8.26亿美元再加码：美军扩产JASSM与LRASM，远程精确打击竞争转向“库存深度”

22分钟前浏览0

美国远程精确打击武器扩产正在进一步提速。

据《Army Recognition》9月10日报道，美国国防部近日向洛克希德·马丁追加约8.2598亿美元，用于JASSM联合空对地防区外导弹和LRASM远程反舰导弹的大批量采购。此次调整使相关合同累计价值由约96.5亿美元增至104.8亿美元，相关工作计划持续至2030年7月。

一、两种导弹共用产线，扩产首先考验工业基础

JASSM和LRASM虽然任务定位不同，却来自同一AGM-158技术谱系，并共享相当一部分生产设施、供应商和关键零部件。

其中，JASSM主要承担远程对陆打击任务，JASSM-ER公开射程超过500海里，可由B-1B、B-2、B-52、F-15E和F-16等多型飞机使用；LRASM则重点用于远程反舰，强调低可探测、航路规划和自主制导，以降低在复杂电磁环境中对持续外部数据支持的依赖。

美国国防部此前已明确，将JASSM-ER与LRASM纳入“大批量采购”试点，因为二者在阿拉巴马州特洛伊同厂组装，并共享大量二、三级供应商，希望通过多年采购和提前订购长周期物项提升产能。

这意味着，扩产不再只是“多下订单”，而是要同步解决发动机、电子设备、导引组件和总装资源等整个供应链的吞吐能力。

二、真正目标，是形成可持续的远程“弹药纵深”

此次追加资金背后的关键变量，是高强度作战条件下的弹药消耗。

《Army Recognition》分析认为，在印太方向，JASSM可用于打击防空阵地、指挥节点和后勤设施，LRASM则主要面向处于多层防御体系保护下的水面舰艇。两者共同特点是允许作战飞机在较远距离外发射，从而降低平台进入高威胁空域的风险。

但远程打击行动通常依赖批量齐射，而非单枚使用。一旦进入持续高强度作战，决定体系效能的就不只是导弹性能，而是库存能否支撑连续行动、生产线能否及时补充消耗。

因此，美军正在把“射得远”进一步转化为“能长期打、能持续补”。

三、需求增加，也带来JASSM与LRASM之间的产能竞争

共享生产基础既能降低成本，也会带来新的约束。

随着反舰任务和远程对陆打击需求同时上升，两种导弹实际上需要争夺相同的厂房、设备、零部件和熟练工人。《Army Recognition》指出，这使产能本身成为比单型导弹性能更重要的问题。

洛克希德·马丁近年来已持续扩充相关制造能力，并通过自动化生产、机器人喷涂和供应链预测工具提高效率。公司此前也明确表示，大批量采购机制有助于提前采购长周期部件，并提高年度交付规模。

四、盟友订单进一步推高生产压力

这套生产体系还不仅服务美国自身。

此前JASSM和LRASM大批量合同已经包含波兰、荷兰、日本和芬兰等国的对外军售需求；最新合同调整中仍包含外国军售资金。

这意味着，美军既要为自身高强度作战准备增加库存，又要满足盟友采购需求。如何避免不同用户争夺交付窗口，正在成为新的工业组织问题。

因此，此次8.26亿美元追加合同真正值得关注的，并不是又采购了多少枚导弹，而是美国远程精确打击建设正在从“追求先进武器性能”，转向更加现实的产能、库存、供应链和补充速度竞争。

未来远程打击体系能否形成持续威慑，关键可能不只是JASSM和LRASM飞多远、打多准，而是工业体系能否以足够速度把消耗掉的导弹重新补回来。

参考信息来源：《Army Recognition》，U.S. Adds $826M to Expand JASSM Cruise Missile and LRASM Anti-Ship Missile Output amid Indo-Pacific Demand，2026年9月10日；美国国防部JASSM/LRASM大批量采购公开合同资料；洛克希德·马丁相关生产扩充资料。

免责声明：本公众号目前所载内容为本公众号原创、网络转载或根据非密公开性信息资料编辑整理，相关内容仅供参考及学习交流使用。所载内容观点不代表本公众号观点，仅供参考。由于部分文字、图片等来源于互联网，无法核实真实出处，如涉及相关争议，请跟我们联系。我们致力于保护作者知识产权或作品版权，本公众号所载内容的知识产权或作品版权归原作者所有。本公众号拥有对此声明的最终解释权。

来源：智研航天

人工智能嵌入作战决策闭环的人机协同机理、效能边界与仿真评估研究——以美国空军DASH实验为牵引

一、报告内容系统总结《人工智能嵌入作战决策闭环的人机协同机理、效能边界与仿真评估研究——以美国空军DASH实验为牵引》全文约6.8万字，聚焦人工智能进入指挥控制体系后“人、机、信息、流程与组织”关系的结构性变化，重点回答人工智能在何种条件下能够形成决策优势、人工介入应保持何种程度，以及高自动化为何并不必然带来更高综合效能等问题。报告以美国空军“决策优势人机协同冲刺实验”（DASH）为现实观察窗口。公开资料显示，DASH通过空军、太空军操作人员与工业界开发人员共同参与，对人工智能赋能的指挥控制工具进行实验评价，并探索缩短战场态势评估与响应时间、加快新型指挥控制能力集成的方法。报告首先从作战决策闭环、有限理性、态势感知、自动化层级、信任校准和分布式认知等理论出发，将人工智能嵌入决策体系理解为认知资源与功能责任的重新配置，而非单纯的算法加速。围绕这一认识，构建“任务复杂度—人工智能能力—人工介入—信息质量—网络时延—认知负荷—风险—错误相关性”分析框架，并进一步建立决策时间、联合正确性、错误传播、任务排队、系统吞吐、人员负荷及综合效能模型。在方法上，报告设计纯人工、规则/融合辅助、人工智能建议加人工审核、高自动化选择性监督四类决策模式，采用离散事件仿真、随机任务生成与蒙特卡洛计算，对人工智能准确率、人工审核比例、任务到达率、信息质量、网络时延、模型失配和人机错误相关性进行系统扫描。所有计算参数均明确作为理论研究设定，与DASH真实算法、任务脚本和作战性能严格区分。仿真结果表明，人工智能的价值具有明显条件性。在基准设定下，人机协同模式在正确率和综合效能方面优于纯人工模式，而高自动化模式虽然具有更短的平均决策时间，却可能因纠错能力下降而损失决策质量，说明“更快”不能直接等同于“更优”。综合效能意义下，人机协同出现正向收益存在人工智能能力阈值；若进一步要求决策正确率不低于纯人工基准，则准入门槛明显提高。人工审核同样并非越多越好，而是在纠错收益、人员负荷和时间成本之间形成非单调最优区间。随着任务并发程度提高，人工智能的主要价值还会由“缩短单次处理时间”转向“扩大系统容量、延缓队列失稳”。报告进一步指出，人机协同能否形成可靠冗余，取决于人和机器是否具有不同的失效模式。错误相关性升高会显著削弱人工审核的纠错价值；信息质量下降、模型失配和网络条件恶化则会推动效能边界移动，并使高自动化体系暴露更明显的尾部风险。因此，军事人工智能评价不能停留在离线准确率和算法时延，而应同时考察联合错误矩阵、端到端决策时间、人员工作负荷、任务吞吐、严重错误概率、性能退化与恢复能力。在此基础上，报告提出从“算法/模型评价—人机协同评价—工作流程评价—指挥控制集成评价—任务效能评价—体系效能与持续监测”逐级累积证据的试验评估框架。其核心结论是：人工智能进入指挥控制体系后，真正需要优化的并非固定的“自动化程度”，而是在不同任务负荷、风险水平、信息条件和系统状态下，动态确定由人还是机器承担何种决策功能，并确保异常状态下能够可靠转移控制权和保持最低任务能力。这一认识构成全文关于人机协同机理与效能边界的理论主线。报告思维导图搜索“智研烽火信息”微信小程序获取报告章节选读免责声明：本公众号目前所载内容为本公众号原创、网络转载或根据非密公开性信息资料编辑整理，相关内容仅供参考及学习交流使用。所载内容观点不代表本公众号观点，仅供参考。由于部分文字、图片等来源于互联网，无法核实真实出处，如涉及相关争议，请跟我们联系。我们致力于保护作者知识产权或作品版权，本公众号所载内容的知识产权或作品版权归原作者所有。本公众号拥有对此声明的最终解释权。来源：智研航天