美军“梅文”系统——
AI加速赋能地理空间情报实战应用
■范大昭 纪 嵩
人工智能正深刻改变现代战场情报保障模式。作为美军较早落地的军用AI影像解译工程，“梅文”系统依托空、天、地、网多源泛在数据开展智能研判，推动地理空间情报由人工判读向智能分析转型。其近年的实战运用情况、所暴露出的技术短板，以及未来发展趋势值得关注。
“梅文”项目于2017年正式启动。其主要面向空天侦察卫星、战术无人机、全动态视频、地面传感器、开源网络信息等多类泛在数据，重点实现目标自动检测、目标分类识别、时空关联跟踪、地理空间情报智能生成和战场态势快速研判。
据美国国家地理空间情报局局长2025年披露，“梅文”系统已面向美军所有军种和所有作战司令部开放，接入35个以上军种、作战和指挥控制工具。实战应用层面，“梅文”系统已逐步嵌入美军作战指挥闭环，形成规模化、常态化的战场赋能能力。相关公开报道显示，其已在演习中将部分目标工作流从“数小时级”压缩至“分钟级”，覆盖从传感器发现、情报处理到目标交战的关键环节。美陆军还提出利用“梅文”系统支撑部队在1小时内完成约1000次高质量战场目标决策的目标。如今，该系统应用场景已拓展至各类热点区域高强度军事对抗场景，常态化支援战场目标甄别、情报综合分析、火力打击规划、毁伤效果评估等作战环节。
实战应用表明，AI智能解译可大幅压缩人工判读时间，提升情报处理效率和典型目标识别准确率，有效缩短“侦察—研判—决策—打击”作战链路，显著提升高强度对抗下的快速响应能力。
然而，实战中也暴露出“梅文”系统存在的技术瓶颈和应用风险。在城市密集遮挡、地下工事伪装、复杂气象条件下，其目标识别精度明显下降，误报漏报问题突出；对空天地网多源异构数据融合深度不足，网络开源影像、文本等泛在信息利用不充分；在态势推理、意图研判等高阶情报分析上，仍需大量人工核验，难以实现全自主智能情报输出。
“梅文”系统的实战迭代进化表明，多源数据深度融合、战场情报智能解译研判，已成为当前全球地理空间情报领域发展的主流趋势。从全球军事智能化发展视角来看，跨模态数据融合、复杂战场场景智能解译、自主化情报推理等核心技术，是未来智能战场感知体系建设的核心突破口；全域多源数据智能挖掘、地理空间情报智能化重构，将成为各国升级战场情报保障体系、提升战场态势实时感知能力的核心发展方向。
