一套来自中国航天实验室的新系统，正悄然改变卫星监控的运作逻辑。

中国航天科研人员近期推出了名为"空中目标代理系统"的人工智能平台，将大型语言模型（LLM）与多个协同AI智能体深度融合，赋予卫星图像识别系统一种此前从未有过的能力：不仅能"看"，还能"想"，甚至能"决定"。

这套系统的核心架构被研究团队形象地称为"大脑加工具大军"。LLM在其中扮演中央指挥角色，负责分解任务、筛选算法、协调工作流程，并在系统遭遇障碍时自主恢复运行。整个过程几乎无需人类介入。

它能做的，远不止"看图识字"。系统可以自主解读卫星影像，从中推导结论，并直接触发响应动作。测试数据显示，这套架构可以大幅压缩情报分析时间，在动态场景下依然保持较高的稳定性，这对实时目标识别任务来说意义重大。

透明度背后，是一场没有终点的军备竞赛

中国科学院研究员王磊表示："未来，我们将进一步探索在更大规模、更真实的应用场景中的部署和优化策略。"这句话看似低调，却清晰勾勒出这套系统的战略野心，即从实验室走向实战网络，最终嵌入更庞大的卫星集群与指挥控制体系。

值得注意的是，中国选择通过学术渠道主动公开这一系统，被外界解读为某种"透明度姿态"。相比之下，美国在伊朗冲突中大规模应用的"Maven智能系统"至今仍有大量细节属于机密。这种信息不对称，本身就是军事AI竞争场域中的一种博弈工具。

然而，透明度并不等于无风险。中国此前一贯强调军事AI应保留人工监督，但"空中目标代理系统"的设计哲学恰恰与此形成张力，它的核心卖点，正是将人类决策从链条中尽可能剥离出去。

当AI扣动扳机，谁来负责？

这不是一个假设性问题，而是一个正在真实战场上被反复追问的现实难题。

2026年2月28日，美国对伊朗发动代号"史诗烈怒行动"的大规模空中打击，在最初24小时内对超过1000个目标实施了攻击。这背后，Palantir公司开发的Maven智能系统全程参与了目标筛选与打击决策，整合了雷达信号、卫星图像、无人机影像与电子通信等多源数据，让指挥官只需"点击屏幕"就能从目标识别一路推进到打击方案生成。

美国海军上将布拉德·库珀称赞这套系统能"在几秒内筛选海量数据"，让己方"比敌人反应更快"。但问题也恰恰出在这个"更快"上。

同年2月，伊朗南部米纳布市一所名为"谢贾拉·塔耶贝"的女子小学遭到巡航导弹打击，超过170人罹难，其中绝大多数是孩子。调查显示，这所学校原属一处军事基地，后已改建为民用教育设施，但相关情报地图未能及时更新，导致其被列入AI生成的目标清单。

国际特赦组织、人权观察等机构相继发表声明，要求追究相关责任。查塔姆研究所全球治理与安全中心研究主任尼尔扎·阿马拉尔警告："自动化偏见会导致目标审批沦为走过场，人们只是在执行机器的指令。"

这场悲剧，是人为疏失，还是系统性失控的预演？没有人能给出干净的答案。

如今，中国的"空中目标代理系统"同样将"最小人工干预"作为核心设计原则。当两个大国都在赛跑，比拼的不是"谁更负责"，而是"谁更快"，那么问责的空间只会越来越窄。

法学研究者指出，AI驱动的自主武器系统正在迫使国际人道法重新审视其最基础的原则：当一枚导弹由算法选定目标，由系统授权发射，人类的责任边界究竟在哪里？

军事AI的演进，本质上是一场关于控制权的哲学实验。而目前的轨迹显示，这场实验正在以远超治理框架的速度向前推进。