战争一直是速度、战略与混乱交织的剧场，但如今，舞台上的表演者已然改变。人工智能不再局限于将军、飞行员和分析师，它已昂首步入作战室，以令人既惊骇又振奋的沉稳姿态，在屏幕与网络间翩然穿梭。正如纽卡斯尔大学讲师克雷格·琼斯所指出的，人工智能如今压缩了“杀伤链”，将目标识别到摧毁的时间缩短到先前冲突中几乎无法想象的程度。本质上，炸弹的落下速度可以快于思考的速度。
2026年美以对伊朗的打击，为这一新图景提供了例证。琼斯认为，如果没有人工智能，如此协调的行动“以前是不可能，或者说几乎不可能以那种方式完成的”，这凸显了该技术作为军事决策助手和主要推动者的作用。五角大楼从 Anthropic 的 Claude 迅速转向 OpenAI 的模型和 xAI 的 Grok，展示了这些工具的战略价值：它们已不再是实验性玩具，而是关乎存亡的重要工具。
从信息科学的角度看，令人震惊的是人工智能系统接收和解读数据的速度与体量。历史上，美国空军以“思考速度”作为决策的基准，这一标准在二战时期，从侦察到轰炸可能需要数月。如今，数TB的航拍图像、电子信号、人力情报和社交媒体流言几乎可以被即时解析。这正是弗洛里迪（2016）所称的“信息圈”的教科书式案例——一个人类与智能体共同生产知识的混合领域。在战场背景下，信息圈是致命的：每一个字节都可能转化为一次打击。
人工智能的影响超越了分析层面。博伊德（1987）在军事理论中提出的传统OODA循环（观察、调整、决策、行动），在人工智能加持下已变成增压的反馈循环。观察通过卫星和电子数据解读实现自动化。调整和决策由预测算法加速，这些算法能在毫秒间权衡数千种场景。行动通常由自主无人机执行，在信号被干扰时，它们可在无人监督下运作。换言之，人工智能既是战术家也是执行者，模糊了规划与战斗之间的界限。
然而，速度并非确定性的同义词。琼斯警告，战争中的AI“将错误的程度放大了数个数量级”。即使在人类主导的作战中，错误也在所难免，但AI会放大它们。一个误分类的目标、一个误解的信号或数据管道中的一个小故障，都可能级联成灾难性后果。这与佩罗（1984）的“正常事故”概念相符，即由于紧密耦合和交互复杂性，系统不可避免地会产生故障。现代AI赋能的作战室，以其数据流和自动化响应，在全球范围内体现了这种紧密耦合的复杂性。
伦理与问责构成了这个算法线团的另一个结。阿米尔·侯赛因指出，国际法仍然要求人类对战场决策负责，但AI模糊了行为主体的位置。这引发了类似于拉图尔（1992）行动者网络理论的问题：如果人与机器都是行动者，当发生误击时，谁应承担道德和法律责任？此外，伦理计算是功利主义的：速度和效率是否应凌驾于人类监督之上？节省的每一毫秒，是否伴随着不成比例的道德成本风险？这些都是从康德到辛格的哲学家们在模拟领域争论不休的问题；而在战争的数字剧场中，它们获得了令人胆寒的现实紧迫性。
这个剧场并不仅限于动能打击。网络战已成为人工智能惊人能力的游乐场。伊朗长期作为精密的网络行为体，现正尝试利用AI辅助的攻击。借助诸如 Meta 的 Llama 等开源模型，伊朗团体可以进行自主侦察、制作有说服力的钓鱼活动并大规模调整恶意软件：所有这些都不再需要为每次行动配备顶级程序员（沃尔特，2026）。诸如算法代理和分布式认知等信息科学概念揭示了这种动态：系统本身成为一个行动者，在网络间协调，探测漏洞，并从响应中迭代学习。
其影响遍及全球。人工智能现已部署在多个战场：乌克兰上空的自主无人机、以色列-哈马斯行动中的目标识别，以及横跨基础设施网络的AI赋能间谍活动（梅伦，2026）。每一次部署都改变了对战争的传统理解：速度压倒深思熟虑，算法推断取代人类判断，复杂性呈非线性增长。这与海勒斯（1999）关于分布式认知和后人类状况的观点相呼应：智能与单一心智解耦，并在人、机器和数据的网络中实例化。
