AI+军工产业链、市场机遇与发展方向分析

下游是军工 AI 的落地场景，覆盖指挥决策、无人装备、情报分析等领域，直接提升作战效能。

1、“AI+军工”产业链概况

国防军工是人工智能技术深度赋能的战略高地，其应用突破将重构未来战争规则，成为夺取"制智权"的关键支点。当前军事人工智能仍处于技术探索期：遵循"数据反哺-算法进化-能力质变"的螺旋式发展路径，通过海量战场数据的持续训练，推动算法模型在目标识别、运动控制、自然语言处理等核心领域实现代际跃升，进而向装备智能化、决策自主化、战法创新化等维度延伸，最终形成智能化国防体系。军事 AI 系统遵循数据、算法、算力、应用的基础逻辑，但具有鲜明的军事属性。军用人工智能产业链可分为上游基础层、中游平台技术层、下游应用层三大层级。

（1）上游：基础技术与核心资源。上游是军工 AI 的底层支撑，主要包括数据、算力、核心硬件及基础软件，具有高壁垒和强技术属性。数据资源：包括军事训练数据、战场环境数据、装备运行数据等，是 AI 模型训练的基础。例如，俄乌冲突被称为“人工智能第一战”，战场数据的实时采集与分析成为关键。此外，数据清洗与标注企业如军方合作的数据服务商也是重要参与者。

算力基础设施：高性能计算 HPC 和云计算平台，支撑复杂 AI 模型的训练与推理，如军用AI 指挥系统需依赖超算中心或分布式算力网络。国产化替代趋势显著，例如铂力特布局国产振镜等核心元器件，减少对进口依赖。 核心硬件：包括芯片和传感器。芯片包括军用 FPGA、AI 专用芯片及高精度模拟芯片ADC/DAC。传感器包括红外探测器、雷达组件等，用于实时战场感知。 基础软件与算法框架：开源模型（如 DeepSeek）推动技术普惠，降低开发门槛，加速军事场景适配。

（2）中游：算法开发与系统集成。中游是军工 AI 的技术转化环节，聚焦算法优化、模型训练及软硬件集成。 AI 算法与模型：具体的战术决策模型如大立科技的“渊”AI 引擎，通过多源数据融合生成实时战术地图，支持动态威胁自主决策。 系统集成与平台建设：如军用通信网络，能够实现战场信息实时传输与协同。

（3）下游：军事应用于装备智能化。下游是军工 AI 的落地场景，覆盖指挥决策、无人装备、情报分析等领域，直接提升作战效能。智能指挥与决策系统：如 Palantir 的“战场数据操作系统”，通过 AI 分析战场态势，辅助指挥官制定策略，类似技术在国内由中科星图的空天大数据平台实现。 无人化作战装备：包括无人机/无人车，如航天彩虹的察打一体无人机、内蒙一机的智能装甲车，结合AI 实现自主路径规划和目标识别。智能弹药如北方导航的制导控制系统集成 AI 算法，提升导弹命中精度。 情报与电子战：基于 AI 的情报分析系统如晨曦航空的惯性导航设备可快速筛选卫星图像和通信信号，识别敌方动态。 后勤与装备维护：主要是 AI 预测性维护，通过分析装备运行数据，提前预警故障，降低战场维修风险。军工 AI 下游应用场景的落地与订单增长已成为产业链的核心驱动力，尤其在智能指挥、无人装备、智能弹药、电子战等领域表现突出。2024 年底以来，军工企业订单逐步从个别公司突破转向特定领域集中释放，如导弹、无人机、数据链等。预计 2025 年全领域订单将迎来爆发，尤其是AI 赋能的智能化装备。

2、市场机遇

（1）中游可对标 Palantir：寻找拥有数据及算法、应用场景经验的卡位企业。中游算法、数据分析等环节，极易产生颠覆性技术，并且在 AI 领域的颠覆性技术具备链式反应的特征，推动其他领域技术发展带来突破。Deepseek、ChatGPT 等企业在大模型领域带来的突破，均是发生在中游环节的技术革命，而机器人、自动驾驶等下游应用随之开启。 在国防军工领域，数据与相关战场经验是稀缺资源。人工智能大模型的研发、迭代、落地，离不开海量数据的支撑，如 GPT4 有着 1.8 万亿参数，需要 13 万亿 token 的训练数据，是否掌握足够的数据是企业发展的关键要素之一。而在国防军工领域，数据的稀缺性尤为突出，不仅因为国防产业是高度保密的战略产业，实际战场也充满了对抗、欺骗和谋略，战场环境瞬息万变，难以预料更难以复现，这为获得高价值量的数据来源带来了极大挑战。陈羽等人在《战场算法：智能化战争的制胜利器》提到，一个目标识别算法至少需要 100 万个样本数据支撑，一个辅助决策算法则需要高达 5000 万个以上样本数据。由此可见，在国防军工领域具备数据资源的企业，占据核心竞争卡位。 数据在算法打造垂直应用，C4ISR 领域抢先落地。在指控系统、ISR 等领域拥有核心数据库以及垂直算法、应用场景经验，这是 AI 与军工融合的数据基础，也是对标 Palantir 的业务。Palantir 的成长路径，以及俄乌战场的实践表明，情报分析是军用 AI 大规模落地的首要场景，并且Palantir 新推出的AIP系统，结合大模型、原有的 Foundry 等平台资源，已开始推动 AI 在辅助决策领域的落地，进一步拓展人工智能在战场应用的边界。 一方面是国家队拥有大部分数据资源，核心看其拥抱 AI 技术的进展。另一方面仅仅有极少数拥有数据、应用场景经验的民营企业，他们确实率先在拥抱 AI 技术。

（2）下游“AI 军事应用”：重点看应用场景和订单。国防 AI 应用的下游非常广泛，几乎涵盖从情报分析、指挥决策、战损评估等围绕战争作战的以软件应用为主的环节，以及无人装备、智能装备等最终以装备形态存在的硬件应用环节，甚至包括装备生产制造、装备研发领域的 AI 技术赋能，以及军事仿真训练、后勤保障等领域的应用等。应用落地场景和订单是核心，无人装备、仿真演训有望加速落地。在无人装备领域，AI 的快速发展在目标识别、环境感知、无人体运动控制，自主决策等领域将带来质的提升，人形机器人、智能汽车等行业的快速发展充分印证了 AI 在装备无人化、自主化领域的巨大潜力。Anduril 接手微软220 亿美金的订单，以及获取 2.5 亿美军的无人机和电子战系统订单，快速其推动估值升至 280 亿美金，是这一逻辑的重要实例。

3、市场发展方向聚焦

随着人工智能深度嵌入军事体系，美军智能作战架构已形成“数据获取层—基础平台层—作战应用层”的三层级体系逻辑。其中，SpaceX 星链、Maxar 遥感、GPSIII/IIIF 等构成智能战场的数据神经网络（获取层）；Anduril“晶格网格”、PalantirGotham 等平台形成感知与认知中枢（平台层）；JFN系统、TACAI 边缘部署平台、智能弹药与多域无人集群等代表 AI 在指挥决策与作战执行中的深入落地（应用层）。这一体系展现出“感知-理解-决策-执行”一体化闭环架构，重构了战争流程与能力边界。在此背景下，我国军事 AI 相关产业链的战略发展方向应聚焦于以下三大核心领域，对应美军三层级模型，构建具备自主可控与体系对抗能力的未来作战支撑结构：总体而言，未来军事AI 竞争的本质不在于某单点技术的突破，而在于“跨层级协同、跨域智能闭环”的能力构建。我国相关产业链可参考对标美军智能作战三层级架构，在星地融合、算力分布、无人智能平台等方向实现系统跃升。

（1）低轨卫星系统（对应数据获取层）：构建“通导遥一体化”感知基座。美国通过 Starlink 星链构建天基通信覆盖，通过 Maxar 等遥感卫星提供亚米级战术图像，并借助GPSIII/IIIF 强化 PNT 系统，形成高可靠、弹性强、全天候的战场信息支撑网。特别是在俄乌冲突中，星链成为关键通信保障力量，其战时网络冗余调度和敌我管控能力为全球提供了“战时低轨通信”范式。我国在高分遥感、高轨卫星通信、北斗三代导航系统方面已形成较为完善布局。下一步应聚焦“通导遥融合+低轨组网”能力提升，通过星座部署、数据接口标准化与任务级智能调度算法的联动，构建多层次、多模态的空天感知系统。可重点支持“军事+民商”双轨推进路径，加快打造具备星间通信、中继自愈与低延迟回传能力的自主天基感知网络。 在“通导遥一体化”感知基座的建设路径中，我国低轨卫星系统的未来发展重点，正在由“信息获取”向“智能计算”延伸演进，推动从‘天数地算’向‘天数天算’的本质跃升。这不仅是星座规模的扩张，更是体系结构的战略再定义。以 AI 驱动的智能感知网络为核心，未来低轨卫星将不再是简单的信息中继节点，“算力星座”将成为“在轨智能体”，具备本地分析、智能判断、实时反应能力，极大提升感知-决策链路的速度与可靠性。 海外方面，Palantir 通过“MetaConstellation”系统，已将微型 AI 模型部署至在轨卫星，实现在太空端完成任务调度与数据融合，与 SpaceX 星链构建起“快速感知-定位-传输-打击”一体化闭环体系。这种“边云协同+星地融合”的架构，使传统的中心计算模式得到重构，形成多节点、分布式、弹性冗余的战场感知能力，极大增强作战节奏与抗毁性能。我国也已在算力星座方向展开系统布局，形成“实验验证—平台部署—生态成型”的全链条推进格局：之江实验室提出“天基算力星座”计划，目标是构建全球覆盖、动态调度的天基智能计算网络，为低空经济、智能感知和军事任务提供就近算力支持，探索“云边天”一体化架构。“三体计算星座”项目，将协同全球合作伙伴，共建千星规模的天基智能计算基础设施，星座建成后整个太空算力将达到 1000P（每秒百亿亿次浮点运算）。国星宇航启动“星算计划”，共计 2800 颗算力卫星组网，同时将与地面超过 100 个算力中心互联互通，从而构建未来天地一体化算力网络。重点在于推进太空计算技术，探索异构在轨计算、智能芯片部署与星载操作系统架构，构建以算力为核心的新型卫星体系，实现数据预处理、本地分析、任务联动的在轨作战能力。中科曙光（中科院空天院）则从更广泛的算力生态入手，整合“芯片—整机—平台—服务”全链条，投资中科星图、中科三清、中科天玑等核心企业，向天基计算提供技术储备与工业支撑，并在“时空大数据+AI模型”融合方面具备较强先发优势。

（2）AI 平台与边缘端部署（对应基础平台层）：打造战术智能中枢。美军在该层级的代表是 Palantir Gotham、Foundry、Anduril Lattice Mesh 等平台，通过接入多源异构数据、构建战术图谱与情报关联网络，实现快速理解与自动化指令生成。同时，战术AI 服务器（如TACAI）被部署到前线，实现战场本地推理与低延迟响应能力，强化了平台级AI 与边缘端AI 的协同。我国当前在算法平台能力（如类 Gotham 的智能决策系统）、国产 AI 芯片及算力模组等方向具备一定基础，应强化“平台软件+端侧算力+系统集成”三位一体发展路径。推动面向军事场景的AI 中台部署，结合战术节点高性能 AI 边缘计算终端，构建前沿-中台-后端协同作战网络。同时推动工业级AI 模型（识别、预测、语义建构）向战术级轻量模型转化，适应实战部署需求。例如，渊亭科技推出了“天机·军事大模型”平台，采用“大模型带小模型”的架构，融合知识图谱、图计算、强化学习等技术，已在强敌研究、作战指挥、模拟训练等 70 多个军事场景中实现应用。

（3）智能无人系统（对应作战应用层）：构建“感知—决策—打击”一体化执行体系。美国在 JFN 系统中整合 F-35、B-21、HIMARS 等平台的 AI 火力调度能力，支持目标识别、威胁评估与武器指派自动化；而在无人系统方面，Shield AI、Anduril Ghost 无人机等实现蜂群作战、地图重建、自主打击等复杂任务执行；DARPA 还推进“自主武器与人类协同”路径规划系统，构建未来“机动即火力”结构。 我国在察打一体无人机、地面无人车、无人舰艇与水下潜航器（UUV）等领域已有工程化进展。以“集群智能+多域协同”为发展核心，突破动态目标追踪、自主航迹优化、作战任务重构等关键能力，推动“AI 原生型”无人系统体系化生成。并探索基于数字孪生与虚实融合演训机制，构建从开发—训练—实战的一体化闭环。