刻意的不可預測：美國運輸司令部以隨機化 AI 守護軍事後勤

過去十年，AI 在物流領域的賣點一直很簡單：讓網路更有效率。壓縮交貨時窗、消除空駛里程、降低燃油成本，把所有環節優化成一台平滑運轉的及時化（just-in-time）機器。商業貨運業的整個軟體生態都是圍繞這個承諾建立起來的——固定排程、穩定的交貨時窗、以消除浪費為目的而工程化的路線。

如今，美國軍方得出了完全相反的結論。9 月 23 日的報導揭露，美國運輸司令部（TRANSCOM）正在其全球後勤行動中部署隨機化 AI（randomised AI）——這套人工智慧系統的任務不是找出單一最有效率的神計畫，而是刻意讓整個網路的行為更難預測，使緊盯部隊調動與補給流動的對手無法輕易建立模型。

這是迄今為止軍事 AI 顛覆商業世界優化邏輯最清晰的案例之一，也充分說明了「競爭環境下的後勤（contested logistics）」在今日的真正含義。

為什麼效率變成了負債

TRANSCOM 是負責調動聯合部隊一切需求的作戰司令部：人員、彈藥、油料、載具與裝備，橫跨空、陸、海。在承平時期，效率是最重要的指標。但在與同級對手（擁有衛星偵察、遠程精準飛彈，以及用於目標分析的自家 AI）的衝突中，一個被優化到完美的後勤網路，本身就是一份目標清單。

一條被及時化生產調校到極致的供應鏈，幾乎必然是一條擁有可預測瓶頸的供應鏈。同樣的路線按同樣的時刻表行駛，同樣的港口按同樣的週期接收同樣的貨物。對手不需要擊潰這個網路——只需要知道它何時會出現在哪裡。

隨機化 AI 的部署正是針對這個問題。系統不再鎖定數學上最優的路徑，而是持續變換時間、路線與交運節點，讓美軍後勤調動的特徵不斷改變。傳統上會流經某個主要樞紐的貨物，可能被拆分到多個次要機場與港口；交貨時窗浮動而非固定；對手昨天觀察到的模式，到了明天價值已經衰減。

相關報導將這項計畫的目標描述為：讓全球配送網路在競爭與干擾環境中保持韌性——把「隨機性」當作對抗敵方追蹤的主動防禦手段，而非作戰摩擦的副產品。

從「可視化」到「拒止」

商業貨運軟體多年來競相追求全面可視化：即時追蹤、乾淨的資料管線、自動化異常處理。軍方則讓同一套技術往相反方向運轉——朝向一種可稱為「受控模糊（managed ambiguity）」的境界。兩種走向都由 AI 驅動，只是優化的對象不同：商業世界對抗的是浪費，TRANSCOM 對抗的是觀察者。

這並非突然的轉向。該司令部領導層早已多次釋出訊號。早在 2026 年 4 月，TRANSCOM 司令就公開談到要讓後勤更不可預測、更不容易被對手利用，背景正是中東局勢對其全球配送網路造成的嚴重衝擊。像是 Turbo Distribution 這類演習——在 Gulfport 港進行、由陸軍與聯合部隊夥伴演練快速「投接」貨物的多軍種概念驗證——一直在測試部隊能否真的以這種方式作戰：讓補給流經多個小型、不斷變動的節點，而非少數大型、固定的樞紐。

新的 AI 層則把這套作戰概念寫進了軟體。報導指出，系統結合自主規劃、物聯網感測器遙測與加密資料流，持續改變網路行為——把重新路由的決策週期從數天壓縮到數分鐘，同時確保驅動這些決策的邏輯本身不會外洩。

商業物流絕不會接受的取捨

這個故事在技術上最有趣之處，在於其核心的明確取捨：隨機化是有效率代價的。變換路線與交運節點，意味著接受更長的平均運輸時間、更差的併貨效率、更複雜的協調——而這些正是商業供應鏈 AI 存在的目的所要消除的無效率。MIT Sloan 關於 AI 物流優化的研究，慶祝的是把卡車空駛里程壓到 10–15%；一個隨機化的軍事網路，卻可能刻意增加空駛。

TRANSCOM 的賭注在於：在競爭環境下，可預測性比無效率更昂貴。一條長 15% 但一週內絕不出現第二次的路線，比一條等著敵方飛彈上門的完美路線更有價值。這把「韌性」重新定義為不是冗餘（更多船、更多庫存），而是熵（entropy）——讓系統的行為本身成為移動標靶。

更大的圖像：AI 對抗 AI

這項部署也落在更宏觀的時代脈絡中。對抗性 AI 如今已是國防規劃的主流假設——無論是對觀測模式進行情報分析，還是針對後勤資料本身的網路行動。一個可預測、集中優化的網路，正是機器學習最擅長建模的那類系統。而弔詭的是，反制手段同樣是機器學習：一個夠快的規劃器，能在成千上萬種可能調動方案中「可信地隨機」，而不至於崩解成混亂。

政府合約訊號也佐證了這一點。追蹤政府商機的平台注意到，TRANSCOM 對 AI 路由、需求預測與網路韌性的興趣日益升高——而「韌性」一詞的含義，越來越傾向「抵抗智慧型對手」，而不只是「從天災中復原」。承包商被要求以這些角度評估自身能力，這將在未來數年形塑整個國防後勤生態系的招標與需求文件。

這個教訓也超越了軍事範疇。任何營運行為會被敵意觀察者盯上的組織——面臨海盜式攔截的航運公司、擔憂貨損的企業、防範自動化爬蟲抓取庫存資料的平台——都面對同一個選擇的某個版本。效率產生模式，而模式就是可被利用的破口。

後續觀察

這項計畫的成敗，不會以「每噸英里成本」來衡量。真正重要的指標是對抗性的：觀察者對網路的模型衰減得多快、隨機性注入了多少目標不確定性，以及分散式作業能否仍滿足戰時的吞吐需求。Turbo Distribution 這類演習顯示，部隊正是為了這樣的評估而訓練。

說到底，TRANSCOM 的隨機化 AI 是一種罕見的系統：它的核心特徵，是拒絕收斂到單一最佳解。在後勤領域，如同在戰爭中一樣，有時最優的一步棋，就是敵人看不見的那一步。