（来源：麻省理工科技评论）
想象一下这样的场景：一名士兵的目光锁定远处一个可疑目标，只需一个眼神或一句低语，附近的无人机便会收到指令，完成从侦察到打击的完整链条。这并非科幻电影，而是国防科技公司 Anduril 与 Meta 正在联手推进的军用增强现实（AR）头盔项目所描绘的未来图景。
根据《麻省理工科技评论》的最新披露，这个项目正试图将“人机协同”提升到一个前所未有的高度。
赛博格愿景：让士兵与机器融为一体
项目的负责人奎·巴内特，一位前美国陆军特种作战司令部成员，如今以 Anduril 副总裁的身份领导这项工作。他阐述的核心目标相当直接：优化“人作为武器系统”的效能。这个愿景带有强烈的赛博格色彩——巴内特希望无人机和士兵能够共同感知战场、无缝共享信息，并像一个有机整体般做出决策。
目前，Anduril 正沿着两条路径并行推进。一条是美国陆军官方资助的“士兵原生任务指挥系统”（SBMC）。去年，Anduril 拿下了一份价值1.59亿美元的原型开发合同，与 Meta 合作开发能安装在现有军用头盔上的 AR 眼镜。另一条则是公司自筹资金的“EagleEye”项目，这是一套从头盔到头显的一体化解决方案。尽管军方尚未提出需求，但 Anduril 坚信，最终军方会为这个更集成的方案买单。
不过，这两套系统距离真正装备部队都还有数年之遥。陆军预计最快也要到2028年，才会将 SBMC 项目中的优选方案推向量产——前提是他们能选出合适的方案。此前，该项目的牵头方微软曾有望获得一份高达220亿美元的量产合同，但因眼镜未能证明其可行性，合同最终被取消。这无疑为后来的竞争者敲响了警钟，也抬高了成功的门槛。
从指南针到AI目标识别：信息如何呈现？
那么，这些智能眼镜究竟能在士兵眼前展示什么？答案取决于具体的作战情境。简单的，可能只是一个悬浮的电子指南针；复杂的，则可能是整片作战区域的三维地图、友军与无人机单位的实时位置，甚至是由人工智能识别并标注出的潜在威胁目标，比如一辆隐藏在树林中的卡车。
交互方式也力求自然。士兵可以直接用语音与系统对话，例如为伤员呼叫医疗后送，或规划一条避开敌方火力的安全路线。系统底层运用大语言模型（LLM）来理解并翻译这些自然语言指令。有意思的是，Anduril 正在测试的模型来源多样，包括 Google 的 Gemini、Meta 的 Llama，甚至还有 Anthropic 的 Claude，尽管后者目前与五角大楼的关系有些微妙。
驱动这一切的“大脑”，是 Anduril 自家的软件平台 Lattice。这个平台的核心能力在于整合来自不同军事硬件（传感器、无人机、指挥系统）的数据，将其融合成一张统一的战场态势图。其重要性已得到认可：今年3月，美国陆军宣布将投入200亿美元，计划将 Lattice 平台接入其几乎全部的基础设施网络。
巴内特的团队正在尝试让系统处理更复杂的多步骤任务。例如，士兵可以命令一架无人机前往特定区域侦察，并指示它“发现疑似炮兵阵地后返回”。随后，系统可能会基于侦察结果，推荐下一步行动方案，比如调动附近另一架无人机进行打击——当然，这类致命性决策仍需经过传统指挥链的批准。
更激进的是，他们希望最终连语音都不需要。通过精准的眼球追踪技术和轻微的点触操作，士兵就能传达意图。巴内特透露，这套交互逻辑在早期原型机上已经验证可行，但距离交付陆军进行大规模实战测试还有距离。相关的硬件零部件从今年3月起才开始陆续到货。
是减负还是增负？士兵的“脑力带宽”挑战
然而，一个根本性问题随之浮现：对于已经身处高压、信息过载环境中的士兵而言，眼前突然出现这么多数据和选项，究竟是赋能，还是负担？
兰德公司的高级政策研究员乔纳森·黄（Jonathan Wong）一针见血地指出了关键。他曾是美国海军陆战队员，如今专门研究陆军的新技术采购。他认为，所有智能眼镜项目的初衷，都是打造一个“清爽”的界面，只在关键时刻提供必要信息。但如果产品本身消耗的注意力比它节省的还多，士兵很可能会直接弃用。
“人的‘脑力带宽’是有限的，”黄解释道，“你既要高度警觉地感知周围环境，又要分心操作复杂技术，同时还要指挥小队、做出决策。这其中的平衡极其微妙。”他回忆自己担任排长时，曾需要同时监听三个无线电频道。“当两个频道里同时有人说话的那一刻，我两边都跟不上了，而且很可能对身边正在发生的危险也丧失了感知。”
对此，巴内特的回应是，理想的智能眼镜恰恰应该成为信息过载的解决方案。Anduril 的思路正是通过语音、眼动等更直觉的交互方式，让士兵能更快地获取关键信息，而非被海量数据淹没。不过黄也指出，即便所有技术难题都被攻克，这套系统是否真的对士兵“有用”，可能还需要经过数年的实战演练与迭代才能见分晓。
风险升级：当AI成为一线士兵的“副驾”
另一个无法回避的挑战是可靠性。这样的系统将前所未有地增加一线士兵对人工智能的依赖。虽然计算机视觉用于目标识别、聊天机器人辅助决策已在军方有所应用，但将其集成到每位士兵的眼前，并赋予其识别威胁、推荐打击任务的能力，意味着出错的风险被提升到了新的量级。
战场环境下的AI误判，后果不堪设想。这不仅是技术问题，更是严峻的伦理与责任问题。
激烈的赛场与严苛的障碍
当然，瞄准军用AR这块蛋糕的不止 Anduril 一家。就在同一时期，专注于军用可穿戴传感器的 Rivet 公司获得了1.95亿美元的原型合同；今年3月，以色列国防科技巨头埃尔比特系统公司也拿下了一份1.2亿美元的合同。这个市场的重新洗牌，始于微软主导地位的丧失——五角大楼的一项审计发现，陆军未能对微软的眼镜进行充分测试，这个失误差点导致220亿美元的巨额浪费。
在技术层面，Anduril 在两个原型上都测试了一套新的数字夜视系统。该技术利用电子传感器和算法增强微弱光线，被期待了数十年，但以往的产品往往存在响应延迟或画面粗糙的问题。Anduril 声称，通过结合新一代生成式AI与传统机器学习技术，他们在前代原型基础上取得了显著改进。
值得注意的是，两个项目的大部分硬件，包括显示屏和关键的光波导技术（负责将图像投射到用户眼前且不遮挡视线），都由 Meta 制造。这多少有些戏剧性：2017年，Facebook（现 Meta）曾因内部冲突，将当时支持特朗普的 Anduril 联合创始人帕尔默·拉基扫地出门。如今，两家公司在AR领域再度携手，而 Meta 的掌门人扎克伯格对可能到来的第二届特朗普政府，也表现出了更为友好的姿态。
在具体设计上，陆军的 SBMC 项目方案是将智能眼镜、夜视仪和传感器作为模块，加装在士兵现有头盔和装备上，并配备独立的电池组。而 EagleEye 版本则追求高度集成，将所有技术都内置到头盔本体之中。巴内特表示，即使美国陆军最终不选择 EagleEye，他们也会尝试将其推销给其他国家的军队。
摆在所有竞争者面前的障碍清单依然很长。与 Meta 面向消费者的 Ray-Ban 智能眼镜不同，军用原型必须在极端恶劣的环境下工作：灰尘、爆炸冲击波、烟雾都是家常便饭。要塞入足够的本地算力以保证在没有5G信号的战场边缘也能运行强大的计算机视觉和AI模型，同时还要保证续航，这必然意味着重量增加——而士兵的单兵负荷已经常常超过100磅（约45公斤）。
正如乔纳森·黄所总结的：“要想让陆军愿意大规模采购，它必须管用，而且必须非常、非常流畅。这个门槛，实在不低。”
