空中協同作戰：蜂群智慧如何實現不對稱優勢

作者：歐敏銓

當天空不再是由單一意志操控，而是一個具備自癒能力的無人機智慧網絡時，任何強大的單體武力都將顯得捉襟見肘。

source

在傳統戰爭的殘酷天平上，勝負往往取決於誰擁有更厚實的裝甲、更昂貴的雷達，或是更無畏的飛行員。然而，隨著人工智慧與分散式運算的介入，這條軍事準則正在被徹底改寫。

本系列前兩篇文章（《Shield AI：用AI驅動無人機重新定義前線》、《抗干擾！無人機如何完成戰場狙擊協同任務》）皆提到Shield AI 公司所開發的 V-BAT無人機，事實上，單機作戰只是它發展的第一步，想突破重圍、更深入戰方陣營，該公司還有一套具備集體智慧的「群飛技術」（Swarm Intelligence）：VAT Team，本文將深入來介紹它如何能做到小兵立大功。

數位飛行員們的空中協同作戰

要理解 V-BAT Teams 的強大，必須先解構其核心靈魂——Hivemind AI。傳統的無人機群高度依賴衛星鏈路或母機指揮，一旦中心節點遭到電子干擾或摧毀，整個集群便會陷入癱瘓，淪為空中的廢鐵。但 Shield AI 採取了完全不同的路徑，他們將每一架 V-BAT 都視為一個獨立的「數位飛行員」。 （下方影片來源）

這背後的技術支柱是強大的邊緣運算晶片。該公司新聞稿指出，V-BAT Teams 的每架無人機內部都封裝了搭載 NVIDIA GPU 的運算模組，這意味著所有的環境感知、目標識別與路徑規劃，都是在離地數千英呎的高空即時完成的，而非依賴遠端的雲端數據中心。

V-BAT 的數位大腦進化史，正是硬體算力競賽的縮影。根據 Shield AI 工程師的公開展示，其機載 AI 早期搭載了具備 21 TOPS 算力的 NVIDIA Jetson Xavier NX 模組；而根據該公司 2025 年最新公布的『Resilient Shield』專案進度，其核心運算平台已升級至效能更強大的 Orin NX，使其能在完全無視 GPS 的環境下，獨立支撐起蜂群作戰所需的邊緣運算與多機協同邏輯。

當這群無人機在空中交織時，牠們透過局部的低功耗數據鏈路不斷交換訊息，這種溝通更像是一種「意圖的共享」。例如，當其中一架無人機調整了觀測角度，其他成員會透過演算法預判其意圖，自動填補留下的偵察空隙。

這種無需人類干預的「分散式協同」，讓蜂群展現出類似狼群圍獵的集體智慧，即便在敵方強大的電磁屏障下，這群數位狼群依然能靠著彼此的殘餘通訊，維持任務的完整性。

》延伸閱讀：Shield AI Unveils V-BAT Teams: A New Type of Conventional Deterrence（Shield AI Blog）

將「電戰黑洞」轉化為狩獵場

過去，電戰系統（Electronic Warfare）是戰場上無人機的夢魘，密集的干擾訊號能輕易阻斷 GPS 導航與操控鏈路。然而，在V-BAT Teams的戰術架構下，這層原本用來防護的「電信屏蔽牆」，反而變成了 V-BAT 蜂群的指路明燈。

在行動的最前線，外圍的無人機維持著長時續航，構成了一張看不見的感測網。一旦某個區域出現異常的無線電反應或熱源，Hivemind AI 會自動派遣特定機組進入干擾區內部。

此時，V-BAT 會切換至「無視 GPS 導航」模式，單純依靠視覺慣性里程計（Visual Inertial Odometry，VIO）與地形比對技術精準定位。對於這群 AI 而言，敵軍的干擾源本身就像是黑夜中的燈塔，越是強力干擾，越是暴露了自己的位置。這種戰術最令人驚嘆的細節在於「自動目標識別（ATR）」與「視覺重構」，這是將 V-BAT 從「會飛的監視器」進化為「戰場數位大腦」的兩大關鍵。

1. 自動目標識別 (ATR, Automatic Target Recognition)

ATR 是 V-BAT 實現「感測器即射手」的核心演算法。傳統無人機需依靠後方操作員在螢幕上肉眼辨識敵我，但在高強度的干擾環境下，影像傳輸往往會斷訊。此時，V-BAT 機載的運算模組會接手，利用深度學習模型對 EO/IR（電光/紅外線）鏡頭捕捉到的像素進行即時推理。

這項技術能自動將雜亂地景中的目標（如防空飛彈車、雷達站或坦克）從背景中剝離出來。其強大之處在於，AI 會比對目標的幾何輪廓、紅外線熱特徵與運動狀態，即便目標躲在偽裝網下或採取短暫開機策略，ATR 仍能識別其特有的硬體特徵（如雷達天線形狀）。這讓無人機能在無需人工下指令的情況下，自動鎖定威脅並產出火控級的高精度座標。

source

2. 視覺重構 (Visual Reconstruction)

視覺重構 則是蜂群作戰中「集體智慧」的最高體現，主要解決單機偵察時的「視覺盲區」與「導航漂移」問題。當多架 V-BAT 同時覆蓋一個戰術區域時，Hivemind AI 會整合各機從不同視角（Angle of Arrival）捕捉到的 2D 影像數據。透過類神經網路演算法，系統能將這些片段合成一個具備深度資訊的 3D 虛擬戰場模型。

這項技術在無視 GPS 導航（GPS-Denied Navigation）中至關重要：無人機透過比對多機感知到的地貌特徵點，進行協同導航（Collaborative Navigation），有效抵消單機感測器的累積誤差。而在打擊層面，視覺重構能讓蜂群看穿敵方的「視覺欺騙」，例如從多個角度觀測同一目標，輕易分辨出真實的雷達車與充氣誘餌。這種多點融合的空間感知力，讓 V-BAT 即使在信號黑洞中，依然能維持極其精準的地圖精度與目標定位力。

source

「自癒」程序讓機群智慧始終如一

Shield AI 共同創辦人 Brandon Tseng 深刻明白，戰爭的本質是成本的消耗。因此，V-BAT Teams 的演進不僅是算法的提升，更是規模的擴張。從 2023 年最初的 4 機協同，到目前 2026 年已經實現的 16 機甚至更高規模的同時作業，這代表著一名地面戰士就能指揮相當於一個連級規模的空中偵察與打擊力量。

這種規模化的能力，讓「可消耗性」成為了一種戰術優勢。如果一架 V-BAT 被擊落，蜂群系統會立即啟動「自癒」程序，剩餘的無人機將自動重新分配任務區域，確保監視網不會出現一絲破綻。

此外，Hivemind 的野心並不侷限於低速的垂直起降機型。隨著 X-BAT 噴射式無人機的加入，以及與波音、空中巴士等航空巨頭在「協同作戰飛機（CCA）」計畫上的合作，這套蜂群大腦正在向更高端的戰場擴散。

未來的 F-35 飛行員可能不再是親自冒險進入高威脅區，而是帶領一群具備隱身能力的 AI 僚機。這些僚機可以充當誘餌、可以作為遠端感測器，甚至可以在必要時執行自殺式打擊，而飛行員只需要在後方下達戰術指令，將瑣碎且危險的飛行細節交由 Hivemind 處理。

結語

V-BAT Teams的進展證明了一件事：在現代戰場上，單體武器的強大已不再是絕對的護身符。Shield AI 所推動的蜂群技術，本質上是將戰爭從「破壞力對決」推向了「演算法對決」。透過將風險轉嫁給可替換的機器，並將精準的效率留給戰場指揮官，這種模式賦予了軍隊在高防禦的敵境下依然能創造戰場的透明度。

》延伸閱讀：

• 深度解析：Shield AI 的 Hivemind AI 飛行員如何運作？

  詳細探討邊緣運算與強化學習在自主飛行中的技術細節。

• 美國國防部「複製者計畫（Replicator）」官方指南

  了解美軍如何利用廉價、大量無人機對抗強權對手的整體戰略。

• V-BAT 128：垂直起降技術在遠征行動中的優勢

  探索無需跑道、能在艦艇或崎嶇地形部署的硬件技術特點。

• 烏克蘭未來願景及目前進行人工智慧賦能自主戰爭的能力

  探討烏克蘭如何推動人工智慧驅動的無人系統發展，以減少作戰人員的直接參與，同時提升作戰效能。