美軍綜合訓練環(huán)境的底層數據邏輯與網絡降級環(huán)境挑戰(zhàn)

現(xiàn)代戰(zhàn)爭形態(tài)正加速向智能化多域博弈演進，大國競爭背景下的美國陸軍部綜合訓練環(huán)境(STE)已逐步改變以往高級模擬器的單一功能定位。歷經近年發(fā)展，該系統(tǒng)正演化為一套植根于云原生架構、結合邊緣計算底座、融合多源傳感器的戰(zhàn)術數據與指揮控制支撐平臺。這一架構的建設目標，在于以快速生成的單一世界地形(OWT)為基礎，向各級指揮所與前沿兵力提供持續(xù)更新的戰(zhàn)術數字地形。然而，高強度多域作戰(zhàn)的電磁環(huán)境十分復雜。面對潛在對手的電子干擾與網絡防御能力，美國國防部及陸軍部認識到，維持絕對暢通的通信鏈路具有極高難度，戰(zhàn)術網絡在戰(zhàn)時可能陷入斷連、間歇與受限(DIL)的狀態(tài)。在此條件下，戰(zhàn)術地形體系能否具備實戰(zhàn)效能，主要取決于兩個底層邏輯：數據管線能否在較短周期內匯聚多源數據并生成高保真地形底圖;以及戰(zhàn)術數據流如何降低對后方中心云的依賴，在網絡受限的前沿節(jié)點維持系統(tǒng)運轉。

為建立這一技術鏈路，美國陸軍部于2025年底啟動了深度的采辦體制改革，優(yōu)化組織層級，新設六大高度集權的組合采辦執(zhí)行官(PAEs)。2026年2月6日，美國陸軍部將原負責STE系統(tǒng)的模擬、訓練與儀器項目執(zhí)行辦公室(PEO STRI)更名為模擬、訓練、測試與威脅能力項目執(zhí)行官(CPE ST3)，并將其連同情報電子戰(zhàn)部門一并劃歸新設立的“指揮控制與反指揮控制”(PAE C2/CC2)組合麾下。此次采辦機制的深層重組表明，數字孿生技術正逐步從訓練輔助工具轉變?yōu)槊儡娮鲬?zhàn)指揮架構的基礎支撐層。

關鍵詞：綜合訓練環(huán)境、邊緣計算、戰(zhàn)術網絡

從“靜態(tài)地圖”到“實時數字孿生”——基于OWT的數據殺傷鏈

傳統(tǒng)建模方法耗費周期較長，其實戰(zhàn)適用性存在局限。美國陸軍部目前正尋求通過自動化的數據管線壓縮地形生成周期。商業(yè)空間情報企業(yè)Vantor公司(原Maxar Intelligence，2025年10月重組)為美國國防部定制的Tensorglobe平臺提供了新的底層支持方案。該平臺內部的Forge算法組件能夠攝取多軌合成孔徑雷達影像、低軌光學數據以及無人機傳回的全動態(tài)視頻與激光雷達點云，通過底層算法將其自動對齊并融合為完整的三維地理網格。數據顯示，由Forge驅動的OWT數據管線表現(xiàn)出了極高的戰(zhàn)術適用性，其生成的二維鑲嵌圖分辨率可達15厘米，三維模型分辨率約50厘米，三軸絕對地理定位誤差被控制在3米以內。2025年底，Vantor宣布將Google Earth人工智能圖像模型集成至該平臺，并在美國政府物理隔離的機密網絡數據中心內部署。在降低對外部云計算資源依賴的情況下，系統(tǒng)可在15分鐘左右完成部分圖像序列的特征提取與情報生成。依托此類高精度底圖與配套套件，一線部隊在衛(wèi)星導航信號受限的環(huán)境中，具備依靠地形比對實施自主機動與目標引導的潛力。

圖 1 Tensorglobe平臺示意圖

除了提供高分辨率的三維可視化效果，底層數據結構中物理屬性的語義化綁定，為美軍在復雜戰(zhàn)術環(huán)境下的計算推演提供了必要條件。美國陸軍部與開源技術社區(qū)合作，對網頁端三維地理數據規(guī)范實施底層調整，開發(fā)出面向地面作戰(zhàn)建模的“良構格式”(WFF 1.8)。通過與美國國家地理空間情報局的地面戰(zhàn)士地理空間數據模型(GGDM)進行數據字典對齊，三維世界中的環(huán)境網格被賦予了材質編碼與物理阻尼參數。Forge內部的AI引擎在完成空間堆疊的同時，利用多光譜成像對地表實施自動化分類，泥濘地帶、水體深度、植被密度及土壤實時含水量能夠被系統(tǒng)識別并標記。當這些具備物理屬性標識的地理數據接入綜合訓練環(huán)境的仿真引擎時，能夠顯著提升戰(zhàn)術演算的逼真度與參考價值。例如，裝甲單位在數字空間進行機動推演時，車輛模型的履帶滑轉率會參照衛(wèi)星回傳的實地土壤濕度進行計算;航空兵的甚高頻無線電通信也會依據環(huán)境標記的特定林區(qū)進行物理衰減模擬。

圖2 OWT歸因數據模型方法

高頻更新的數字地形數據，正逐步改變美國陸軍部傳統(tǒng)的作戰(zhàn)籌劃與推演模式。在第3步兵師參與的“嚴峻挑戰(zhàn)24”及多場軍團級作戰(zhàn)演習中，各級指揮所依托現(xiàn)役指揮所計算環(huán)境(CPCE)，在機密網絡飛地內加載了事發(fā)地的實時數字地形。演練部隊采用漸進式的訓練法則開展數字預演。參演人員初期在無敵情干擾的純凈底圖中實施低速機動，驗證空間占位與時間協(xié)同;隨后情報部門在系統(tǒng)中引入模擬的戰(zhàn)場摩擦，如設置橋梁損毀或核生化污染區(qū)，促使參演分隊在三維空間內臨場重新規(guī)劃路線;最終紅藍雙方在系統(tǒng)中取消既定腳本，展開全要素對抗。炮兵彈道、航空兵航線與裝甲突擊軌跡在同一坐標系內進行沖突消解。情報分析人員能夠在實體部隊展開行動前，于數字空間評估無人機與地面雷達的觀察陣位，排查數據處理與分發(fā)鏈路的盲區(qū)，并指導基層人員在數字環(huán)境中辨識高風險區(qū)域。這種引入真實地理數據的預演模式，將戰(zhàn)術試錯與驗證環(huán)節(jié)進行了前置。

STE在網絡降級環(huán)境下的生存與邊緣計算

數據管線的吞吐量客觀上受制于物理傳輸帶寬。過去美軍在一定程度上依賴后方數據中心的云端算力，但在高強度對抗環(huán)境中，電子干擾與物理打擊可能導致戰(zhàn)術網絡進入斷連、間歇與受限狀態(tài)。若前沿計算完全依賴云端直連，整個指揮控制體系將面臨系統(tǒng)失效的風險。美國國防部作戰(zhàn)測試與評估局于2024財年對搭載于戰(zhàn)術服務器基礎設施(TSI)的CPCE增量2系統(tǒng)實施了漏洞評估與紅藍對抗測試。評估表明，在編配專業(yè)網絡防御人員及專用工具包的前提下，該系統(tǒng)面對模擬內部威脅與外部網絡攻擊時，具備一定的網絡生存能力。然而，網絡防護僅是系統(tǒng)生存的一部分，面對物理鏈路中斷與電磁隔離，硬件架構與數據調度邏輯的適應性調整是維持系統(tǒng)運轉的基礎。

為緩解對后方中心云節(jié)點的依賴風險，美國陸軍部正調整架構重心，通過部署邊緣計算節(jié)點將數據處理能力向戰(zhàn)術終端下沉。這一架構調整的硬件基礎是以戴爾PowerEdge XR4000系列為代表的戰(zhàn)術加固型服務器。與早期的戰(zhàn)斗指揮公共服務堆疊機架不同，作為核心載體的XR4000系列進行了結構緊湊化設計，縮減了物理體積，并按照相關軍標接受了溫差、震動與高濕環(huán)境測試。每個機箱內部配置多個通過高速總線連接的計算節(jié)點，能夠在戰(zhàn)術節(jié)點建立局域虛擬集群。為提升硬件算力利用率，美國陸軍部引入了云原生模塊化基礎設施(CEMI)。該架構采用開放行業(yè)標準，將部分戰(zhàn)術應用服務解耦并封裝為軟件容器，部署至邊緣設備中。在網絡暢通的準備期，邊緣節(jié)點從后方云端下載并緩存目標區(qū)域的高清地形包與敵情數據。當廣域網連接受限時，系統(tǒng)可切換至局域運行模式。此時邊緣服務器作為獨立的微型數據中心，接管本地計算需求，維持實裝、虛擬與構造兵力的基礎演算協(xié)同。

在網絡受限環(huán)境中，系統(tǒng)面臨的復雜挑戰(zhàn)不僅包括應對物理鏈路中斷，還涉及在間歇性連通窗口期，如何分配有限的帶寬資源以保障高優(yōu)先級數據的同步。若采用常規(guī)的先入先出排隊機制，大容量的三維地形切片或視頻流可能迅速占用信道，導致通信管道擁堵。為解決數據分發(fā)問題，美國陸軍部依托邊緣計算硬件，自2025財年首季度起部署戰(zhàn)術數據平臺(TDP)。該平臺引入了基于任務優(yōu)先級的排序算法。在窄帶條件下，系統(tǒng)會限制高分辨率地形細節(jié)與視頻流的傳輸，將可用帶寬優(yōu)先分配給狀態(tài)報文等結構化戰(zhàn)術數據。在鏈路間歇連通的短暫窗口內，系統(tǒng)優(yōu)先提取占用字節(jié)較小的友軍位置、裝備狀態(tài)及目標授權指令，在主數據節(jié)點與前沿節(jié)點間進行跨層級同步。由于靜態(tài)的地形底圖已預先緩存于前沿存儲節(jié)點內，網絡中傳輸的主要為代表坐標及狀態(tài)變動的文本數據。邊緣節(jié)點接收這些增量指令后，調用本地算力將其映射至預存的高清地形中進行更新顯示。這種本地預存背景、窄帶傳輸核心增量數據的調度機制，為戰(zhàn)術網絡在電磁對抗環(huán)境下維持態(tài)勢圖一致性提供了技術途徑。

總結

觀察近年的技術演進脈絡，美國陸軍部正依托綜合訓練環(huán)境逐步構建從數據生成到邊緣分發(fā)的完整鏈路。以Tensorglobe平臺與良構格式規(guī)范為核心的數據管線，嘗試解決戰(zhàn)場環(huán)境快速數字化的效率問題;以云原生模塊化架構與優(yōu)先級調度算法為基礎的邊緣計算方案，則為復雜數據流在網絡降級環(huán)境中的流轉提供了應對策略。伴隨美國陸軍部“下一代指揮控制”(NGC2)最小可行性產品計劃于2026年開展師級規(guī)模測試，該系統(tǒng)正向實戰(zhàn)化應用過渡。基于地形數據的戰(zhàn)術孿生底圖及邊緣數據生存邏輯，正作為統(tǒng)一的數據協(xié)議，逐步向車輛火控面板與單兵顯示設備中集成。虛擬訓練、戰(zhàn)術預演與實際作戰(zhàn)行動之間的數據壁壘正在降低。這種底層技術架構的融合，反映了美國國防部試圖在大規(guī)模作戰(zhàn)行動中確立信息與決策優(yōu)勢的長期意圖。(來源：北京藍德信息科技有限公司)

https://www.army.mil/article/290080/the_armys_2025_acquisition_reforms_revolutionize_processes_to_expedite_cutting_edge_capabilities

https://vantor.com/blog/vantor-rebrands-from-maxar-intelligence-unveils-ai-powered-platform/

https://vantor.com/product/platform/

https://www.militaryexpos.com/wp-content/uploads/2021/09/U_0900_Tilton_OWT.pdf

https://vantor.com/industries/defense/operational-terrain/

https://apps.dtic.mil/sti/trecms/pdf/AD1107976.pdf

https://mattermost.com/blog/mission-readiness-in-ddil-environments/

https://www.executivebiz.com/articles/ddil-dod-cyber-cloud-cjadc2-low-bandwidth

https://www.wwt.com/case-study/tactical-edge-computing-transforms-mission-capability-for-defense-organization

https://peoc3n.army.mil/Organizations/PM-Mission-Command/Tactical-Mission-Command/