的视角去理解数字工程体系。数据驱动方法从底层解决“非标化”分别代表的利益相关者牢牢掌握在手中的“数据权”。

行业人士往往对美军如何在装备领域推进“数据驱动”（Data Driven）存疑，实际上，如果大家把注意力转到数字线程就容易找到答案。在本报告第5章，编写团队分别介绍了数字线程和任务线程跟数字工程体系的关系，最后还分析了数字线程和任务线程的螺旋模型，这是美军数字工程近几年花费大量力气进行推广和创新的内容，值得读者再三思考。

在《军事数据研究报告》第6章，编写团队分析了美军未来装备数字化转型的目标。

为了建立跟大国对手“不公平”（Not Fair）的先进装备能力，美军力求加快推进基于数字孪生体的数据工程。其中道理很简单，因为只有实现了这样的目标，美军才能以更快的速度把联合作战需求转化为装备系统需求，并通过采办体系落实下来，读者可以从2025年11月10日美国战争部长赫格塞斯发布的《采办转型战略》中找到答案。

数字孪生战场实验室的研究显示，数据驱动的装备数字化转型进展并不快，其中原因耐人寻味。各个军工企业从美国战争部获得数百亿的订单，自然不愿意轻易把其中决定差异化优势的数据共享给竞争对手，甚至也不会轻易给到美国战争部，以免造成事实性的技术扩散。因此，读者容易理解美军推动数字工程的难处，历经数十年，美军在1991年海湾战争所期待的以网络为中心的数据战略，一直没有得到真正落实。

这种情况在作战领域相对好一些，不管是哪个军种或者领导，都需要在联合参谋部统一指挥下开展联合作战行动，特别是情报数据的共享，更是决定了一场战役的成败，这使得执行效率相比较高。

作为作战的数据工程研究内容，本报告第7章分析了美军在传感器情报领域推进数据科学和工程的情况。美军在过去十多年，都在努力解决军事数据的应用问题，但直到图像识别在2010年之后骤然突破，使得图片情报的自动化处理成为可能，导致传感器情报的挖掘能力大幅上升。这种突破是深度学习和机器学习发展带来的，基于美军实际应用情况，本报告把传感器情报称为数据工程的“杀手级应用”（Killer Apps），成为人们了解数据工程最直观有效的应用场景。

在本报告的第8章，编写团队分析了数据驱动的杀伤链和杀伤网的情况。美军借助数字孪生体、人工智能和数据科学等先进技术，围绕杀伤链工程推进下一代联合作战样式，这就是美国战争部全力推进的数据驱动的“杀伤链->杀伤网”转型。

兰德公司在2024年发布的《为以数据为中心的作战做好准备》（参考附录A）的报告中，较为详细介绍了美军正在推进的“以数据为中心的作战”情况，这跟本报告所分析的思路是一致的，这意味着未来作战的运行逻辑一定是数据驱动，只有这样，才可能充分释放智能化战争的潜力。

虽然美军推进数据工程的时间长达二十多年，以及在2010年之后开始加快推进数据战略，但直到2020年才发布《美国国防部数据战略》，确定了数据工程在未来战争中的关键地位。即便如此，美军的数据工程体系还处于发展中，特别是首席数字和人工智能办公室还在不断演变，既需要考虑数字工程的数据工程问题，还要为联合作战提供更好用的数据工程工具链生态，这正是本报告第9章展望的内容。

从第9章的小节题目，读者应看到多个关键词：数据工程、AI/ML、高质量数据、数据线程、装备生命周期管理、杀伤链工程以及面向AI的数字孪生体（DT4AI）/面向数字孪生体的AI（AI4DT）等，这些内容为大家画了重点，它们是美军正在进一步推进的数据工程战略的重要概念，是现代化数据工程体系的一部分。

在最后一章（第10章）的分析中，编写团队对比了中美两国的军事数据发展情况和水平，针对性的提出了多条改进意见。

美军较早认识到军事数据的重要性，通过“体系分析-发展战略-技术生态”的三步走策略，形成了不断优化的改进模式，不断推动军事数据工程的发展。

相比之下，我国还缺乏独创的数据工程理论研究，对军事数据技术的认识，大都停留在就数据谈数据的状态。借鉴美军推进数据工程发展的策略思路，我国应从技术融合的角度，探究数据技术在整个体系工程中的定位，以及在实际的装备和作战创新工作中，尝试引入军事数据工程体系。

数字孪生国防系列报告的读者曾不断催促《军事数据研究报告》的发布，然而考虑到对积累资料的深入解读，以及构建的军事数据工程理论体系的可靠性验证等问题，截止到2026年初《军事数据研究报告》正式对外发布。

希望耐心等待的读者满意。

说明：以上内容来自《军事数据研究报告》摘要。

《军事数据研究报告（2026）》基于近五年的战略报告、演讲稿和智库报告等资料，采用体系工程方法论，对美国战争部推进数据驱动的方法以及军事数据工程体系做了深入分析，能帮助读者了解军事数据工程完整的体系。