🏠

Maven出现前，美军已在海外作战中大量使用察打一体无人机，也就是大家熟知的MQ-1“捕食者”、MQ-9“死神”。它们配备了高性能的光电设备，滞空时间也很长。结果一架MQ-9飞一趟，就能产出TB级的视频数据，相比以前是几何级暴涨。但情报分析师的人数没办法几何级增加，结果就是：传感器越强 \( \longrightarrow \) 数据越多 \( \longrightarrow \) 人越累 \(\longrightarrow\) 有价值的情报越容易漏。而且这个问题的本质是：人的生理极限，无法匹配技术发展，不是“多加几个人”能解决的。

于是在2017年4月，时任美国副国防部长罗伯特·沃克签发备忘录，成立“算法战跨职能小组”，代号Project Maven。目的也很明确：用机器学习技术，自动从视频/图像里识别目标、跟踪轨迹，把情报分析师从“逐帧看片”的苦役里救出来。注意，这时候Maven的目标还只是“图像AI处理”。

美军最开始为Maven系统找的合作方是谷歌公司，投资7000万美元，由谷歌做图像识别算法，给无人机视频分析提供计算云（硬件）+AI模型（软件）。但是在 2018年4月，谷歌公司内部4000多名工程师联署抗议，拒绝为“杀戮技术”背书，于是谷歌退出了。不过这4000人大概没想到，他们的行动反而加速了美国军用AI 的发展，因为接盘的帕兰蒂尔公司，比谷歌激进得多。

帕兰蒂尔公司成立于2004年，CIA旗下的风投公司In-Q-Tel投了200万美元。最早的主要客户就是CIA，后来还有FBI、NSA（美国国家安全局，就是“棱镜门”的主角）、国防部。公司为政府部门提供的第一款产品是2008年左右的Palantir Government，就是后来的“哥谭”（Gotham）。

“哥谭”的核心能力是将不同来源的数据——监控记录、通话记录、金融交易、人员档案甚至DNA数据——整合为一套图谱，然后用关系链技术做分析。分析师可以从已知的一个电话号码出发，追溯到关联的人员网络、地理移动轨迹、资金流向，从而形成目标画像，发现资金流、指挥链中的隐藏关系。这套系统曾帮助银行追回10亿美元诈骗款，而且传说它协助CIA找到了本·拉登。

但要真正实现这一点，难点太多。比如情报数据的格式极其异构，有图像、有社交网络日志、有电话记录，种类太多、来源太多，如何实现融合且又可追溯？ CIA的情报数据需要极为细节的权限管控，如“某个人在某个节点对哪些数据有部分权限”，如何实现，修改了怎么办？所有人用一个系统协同工作，分析结果如何驱动真实工作流（提交审批、标注目标、关联实体）？“哥谭”系统为此啃了十多年。

十年磨一剑，它也真正打下了根基。2019年，在Maven的激烈竞标中，帕兰蒂尔比任何竞争对手都更有准备——“哥谭”和Maven，两者技术要求本来就类似。帕兰蒂尔公司胜出，接手Maven。随后他们基于为CIA开发“哥谭”的经验，提出把Maven做成一套更完善的AI协同业务系统，在原有“识图”需求上往外扩了一整圈，把整个杀伤链，目标认定 \(\twoheadrightarrow\) 目标审批 \(\twoheadrightarrow\) 行动审批 \(\twoheadrightarrow\) 回写评估，都包进来。

这样的计划在当时可以说非常令人怀疑：AI的决策能相信吗？错了谁来负责？信息安全如何控制？决策过程如何审计和追溯？但Maven通过三次质变，证明这个计划可行。

先说个基本前提——战场上，欺骗、隐藏是常规操作，因此单一信息来源的分析可靠性必然不够，甚至可能得出完全错误的结论。帕兰蒂尔公司把“哥谭”系统的底层技术搬了进来，将卫星照片、无人机视频、电子侦察情报、地理定位统一进一个界面，进行多源融合分析。是什么底层技术呢？这可是帕兰蒂尔的核心法宝，后面会讲到。

操作员在系统界面中手动绘制区域，系统就自动进行图像识别，检测区域内的实体是否为潜在目标，进行标示。一般用黄框表示潜在目标，蓝框表示友军或者禁区（学校、医院等）。

随后的工作流是：AI提名 \(\twoheadrightarrow\) 人工确认 \(\twoheadrightarrow\) 系统发火 \(\twoheadrightarrow\) 命中 \(\twoheadrightarrow\) 在界面看到毁伤效果。在本文开头提到的，2020年用“海玛斯”火箭弹打废弃坦克的演习中，这个基本工作流、链路，通了。但耗时 743分钟，因为每环都在“手工接力”。AI只做了“目标提名 \(^+\) 坐标推送”，选武器、规划路线（也就是“作战方案推荐”）还是人工。毁伤评估（BDA）也只是写回靶场库，保证能在大屏幕看到，但目标情况变化没进“本体”闭环。

注意这个词：“本体”（Ontology），这就是帕兰蒂尔公司所有技术能力中，最核心的一个概念。官方表述是：“帕兰蒂尔本体是一个统一语义层，它对应务中的真实世界对象、关系和动作进行建模——从而使人类和AI都能基于你的数据进行分析推理，并与人类互动，推动实际工作流。”

对这一概念，虽然下文尽量以通俗语句介绍其核心意义和作用，但看起来还是有点枯燥，读者朋友可以直接跳往下上一小节——也有亮点：2000人→20人。

在具体如何设计“本体”上，帕兰蒂尔官方文档有两套口径：一套是“构件级”，一套是“架构级”。

构件级本体有四个维度。第一，类型（Object Type），在真实世界中代表一个实体，人、事、物，比如雇员、加油指令、雷达站等等。第二，属性（Property），是实体的特征，比如雇员的受雇日期，加油量、雷达站的坐标。也有跨类型复用的属性，比如操作权限。第三，关联（Link Type），是指两个实体之间的关系模式，比如上下级、归属。第四，动作（Action Type），表示对上述三个维度的操作，比如指派雇员、更新坐标、创建关联。

“本体”对数据融合有明显好处。比如，一组无人机数据里面有目标类型“爱国者”导弹，“坐标xx，xx”，另一组卫星数据里有坐标相同的目标，但类型为“发射车”，二者就可能是一个东西。系统可以自行调用模型进行比对判断，只要判断为同一个目标，其数据就可以合并处理了。

其实“本体”这个概念，在知识图谱技术领域并不新鲜。但知识图谱的本体只有“名称”“属性”“关系”，帕兰蒂尔的创新是增加了“动作”，也就是“这个对象能进行什么操作”，就和真实世界一样。比如说：某种飞机，“发射某种巡航导弹”就是它的“动作”之一。操作写进本体定义，跟着本体走，而不像一般的系统里，操作命令都在菜单或者工具上。因此，帕兰蒂尔将其称为“动态本体”。

架构级本体也有四个维度。第一，数据（真实世界的信息数据就像是在各种“框”里，里面也是七七八八混成一堆。本体构件好比一个个“架子”，本体层叠好比一条“分拣线”，终端就是这些架子。分拣线把柜里的信息，按照架子的标签，分开放到架子对应的位置，就得到了类型、属性、关联、动作等，完成建模。这样，所有的人或AI都可以到架子相应的位置去拿或放相应的信息，已对拿到的信息什么信息没有疑义，这就叫“统一语义”。）

规定逻辑？可以这么理解，对于需要仿真推理的，AI使用大模型；但有程序规定的，就会调用逻辑。如果都让AI自行发挥，那后果可能就会是灾难片里面那样了。

“本体”有不少优点。通用性：大家都“说同一种语言”，就好像个人档案表，不管谁来读，理解都一致，这就消除了部门/系统之间的歧义。可实现数据孪生：通过本体把现实情况实时镜像到系统中，支持模拟与推演。逻辑严密：通过定义的逻辑，控制推理链条，消除大模型的幻觉。安全可控：权限细到对象级/字段级，随数据流转不失效。复用性：一次建模，多应用复用，大幅降低开发成本。这五大优点，对于AI系统的完善、升级和发展，非常有益。

743分钟，完成一次“海玛斯”火箭弹的精确打击，时间很长，似乎没有实战价值。但第18空降军由此开始每季度一次的“猩红之龙”演习，频率与Maven算法 90天更新周期同步。帕兰蒂尔公司的FDE工程师直接在现场快速迭代，发现问题立刻修改再测。结果到了2022年，就有报道显示：他们用Maven模拟2003年伊拉克战争中同样的打击过程和效果，只用了20个操作员，而伊拉克那会儿需要2000 人的团队。这是一次量级跃迁。

说到这一进步，就不得不解释下上一段出现的缩写——FDE。全称是“前置部署工程师”（Forward Deployed Engineer）。只要研究过帕兰蒂尔公司，就大概率听说过FDE。他们被长期派驻在客户现场（就是CIA、美军等等），与客户业务人员肩并肩协作。有人大概会说：不就是驻场开发么，都这么弄啊？美国别的军工集团不一样驻场吗？还真不一样。

传统军工的驻场是系统集成/售后工程师，解决“系统跑不跑得起来”。FDE是“软件工程师 \(^+\) 业务建模师”，解决“数据怎么清洗、业务流程怎么设计本体”；汇报线回到帕兰蒂尔公司，给的是产品开发，不是项目交付经理。这意味着FDE发现的业务痛点不是锁在某一单交付里，而是直接反哺产品迭代，迭代速度极快。那他们具体干什么呢？可能在现场开发一个新的本体，可能在为NGA 分析师的优化目标追踪流程，也可能在帮助CIA的数据团队清洗一批异构情报数据。

这一模式还有另外两个关键好处：FDE懂业务也懂软件，有时比客户还清楚瓶颈在哪；建立了组织级信任，竞争对手就算技术更好，也很难撬动这层关系。

以上本始于“演习 \(^+\) 靶场”，结果却出乎意料。

2021年8月，美军撤离阿富汗。当时喀布尔机场的场景是：12万人要空运走，有自杀炸弹威胁，友军、平民、塔利班、IS-K恐怖组织（伊斯兰国呼罗珊分支）混在一起。当时第18空降军负责现场的高级情报官Joey Temple刚刚任职。他后来接受采访时说，帕兰蒂尔公司的代表来找他试用Maven demo，他直接拒了：“这东西根本行不通，我不需要多一个瞄准目标。”但面对极其混乱的状况，华盛顿又分分钟追着军方要数据——“机场到底多少人”，于是上司强迫Temple使用 Maven。结果他在系统里看到一个屏幕，所有信息全能在这里看见，飞机运动 \(^+\) 物流监控 \(^+\) 威胁监视 \(^+\) 关键人员位置。他甚至惊喜地发现，“我能看到多纳休将军（师长）在四处走动”。Maven获得了一线军官的认可，从而真正走到实战环境。

Maven在这次撤离行动期间具体干的事有两件。第一，机场人群统计，这也是帕兰蒂尔在CIA就干过的老本行。第二，多源融合界面。撤离高峰时，数百用户同时在线用Maven，查看飞机、物流、威胁、关键人员位置等各种信息。

五角大楼高层官员就是从这时开始，陆续申请进入Maven系统。

2022年2月，俄乌开战前，第18空降军就被派往德国威斯巴登，随后组建了“龙特遣队”（Dragon Task Force）援乌，负责协调对乌情报共享、火力引导、风险评估等任务。他们把Maven带了过去，结果却是系统齐爆。

坑一：图像识别率狂掉。Maven的算法之前是在阿富汗沙漠训练的，到乌克兰的雪地 \(^+\) 城市后，直接查了。没办法，帕兰蒂尔的人驻场，微软、亚马逊后方在线支援，模型连夜重训：纯图像识别标出来 \(\twoheadrightarrow\) 黄框，图像识别 \(^+\) 电子侦察分析交叉确认 \(\twoheadrightarrow\) 蓝框（分析员看颜色知道置信度），45天更新了一个层级。尤其是引电子侦察信号交叉识别，这是第一次。

坑二：网络大拉膀。8秒加载一张图，融合态势等到花儿都谢了。仔细排查后发现，加密审批导致跨大西洋数据往返四次，军网加密模块是瓶颈，老军网带宽太小。帕兰蒂尔公司向军方反复申请后，国防部特Maven算法迁到亚马逊保密云，将德国与俄亥俄联通。9月，延迟压到90毫秒，但云费用烧到每月100万美元。资本家不会学雷锋，亚马逊保密云和“星链”一样，都不会无偿援乌。

前10个月，系统更新60次，但终于填完了两坑，而且战果非常显著：日均兴趣点（就是潜在目标）从初期的30~35升至年底70，单日峰值267；“海玛斯”火箭炮打击后勤基地（弹药库 \(^+\) 油料中心）开始由Maven参与或主导……

2022年在赫尔松地区，Maven就深度参与了一次针对俄军导弹发射车的行动，从发现到摧毁，整个过程不再是743分钟，而是18分钟。

当时俄军一辆导弹运输发射车（TEL）从隐蔽车库里开出，被卫星、无人机拍到。 Maven融合两个情报源后，AI识别为“疑似TEL”，标了黄框。随后电子侦察捕捉到该车坐标处发出的信号，判断是正在做发射准备。这个新情报与前面的交叉验证，黄框就变成了红框。随后系统自动填好火力指令的大部分内容，目标坐标、距离、描述等等，进入审批环节。系统先检查攻击行动会否触碰红线，结果计算出目标点距离最近村庄1.4千米，医院2千米以上，不触发红线。火力协调员人工点击确认，同意了这次打击。火力指令被自动发送给一门“海玛斯”火箭炮，后者发射弹药，命中目标。接着，一架无人机过顶拍摄，图像经过AI处理后，判断为“车辆焚毁、发射架损坏”，目标状态回写为“部分摧毁”。打击工单关闭，形成一个完整的闭环。

俄乌冲突战场和2022、2023年，Maven进步的标志性事件不仅有稳定的实战表现、“18分钟”，还有AIP的推出，以及美国国防部推动Maven正式列为“制度化采购项目”（Program of Record）。

AIP是“人工智能驱动平台”（AI Powered Platform）的缩写，是在大语言模型技术问世后，帕兰蒂尔公司推出的新产品，于2023年5月发布。它为Maven接入了大语言模型能力。

Maven可以接入第三方的模型、软件等，AIP就是它接入大模型的接口层，Claude、 GPT、Llama等等都能插接，按情况选择，Claude效果相对最优。AIP也服务于帕兰蒂尔全产品线，除了Maven、“哥谭”，还包括Foundry，是它们的统一大模型接口产品。

这里顺带说一下Foundry，帕兰蒂尔公司在2016年推出的一个平台。它不是面向政府用户，而是面向商业客户，覆盖医疗、制造、金融、能源等多个行业。这些行业的数据也分为各种类型和来源，也有很多层严格的权限管理，也需要驱动审批流程。因此Foundry与“哥谭”的底层技术高度一致：数据血缘追踪、对象本体建模、数据与应用解耦、权限嵌入数据层。但也有清晰的区别。通俗地说就是：“本体”四件套完全一致，不同的是做什么事，吃什么数据，还有安全管理的方式。后来，Foundry部署到北约基地，服务乌克兰的情报分析，也同样可用。

据帕兰蒂尔公司官方介绍，空客公司花费几千万美元使用Foundry的服务，把订制飞机的ROI（投资回报率）提高了20倍。Foundry的意义不仅是商业扩张，还证明帕兰蒂尔的方法可向不同领域迁移，标志着系统方法论的成熟。

回到AIP，它为Maven带来了四点优势。第一，自然语言操作Maven，不用学复杂界面。第二，远超单人的分析 \(^+\) 推理能力。因为它既利用了大模型的优势，又有“本体”约束，既放得开又兜得住。第三，权限合规，每一步都用操作员的身份执行，可审计。第四，人的角色转变，只需要贡献最核心的判断力，剩下的事交给AIP。每一个重要节点都由人结合Maven的内置逻辑来判断，收获了大模型的能力，又避开了大模型的幻觉。

2023年11月，美国国防部推动Maven正式列为制度化采购项目。这代表项目通过了能力验证，被纳入多年期预算计划，以后预算更稳、扩展更快、迭代更有计划。能拿到这个地位的军事AI项目极少，绝大多数会永远停在实验室或靶场。在这个标志性事件中，官方文件还把“Project Maven”正式更名为MSS，即“Maven Smart System”。“Smart System”这两个词，一般表示系统智能程度得到认可，这一点上，AIP有直接贡献。

至此，Maven完成了第二次质变，把“提名→方案→审批→执行→毁伤评估→状态回写”，从半手工接力变成了全链路闭环。

2024年5月，五角大楼的首席数字与人工智能办公室（CDAO）推动Maven向全军种、五大战区及北约盟友扩展。Maven从陆军的单点工具，变成了跨军种、跨盟友的联合平台。

你想复制帕兰蒂尔的成功吗？那需要的条件、要做的努力还真不少。

首先是得进入这个渠道。帕兰蒂尔最早的投资方是CIA旗下的风投 In-Q-Tel（IQT）。没有这笔投资，帕兰蒂尔根本进不了CIA的大门，就会陷入死循环：进不去 \(\nleftrightarrow\) 不真懂需求 \(\twoheadrightarrow\) 做不出好产品 \(\twoheadrightarrow\) 进不去。而且他们不仅是进入渠道，还有和老牌军火巨头叫板的实力和胆量。2016年帕兰蒂尔起诉美国陆军，理由是陆军在投标中不公平操作，不用技术上更先进的它们，而用了雷锡恩公司。结果帕兰蒂尔胜诉了，2018年起，合同由两家共同承担。随后的实战证明，帕兰蒂尔的技术实力更强，于是在2019年赢得独立合同。

其次是灵活的采购和持续的支持。美军给帕兰蒂尔的很多合同是IDIQ（不确定交付、不定数量）合同，不需要每次发起新的采购流程。这给了Maven随需求发展的灵活空间，适应了技术上的快速发展，没有让采购流程拖后腿。2023年， Maven被列入制度化采购项目，从此预算稳定，进入持续选代的体系。还有CDAO （首席数字与人工智能官办公室），统一了各部门共识，牵头制定体系和标准，协调NGA、OUSDI&S和各军种的需求，让大家聚焦同一套系统。对于跨部门的基础设施，这是决定性因素。这对于把Maven做成整个军队的AI基础设施，打通作战链条，非常关键。

第三是深度嵌入流程。帕兰蒂尔公司创始人曾在自传中写到：“结构性问题在于，当时负责设计军方软件系统的人员（包括位于马里兰州贝塞斯达的洛马公司的程序员）与软件的实际用户——前线的士兵和情报分析员——相隔甚远，彼此间缺乏联系与理解。”一个模型召回率 \(80\%\)，但完整嵌入工作流的系统，能立刻产生实效；一个模型召回率 \(95\%\)，理论上更优秀，但嵌不进工作流，链条断了，就没法用。这就是问题。帕兰蒂尔就做到了深度嵌入流程，闭合整个杀伤链。其中必然会发现很多问题，但就得发现问题才能解决问题，最终才能成长升级。Maven最初只解决视频识别这一个需求，在这一需求上，它完成了彻底闭环。

另外，Maven对于工作流中的安全合规，不是事后打补丁，而是设计之初，就把权限、审计、责任链条都考虑进去；从第一天起就把系统架构设计成平台，为多源数据接入、数据治理、跨域协同等功能都预留了接口。所以后来扩展时，没有出现根本性架构返工，而是顺势延伸。

有些人认为，现在民用AI技术发展很快，比如开源模型、氛围编程（一种由AI辅助的新型编程方式），建设军用AI的壁垒会快速降低。这个看法未必对。

开源大语言模型的进步，不能帮你“把陆军15个不同系统的异构数据清洗为统一对象模型”；氛围编程，也不能帮你“在NIPR/SIPR/JWICS安全域中，让20000个不同角色、不同权限的用户在同一套系统中协同工作而不崩溃”。解决这些问题需要大量现场工程经验、深度的客户信任和组织级的流程改造，这些只能通过长期、深入的一线接触获得，没法“弯道超车”，也正是建设军用AI的壁垒所在。

还有军用AI系统的更新，可不是民用系统那么简单。我们的互联网软件都怎么更新？弹窗 \(\twoheadrightarrow\) 下载 \(\twoheadrightarrow\) 一键重启，完事，全程无痛。军事场景可完全不同一内网隔离、全球部署、带宽不稳定、打着仗不能停。因此，绝大多数软件公司对此根本没有可靠的系统性解决方案。他们的办法只有打不完的补丁和不时闪现的新版安装文件，军方看到就头疼，也无法保证稳定。

帕兰蒂尔公司则是在2018年专门推出一款产品，Apollo。它是把公司内部部署工具产品化，专门解决：在物理隔离环境中推送更新，在低带宽下管理版本迭代，在多个安全域中维护不同版本，实时监控运行状态和故障恢复。

有了Apollo，帕兰蒂尔才敢对客户做出承诺：不管什么部署环境，软件会持续更新、持续运行。

“哥谭”（Gotham）在CIA经历了十年实战；Foundry实现情报综合分析能力跨界迁移；Apollo实现了复杂环境下的可靠部署；Maven成为军用AI基础设施；AIP为它们接入大语言模型。

从2004年成立到现在，帕兰蒂尔在最严苛的环境（情报机构、银行、军队、执法部门）中打磨了二十多年，在“把AI能力嵌入复杂组织流程”这件事上，完成了别人没完成的工程积累。

[编辑/熊伟]