一、国内军事大模型发展现状

2025 年，国内军事大模型发展呈现出从单一功能向多模态融合、从辅助决策向自主决策、从特定场景向全域覆盖的发展趋势。各主要参与者基于不同的技术路径和应用重点，形成了差异化的产品布局：

1. 华如科技：以 “仿真 + AI” 为技术路线，构建了完整的 XSim® 军事智能体系，其中 XSimVerse® 军事大模型已在私域环境全面接入 DeepSeek 大模型，提供军事智能一体机部署方案。

2. 渊亭防务的天机系统，天机·军事大模型作为国内首个军事领域大模型，通过大模型技术结合多年打磨沉淀的军事智能化生成技术，以融合知识图谱、强化学习、运筹优化等相关智能技术构建的统一的认知决策框架为基础 ，通过“大模型带小模型（1+N）”的方式，构建包括信息获取、理解分析、知识推理、方案生成、规划寻优、模态感知、多智能体、专项智能的八大能力，服务于包括作战指挥、无人系统集群协同、策略仿真等70 多个军事应用场景。

3. 西安工业大学傅妍芳团队：基于 DeepSeek 大模型技术，开发了军事仿真想定自动生成系统，实现了从 “经验驱动” 到 “认知增强” 的范式跃迁(1)。

4. 上海漂视网络：通过 CIMPro 孪大师平台，提供面向军工领域的数字孪生融合仿真引擎，支持从单装操作到战区联合作战的全谱系、全要素模拟需求(12)。

5. 某司多模态军事大模型解决方案：以军工及政务特种领域的大模型私有化落地为核心方向，提供军事智能问答、军事情报分析、智能空战助手、指挥辅助决策及自动化调度等解决方案(6)。

二、国内军事大模型核心产品概览

1. 渊亭科技 - 天机·军事大模型

   • 基础能力：融合知识图谱、强化学习、运筹优化技术，构建“认知决策一体化”框架，支持动态策略调整。
   • 业务场景：覆盖作战指挥、无人集群协同、策略仿真等 70+ 军事场景。
   • 技术架构：
     • 采用“1+N”架构（基座大模型 + 专项小模型），实现八大能力模块化。
     • 强化学习-运筹优化协同模块：通过贝叶斯网络动态推演 + 合作博弈约束模型，解决高维决策问题。
     • 多模态融合：特征级融合技术将文本、图像、时序数据映射至共享语义空间。
   • 应用案例：
     • 战略博弈推演中生成多分支作战方案，决策时效缩短 80%。
     • 无人集群任务分配场景下，通过联邦学习保障数据安全。

2. 华如科技 - XSimVerse军事大模型

   • 基础能力：
     多模态数据处理：融合文本、图像、地理信息等多种数据类型，构建全面的战场认知能力
     军事知识图谱构建：整合军事理论、装备参数、战例数据等专业知识，形成结构化军事知识库
     智能决策支持：基于OODA（观察-判断-决策-行动）循环理论，提供从情报分析到行动建议的全流程支持
     虚拟环境生成：利用AIGC技术自动生成战场环境、兵力部署和作战想定
     智能体协同：支持多智能体在复杂战场环境下的协同决策和对抗训练。
   • 业务场景：聚焦智能决策、虚拟训练、数智试验。
     
   • 技术架构：
     • 四层架构：基座通识→领域增强→场景适配→智能体协同。
     • 多模态数据融合：卫星/雷达/电磁数据实时处理，采用“特征拼接+注意力加权”策略。
   • 应用案例：
     • 红蓝对抗推演：构建高复杂度数字战场，生成智能蓝军决策链。
     • 无人集群协同：依托“云-边-端”架构，实现动态任务分配（响应延迟 <500ms）。

3. 其他相关产品

   • 海康威视观澜大模型：CV进阶至多模态，安防与军事交叉场景适用。
   • 阶跃星辰多模态模型：强调“理解-生成一体化”，布局军事世界模型构建。

---

二、关键技术架构解析

（一）多模态融合技术

1. 融合层级：
   • 数据级：原始传感器数据直接对齐。
   • 特征级：CNN/LSTM提取跨模态特征，共享隐空间映射。
   • 决策级：大模型输出加权投票。
2. 军事场景实现：
   • 华如XSimVerse采用 跨模态对比学习，建立图像-文本语义锚定。
   • 渊亭天机通过 动态多模态融合（DynMM） 减少冗余计算。
     天机·战略博弈分析平台基于战略博弈思想，模拟或复盘博弈各方的角色、目标、活动、策略以及动态演化的博弈过程，结合时序、态势、策略、推理等手段，综合反映世界格局演化，体现国家之间政治、经济、军事、科技等复杂多因素的战略较量，通过事理图谱预测未来态势走向，解决人工判断无法覆盖全空间数据的局限性问题，帮助建立战略全局观，为战略博弈相关行动提供辅助决策。

（二）战略博弈推演架构

1. 通用框架：

   | 战略态势表现 → 博弈推演环境 → 智能服务平台 → 决策知识库 |  
   └─ 支撑层：国产化云计算/安全网络。
   

2. 创新技术：

   • 贝叶斯网络动态推演：处理政治/经济/军事多源异构数据。
   • 大模型Agent工作流：渊亭实现OODA循环自动化（观察-判断-决策-行动）。

---

三、战略博弈与指挥决策应用案例

（一）战略级应用

1. 渊亭天机系统：
   • 案例：东海冲突模拟推演中，生成6套对抗方案并预测胜率偏差 <5%。
   • 价值：可信评估模块提升决策鲁棒性。
2. 上海交大“交尚先锋”：
   • 基于“吕尚”大模型，实现无想定约束的实时策略调整。

（二）战术级应用

1. 华如无人集群协同：
   • 无人机蜂群突防任务中，多模态融合实现防空漏洞实时识别（准确率 92%）。
2. 强化学习-运筹优化协同：
   • 渊亭火力分配模型：

     \max \sum_{i=1}^{n} P_{hit}(t) \quad s.t. \sum C_{ammo} \leq B_{max}
     

结合PPO算法动态优化弹药消耗。

---

四、行业挑战与未来趋势

1. 核心挑战：
   • 数据壁垒：军事有效数据占比不足 15%。
   • 评估标准缺失：指挥决策场景缺乏权威测试集。
2. 技术演进方向：
   • 端到端多模态架构：GPT-4o/Gemini路径适配无人装备。
   • 动态知识图谱：华如通过仿真系统闭环迭代知识库。

---

五、教学与应用建议

1. 教学重点：

   • 剖析天机“1+N”架构与华如四层模型的军民融合差异。
   • 推演案例：红蓝对抗中多模态决策链路时效分析。

2. 应用评估维度：

   指标	渊亭天机	华如XSimVerse
   决策时效	分钟级 → 秒级	秒级响应
   多模态准确率	90%（文本主导）	92%（视觉增强）
   国产化适配	麒麟OS/昇腾	鲲鹏/统信UOS

   注：性能数据源自企业白皮书与学术会议报告。

---

（本报告严格依据搜索结果撰写，未公开技术细节以企业披露为准。）
参考资料

[1] 军事仿真重大突破!西安工业大学发布智能仿真想定新范式_极目新闻 http://m.toutiao.com/group/7504555440374694452/?upstream_biz=doubao
[2] AI军事:西安工大傅妍芳团队基于DeepSeek的军事推演取得重大突破_岁月催人老 http://m.toutiao.com/group/7504786983055622691/?upstream_biz=doubao
[3] 难怪DeepSeek最近安静了，解放军两大战区都宣布了!美军懵了 https://c.m.163.com/news/a/JRJJ1ODH0553XMDG.html
[4] 军事大模型 - 渊亭防务 https://utenet.cn/military-model
[5] 中国指挥控制学会历年论文集
[6] 生成式ai技术赋能国防业务——多模态军事大模型实时交互决策解决方案 https://blog.csdn.net/Java_ZZZZZ/article/details/146040938
[7] 观点争鸣丨让指挥控制更加智能 - 中国军网 http://www.81.cn/yw_208727/16380563.html
[8] 美国陆军智能化军事决策支持系统的探索 - 安全内参 | 决策者的网络安全知识库 https://www.secrss.com/articles/78690
[9] 新半人马(人机编队作战):跨战争层级的认知进化模型_人类 https://www.sohu.com/a/894040472_358040
[10] 【专报】智能战域:基于生成式人工智能的军事战术决策体系重构” http://www.360doc.com/content/25/0430/23/79957879_1152455430.shtml