被制裁的中国高校，研发出用AI追踪F-22，准确率近乎100%

谁说制裁能卡住中国科研的脖子？被美国列入制裁名单的北京理工大学，最近交出了一份让外界意外的答卷。

8月13日，《南华早报》披露，北京理工大学联合中国空空导弹研究院等机构，做出了一套面向弹载红外成像系统的轻量级AI识别方案。

这套系统最亮眼的数字，是97.1%的识别准确率。但真正值得关注的，不只是“认得准”，而是它能在导弹内部算得动、跑得快、耗电低。

现代隐身战机主要压低的是雷达反射信号，却无法彻底消除发动机尾焰、机身气动加热产生的红外特征。

也就是说，F-22、F-35可以在雷达屏幕上尽量“隐身”，飞行时产生的热量却不可能凭空消失。

过去，红外制导武器面对一个棘手问题：战机一旦释放红外诱饵弹，天空中会瞬间出现多个高温目标。导弹必须在极短时间内判断，眼前哪一个是飞机，哪一些只是诱饵。

判断慢了，目标已经逃出攻击窗口；判断错了，导弹就会被一团燃烧的诱饵带偏。

北京理工大学团队做的，就是给弹载红外系统装上一颗能够快速辨认目标的“AI大脑”。

研究人员使用弹载扫描系统采集的3245幅红外图像进行训练和测试，数据分为三类空中目标，其中包括模拟F-22、F-35外形及热特征的目标模型。

算法测试中，整体识别准确率达到97.1%；针对两类模拟隐身战机的另一轮测试，识别率约为90%。

更关键的是，团队没有把一个庞大的AI模型硬塞进导弹，而是从一开始就围绕弹载设备的空间、功耗和算力限制进行压缩。

与对比方法相比，新模型的参数量压缩到16.1%，计算需求降到19.2%。

说得直白一点，以前需要一台高性能计算机处理的识别任务，现在被压进了尺寸有限、算力有限的弹载硬件里。

团队还设计了专用AI加速方案，通过优化卷积运算、并行处理和数据缓存，提高红外图像的处理效率。

硬件测试中，系统识别准确率达到96.4%，处理一幅图像大约只需要1.5毫秒，整体功耗约2.2瓦。

1.5毫秒是什么概念？一秒钟可以完成六百多次图像处理。高速空战中，双方距离正在急剧缩短，导弹留给自己的判断时间可能只有一瞬间，这种毫秒级识别速度，恰恰决定了它能不能在复杂热源中迅速找回真正目标。

这项技术解决的并不是“隔着很远凭空发现F-22”，而是当弹载红外系统已经捕捉到多个热源后，如何更快辨别目标与诱饵，保持稳定跟踪。

雷达隐身与红外隐身本来就是两套问题。战机可以通过外形设计和吸波材料降低雷达反射，却很难完全压住发动机燃烧、尾喷流和高速摩擦产生的热信号。

AI的加入，则让导弹不再只是机械地追逐最亮的热源，而是开始分析热源的轮廓、分布和变化特征。

这也是该成果最有价值的地方：它不是单纯堆算力，而是在有限硬件条件下，把识别速度、准确率和功耗同时压进可部署范围。

2020年12月，美国商务部把北京理工大学列入“实体清单”，相关美国技术、设备和软件向该校出口，需要获得额外许可，多数申请按照拒绝原则审查。

美国原本希望通过技术限制增加中国高校获取先进软硬件的难度，可六年之后，北理工与专业导弹研究机构拿出的这项成果，偏偏走的是轻量化、低功耗和自主硬件加速路线。

限制越严，科研团队越要想办法减少对通用高性能设备的依赖；算力不够，就优化算法；空间不够，就压缩模型；功耗受限，就重新设计计算架构。

这份答卷真正让人意外的，不是一个97.1%的数字，而是中国科研人员已经开始把AI从实验室里的“大模型”，变成能够塞进弹载设备的“小而快”。

未来空战比拼的，不只是飞机能不能隐身、导弹能飞多远，还要看武器能不能在电光石火之间识破干扰、认准目标。

当AI开始进入导弹末端的判断链条，“隐身”与“反隐身”的较量，也就从材料和雷达的竞争，延伸到了算法与算力的竞争。