在国防科技领域，指挥控制体系正经历从信息化向智能化的深刻转型，而网络基础设施作为这一转型的核心支撑，正面临前所未有的挑战与机遇。传统网络以数据传输为核心，而未来网络需承载算力、模型、数据、知识等多维智能资源，形成可调用、可协同、可验证的能力体系。这一变革不仅要求网络具备更高性能，更需实现从“被动承载”到“主动感知、智能决策”的跨越。
指挥控制基础模型“OODA环”（观察-判断-决策-行动）的演进，揭示了网络角色从单一信息通道向智能资源组织系统的转变。早期通信网络仅支撑命令传递，信息网络实现战场态势共享，而数据链、云平台与智能系统的融合，则推动联合行动向更高层次发展。当前，以人工智能为代表的新质生产力快速发展，指挥控制网络需解决三大核心问题：信息流畅通、新质能力调度、任务协同与系统行为管控。与此同时，国防信息网络的多域异构、链路动态、资源受限等特性，使得传统运维模式难以满足高动态环境需求，人工智能的引入成为必然选择。
智能网络并非简单叠加人工智能技术，而是网络与AI深度耦合的新型基础设施。其内涵可从四层维度理解：连接对象从信息节点扩展至算力、模型、数据等智能资源；服务目标从保障通信升级为保障任务完成；运行机制从人工配置转向闭环自治；安全边界从网络安全延伸至智能安全。例如，在任务保障中，网络需确保态势融合及时性、智能推理可用性、关键业务连续性，并在异常情况下具备降级运行能力。这种转变要求网络具备身份认证、行为审计、结果验证等全流程安全能力，以应对数据污染、模型误用等新型风险。
人工智能的发展正重塑网络需求。早期AI应用以单一模型推理为主，对网络依赖有限；而大模型与智能体的出现，使训练、推理、部署过程呈现显著分布式特征。面向智能任务的网络能力可划分为四个层级：节点级互联支撑单机柜内加速器高速通信，集群级互联组织智算中心内服务器形成大规模集群，广域智算网络实现跨域算力协同，智能体互联网络支持多智能体任务协作。例如，在广域场景中，网络需动态选择任务执行位置，兼顾链路状态、算力负载与安全策略，确保服务连续性。
网络智能化（AI for Networking）的核心在于实现闭环自治。借鉴指挥控制领域的OODA环理论，网络运行需形成“感知-认知-决策-验证-执行-评估”的完整闭环。感知阶段通过遥测、日志等手段获取全网状态；认知阶段结合知识图谱与模型进行故障诊断；决策阶段生成路由调整或资源调度方案；验证阶段利用网络孪生技术评估风险；执行阶段在授权后下发策略；评估阶段持续监测效果。例如，在任务意图驱动下，用户仅需表达目标，系统可自动解析优先级、时间约束等要素，生成可执行的网络策略，并通过大模型与优化算法协同完成路径计算与资源分配。
网络孪生技术是智能网络可信自治的关键支撑。通过构建真实网络的虚拟镜像，孪生系统可在策略下发前完成仿真验证，评估配置变更对业务时延、可靠性的影响，或模拟链路中断等异常场景。这种“离线训练、孪生验证、影子运行”的渐进式路径，可避免智能化能力未经验证直接接入关键网络，为高可靠需求提供安全屏障。运维智能体作为AI落地的典型场景，可承担态势摘要、故障诊断等任务，通过调用诊断工具、分析故障传播路径，缩短定位时间并降低对专家经验的依赖，但其操作需严格遵循最小权限、分级授权等原则。
智能网络对指挥控制体系的支撑作用体现在多维度能力提升：分布式智能资源组织使任务可动态调用算力与模型；多域协同任务闭环支持跨陆、海、空等域的智能能力协作；受限条件下的韧性运行确保链路故障时关键业务连续；人机协同决策为指挥人员提供可信方案与仿真评估；安全可控机制实现模型调用、工具执行的全流程可追溯。这些能力的实现，依赖于大模型、智能体、算力网络与网络孪生技术的深度融合。
中国指挥与控制学会指挥控制网络专业委员会正聚焦新一代指挥控制网络的技术创新，联合军地资源推动标准制定与应用落地。其工作涵盖组网体系架构、智能动态传输、无人机器控制等领域，旨在破解各军兵种指挥信息系统间的互联难题，为全域联合作战奠定基础。未来，专委会将进一步促进指挥控制网络技术在物联网、智联网等军民领域的融合，构建“以军带民、以民促军”的协同发展生态。
