事件背景
俄烏戰爭進入第 4 年,烏克蘭在無人機偵察領域建立明顯優勢。這些廉價商用無人機配備 AI 視覺系統,能在複雜地形快速鎖定移動目標,尤其對暴露在開闊地的俄軍後勤車隊造成極高損耗。根據國防智庫估計,俄軍在 2025-2026 年間因無人機偵測而損失的車隊數量達數千輛,成為補給線最脆弱環節。
俄軍對此的回應出人意料:不是研發電子干擾器或購置高階防空系統,而是採用一次大戰時期的「眩目迷彩」(dazzle camouflage)——用高對比、不規則的幾何圖案漆在卡車表面。這套方案最早在 1917 年由英國海軍採用,用來對抗潛艇定位;現在被俄軍改良用於對抗 AI 視覺系統。
核心觀察:認知複雜度 vs 感知精度
AI 視覺偵測基於「特徵提取 + 分類」的訓練模式。無人機的感知系統在「清晰背景 + 標準軍用綠」環境下精度最高,但當物體表面充滿高對比雜訊時,卷積神經網路(CNN)提取的邊界特徵會產生「過載」——物體輪廓變得模糊,分類置信度下降。
眩目迷彩利用的正是這個原理:不是隱藏車輛本身,而是讓 AI 的「車輛識別器」在視覺雜訊中失能。簡言之,這是用視覺複雜度破壞 AI 的統計假設。
從防守方角度看,這個對策具有三大優勢:
1. 成本極低:一罐油漆加人工約 500-1000 美元,而一套戰術電子戰系統動輒百萬美元。
2. 無軍事升級:眩目迷彩不是武器,無法觸發「對方升級軍備」的制度壓力。烏克蘭難以名正言順地大幅提高無人機成本來應對油漆。
3. 快速迭代:俄軍可在戰場上實時試驗不同圖案、快速找到最有效組合;而 AI 系統的重新訓練需要回廠、週期長。
歷史迴圈
這場對抗其實不新奇。一次大戰時英軍眩目迷彩對潛艇的失敗率確實上升;二次大戰時德軍與盟軍在偽裝與偵察的軍備競賽中不斷迭代;越戰時美軍無人偵察機面對越軍的叢林偽裝再次陷入僵局。
每一次都遵循同一個模式:新型感知技術(潛望鏡、紅外線、現在是 AI)產生短期優勢 → 防守方用「認知對抗」廉價應對 → 進攻方需提高感知成本 → 軍備競賽升級。關鍵差異在於,這一次對抗發生在「AI 時代」,複雜度變量爆炸。
更深層的賽局
眩目迷彩成功的背後,隱含了一個重要的戰略轉折:用認知複雜度而非火力密度重構競爭場域。
烏克蘭的無人機優勢來自「高感知精度」,俄軍無法在這個維度正面對抗(沒有資源買更好的 AI),但可以在「視覺複雜度」維度反擊。這就是非對稱競爭的經典姿態——對手強在 A,我就在 B 發動廉價突襲,迫使對手要麼放棄 A 優勢、要麼投入更多成本守住 A。
從國防經濟學看,這種「認知對抗」比傳統軍備競賽更難預測。因為每次迭代的邊際成本遞減——涂色比買系統便宜、改進 AI 訓練比涂色複雜。如果烏克蘭要應對眩目迷彩,選項是:(a) 用更高解析度相機(成本翻倍),(b) 用紅外或其他波段(硬體改造),(c) 用更複雜的多模態 AI(訓練成本指數上升)。無論哪項,都意味著無人機成本向上,原本的「廉價優勢」被蠶食。
這才是眩目迷彩真正的威力——不是能擊落無人機,而是改變了整個競爭的成本函數。
啟示
在高科技軍事競爭中,新興優勢(如 AI 感知)的生命週期往往比想像中短。一旦優勢暴露,對手會在「非對稱維度」尋找廉價反制點,而不是傻傻地在同維度升級。這意味著軍事投資中,「成本結構」往往比「技術代差」更決定長期勝負。