美国防部发布！《数据、分析和AI应用战略》

该战略以《2018年AI战略》和《2020年数据战略》为基础，并取代这两项战略，以继续推进美国国防部的数字化转型。美国国防部将在数据、分析和AI活动中采取统一的方法，建立一支专业的、有能力、善于吸收商业团队和工具的员工队伍，持续进行高级研究和快速实验，并有效整合其盟友和合作伙伴。

美国国防部将把数据、分析和AI技术融入到更广泛的美国政府政策、促进创新的私营部门和学术界合作伙伴网络以及全球生态系统中，并通过一种系统、灵活的方法来应用数据、分析和AI。该战略概述了美国国防部改善组织环境的方法，帮助国防部员工更好地部署数据、分析和AI，以获得持久的决策优势。

将来这一战略实施后，美国国防部领导人和作战人员将能够通过专业地利用高质量数据、高级分析和AI，作为持续、成效驱动和以用户为中心的开发、部署和反馈周期的一部分，以做出快速、明智的决策。美国国防部在数据、分析和AI方面的投资将解决2022年国家发展战略中确定的关键作战问题，填补已验证的差距以提高联合部队的作战能力，并加强维持持久优势所需的企业基础。在从会议室到战场的整个过程中，数据、分析和AI能力的实战化表明，作战决策优势是由远离前线的人员和项目办公室做出的上千次决策促成的，为此，加强国防部作战和业务行动的决策优势是保持未来部队弹性的关键所在。决策优势是一种竞争条件，具有以下5种特征：

敏捷、以用户为中心、以产品为核心的开发对于实现决策优势至关重要，因为人类和机器将共同负责、有效地利用数据、分析和AI功能。如今，美国国防部正在通过多学科团队利用通用技术开发最佳实践，具体包括以下5种最佳实践：

美国国防部将采取多学科的方法，进行这些最佳实践，以加强其技术、人力资本、流程和文化。美国国防部将通过一个能够灵活应对不断变化的环境和技术的强大而持续的能力交付管道来增强其竞争优势。该战略提出AI开发和应用的敏捷方法（图1），通过不断迭代、创新和改进解决方案，确保技术开发人员和用户之间形成紧密的反馈回路，从而实现决策优势。敏捷方法和边做边学将加快部署速度——以小时或天计算，而不是以月或年计算。在开发人员、用户、主题专家和测试与评估（T&E）专家之间建立有效的迭代反馈回路，将确保能力更加稳定、安全、合乎道德并值得信赖。美国国防部强调大规模交付和加快应用速度，从而实现以下5种决策优势的成效：

图1 采用敏捷方法推广决策优势的成效

美国国防部的战略重点是支持美国国防部“AI需求层次”的相互依存的6大战略目标（图2）。“AI需求层次”是一个以高质量数据为基础的金字塔结构，因为所有分析和AI能力都需要可信的高质量数据来支持决策者；位于金字塔中端的是有洞察力的分析和衡量标准，即美国国防部领导了解其领域和影响这些领域成果的关键变量所需的基础模型和可视化；位于“AI需求层次”金字塔顶端的是负责任的AI，这是美国国防部根据《国防部AI道德原则》设计、开发、部署和使用AI能力的动态方法，同时提供更好、更快的洞察力并改进任务成果。“AI需求层次”的各个层级都有一套强大的流程作为支持，通过有效的企业数据管理，可以提高数据质量和分析洞察力，此外，负责任的AI必须有健全的测试、评估、确认和验证流程。环绕金字塔周围的是数字人才管理等推动因素，它们有助于维持需求层次结构。该层次结构将指导国防部应用数据、分析和AI技术，以建立持久决策优势，重点关注的6大战略目标如下：

图2 AI需求层次和6大战略目标

（一）改进基础数据管理：提高国防部数据的质量和可用性，以支持高级分析和AI能力。

根据国防部副部长关于建立数据优势的备忘录，国防部将把数据作为一种产品加以重视，确保负责任地收集、存储和管理相关数据，以保障数据需求。国防部将采用开放式标准架构，遵守网络安全政策，并遵循行业数据伦理、数据保护和设计规范，提高数据可获取、可访问、可理解、关联性、可信赖性、可互操作和安全（VAULTIS）。各部门将利用2020年国防部数据战略中首次概述的数据质量维度和VAULTIS框架，在整个生命周期内对其数据进行评估。

为提高整个企业的国防部数据质量，国防部将在数据供应商和用户之间构建分散网络，该网络将由流程和技术两部分组成，在各数据域之间分配所有权，并将数据视为一种产品。数据域所有者和数据产品团队将负责管理其拥有和生产的数据产品，而不是指定一个中央数据团队负责管理整个企业的所有数据。数据产品的设计、构建和维护将像传统产品一样，需要考虑到用户的需求和要求。通过将数据视为一种产品，国防部各部门可以在适当情况下激发数据共享和重用，从而打破数据孤岛，促进跨职能协作，以提高数据质量。

（二）为企业业务和联合作战提供能力：利用数据、分析和AI技术增强和/或生成业务分析和作战能力，以改善决策优势。

目前，迫切需要数字支持，以解决从作战到战略层面的联合能力差距，从而直接支持作战指挥，要为转型造势，就必须展示切实可行的近期成果。例如，要求高级决策支持模型具备重复浏览的功能，用户可在短期内使用较简单的分析仪表板，以更好地了解当前状态并提出更复杂的问题。美国国防部将继续专注于推进业务分析，通过不断提高数据质量，并提供国防部人员所需的更全面的信息，以便做出更好的反应性和前瞻性决策。

美国国防部将与利益相关者、企业和作战人员一起设计和测试分析和AI解决方案，并通过强大的学习活动展示AI能力，以适应不同的作战环境。国防部将进行持续实验，并开展具有高度影响力的联合部队使用案例的多方综合演习，从而为在可互操作的企业级作战能力方面进行更多投资提供依据。经过严格测试且被认为是成功的AI能力将获得持续的发展和广泛的应用途径。

（三）加强治理、消除政策障碍：确保负责任的行为、流程和成效，同时加快在整个国防部应用数据、分析和AI技术。

美国国防部数据、分析和AI领导团队将围绕负责任的开发实践达成共识，为任务负责人和其他管理机构提供支持，同时充当使能能力的高要求客户。数据、分析和AI管理将进行风险调整、精简和数据驱动，并注重协作学习。达成共识与合作对于减少已知和新出现的政策障碍、调整技术接口以加快负责任的应用至关重要。

美国国防部将为数据化转型确定明确的领导者，加强整个部门的问责制，并优先考虑数据管理、网络安全、需求、联合互操作性、记录管理、负责任的AI等关键领域。国防部将针对已确定的政策进行修订，以提高灵活性、能力部署速度和可扩展性；同时坚持对合法和道德行为的坚定承诺；保护隐私和公民自由。

美国国防部将减少阻碍集体研发、规划、互操作性、情报和信息共享的障碍，并将在整个美国政府中发挥领导作用，为技术和信息发布流程提供信息，以促进信息交流，实现互惠互利。

（四）投资可互操作的联邦基础设施：优化国防部基础设施，以支持数据扩展、分析和AI的扩展应用，并提高互操作性。

美国国防部将投资于丰富、灵活、安全和可互操作的基础设施，以满足强大的计算能力和能力发展需求。在适当的时候，该基础设施将实现自动化，包括实施国防部技术政策（如持续授权运行）、状态报告，以及关键的用户访问任务相关数据、分析和AI平台。美国国防部的基础设施将采用面向产业界和可信赖合作伙伴的开放式标准架构，以促进协作和持续实验。为实现最佳的平台和服务，国防部将根据成效的共性和实施的复杂性来评估基础设施（图3）。定制安全可靠的AI系统所需专业知识的稀缺性仍然是一个限制因素，因此，美国国防部各部门将对AI开发平台进行持续实验和部署，以最大限度地应用负责任的AI共享服务。

图3 平衡共享服务的利弊

（五）推进建设数据、分析和AI生态系统：加强政府间、学术界、产业界和国际伙伴合作关系，促进数据、分析和AI的应用。

美国国防部将推进建设一个强大的国家和国际生态系统，加强合作和共享，确保盟友和伙伴实现数据、分析和AI相关的战术、机构和战略的互操作性。美国国防部将继续输出关键技术和共享数据，以确保盟友和合作伙伴保持敏捷性，并能够迅速应用先进的分析功能和AI创新。国防部可向供应商寻求特定任务的解决方案，同时制定采办策略，商业解决方案将确保满足国防部不断变化的需求，并且平衡对行业知识产权的保护。基于网络、云和/或应用编程接口（API）的场景应用为企业快速扩展、持续集成和交付创造了机会，API允许与各种数据源进行交换，从而使国防部领导和作战人员能够更方便地获取所需的信息，帮助其做出更及时、更准确的决策。

创建一个促进竞争与合作的生态系统对于开发和部署AI系统，特别是用于联合作战的下一代能力至关重要。在开放式标准架构的支持下，国防部的数据、分析和AI生态系统将促进基于模型性能的商业竞争，并促进与可信赖的国际和政府间伙伴的合作。此外，美国国防部将利用联合数据和模型目录以及AI企业工具等资源来加快采购。国防部将扩大采购政策，提高政府对数据所有权、标签、维护和分类的可见性。采购部已在采购创新方面取得进展，并将继续鼓励工作人员接受风险并在实践中学习。

（六）拓展数字化人才管理：加强关键数据、分析和AI相关岗位的招聘、培训和留用。

美国国防部监督和应用数据、分析和AI的能力取决于其人才队伍的实力和技术技能，国防部将加强数字化人才相关岗位的管理，如具有领域知识和基本数字技能的军人、文职人员将获得针对性的培训和实践机会，以便担任数据架构师、数据管理员和用户体验设计师等工作角色。同时，国防部将对现有招聘制度进行适当改革，以实现最大限度地灵活性，吸引数字化人才。此外，国防部还将开展一系列试点工作，验证所存在的障碍和阻力，并建立一支来自整个国防部的军人和文职人员骨干队伍，为最困难的任务构建数字解决方案。

首席数字和AI办公室（CDAO）将主导和监督该战略的实施，首席数字和AI办公室将通过首席数字和AI办公室理事会（CDAO Council）与各部门合作实施本战略，该理事会是管理和协调美国国防部综合数据、分析和AI的高级领导机构。

各部门根据各自的任务、管理法律和适用程序以及组织结构，对数据、分析和AI进行不同的监督。由于各部门的数据成熟度差异很大，因此，各部门将根据自我评估的数据成熟度、任务参数和相关法律调整实施工作。本战略并未规定各部门以与国防部CDAO相同的方式进行重组，但在该战略发布后60天内，各部门将指定其主要负责实施该战略的团队或办公室。从实施美国国防部先前的AI和数据战略中吸取的经验教训来看，各部门将与CDAO理事会协调，建立、完善和监测基于成效的绩效指标，作为美国国防部组织绩效分析框架的一部分。

对于数据、分析和AI技术，各部门将确定并采用资源配置方案、流程和评估工具，为领导者提供最大的灵活性，以便以合规的速度交付迭代开发的能力。每次迭代或发布周期都将逐步降低风险，同时快速的反馈回路可确保各部门更一致地满足用户需求。通过保持适应性，国防部可以深入了解最终用户的具体需求，并更快地根据安全环境的变化做出调整。

该战略以学习为基础，采用敏捷方法，强调数据质量，这也降低了实施风险。虽然战略的成功取决于高度分散的执行，但CDAO理事会和各部门领导人可以相互学习和协调，以管理本战略目标与国防部其他战略平行目标之间的关系。各部门领导和技术人员将继续致力于实现国防部负责任的AI战略和实施途径的目标，并开发负责任、公平、可追溯、可靠和可治理的AI。

该战略中提出的敏捷方法包含了对速度、灵活性、学习和责任的需求，采用这种敏捷方法并将活动重点放在该战略中概述的6大战略目标上，能够使美国国防部以持久的决策优势所需的速度和规模应用数据、分析和AI。