摘要

无人作战的概念随着技术进步以及近期冲突中无人系统的部署使用而日益受到重视，这些实战应用充分展示了其在战场上的实用价值。我国的一些学者密切跟踪了这些发展，并形成了一个共识性观点，即未来的军事行动将越来越依赖智能化的无人平台。正如2018年《中国军事科学》（China Military Science）杂志一篇文章所阐述的那样，学者期望无人系统能够在“所有作战域、全战斗周期的全过程内支援联合作战”¹。基于这一原则，从战略层面思考，越来越多地将无人系统与反无人系统技术的发展，以及掌握无人作战与反无人系统作战能力视为战略优先事项。

本文以美国人的视角，对我军正在开展的无人系统的应对策略及其正在发展的方法，尤其关注无人航空系统（UAS），或称无人机系统（UAV）。尽管目前研究人员认识到无人系统在多个战争领域所带来的威胁，但大多数研究人员关于无人作战的战略和操作层面讨论仍主要集中在无人机方面，而非其他类型的无人系统，如无人潜航器等。这种关注点也反映在有关反制无人系统的公开学术和技术文献中，其中的研究和讨论更多倾向于反无人机系统的战术和技术。因此，美国对中国在反无人机（Counter-UAS）方面的研究进行分析，可以获取较为丰富的公开信息资源以供深入研究。

本文引用了大量官方和非官方的公开信息来源，包括各版《战略学》（Science of Military Strategy）；来自官方媒体的新闻报道；发表在军队和国防工业刊物上的学术与技术论文；以及专供军内使用的教学材料。虽然本文涵盖了中国人民解放军在反无人机作战概念上的思想和研发动向，但受限于现有信息来源的范围和可获得性，不应将其视为对中国立场和能力的全面或最终结论性的描述。

本文首先简要概述了解放军对无人作战的基本看法，随后考察了解放军及中国国防工业人员撰写的有关反无人机作战行动、战术和技术的相关论述。接着，文章调查了中国人民解放军及国防工业观察员从近期冲突和袭击事件中无人机运用所汲取的经验教训。之后，文章回顾了解放军及国防人员在试图在现有反无人机作战和相关技术原则基础上进一步发展并应用这些经验教训过程中所识别出的问题与局限性。最后，文章对中国人民解放军在未来冲突中开展反无人机作战及相关技术发展的前景和趋势进行了评估。

文献综述

无人化作战是智能化战争的一个典型例子，在这种战争中，自主系统、人工智能（AI）和机器人技术等先进科技将从根本上重塑战场格局。研究人员认识到无人系统在战争中日益增长的作用与地位，并预计无人作战平台和高度自主化的武器系统将成为现代军事力量的关键组成部分。他们认为，未来的战争将是“无人、无形、无声”（无人化、隐蔽性、静默性）的战争。

虽然自20世纪50年代以来，无人平台就已出现在我军的装备体系中，但直到21世纪初，我军才开始真正将其视为一种至关重要的作战平台。例如，在2006年版的《战役学》中，仅提到了三种无人机的使用场景：电子战、远程侦察以及压制敌方防空系统。回顾相关文献可以发现，其对无人平台在冲突中作用的认识和重视程度的提升，最初是受到这些系统在实战中成功运用的推动，特别是美国的实践。

成百上千名来自研究人员和技术专家密切跟踪了美军在中东和阿富汗的军事行动，观察到无人机在这类冲突中的角色从最初的侦察任务逐步扩展到电子压制、通信中继乃至动能打击。大量出版物表明，相关机构对无人平台潜力和价值的理解，最早正是来源于对美军无人作战实践的观察。

至2013年，《战略学（2013）》等权威著作不仅承认了智能无人系统日益突出的地位，还指出智能无人系统将部分取代军队内部的“有生力量”，并预测“无人、无形、无声”的平台和系统将在战场上被大规模部署。这些观点在2017年版的《战略学》中进一步得到巩固，该版本将智能无人系统定义为“不可或缺的战场力量”，而在2020年版中则进一步宣称，智能作战系统必然成为未来战场上的主导力量。值得注意的是，2020年版《战略学》还明确指出了相关专业人士的观点，即智能武器装备的发展将日趋对抗化，且主要针对大国之间的战争需求。

尽管专家们普遍认同无人系统将在未来战场上占据重要地位，但目前似乎尚未形成专门指导这些系统使用的条令。2020年版《战略学》虽讨论了无人系统如何应用于各作战域，并为各军兵种使用无人平台提供了若干一般性指导，但这些内容仍停留在理论与学术层面，缺乏具体的操作细节。

同样地，目前相关机构也尚未制定一套专门用于应对未来冲突中无人系统的条令。2020年版《战略学》中虽有寥寥数语提及应对中低空及超低空武器的一般性讨论，但只是将无人机与其他如巡航导弹和武装直升机一同归入此类目标，并未单独为应对无人航空系统（UAS）制定一套专门的指导方针。其他战略指导文件虽然清楚地指出了预期无人平台将被用于防御性电子战（EW）行动以对抗敌方平台，但并未涉及反无人机的具体应用。

相比之下，发表于公开期刊上的学术与技术文章，则为理解在反无人机作战和相关技术方面的思路提供了有价值的参考。尽管这些资料并非由军事科学院或国防大学等权威机构正式发布，因此权威性略逊一筹，但其中所包含的细节仍然有助于我们把握在无人系统（UAS）与反无人系统（Counter-UAS）战略、战术和技术发展方面的最新动向和趋势。

反无人机系统

目前我国在无人航空系统（UAS）与反无人机系统（Counter-UAS）方面的研究，明显受到国外发展动态的深刻影响。本文所查阅的几乎每一篇文章都对外国在无人机和反无人机领域的研发计划与项目进行了详尽而深入的介绍，尤其聚焦于美国和俄罗斯的相关进展。美军的无人机与反无人机条令、战略文件以及其在UAS/Counter-UAS技术方面的公开研发努力，尤其是由美国国防高级研究计划局（DARPA）、战略能力办公室（SCO）、海军研究办公室（ONR）以及私营防务承包商主导的项目，受到了中国的密切跟踪和详细记录。²⁰

反无人机作战框架

鉴于中国在反无人机领域的发展高度参考国外经验，中国人民解放军及国防工业界在论述反无人机基本技术原理时，也体现出这种对外部发展的密切关注。通常，中国的国防研究人员和学者会将反无人机措施划分为三类或四类常见框架：侦测、跟踪与预警措施；干扰与欺骗措施；以及动能打击与摧毁措施。²¹

在某些情况下，伪装与示假（deception）措施会被单独归为一类，区别于干扰与欺骗等非物理性对抗手段。²² 有时，软杀伤（非动能）措施如干扰和欺骗，与硬杀伤（动能）措施如物理打击、摧毁或俘获等，被统一概括为“处置”行动（counter-UAS disposal），即包括缓解、拦截或中和在内的应对行为。²³

无论中国文献中采用何种分类方式，核心要素始终一致，即侦测、软杀伤（如干扰与欺骗）和硬杀伤（如打击、摧毁、俘获）措施构成了反无人机体系的基本组成部分。

值得注意的是，这些文献中关于上述反制手段的讨论，并非按照优先级排序的方式呈现；而是大体上遵循了外军战略文件以及私营部门反无人机技术研发资料中所提出的分类结构。这一通用框架至少自2015年起就已出现在解放军的相关文献中，并随着解放军战略家们对“低、慢、小”（Low, Slow, and Small, LSS）无人机系统以及无人机蜂群威胁的认识加深而不断调整完善。²⁵

应对“低、慢、小”无人机威胁

“低、慢、小”（LSS）无人机是特别棘手的挑战。正如2018年总结的那样，传统的防空战术可以应对大型和中型无人机；然而，“低、慢、小”的无人机由于其尺寸较小、雷达反射面积小、飞行高度低且速度较慢，难以被侦测和攻击，因此需要新的装备和作战方法。²⁶ 它们的小尺寸和相对较弱的信号也使得它们很难与鸟类和昆虫区分开来。²⁷ 研究人员还指出，“低、慢、小”无人机成本低廉且商业上容易获取，这使得获取变得容易并允许该技术迅速扩散。²⁸ 有一篇文章预计，“低、慢、小”无人机将变得更加普遍。²⁹

除了作战环境外，由多篇文章明确指出了“低、慢、小”无人机可能对国内安全构成严重威胁。武警工程大学的研究人员提到了敌对方或恐怖分子可能利用这些无人机攻击或监视政府设施、仓库、工厂以及电信设施、发电厂和交通系统等关键基础设施的可能性。³⁰ 在中国的技术文献中频繁提到的是“低、慢、小”无人机可能用于执行有针对性的杀戮和暗杀行动。³¹ 例如，南京电子技术研究所和中国电子科技集团公司智能感知技术重点实验室的相关作者引用了2022年12月朝鲜一架无人机侵入韩国总统府周围禁飞区的事例。³²³³ 这些例子表明了解放军及其相关研究机构对于“低、慢、小”无人机潜在威胁的高度关注，并强调了采取有效措施以应对此类威胁的重要性。

应对无人机蜂群作战

2019年，有学者撰文指出，无人机蜂群（UAV swarms）给战场防护带来了新的挑战。他们认识到，对战场进行侦测和实现“全面”防护将变得异常困难。值得注意的是，作者将蜂群作战的出现视为对“系统稳定性”的一次考验，并指出无人机蜂群真正的威胁在于其具备摧毁作战系统关键节点的能力，从而导致整个系统的功能紊乱并显著降低作战效能。此外，作者还强调了敌方无人机蜂群可能作为“诱饵”或“自杀式无人机”使用，以分散防空火力，使战场设施暴露于传统武器系统的攻击之下。³⁴

近期的文献中也表达了类似的担忧。空军预警学院的研究人员同样将无人机蜂群作战描述为对传统武器系统的颠覆，并预测无人机蜂群战争将不可避免地催生新的“作战样式”。这些研究人员评估认为，在高强度对抗环境下，蜂群作战将对现有的防御作战能力构成新的威胁。³⁵ 2023年的一篇文章中表示，蜂群将“逐步成为一支不容忽视的作战力量”，并强调必须采取有效手段加以应对。³⁶

除了高度技术性的研究论文外，关于反无人机蜂群作战的论述普遍指出，无人机蜂群在侦测、跟踪与缓解/拦截方面所面临的挑战与“低、慢、小”无人机类似。然而，它们的数量优势、固有的抗毁性，以及随着人工智能技术不断成熟而具备的自主编队能力和智能决策能力，进一步加大了应对难度。³⁷

正如研究人员提出的图2的框架所示，相关文献通常将反蜂群作战措施分为三类：侦测与跟踪、硬杀伤措施和软杀伤措施。³⁸ 这一分类型似于针对“低、慢、小”无人机提出的分类体系，但值得注意的是，它引入了一个新概念——即部署武装作战无人机蜂群来对抗敌方蜂群，体现了未来智能化作战的一种发展趋势。

声学探测与追踪
声学探测技术使用高灵敏度的声学传感器来捕捉和分析无人机飞行过程中发出的声音。然后将这些声音信号与无人机音频数据库进行比对，从而实现对无人机的探测和识别。中国国防研究人员指出，低空慢速小型无人机（LSS UAVs）在飞行过程中的声音发射通常较低，尤其是在缓慢飞行时，这使得它们难以被探测到。此外，声学探测系统的有效性依赖于其音频特征库的质量和全面性，这限制了它们识别未收录在数据库中的无人机的能力。另外，在嘈杂环境中，这些声学探测系统和传感器的性能也会受到影响。尽管存在上述批评，中国观察人士仍注意到俄罗斯和乌克兰在冲突中各自使用的声学探测系统发挥了作用，表明相关技术将继续成为研究与开发的重点。

探测、追踪与预警

研究人员认为，探测、追踪和预警是任何反无人机（counter-UAS）行动中的第一步。根据学术论文中提到的资金代码判断，针对低空慢速小型无人机（LSS UAVs）的探测方法似乎已成为科研和投资的重点。华北光电技术研究所（同时也是中国电子科技集团公司第十一研究所的别名之一）与中国电科光电科技有限公司的工程师指出，对敌方低空慢速小型无人机的防御通常发生在近距离，因此有效的防御要求反无人机系统能够快速探测、识别并应对或摧毁此类目标。

相关文献通常将探测与追踪手段分为四个子类：雷达、光电、无线电和声学探测技术。中国工程师承认，每种技术都有其优缺点，尤其是在面对低空慢速小型无人机时。

雷达探测

尽管雷达仍被视为探测无人机最有效的方法之一，但中国工程师指出，雷达探测方法本身存在一些固有缺陷，例如短距离盲区、分辨率低以及易受电子干扰等。低空慢速小型无人机体积小、雷达反射截面积（RCS）小，使得它们更难被探测到；即使被探测到，其返回信号也较弱，难以与飞鸟或昆虫区分。此外，如何消除地面和海面杂波仍然是防御工程师面临的挑战，这进一步增加了通过雷达探测低空慢速小型无人机的难度。

光电探测与追踪

光电技术在探测和识别方面都发挥着作用，但同样面临低空慢速小型无人机带来的挑战。由于这类无人机通常发出的红外辐射较低，使其难以与鸟类及其他空中物体（如风筝、气球或消费级航拍无人机）区分开来。此外，光电传感器在恶劣天气条件下表现较差，并容易被物理障碍物遮挡，限制了其在复杂环境中的实用性。

尽管存在这些弱点，研究人员评估认为，这类技术在低空和复杂的电磁环境中具有较好的应用前景。然而，他们也承认当前光电探测系统的探测距离和目标识别能力仍有待提升。关键的是，目标识别能力的增强将取决于人工智能领域的进一步发展，以提高智能化识别水平。

射频探测与追踪

研究人员认为，射频探测方法在低空慢速小型无人机的探测与识别方面具有有效性。通过分析飞行控制和通信信号所使用的频谱，这些系统可以准确识别敌方无人机型号及其操作特征，并定位无人机操作员。此外，射频探测设备结构紧凑、重量轻，适合全天候、全地形和快速部署场景。然而，研究人员指出，这些系统的作战效能受到其使用频段限制的影响。因此，探测处于无线电静默状态下的敌方无人机仍然是一个重大挑战。

声学探测与追踪

声学探测技术利用高灵敏度的声学传感器捕捉并分析无人机飞行过程中发出的声音。随后，这些声音信号会被与无人机音频数据库进行比对，从而实现对无人机的探测与识别。研究人员指出，低空慢速小型无人机在飞行过程中发出的声音通常较低，尤其在缓慢飞行时更为明显，这使得它们难以被探测到。另一个批评点在于，声学探测系统的有效性依赖于其音频特征库的质量和全面性，限制了其识别未收录在数据库中的无人机的能力。此外，在嘈杂环境中，这些声学探测系统和传感器的性能也会受到影响。尽管存在上述批评，中国观察人士仍然注意到俄罗斯和乌克兰在冲突中各自使用的声学探测系统发挥了作用，表明相关技术将继续成为研究与开发的重点。

下表总结了所描述的每种探测技术类别的优势与局限性。

表1：主要低空慢速小型无人机（LSS）探测技术的优缺点

探测技术	优势	劣势
雷达	• 全天候运行 • 提供距离信息 • 探测距离远 • 探测效率高	• 虚警率高 • 易受电子干扰 • 近距离探测存在盲区 • 分辨率不足 • 目标识别概率较低
光电	• 探测精度高 • 识别能力强 • 可视化信息 • 被动探测	• 视场角有限，导致探测效率下降 • 单一设备缺乏距离信息 • 不适应极端天气条件 • 无法探测非视距目标
射频（无线电）	• 全天候运行 • 探测效率高 • 可识别电磁频谱特征、机型及操作员位置	• 探测精度有限 • 对电磁静默目标效果差 • 在复杂电磁环境中易受干扰
声学	• 全天候运行 • 360°探测，可探测障碍物后目标	• 探测距离有限 • 在嘈杂环境中表现不佳 • 声学识别精度较低 • 目标建模存在困难

由于各类技术本身存在的局限性，研究人员认为，构建一个有效的反无人机探测与追踪系统需要采用综合方法，通过分层的传感器架构，将各类探测技术相结合，以增强覆盖范围、弥补单一技术的不足。

无人机应对措施

如前所述，中国人民解放军和国防工业文献中将反无人机的应对措施通常分为“软杀伤”（soft kill）和“硬杀伤”（hard kill）两类对抗手段。

软杀伤对抗措施

一些研究人员指出，电磁干扰技术目前被视作最重要的无人机应对/中和技术之一。在陆军航空兵学院无人机中心的研究人员讨论针对无人机蜂群的电磁对抗措施时，他们列举了电磁对抗手段的多项优势，例如可在无附带损伤的情况下影响、控制或破坏指定方向或区域内的多架无人机。作者还强调，电磁对抗措施可用于劫持敌方无人机并向其传输虚假侦察与情报信息以欺骗对手。

相关论述进一步将这些软杀伤措施细分为两类：干扰（如GNSS干扰和射频干扰）以及欺骗（如信号劫持和GNSS欺骗技术）。学术文章强调，这些技术可以在造成有限物理破坏和最小附带损害的前提下中和无人机，从而使防御方可捕获敌方无人机用于逆向工程或情报搜集。这种能力被认为极具价值——几乎所有本文所查阅的、讨论软杀伤干扰和欺骗技术的中文论文都提到了伊朗于2011年12月声称成功俘获一架美国RQ-170“哨兵”无人机的事件。在相关分析中，普遍采信伊朗的说法，即其网络战部队通过干扰与信号欺骗相结合的方式捕获了该无人机，并将此事件视为电磁对抗技术成功应用于反无人机行动的典范。

在讨论如何使用电磁对抗手段应对无人机蜂群时，研究人员从概念上更倾向于扰乱蜂群中各架无人机之间的协同机制。实现这一目标的技术包括对GNSS模块进行干扰或欺骗，以及对指挥数据链路进行干扰或劫持等。

在具体系统方面，国防科技大学信息通信学院的一篇近期文章指出，大规模反无人机电子战系统战术效用有限，仅适用于关键地点和高价值战略目标的防护，且成本效益较高。作者更倾向于便携式反无人机电子战系统，并将其描述为“必然选择”。

尽管专家高度评价电磁对抗技术的潜力，但他们也提醒说，无人机技术的快速发展意味着其抗电磁干扰和其他软杀伤手段的能力正在不断增强。正如前文提到的陆军航空兵学院人员所述，由于电磁对抗手段和无人机技术都在迅速演进，因此电磁对抗存在失败的风险。他们指出，电磁对抗需要精确针对目标，这就要求事先掌握敌方无人机的工作频率；同样，入侵控制系统只有在已知敌方无人机软件漏洞的前提下才有效。此外，作者警告称，GNSS干扰和欺骗技术只对依赖卫星导航的无人机有效。这些风险意味着仅靠电磁攻击可能不足以完全破坏敌方无人机的作战能力，也可能导致敌方在初期成功被干扰后重新夺回对其无人机的控制权。

硬杀伤对抗措施

在反无人机文献中，硬杀伤对抗措施（即动能打击和摧毁/中和/拦截手段）进一步细分为常规武器、定向能武器（DEW）以及武装攻击无人机三大类。

常规武器

尽管人们普遍认识到，使用常规武器对付低成本无人机在成本效益上并不划算，但学术与技术文献清楚表明，战略思考者并未完全排除其在应对无人机威胁中的应用。2023年发表的一篇文章中，来自中国人民解放军陆军工程大学的研究人员承认，常规武器仍然是目前最成熟的反无人机技术类别。与其放弃使用，更倾向于探索解决成本效益问题的方法。

作为迹象之一，海军研究院的研究人员在2023年指出，外国正专注于提升常规武器的精确打击能力、降低导弹成本，并投资于反蜂群智能导弹技术，以纠正部署此类武器应对空中无人威胁时的成本失衡问题。除了对常规武器进行改进之外，工程师也明显将注意力集中在定向能武器（如高能激光武器和微波武器）作为硬杀伤反无人机解决方案上。

定向能武器（DEW）

专家认为，定向能武器在应对无人机蜂群方面尤其具有前景。尽管他们承认该技术仍处于相对不成熟的阶段，但相比传统的动能拦截方式，定向能武器每次射击的成本预期更具优势。

相关文献还表明，他们之所以关注定向能武器，部分原因在于外国（尤其是美国）在将其作为反无人机蜂群解决方案方面的高度关注和大量投入。本文所查阅的几乎所有关于反无人机研究的中文文献都提到了美国和俄罗斯在定向能武器领域的研发进展，包括Epirus公司开发的Leonidas高功率微波系统，以及美国空军研究实验室（AFRL）开发的战术高功率作战响应系统（THOR）。

巡飞弹药与武装攻击无人机

巡飞弹（loitering munitions）和武装攻击无人机在反无人机蜂群体系中具有重要价值。巡飞弹（或称自杀式无人机）因其集成的侦察与打击能力而被认为特别有效。这些弹药可以在空中长时间滞空，从而快速应对威胁。

借鉴俄罗斯的经验，陆军炮兵防空兵学院的人员也讨论了以编队形式部署巡飞弹药，形成“空中雷场”，以应对来袭的敌方蜂群。

此外，专家也在考虑使用配备有硬杀伤与软杀伤载荷的攻击型无人机，扮演“猎杀者”角色，主动寻找并中和敌方无人机或其他平台。这类讨论中经常引用雷神公司的Coyote（郊狼）系统作为例子。

在学者的论述中，人工智能在这类平台中的整合也被频繁提及，重点在于提升其自主目标识别与交战能力。同时，这些文献也明确表示，以蜂群形式部署防御性无人机来对抗敌方蜂群，是研究人员非常感兴趣的另一个概念。

在这种设想中，一支配备了武器、传感器和先进通信系统的防御性无人机蜂群被部署用于拦截和中和敌方攻击性无人机蜂群。防御蜂群作为一个协调一致的整体运行，各架无人机协同工作，同时识别、追踪并打击多个目标。从概念上讲，由人工智能驱动的算法将使蜂群能够动态调整战术，根据敌方蜂群的变化优化火力与资源分配。

正如探测技术一样，学者与工程师之间已达成共识：要成功应对低空慢速小型无人机及其蜂群威胁，必须采取一种分层的防御策略，结合软杀伤与硬杀伤手段，因为没有任何单一能力和对抗措施可以应对所有类型的威胁。

从近期冲突中汲取的经验

近年来的军事冲突不仅验证了现有的无人机（UAS）与反无人机系统（counter-UAS）作战理论和操作概念，也进一步巩固了对无人系统在现代战争中所扮演角色的认识。这些冲突不仅展示了无人系统在战场上的变革潜力以及蜂群战术所带来的威胁，也强化了关于有效的反无人机系统必须是多层次、结合软杀伤与硬杀伤手段的综合体系这一观点。

可以预见的是，正如无人系统的军事价值的理解是在观察美军在中东和阿富汗行动的过程中不断扩展和完善的那样，随着这些冲突的持续发展以及其中使用的无人系统与反无人系统技术日益复杂，对于相关概念的认知也将继续演变。

无人系统在现代战争中的变革潜力

纳戈尔诺-卡拉巴赫（Nagorno-Karabakh）冲突以及正在进行的俄乌战争在不同程度上展示了无人系统在现代战争中的巨大变革潜力，并证明其具有决定战局的能力。

一位工程师在谈到无人系统在纳卡冲突中的作用时写道：“无人机已不再是辅助性装备；它们在侦察、直接战斗和作战灵活性方面的有效性，已确立其作为现代战争战略核心组成部分的地位。” 同一位作者还表示，未来无人机/反无人机作战将成为常态，这一观点在研究人员对近期冲突的其他分析中也被反复强调。

在讨论纳卡冲突时，研究人员特别强调阿塞拜疆成功使用无人机打击亚美尼亚坦克、装甲车辆以及俄罗斯制造的“Repellent-1”反无人机系统。一位国防工业作者指出，截至2020年9月30日——冲突爆发仅数天后，仅土耳其TB-2侦察打击一体化无人机就摧毁了超过30辆坦克和步兵战车、1部BM-27火箭发射器和15套自行防空导弹系统。

这些分析尤其强调了阿塞拜疆所使用无人机的相对低成本，及其摧毁更昂贵的坦克和防空系统的效能。另一位专家评论道：“相对廉价的小型攻击无人机正在改变以往由地面部队和传统空军主导的战争形态……即便是先进的武器系统、坦克、雷达和地空导弹也存在弱点。”

本文所查阅的多篇论文，包括陆军工程大学和95269部队研究人员撰写的论文，都将使用昂贵的传统武器对抗廉价无人机的行为比喻为“用大炮打蚊子”。

蜂群战术与技术的威胁与潜力

叙利亚内战和2019年沙特石油设施遭无人机袭击等事件，凸显了低空慢速小型无人机（LSS UAV）系统的威胁，也展现了蜂群战术和技术迅速崛起的潜力，可能颠覆传统的武器系统并扰乱现代作战动态。

研究人员最常引用的一个展示蜂群战术潜力的例子，是2018年1月叙利亚反对派据信向俄罗斯赫梅米姆空军基地（Hmeimim）和塔尔图斯海军基地（Tartus）发动的13架武装无人机袭击。根据俄罗斯国防部的说法，俄军最终挫败了这次攻击，其中7架无人机被防空系统击落，另有6架被电子战单位干扰摧毁。

陆军工程大学与95269部队的研究人员指出，该事件表明了无人机蜂群战术的巨大潜力，尽管他们也承认此次攻击中使用的无人机并不具备真正意义上的蜂群特征。对于研究人员来说，此次袭击也突显了反无人机作战的重要性，尤其是开发针对低空慢速小型无人机和蜂群战术的有效应对措施。此外，俄罗斯在这次事件中同时使用了硬杀伤与软杀伤手段，也被重点提及。

具体而言，中国航天系统科学与工程研究院（即中国航天科技集团公司第十二研究院）的研究人员指出，虽然俄罗斯成功中和了这些无人机，但这是通过分层防御实现的，包括软杀伤电子对抗措施和硬杀伤防空导弹等手段。作者还评估称，当时基地可能并未部署大规模GPS干扰措施；如果实施此类措施，这些无人机甚至可能无法接近俄罗斯防空系统的射程范围。

构建强大、多传感器、多层次的反无人机系统的重要性

尽管专家认可阿塞拜疆在纳卡冲突中成功运用无人机的表现，但他们并未将阿塞拜疆的胜利完全归因于其无人机的成功应用。事实上，许多分析得出的关键结论之一是：强大的反无人机系统和防空能力至关重要。专家们指出，亚美尼亚在反无人机策略和系统方面存在缺陷，例如使用过时的苏联防空系统，这成为其战败的重要因素。

研究人员直言不讳地指出：“传统的空中拦截或地面打击手段并不适合应对‘低、慢、小’无人机，因为防空系统的成本高昂，且难以应对多个目标。”

实际上，研究人员认为，尽管阿塞拜疆使用的TB-2无人机在冲突中表现突出，但它们本身并不先进，缺乏自卫式电子战能力，机动性和速度也有明显不足。尽管在对抗亚美尼亚军队时起到了决定性作用，但在飞越俄罗斯军事基地和伊朗领空时，这些无人机很快被更先进的防空系统击落。这一现象似乎暗示，如果亚美尼亚拥有更强的反无人机和防空系统，局势可能不会一边倒地有利于阿塞拜疆。

研究人员在分析这场冲突中无人机使用情况时，另一个经常探讨的方面是阿塞拜疆成功使用巡飞弹（loitering munitions）。一位工程师将纳卡冲突称为“一次性攻击无人机首次大规模实战应用”。他在评估其表现时指出，这些无人机的实际效果超出了此前军事专家的预期。以色列制造的Harop无人机体积小、重量轻、价格相对低廉，便于大规模部署。它们能够长时间在战场上巡逻，并有效打击高价值目标和防御工事，且难以被有效防御。

此外，分析中还强调了这些无人机带来的心理影响。学者们认为，Harop无人机能够发起突然而意料之外的打击，这在削弱亚美尼亚军队士气和抵抗意志方面发挥了重要作用。

不断升级的无人机与反无人机军备竞赛

在关于涉及无人机的近期冲突的研究中，一个反复出现的主题是：未来冲突将日益体现为一场愈演愈烈的无人机（UAS）与反无人机（counter-UAS）军备竞赛。在本文所查阅的大量论文中，许多都强调俄乌战争中无人机与反无人机作战强度的显著提升。

国防科技大学信息通信学院与空军航空大学的研究人员指出，交战双方对新型无人机战术和对抗措施的灵活运用，不仅加剧了战争进程，也加速了无人空中作战领域技术与战术的创新步伐。

专家普遍达成共识：未来蜂群战术将持续发展，并反过来推动更复杂、更先进的反蜂群手段的出现。这一认知突显出在无人机与反无人机的作战理念、战术、战略和技术方面持续创新的必要性。

俄乌战争尤其凸显了此类创新在未来冲突中取得并维持作战优势的关键作用。同时，美国、俄罗斯和欧洲已在技术和生产能力层面将低成本无人机蜂群作为重点发展方向，这无疑进一步增强了专家群体中的紧迫感。

技术挑战与局限性

如前所述，研究人员普遍认为，应对低空、慢速、小型（LSS）无人机及其蜂群战术和技术的解决方案，必须建立一个多层次、集成化的探测、追踪、识别和防御体系，该体系应包含多种硬杀伤（动能打击）和软杀伤（非动能）手段。近期冲突进一步巩固了这一共识。

许多文献承认，诸如人工神经网络和机器学习等先进人工智能技术，是实现追踪、识别以及确定最优中和/拦截行动的关键支撑技术。至少有一篇由国防科技大学信息通信学院与空军航空大学作者联合撰写的论文声称，美国已在俄乌战争中支持乌克兰的无人机作战行动中使用人工智能技术。具体而言，作者指出美军及其他相关力量已利用人工智能处理和分析来自无人机和卫星的信息，并优化打击效果。

不出所料的是，构建此类系统的具体技术细节往往较为模糊。除了国家安全保密因素外，部分原因可能是这些系统目前仍停留在理论构想阶段——即尚未真正实现部署。

中国在该领域的国防研究人员也承认，现有的反无人机措施仍面临诸多尚未解决的技术挑战。所列举的弱点包括：标准化程度不高、复杂环境下的能力不足、日常使用中的可靠性不佳等。此外，用于协调各类反无人机武器与装备的核心指挥控制系统也尚不完善。

将人工智能技术整合进文献中所设想的复杂防御网络，是一项更为艰巨的挑战。研究人员尚未解决与探测、智能信息融合、拦截和平台集成相关的关键问题——而这些问题正是实现多传感器、多层次、端到端反无人机解决方案所必需的核心组成部分。

工程师在2022年对国内反无人机发展状况的一次评估中指出，针对更复杂环境（如海洋环境和城市区域）的反无人机技术仍不成熟，尤其是城市环境下，由于建筑物遮挡、地面杂物、鸟类干扰以及噪声和电磁干扰等因素，探测、追踪和目标识别尤为困难。他们还评估称，针对无人机蜂群的对抗技术和装备仍处于不成熟阶段，同样面临探测与追踪方面的技术难题。

2022年，空军预警学院的研究人员在一项研究中强调，未来无人机蜂群作战的关键在于拥有最先进的算法，并承认美国在该领域具备显著的科技优势。在此背景下，陆军航空兵学院无人机中心的研究人员也强调，密切跟踪国外在人机协同蜂群技术方面的发展，包括其规格、功能和应用方式，对于提升我国自身能力至关重要。

工程师也认识到本国在定向能武器（DEW）技术发展方面存在的不足。尽管他们观察到定向能武器已在战场上部署并展现出潜力，但西北核技术研究所的研究人员在2022年指出，这类武器的功率重量比仍无法满足战场需求，并坦言系统的小型化与轻量化仍是亟需突破的技术瓶颈。2019年，陆军航空兵学院无人机中心的研究人员也表达了类似观点，批评现有定向能对抗系统体积过大。陆军工程大学人员对俄罗斯“佩列斯韦特”（Peresvet）激光武器系统的评价也指出，该系统为地面部署，由于其重量和能耗限制，应用场景非常有限。

总体而言，尽管在反无人机系统的技术发展方面取得了显著进展，但仍存在大量差距和严峻挑战。

结论与启示

研究人员密切跟踪外国在无人机（UAS）及反无人机系统（counter-UAS）技术与战术方面的发展，并从纳戈尔诺-卡拉巴赫冲突以及正在进行的俄乌战争中无人机使用成败的经验中汲取了大量洞见。这些观察不仅验证了解放军内部现有的理论与作战概念，还成为推动其对无人战争方式不断优化的重要催化剂。

特别是在反无人机领域，尽管研究人员和工程师长期以来一直强调应采用与美国等国家相似的反无人机策略——即由人工智能驱动、整合先进探测、追踪与预警系统，并结合软杀伤与硬杀伤手段的多层次综合体系——但近期的冲突进一步凸显了多层、多模态反无人机方法的关键重要性。

这一认知无疑将促使中国继续加大对电磁干扰技术、定向能武器和人工智能技术的投资，以跟上战略竞争对手的步伐，并在未来冲突中实现作战优势。然而，中国军方与国防研究人员也认识到，一些相对简单、成本较低的系统和对抗措施同样具有显著的实战效果。

在追求先进反无人机作战技术的创新过程中，研究人员坦率地承认，目前在理论构想与实际应用之间仍存在显著差距，并意识到要实现文献中所设想的智能化、端到端集成式反无人机能力，仍需克服一系列关键技术挑战。尤其是在城市环境和海洋环境中，探测、追踪和目标识别面临重大障碍。

人工智能与机器学习技术的整合被视为克服这些挑战的关键推动力，特别是在提升探测与应对系统的智能性、自主性和决策速度方面。因此，预计将继续重点推进人工智能在以下领域的创新与投资：高密度小目标探测、图像增强、数据处理与决策制定等方面。

最后，尽管目前尚未形成专门针对反制无人系统的完整作战条令，但其反无人机策略很可能已为可能与美国及其盟友发生的对抗进行了相应调整。鉴于其对外军无人机行动和技术发展的高度关注，预计解放军将在其反无人机战略框架下，加强对美军及其私营部门无人机能力的情报搜集工作。

除了对技术参数、指挥控制体系和人员情报的收集之外，基于其对早期预警、探测与识别能力的高度重视，我们可以合理推测，扩充其无人机特征数据库，纳入未来可能由美国及其盟国在冲突中使用的无人机平台的发射信号和/或声学特征信息。

参考文献

1. 李家福. 无人机作战运用研究[J]. 中国军事科学, 2018(6).
2. 中国人民解放军军事科学院, 中国人民解放军国防大学. 军事战略学[M]. 北京: 国防大学出版社, 2013, 2015, 2017, 2020.
3. 党爱国, 王坤, 王延密, 王晓兵. 无人机集群作战概念发展对未来战场攻防影响[J]. 战术导弹技术, 2019(1).
4. 王远航. 微小型无人机作战应用及其应对策略研究[J]. 舰船电子工程, 2022(7).
5. 朱涛, 李淋杰, 凌海风. 无人机在叙利亚战争中的作战运用与启示[J]. 飞航导弹, 2018(11).
6. 邓静, 陈鹏, 翁呈祥等. 对无人机蜂群测控链路干扰策略研究[J]. 舰船电子对抗, 2022, 45(3).
7. 李丽亚, 何松, 赵柱, 等. “低慢小”目标防控体系建设及发展思路[J]. 红外与激光工程, 2023, 53(12).
8. 肖天亮, 楼耀亮, 亢武超, 蔡仁照. 战略学[M]. 北京: 国防大学出版社, 2015.
9. 寿晓松. 战略学[M]. 北京: 军事科学出版社, 2013.
10. 中国的军事战略[EB/OL]. http://www.81.cn/dblj/2015-05/26/content_6507373.htm.
11. 张玉良, 主编. 战役学[M]. 北京: 国防大学出版社, 2006.
12. 吴兵. 发达国家陆军转型发展问题研究[J]. 中国军事科学, 2013(3).
13. 赵天缨. 论推进高新技术武器装备发展[J]. 中国军事科学, 2013(3).
14. 肖天亮, 主编. 战略学[M]. 北京: 国防大学出版社, 2017.
15. 肖天亮, 主编. 战略学[M]. 北京: 国防大学出版社, 2020.
16. 张鹏飞. 联合战役信息作战概论[M]. 北京: 国防大学出版社, 2012.
17. 胡乔林, 焦士俊, 刘剑豪, 等. 反美军无人机蜂群作战问题研究[J]. 飞航导弹, 2021(12).
18. 孙昭, 何广军, 李广剑. 美军反无人机技术研究[J]. 飞航导弹, 2021(11).
19. 薛猛, 周学文, 孔维亮. 反无人机系统研究现状及关键技术分析[J]. 飞航导弹, 2021(5).
20. 刘玉文, 廖小兵, 等. 反无人机技术体系基本框架构建[J]. 四川兵工学报（现《兵器装备工程学报》）, 2015, 36(10).
21. 周末, 孙海文, 王亮, 等. 国外反无人机蜂群作战研究[J]. 指挥控制与仿真, 2023, 45(2).
22. 胡雷刚, 李五洲. 无人机蜂群物理反制手段[J]. 无人机, 2019, 33(4).
23. 张皓, 吴虎胜, 彭强. “低慢小”无人机反制装备及关键技术发展需求综述[J]. 航空兵器, 2022, 29(5).
24. 韩长喜, 邓大松, 陈卓, 等. 低慢小无人机威胁下的野战防空系统发展研究[J]. 战术导弹技术, 2023(5).
25. 张邦楚, 廖剑, 匡宇, 等. 美国无人机集群作战的研究现状与发展趋势[J]. 航空兵器, 2020, 27(6).
26. 黄宇, 丁东, 王峰, 等. 纳卡冲突对“三化”融合作战后装保障的启示[J]. 国防科技, 2022, 43(1).
27. 王昌海. 纳卡冲突中无人作战能力评述[J]. 飞航导弹, 2021(1).
28. 冯杨, 蒋超, 崔玉伟. 俄乌冲突中无人机作战运用及启示[J]. 中国军转民, 2022(23).
29. 陈黎. 从纳卡冲突看无人机/反无人机作战的未来发展[J]. 国防科技工业, 2021(1).
30. 剑道. 纳卡冲突中的无人机运用[J]. 军事文摘, 2021(1).
31. 章佳君, 钱晓超, 周金鹏, 等. 基于仿真的无人机空袭沙特油田事件探索性分析[J]. 系统仿真学报, 2020, 23(6).
32. 郝雅楠, 孔超, 关晓红. 国外无人机作战运用与发展态势分析——关于纳卡冲突事件的思考[J]. 国防科技工业, 2021(2).
33. 张洪碧, 孟凡松, 等. 某局部冲突中无人机作战运用及启示[J]. 指挥控制与仿真, 2022, 44(4).
34. 吴涛涛, 王茜, 武晓龙. 定向能武器在无人化战争中的制胜机理及运用特点[J]. 国防科技, 2022, 43(5).
35. 胡雷刚, 薛静. 无人机蜂群定向能反制手段[J]. 无人机, 2019, 33(4).
36. “俄乌冲突中的反无人机作战方式”[N]. 中国航空报, 2024-06-28.