纪要涉及的行业和公司 - 行业：军事AI、军工行业 - 公司：中航光电、紫光国威、振华科技、国博电子、成都华为、中科星图、金达威、航天电子、中无人机、航天彩虹、洪都航空、中航沈飞、中航成飞、中航西飞、海格通讯、712、派特尔公司、Premier、Allgeier [17][8] 纪要提到的核心观点和论据 - 大模型AI技术对我国军事AI规模化部署影响深远：DeepSeek等大模型的低成本化和开源模式为军工应用场景落地提供可能，引领作战模式向无人化、智能化演变；人工智能技术重塑军事任务执行模式，在OODA循环中引入先进技术提升决策效率，但自主决策和行动环节仍依赖人力；未来军事AI将在多领域广泛应用，提高整体作战效能 [2][3] - OODA系统与人工智能结合现状及未来趋势：当前OODA系统各环节逐渐引入先进技术，但自主决策和行动环节仍依赖人力；未来大模型时代有望实现无人机全流程自主决策，需提高人工智能安全性、鲁棒性和实时应对能力 [4] - 美军无人物资装备发展现状及挑战：美军自越战以来大量应用无人物资装备，但处于低水平列装状态，多用于侦查，全流程自主决策能力受限；无人机需大量人力保障，在复杂环境下难以实时决策，列装受制于地面保障人员编制，限制市场容量 [3][5] - 我国军事AI规模化部署的主要应用场景：包括五大基础平台（舰船、有人战机、潜艇等）、通讯及质控体系产品、网络信息体系建设、态势感知与自主任务规划及指挥控制、行动执行效能评估 [6][7] - 军工和军事应用中OODA过程的限制及提升自主决策能力的方法：主要限制是提高自主决策处理复杂问题的能力，AI大模型技术发展将提升该能力，美国已有相关应用部署 [8] - 国内在ChatGPT出现后的尝试及遇到的问题：国内基于类似模型进行尝试，应用于多方面，但遇到算法安全性、数据获取难度大、算力成本高的问题 [9] - 算法、安全性与鲁棒性的考虑：大模型用于军事应用需考虑安全性，闭源模型可能导致决策失误，需开源且优化算法确保鲁棒性和安全性 [10] - 数据获取与利用的壁垒：军工数据保密，获取难度大且格式不统一，传统供应商掌握关键数据，行业壁垒高，通常由国家队或国家授权配套企业负责 [11] - 解决算力需求与成本矛盾的必要性：传统大型AI模型算力和能源投入高，武器终端需具备最低限度人工智能能力，算力成本过高会限制军事应用前景 [12] - DeepSeek对军工行业的推动作用：DeepSeek作为开源项目可持续迭代优化，低成本化部署及蒸馏小参数大模型可实现嵌入式AI增能，提升无人机自主决策能力，对C4ISR系统落地有重要意义 [13] - 无人机列装不受编制限制的意义：未来无人机列装不受人员编制限制，OODA决策效率提高，战斗节奏加快，消耗型持久战中无人机需求量将大幅增加 [14] - 军事AI技术对网络信息体系建设的影响：推动网络信息体系建设，通过物联网和万物互联提高信息化能力，降低装备维护成本，节省资金可用于购买更多装备 [15] - 军事AI应用的优势：无人化使武器装备不受人力编制限制，加速网络信息体系建设，降低存量装备维修保障成本，提升装备采购额 [16] 其他重要但可能被忽略的内容 - 美国国防信息系统局将ChatGPT等生成式人工智能技术纳入最新技术应用清单并部署，一些美国公司推出基于相关技术的数据分析工具辅助自主决策 [8] - 派特尔公司市值在2023年翻了五六倍 [8] - 目前武器装备全寿命周期成本中约40%用于新机部署和研制，60%用于维修保障，美军军费中40%用于维修保障，仅10%-20%用于现代化改造 [15]