從 X-62A VISTA 走向標準 F-16

DARPA 與美國空軍宣布，一架改裝後的 F-16 已在 Eglin 空軍基地完成以 AI 代理自主操控的空中試飛。這項進展延續先前 ACE（Air Combat Evolution）計畫中以 X-62A VISTA 驗證 AI 空戰的成果，差別在於這次的主角是「標準機隊」的 F-16，而非一次性實驗機。X-62A VISTA 是一架專門為變穩定性測試建造的特殊平台，造價高昂且數量稀少；標準 F-16 則是美國空軍的主力戰術戰機，現役數量超過 700 架。從實驗機走向標準機隊，意味著同一套 AI 開發流程可以直接套用到整個作戰機隊，而非只停留在專屬測試平台。

VENOM 計畫以大量標準 F-16 擴充測試規模，不再依賴稀少的 X-62A VISTA 實驗機。
圖1　從稀有的 X-62A VISTA 實驗機跨向現役逾 700 架的標準 F-16，讓同一套 AI 流程可直接套用整個機隊。

這個跨越的意義不僅在硬體可得性，更在於驗證環境的真實性。X-62A VISTA 在受控條件下測試 AI 空戰演算法；標準 F-16 帶著作戰機隊的真實感測器、飛控限制與後勤鏈，讓 AI 面對的是第一線飛行員每天操作的同一套硬體。這拉近了實驗室與戰場之間的距離——但並未消除差距，因為作戰環境的不可預測性遠超測試場。

VENOM 改裝套件保留人類監督

這批 F-16 在 VENOM（Viper Experimentation and Next-generation Operations Model）計畫下加裝 VENOM Autonomy Kit（VAK），由 DARPA ACE 計畫的多家承商設計整合。DARPA 計畫主持人、准將 James Valpiani 表示，團隊在未改動 F-16 核心軟體的情況下完成飛控與感測器自動化。飛行員可透過單一開關在傳統人工操控與 AI 操控間切換，維持「human-on-the-loop」的人在迴路監督。

這個開關的設計看似簡單，實則反映了一個深思熟慮的信任架構。在「human-in-the-loop」（人在迴路內，每步都需人類批准）與「human-out-of-the-loop」（人類不在迴路，AI 全自主）之間，DARPA 選擇了「human-on-the-loop」（人在迴路上，AI 自主運作但人類持續監看並可隨時接管）。這個中間路線的假設是：AI 能處理即時反應速度快於人類極限的戰術決策（如高 G 力機動中的飛控調整），但戰略層級的交戰規則（Rules of Engagement）仍由人類掌握。

未改動核心軟體的工程意義

「未改動 F-16 核心軟體」這句話的工程份量容易被忽略。F-16 的飛控電腦（FLCC）是經過數十年認證的關鍵安全系統，任何軟體變更都需要極漫長的適航審查。VENOM 套件不改動 FLCC，而是以外掛方式疊加自動化層——這意味著 VAK 可以在不重新認證基礎飛控的前提下部署到整個機隊。如果每次改裝都要重走適航流程，部署規模會被壓縮到個位數架次；繞過這個瓶頸是 VENOM 能從實驗走向規模化測試的關鍵工程決策。

VENOM 將 AI 控制層加在既有認證飛控之上，以降低每次測試都重新進行適航審查的成本。
圖2　VENOM 套件以外掛層疊加於經認證的 FLCC 核心飛控之上，繞過漫長適航審查，實現規模化部署。

這也與Microsoft 的 MAI-Cyber-1-Flash 用 5B 專用模型在多代理框架中超越通用模型是同一哲學：不改動核心系統，而是在外圍疊加 AI 能力，降低整合風險與認證成本。

AIR 計畫下一步：多機協同與信任驗證

VENOM 機隊下一步將作為 DARPA AIR（Artificial Intelligence Reinforcements）計畫的主力測試平台，以實機同時測試多個 AI 代理，為日後由人類飛行員指揮無人機群鋪路，並支援 Collaborative Combat Aircraft 等未來聯戰任務。

從單機 AI 自主飛行到多機 AI 協同作戰，複雜度不是線性增長而是指數級跳升。單機測試只需驗證一架飛機的 AI 能否安全完成任務；多機協同需要解決通訊延遲、感測器融合、代理間衝突解決與分層指揮等問題。Valpiani 同時指出，AI 在超視距空戰具備處理複雜度的潛力，但「現代戰爭極端迷霧與摩擦下戰鬥 AI 的效能與可信度」仍是待解難題，也是 AIR 計畫欲回答的核心。計畫主持人將於本月由 Patrick Highland 接任，持續朝作戰場景驗證推進。

從單架 AI 戰機擴展到多機協同後，代理互動與戰場不確定性使複雜度非線性上升。
圖3　從單機 AI 自主跨向多機協同，複雜度指數級跳升；AIR 計畫將以實機同時測試多個 AI 代理。

若要比較不同環境下 AI 自主控制的成熟度，可對照〈Drone-Bench 的室內無人機五子任務評測〉——Drone-Bench 在受控室內環境測空間推理（最強模型平均通過三項／五項），DARPA 在開放空域測軍機實飛（單機驗證階段），兩者共同凸顯「單次能力」與「可被信任的持續控制」之間仍有顯著差距。

對決策者的訊號

對國防採購與安全政策決策者而言，這次試飛的意義體現在三個層面。第一，AI 自主飛行已從實驗機走向標準作戰機隊——部署門檻大幅降低，但這同時意味著 AI 戰鬥決策的擴散速度可能超越現有交戰規則與國際法的更新速度。第二，VENOM 的「不改動核心軟體」策略提供了一個務實的部署路徑：在不重建關鍵安全系統的前提下疊加 AI 能力，降低了技術與認證的雙重門檻。第三，從單機到多機協同的跳升尚未完成，而 Anthropic 在 Drone-Bench 中的發現——最強模型平均只穩定通過五項中的三項——提醒我們，AI 在受控環境中的「最佳單次」與實戰中的「持續可靠」之間仍有巨大鴻溝。