軍事優(yōu)勢通常不是來自新技術，而是來自技術、流程和人員如何協(xié)同工作。工業(yè)4.0時代的戰(zhàn)備工作即將重新定義這些關系。

軍事戰(zhàn)備是軍方長期關注的焦點。隨著預算壓力的不斷增加，現(xiàn)在正在成熟的數(shù)字資源，包括數(shù)據(jù)科學、云計算和人工智能，都可以幫助軍隊更有效地做好戰(zhàn)備工作。

軍事戰(zhàn)備是什么

從培里克利斯到巴頓，軍事領袖們可能總是懷疑他們是否有足夠的士兵、長矛或坦克處于戰(zhàn)斗狀態(tài)。在當今威脅激增的環(huán)境中，軍事戰(zhàn)備再次成為人們關注的焦點。美國國防部長吉姆·馬蒂斯已將軍事戰(zhàn)備作為優(yōu)先事項，而在大西洋彼岸，英國、德國和法國的國防領導人也正在制定計劃，以提高作戰(zhàn)飛機、地面車輛、船只和人員的利用率。隨著全球各國軍隊都尋求將預算中的每一美元價值最大化，現(xiàn)在似乎是時候用一種新視角重新討論軍事戰(zhàn)備問題，這種新視角利用了技術、數(shù)據(jù)科學、云計算和人工智能（AI）的技術，而就在幾年前，這些能力都還沒有被實現(xiàn)。

軍事戰(zhàn)備這一話題會引發(fā)很多爭論。人們在作戰(zhàn)層面和組織層面都對軍事戰(zhàn)備進行了定義。而全方位軍事戰(zhàn)備將兩個層面綜合起來，從而調(diào)和了這些爭論。狹義上講，軍事戰(zhàn)備是指軍隊的訓練和戰(zhàn)士身體素質(zhì)以及設備的維護狀態(tài)。從廣義上講，軍事戰(zhàn)備是指“軍事力量的作戰(zhàn)與滿足賦予任務需求的能力?！睆莫M義的概念到最廣義的概念，全方位軍事戰(zhàn)備不僅為決策者提供戰(zhàn)略決策所需的高層次觀點，還提供了戰(zhàn)術改進所需的細節(jié)。對全方位軍事戰(zhàn)備的思考，也引發(fā)了一系列重要的問題：為什么做準備？何時準備就緒？準備就緒了什么力量組合？

軍事戰(zhàn)備最終取決于一個核心問題：我們是否準備好贏得下一場戰(zhàn)斗？與“是否可以在任何時間、任何地方集結足夠的力量來擊敗對手”這一問題相比，沒有哪一個問題可以更好地定義一個軍隊的使命了。但這一問題也很棘手：答案取決于從戰(zhàn)術到戰(zhàn)略目標的大量投入和評估，而每一項投入和評估都可能是很難收集和分析。為了簡化這一問題，我們可以將其拆解為決策者應該理解的3個問題：

預期任務需要哪些能力？軍隊在執(zhí)行計劃任務指令時，有哪些能力、資產(chǎn)和賦能者可供使用？這些也被稱為兵力結構，也就是軍事戰(zhàn)備的起點。因為，如果領導者想要確定執(zhí)行任務的軍隊需要多強大或多“健康”，那么任務的性質(zhì)就會變得非常重要。

這些能力的狀況如何？執(zhí)行任務所需的人員、武器系統(tǒng)和輔助基礎設施目前的狀況如何？換句話說，衡量一支軍隊的“健康”程度的標準，與可能分配給它的任務相關。

如何分配“下一美元”來改善這些能力？軍隊應該如何用好每一分錢，來投資于軍隊的維護、現(xiàn)代化或培訓？這一問題涉及到預算，這個問題基本上是由軍事戰(zhàn)備情況來決定的——要投資的地方通常取決于軍隊哪里是“健康”的以及哪里是不符合要求的。

當前的軍事戰(zhàn)備報告系統(tǒng)往往很難完全解決上述所有問題。但基于新興技術（包括傳感器，可穿戴設備，自動化和機器學習）的新方法，能為國防機構提供比以往任何時候更加全面的軍事戰(zhàn)備圖譜了。這些技術促進了工業(yè)領域的變革。這種被稱作“工業(yè)4.0”的變革已經(jīng)讓私營部門能夠快速制成原型、更快地構建產(chǎn)品、優(yōu)化運營、改善維護并讓供應鏈管理更加智能。不過，要想充分了解這些技術為軍事戰(zhàn)備帶來的全部價值，我們首先應該研究當前系統(tǒng)中的一些挑戰(zhàn)。

停止報告，開始了解

當前的軍事戰(zhàn)備衡量方法限制了高級領導者實時、實地地了解其部隊的真實情況。因為當前軍事戰(zhàn)備報告形式并不總能準確地描繪出軍隊的真實狀況，相反，它只是一個模型。當前的軍事裝備報告系統(tǒng)試圖依賴于一組代理輸入展現(xiàn)軍隊狀態(tài)，但該系統(tǒng)有兩個固有缺陷：一是在時間上滯后; 二是只向決策者提供高級總結，而沒有底層數(shù)據(jù)。

實際上，當前的系統(tǒng)記錄了幾個月前甚至幾年前做出的資源決策結果，并將所有數(shù)據(jù)匯總在一起，而這樣做往往會丟失關于軍事戰(zhàn)備問題根源的關鍵信息。在基于報告的軍事戰(zhàn)備系統(tǒng)中（如美國國防部使用的系統(tǒng)），只有凈狀態(tài)報告（而不是權威數(shù)據(jù)源）會被提交給領導層。其結果是，領導者有時只能根據(jù)僅有的信息（有時只有單張幻燈片）來做出決策。我們需要的是一個既能提供大趨勢以支持領導層決策，又能保留底層數(shù)據(jù)的系統(tǒng)。

真正的數(shù)字化組織已經(jīng)認識到了這一點，它們正越來越少地依靠報告來評估項目、性能和維護。相反，它們使用的是來實地采集的實時數(shù)據(jù)流。每一個員工的簽到、渦輪機的每一次旋轉(zhuǎn)以及可穿戴設備檢測到的每次心跳都能生成有意義的數(shù)據(jù)。每個個體的數(shù)據(jù)都可以與他人的數(shù)據(jù)進行比較。這些新的數(shù)據(jù)意味著組織少花時間在建立虛擬模型上，轉(zhuǎn)而直接關注現(xiàn)實世界。

逐漸了解

完全基于現(xiàn)實世界數(shù)據(jù)的軍事戰(zhàn)備報告系統(tǒng)似乎不可能實現(xiàn)。畢竟，找到每個設備和人員的位置和狀態(tài)幾乎是無法逾越的挑戰(zhàn)。然而，將這個龐大的任務分解成更小的、更易于管理的問題，現(xiàn)有解決方案可以讓一切簡單化。實際上，這種解決方案已經(jīng)在應用“工業(yè)4.0”技術的商業(yè)公司發(fā)揮作用了。

“工業(yè)4.0”的核心在于使用現(xiàn)實世界中的數(shù)字信息來改進決策和行動。有了更準確的現(xiàn)實世界信息，組織就能更快地做出更好的決策。

世界上沒有哪一家商業(yè)公司面臨著像軍方那樣的日常挑戰(zhàn)，所以僅僅從商業(yè)世界引入解決方案是永遠行不通的。然而，軍事戰(zhàn)備的核心問題在本質(zhì)上與許多公司面臨的業(yè)務挑戰(zhàn)相似。因此，如果以新的方式重新組合，工業(yè)界的方法和技術將有助于解決軍方面臨的類似挑戰(zhàn)。從這個角度看，一家為提高效率而苦苦掙扎的制造公司看起來就像一個正在努力決定其軍事戰(zhàn)備的軍事組織。二者都需要了解各自資產(chǎn)所在的位置、關鍵部件的狀況、以及設備的當前狀態(tài)是否能夠滿足當前訂單的需求。就這三個問題而言，軍隊和公司都需要了解需求、資產(chǎn)及最佳行動。對軍方而言，這意味著軍事戰(zhàn)備的三個問題都需要特定信息：

預期任務需要哪些能力。這就要求我們知道需求，這意味著要將任務參數(shù)與軍隊的要求和執(zhí)行任務所需的能力聯(lián)系起來。

這些能力的狀態(tài)如何。這就要求我們知道資產(chǎn)，即實時、實地地了解聯(lián)合軍隊甚至是單個坦克、飛機和服役人員的狀況。

如何分配“下一美元”來改善這些能力。這就要求我們將這些數(shù)據(jù)流結合起來，以使領導者知道最佳行動是什么。把對預期任務的軍隊需求與現(xiàn)有人員、系統(tǒng)和基礎設施的實時情況聯(lián)系起來，可以讓領導者了解可能存在的不足之處，以及資金投到哪里是最有效的。

可以通過不同的解決方案來滿足其中每一種信息需求，其中一些解決方案已經(jīng)在世界各地的商業(yè)工廠和倉庫發(fā)揮作用了（見圖2）。

了解需求

了解一項任務所需的能力似乎是軍事部門有關軍事戰(zhàn)備的所有問題中最簡單的了。畢竟，關鍵任務所需的軍隊和能力通常都是在各級指揮部的戰(zhàn)略計劃中提前很久就確定的。但是，計劃中的軍事行動往往和成功執(zhí)行的軍事行動之間可能存在很大差異。畢竟，正如一句諺語所說，“計劃趕不上變化?！币虼?，為了真正了解一支軍隊執(zhí)行任務的戰(zhàn)備狀況，軍方不僅應該考慮計劃要求，還應該考慮已經(jīng)在現(xiàn)實任務中完成的事情。

這意味著絕非僅僅考慮戰(zhàn)斗順序或參戰(zhàn)部隊名單。相反，它是要理解任務的不同參數(shù)對執(zhí)行該任務的軍隊提出了怎樣的要求。從任務、地形、天氣、到面對的特定敵人，這一切都可以改變執(zhí)行任務所需的組成和技能。在高海拔地區(qū)作戰(zhàn)？由于空氣稀薄，飛機的負載量將減少，所以你將需要更多的直升機。接受過海外的內(nèi)部防御任務嗎？你將需要掌握當?shù)卣Z言技能人員。各種各樣的因素使得預測未來的軍隊需求變得非常困難。

在這里，機器學習可以給我們指明一條出路并減輕我們的工作量。今天，機器學習就在我們身邊，從識別手寫數(shù)字到識別信用卡欺詐模式。我們可以訓練使用神經(jīng)網(wǎng)絡或其他機器學習工具，將各種任務參數(shù)（例如任務內(nèi)容、敵人規(guī)模、地形、天氣、時間等）與完成任務所需軍隊的規(guī)模和能力相關聯(lián)。隨著時間的推移，神經(jīng)網(wǎng)絡將得到足夠的訓練，并可以對從未見過的任務參數(shù)進行需求預測。換言之，機器學習工具將能夠可靠地對未來任務所需的能力提出建議。但最重要的是，這些建議不是基于假設或最佳猜測，它們是基于從現(xiàn)實世界任務中得來的來之不易的經(jīng)驗教訓（見圖3）。

了解資產(chǎn)

雖然全面了解實際任務需求可以簡化軍事計劃，但仍需要正確的能力來執(zhí)行這些計劃。這一挑戰(zhàn)遠遠超出了任何軍事組織的補丁圖或理論表格。它是軍隊取得成功的核心因素。如果其中一些機構擁有合適的設備，就很容易了解并評估敵人，而如果其他一些組織擁有當?shù)刂R或經(jīng)驗豐富的領導，就可能很難被觀察到。實時、實時地了解人員、設備和基礎設施的位置和狀態(tài)，一直到個人層面，都有助于解決這一挑戰(zhàn)。

畢竟，是否指定一個具有區(qū)域特色的軍隊去西非并不重要，重要的是隊長是否會說法語。事實上，這種更精細的能力圖可以增強軍隊已經(jīng)享有的任務組織帶來的好處。今天，任務組織往往只存在于軍事單元層面，所以可以將具有不同能力的不同軍事單元混合在一起，以創(chuàng)建針對專門任務的小組。然而，在對設備、人員和基礎設施有了更具體的了解之后，指揮官可以在適當?shù)臅r候整合具有合適技能和經(jīng)驗的人員與設備，在更短的時間內(nèi)形成更有能力的編隊。比如由于雷達告警系統(tǒng)無法運行，直升機可能還沒有為中隊即將進行的作戰(zhàn)部署做好準備，但指揮官卻可以派另一支中隊支持救災任務。

同樣，由于即將休陪產(chǎn)假，一名士兵可能看起來“不可部署”，但如果更詳細地了解他的技能和可用性，就能發(fā)現(xiàn)，他的語言技能可能使他成為短期部署支持外國演習的理想人選（見圖4）。這種更精細的圖景需要有關設備、人員和基礎設施狀態(tài)的實時信息：

設備。傳感器已經(jīng)可以監(jiān)測到許多主要武器系統(tǒng)的許多性能參數(shù)。通過將這些數(shù)據(jù)與公共數(shù)據(jù)平臺中的設備位置相結合，軍事規(guī)劃人員可以開始更詳細和準確地了解哪些資產(chǎn)可以使用。以軍用機場鏟雪機的情況為例。簡單地知道一個軍隊有多少鏟雪機是必要的，但知道哪些鏟雪機在維護或甚至預計哪里會下雪則是更重要。如果指揮官能夠在一個地方看到所有這些不同類型的信息，他們就可以根據(jù)情況進行調(diào)整，把可以工作的鏟雪機從預計不會下雪的基地送到一個即將經(jīng)歷暴風雪的基地以保持那里的跑道暢通，使更多飛機能夠起飛。

人員。軍方已經(jīng)掌握了大量有關其人員能力和資質(zhì)的數(shù)據(jù)。將這些數(shù)據(jù)與任務需求進行比較，可以更全面地了解影響戰(zhàn)備情況的那些隱性因素。了解哪些士兵是可部署的、是健康的和經(jīng)過培訓的，是了解軍隊可以完成什么任務的關鍵部分。在詳細了解每一個人的情況下，指揮官可以看到比“軍事簡報”更多的信息，并將合適的團隊技能與任務需求組合在一起。

增強現(xiàn)實等技術可以進一步擴大這一數(shù)據(jù)優(yōu)勢，使在任何情況下，完美的專家們都能“親自到場”。例如，一些航空公司已經(jīng)在利用增強現(xiàn)實技術將小型機場的維修人員與專家聯(lián)系起來，這樣他們就可以即時修復，而不用等待專家飛過來，造成代價高昂的延遲。對于軍方來說，這可能意味著，如果你了解每位服役人員的能力，那么從修理戰(zhàn)場上壞掉的起落架，到翻譯尼泊爾語（這些都需要專業(yè)知識），僅需一副耳機。

基礎設施。沒有跑道，任何飛機都不能起飛；沒有開放式港口，任何船只都不能停泊。安裝在停機坪上的傳感器可以顯示跑道的狀態(tài)，而智能浮標可以告訴港口管理員，哪一個泊位隨時可以開放給什么大小的船只。對關鍵基礎設施狀況的實時了解對于任務成功至關重要，就和擁有合適的軍隊和合適的設備一樣重要。

然而，收集這些數(shù)據(jù)并不是目的。不同形式和類型的數(shù)據(jù)應該以一種通用的方式存儲，使得開車的工程師和軍級將領都能夠發(fā)現(xiàn)與他們相關的見解。這通常需要用到大數(shù)據(jù)存儲，支持并行和交叉分析——這些分析可能不像技術術語看起來那么新穎，那么令人生畏。多年來，商業(yè)行業(yè)和軍方的預測性維護以及物聯(lián)網(wǎng)解決方案一直在使用類似的數(shù)據(jù)存儲，其中許多甚至是開源的。

擁有關于設備、基礎設施和人員的實地、實時信息不僅可以為領導者提供更好的信息來支持他們的決策，還可以支持指揮鏈上下的決策：當?shù)氐墓こ處熆梢钥吹剿麄儑姨箍说臓顟B(tài)，指揮官也可以看到他們所有坦克的狀態(tài)，服務領導層還可以看到所有地面軍隊甚至單個坦克的狀態(tài)。未經(jīng)過濾的數(shù)據(jù)允許領導者按需對數(shù)據(jù)維度進行放大和縮小，以從不同的深度和廣度了解當前戰(zhàn)備態(tài)勢（見圖5）。

了解最佳行動

有了對任務需求的真實了解和對現(xiàn)有能力的實時了解，軍方就可以對其戰(zhàn)備狀況進行詳細評估。但這還不是故事的結局。更重要的是如何改進戰(zhàn)備狀態(tài)。當所需能力和現(xiàn)有能力之間不可避免地存在差距的情況下，規(guī)劃者需要知道，今后的投資應該導向何處，以彌補這一差距。問題是在于缺乏經(jīng)過專門認證的人員？還是在于缺乏某種類型的飛機？還是需要在接入技術方面擁有更多的合格的軍隊？

通常需要的是某種類型的決策支持能力。幸運的是，機器學習技術可以在這里再次解決這些問題，并最終確保聯(lián)合軍隊比以前更有能力、更致命和更實惠。通過將實時、實地的軍隊能力圖像結合起來，規(guī)劃者可以創(chuàng)建軍隊的“數(shù)字孿生”。這種數(shù)字化和數(shù)據(jù)驅(qū)動的軍隊圖像使領導者能夠進行詳細的情景規(guī)劃。他們可以用不可能在現(xiàn)實生活中重現(xiàn)的方式來測試針對不同類型的任務和任務組合的軍隊。此外，通過觀察軍隊如何應對這些不同的任務要求，規(guī)劃人員可以了解在哪方面存在著能力差距，以及“下一美元”的投資應如何以最佳方式填補這些能力差距——無論是通過增強能力、加強培訓還是增加新的物資（見圖6）。

以F/A-18D中隊的戰(zhàn)備情況為例。如果中隊因維護問題而出現(xiàn)戰(zhàn)備問題，從降低運行速度到增加維護人員，到擴大倉庫一級的維護能力，再到更新?lián)Q代飛機，都可以成為解決方案。今天，規(guī)劃者只需根據(jù)他們對每一種解決方案的成本和功效的理解，在這些不同的解決方案中作出決定。然而，應用于軍隊“數(shù)字孿生”的機器學習工具可以從歷史數(shù)據(jù)中提取大量數(shù)據(jù)，從而準確地識別出哪種解決方案可能以最低成本獲得最大收益。

已有工具

從以報告為中心的戰(zhàn)備狀況向以實時、實地信息為基礎的戰(zhàn)備轉(zhuǎn)變，對于幾乎所有的軍隊來說都是一個巨大的轉(zhuǎn)變。然而，好消息是，這似乎是一個行得通的變化。許多核心技術不僅已經(jīng)在商業(yè)領域得到了驗證，軍方可能也已經(jīng)掌握了大量所需的數(shù)據(jù)。這種數(shù)字化轉(zhuǎn)型通?？梢詮默F(xiàn)有的數(shù)據(jù)開始，而不需要對新技術或龐大的新信息技術系統(tǒng)進行大量投資。

事實上，軍方的一些部門已經(jīng)在這樣做了。美國空軍最近開始使用C-5、C-130J和B-1飛機多年來生成的數(shù)據(jù)來提供預測性維修算法。從機場狀態(tài)到每日人事報告，同樣的方法也可以用于軍方已經(jīng)獲取的數(shù)據(jù)。所有這些數(shù)據(jù)都有一個值，挖掘這個值是以一種新的方式理解戰(zhàn)備的關鍵。

當然，對一個大型官僚機構而言，任何轉(zhuǎn)變都可能具有挑戰(zhàn)性。然而，其他政府和商業(yè)現(xiàn)代化努力來之不易的教訓可以幫助軍方平穩(wěn)過渡到實地、實時的戰(zhàn)備狀態(tài)：

從小處做起?？紤]從小范圍試點項目開始，側(cè)重于具體的軍隊或具體的職能，并在一段時間后對這些試點項目進行評估。這種項目主要是圍繞一種特定類型的設備，例如裝甲和航空，或在一個地點的一個功能，例如安裝管理，這可能是初始飛行員的最佳選擇。

快速擴展。根據(jù)試點項目的經(jīng)驗，考慮修改項目以保持良好的功能，并消除無效的功能。然后擴展到更大的編隊和更多的功能。

目標資源。隨著資產(chǎn)狀況和對資產(chǎn)需求的發(fā)展，你的投資應針對可能產(chǎn)生最大影響的升級。將戰(zhàn)備數(shù)據(jù)納入預算編制過程，可以使決策者實時了解他們的戰(zhàn)備工作的回報情況。

歸根結底，軍事優(yōu)勢通常不是來自新技術，而是來自技術、流程和人員如何協(xié)同工作。工業(yè)4.0時代的戰(zhàn)備工作即將重新定義這些關系。有了一些關鍵的原則，決策者就可以執(zhí)行一項計劃，釋放其軍隊中的數(shù)據(jù)并加強其戰(zhàn)備能力。通過將被驗證的技術以新的配置在整個軍隊中傳播，各國領導人很快就能夠?qū)λ麄兊能婈犛幸粋€完整、實時、實地的掌握了，而就在幾年前，這一切看起來還像是天方夜譚。