面向巴西武装部队多域决策的 Agentic AI 架构提案

一篇 arXiv 论文提出面向巴西武装部队的 Agentic AI 概念架构，用于支持陆、空、海、网络与电磁频谱多域决策。论文指出当前防务 AI 多为被动且孤立的工具，仍依赖人工整合信息，加重了 C2 中心的 OODA 循环压力。架构强调自主规划、访问数据源、执行工具与可审计行动，并讨论决策支持、态势分析、可行性研究和反制建议四个应用方向，以及数据与传感器接入、安全与权限保障。

此前提到的防务 AI 多是被动、孤立的工具，信息整合与行动方案制定仍靠人工；该提案把重点转向可自主规划、调用工具并保留可审计性的 agentic 架构，说明防务决策支持的设计目标从单点辅助走向跨军种、跨域协同。

多域作战使抵达 C2 中心的数据量与速度上升，压缩了 OODA 循环各环节的人工处理空间。Agentic 架构通过让 AI 自主规划、访问多源数据、调用工具并执行动作，把信息整合与方案生成从人工环节前移到系统侧，同时以可审计性和权限控制来约束自主行为。

对防务与政企产品团队而言，这意味着需要把权限模型、审计日志、工具调用接口和多源数据接入作为核心能力来设计，而非只做单点分析界面。研发上需支持跨域数据融合与可解释的行动建议，安全与合规成本会前移。

• 为指挥控制类产品设计可审计的 agent 工具调用层，记录每次数据访问与建议生成链路。
• 面向多域态势分析场景，提供跨传感器数据接入与统一权限管理的中间件。
• 围绕决策支持、可行性研究与反制建议四类场景，封装可复用的 agent 工作流模板。
• 在政企与防务交付中加入人机协同审批节点，保留人工确认并降低自主行动风险。

• 该架构目前仅为概念提案，是否有原型实现或实验评估数据？
• 如何具体解决跨军种、跨安全域的数据共享与权限一致性问题？
• 可审计性在技术层面如何实现，是否定义了审计粒度与标准？
• 论文在 arXiv 发布，是否经过同行评审或正式采纳流程？