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。

论文第一作者安江山在8月10日介绍，这类轻量化识别模型未来有望用于空对空导弹，因为它不仅要“看得准”，更重要的是必须“算得快”。

这事真正值得盯的，不是“AI能认出F-22”这几个字有多炸，而是研究团队解决了一个非常现实的问题：导弹里面的空间、算力和电力，都金贵得要命。地面上跑AI，可以用大型服务器，可以堆算力。 可导弹飞出去之后完全是另一回事。

高速接近目标时，留给红外导引系统辨认目标的时间非常短。传感器看到前方出现一个高温亮点，它必须迅速判断：这是真飞机，还是对方刚刚扔出来的热焰弹？

F-22、F-35最拿手的是降低雷达特征，可只要发动机在工作，机体高速运动，就不可避免会产生红外热信号。

这就是红外制导另一条完全不同的技术路线。战机面对红外导弹时，会释放高温热焰弹，试图制造更加醒目的假目标，把导引头从真正的飞机上骗走。

问题来了。红外传感器能够“看到热”，并不代表它能马上弄清楚“谁才是真的”。真正有价值的能力，是在一片复杂的红外信号里，快速分辨飞机、诱饵以及其他目标。

北京理工大学这套AI，干的就是这件事。研究团队使用弹载扫描式红外成像系统采集了3245张红外目标图像，数据包含三类空中目标，其中就有模拟F-22、F-35特征的飞行器目标。

模型测试中，最高识别准确率达到97.1%。但真正扎眼的还不是97.1%。而是把算法真正搬到硬件上之后，它依然跑得动。

在专用AI加速硬件测试中，识别准确率达到96.4%，处理一张图像平均只需要大约1.5毫秒，整套系统功耗约2.2瓦。

1.5毫秒意味着什么？理论上，一秒钟可以完成六百多次这种级别的图像推理。

对高速飞行的导弹来说，这种速度的意义并不是刷一个漂亮的实验室成绩，而是说明这套东西开始具备被压进弹载设备里的工程潜力。

而且研究团队不是简单把一个大型AI模型硬塞进导弹。恰恰相反，他们干的主要工作之一，就是“减肥”。新模型的参数规模只有此前对比方法的16.1%，计算需求降低到此前方法的19.2%。

也就是说，他们追求的不是单纯把识别率往99%、99.5%上堆，而是在准确率、算力、功耗、体积和实时性之间寻找平衡。

这才是整项研究真正值得注意的地方。现代空战发展到今天，已经越来越不是某一个雷达、某一架战机、某一枚导弹单独比参数。

真正比拼的是能不能把传感器、算法、芯片和武器平台拧成一条实时链路。红外导引头先发现热源，AI立即识别，判断是真目标还是诱饵，再把结果交给后续制导系统。

每一步快一点、准一点，叠加到最后，就可能决定导弹追过去的是战机，还是一颗正在燃烧下坠的热焰弹。

再看北京理工大学的身份，这件事就更有意思了。2020年12月，美国商务部把北京理工大学列入“实体清单”。美方当时给出的理由，是认定该校获取或试图获取美国原产物项，用于支持中国人民解放军相关项目。

列入清单之后，涉及北京理工大学的受美国《出口管理条例》管辖物项，需要面对额外的许可限制，而且相关许可审查原则上采取“推定拒绝”。

到了2026年，北京理工大学依然在美国实体清单上。美国这么做的逻辑并不难理解，就是通过限制技术、设备和供应链获取，提高相关科研活动的门槛。

可几年过去，这次摆在外界面前的结果却很有意思。限制确实能增加研发难度，但增加难度和让研发停摆，完全是两回事。

甚至在一些特殊领域，外部算力、器件和供应受限之后，反而会逼着研究人员继续往“小型化、低功耗、少参数、高效率”的方向压。

当然，现在还不能因此得出一个夸张结论，说“中国导弹已经能锁死F-22”。

但真正值得外界关注的，本来也不是一篇论文今天能不能直接打下一架F-22。

而是AI正在从需要大量算力支撑的“大块头”，一点点被压缩成能够进入传感器、进入导引头、进入武器平台的小型智能模块。

如果这条技术路线继续成熟，未来空战里比拼的，就不仅是谁的雷达隐身做得更好。

还要看谁能更快从复杂的红外环境中识别真正目标，排除诱饵，并把判断结果迅速送入制导链路。

制裁能够把门槛抬高，却不代表能把门彻底焊死。

北京理工大学这项研究至少说明了一件事：技术竞争到了最后，真正决定上限的，依然是谁能把算法、硬件和工程化能力真正握在自己手里。