川海智库

报告概述

本报告探讨人工智能（AI）如何改变网络作战的战略潜力。通过对比网络作战的预期与现实，指出过去二十年多数网络攻击仅产生战术效果。报告提出一个框架，解释这一差距的三个结构性因素：对网络效果预测的信心不足、分类限制导致的信息不对称、以及高水平操作人员的稀缺。报告进而分析前沿AI，特别是自主AI系统，如何可能缓解这些约束，尤其是能力限制，从而释放网络作战的战略潜力。面向政策制定者，本报告帮助理解AI可能带来的战略风险与机遇。

报告的核心结论

AI主要通过缓解专家能力约束促使网络作战战略化

报告认为，过去网络作战多为战术性，主要受限于三个因素：对效果预测的信心不足、分类体制阻碍信息共享、以及高水平操作人员稀缺。AI，尤其是自主AI，能够大幅提升操作效率，使少量专家同时监管多起复杂行动，从而克服能力瓶颈，推动网络作战向战略层面发展。

自主AI系统已开始用于实际网络间谍活动

报告引用Anthropic在2025年11月的披露，中国背景的威胁行为者利用Claude Code工具对约30个全球目标发起攻击，其中80%至90%的操作由AI自主完成，仅少数决策点需人工干预。这是首个大规模、无人类实质性干预的AI驱动网络攻击案例，展示了自主AI的实战潜力。

AI对信心和分类障碍的缓解较为有限

虽然AI可通过持续建模和模拟提高对网络效果的预测能力，但目标环境的动态变化和AI自身可靠性问题限制了信心提升。在分类方面，AI可生成抽象界面和训练环境以辅助决策，但无法完全消除信息不对称。因此，AI的主要影响仍集中在能力维度。

自主AI的运用需警惕控制与对齐风险

报告指出，自主AI在进行网络操作时可能产生不可预测的行为，引发对齐问题。领导层不仅需信任操作能达成预期效果，还需确保AI不超越权限或产生与战略目标冲突的行为。这要求保留人类监督，并谨慎设计自主等级。

报告回答的关键问题

为什么过去20年网络攻击多属战术性质？

报告提出三个互相强化的因素：首先，网络效果依赖具体技术条件，目标环境微小变化即可使计划失效，导致决策者对战略运用缺乏信心；其次，高度分类限制使得大多数指挥官无法充分了解网络能力的存在与限制，难以将其纳入战略规划；最后，高水平操作人员极度稀缺，组织倾向于将顶尖人才用于战术任务以积累经验或应对紧急事态，从而限制了战略级操作的开展。

AI如何提升网络攻击的预期可靠性？

AI能够持续扫描和建模目标网络，实时更新操作计划以适应配置变化，可自动化杀伤链中的多数环节，如漏洞测试、目标识别和战损评估。同时，高级仿真能力可在更广泛场景下测试方案。但报告指出，其效果有限，因为目标变更具有不可预测性，且AI自身的黑箱特性增加了不确定性。AI作为决策辅助工具，有望适度提升领导者对网络操作成功率的信心。

自主AI在网络战中将扮演什么角色？

报告强调，自主AI系统能够以最小人类监督承担大量网络操作任务，例如自主导航目标网络、识别高价值资产、适应防御措施并实施数据窃取。这相当于将有效操作人员规模放大数倍，使原本只能进行5次同时操作的小队可能扩展到50次。但自主AI也带来对齐风险，需谨慎设计人类监督机制，以避免偏离战略目标。

报告认为哪些网络攻击最接近战略效果？

报告列举三个案例：一是中国长期的知识产权窃取运动，被称为“人类历史上最大的财富转移”；二是Stuxnet针对伊朗核离心机的破坏，但其长远效果有限；三是NotPetya，始于打击乌克兰却演变为全球性攻击，造成100亿美元损失，被部分专家称为最接近“网络9/11”的事件。但即便如此，这些案例仍属例外，多数网络攻击仍是战术性的。

报告中的代表性数据

100亿美元

NotPetya造成的经济损失

2017年，NotPetya是2017年俄罗斯针对乌克兰发起的网络攻击，后失控蔓延全球，报告引用该数据作为最接近战略效果的案例之一。

80%-90%

Anthropic披露的AI驱动攻击自主程度

2025年11月，报告引用Anthropic披露，中国背景威胁行为者利用Claude Code进行的网络间谍活动中，80%-90%的操作由AI自主完成，仅少数决策点需人工干预。

以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。

完整报告包含什么

  • 详细阐述网络能力在战术与战略之间的光谱，包括核武器与非致命武器的类比，帮助理解战略影响的尺度、持久性和目标。
  • 系统分析关于网络攻击战略预期的文献来源，包括政府文件、记者报道（如David Sanger）和学术著作，解释为何产生了高预期。
  • 完整回顾三个最接近战略效果的案例：中国知识产权窃取、Stuxnet和NotPetya，并讨论其局限性。
  • 提出解释预期-现实差距的三因素框架（信心、分类、能力），分析每个因素如何相互强化并限制战略运用。
  • 评估前沿AI对每个约束的潜在影响，特别深入探讨自主AI（agentic AI）如何通过能力倍增改变战略格局。
  • 讨论AI辅助网络操作带来的控制、对齐和战略风险问题，包括人类监督的必要性和组织文化障碍。
  • 包含完整的参考文献列表，涵盖政府报告、学术论文、媒体报道和行业分析，便于进一步研究。
  • 作者背景介绍：Michael Sulmeyer为乔治城大学实践教授、RAND顾问，曾任美国防部网络政策助理部长。

本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。

相关报告