军机已经在空中，武装人员正准备登船，目标是一艘位于中东的中国船只。就在行动开始前的最后一刻，有人回头翻开了那份情报的原始材料，发现它是一名分析员借助聊天机器人写出来的——而那个机器人认错了船上装的是什么。
四名了解此事的知情人士向 CNN 证实了这次「差一点」。其中一人给出的评价是：那份报告「完全是错的」，但它「差点引发了一场战争」。
事件：一份「完全是错的」报告
事发在今年春天、美伊战争期间。一份情报报告在美军内部传阅开来，结论相当吓人：一艘位于中东的中国船正在运输核武器项目的部件。
美军随即进入执行状态。据四名信源，军方制定了拦截该船的计划；其中两人说，武装人员已经在准备登船；一名信源与另一名了解情况的信源称，军机已经升空。
动手前的最后核查改变了这一切。报告由美国特种作战司令部太平洋分部（驻夏威夷）的一名分析员完成：他先就分部提供的一份船只舱单情报去问聊天机器人，机器人把开源情报与政府掌握的机密信号情报揉在一起，给出了那个致命结论；随后，分析员第二次使用 AI，把结论套进情报界通行的标准报告格式，下发给了军方。
CNN 无法确认被认错的货物究竟是什么，也不清楚那个聊天机器人是市面上的商业产品，还是美国政府自有的工具。一名前美国高级官员对此的说法是：「内部工具基本上就是商业产品的翻版，只是涂了口红。」
美国特种作战司令部太平洋分部与五角大楼均未回应 CNN 的置评请求。
| 项目 | 内容 |
|---|---|
| 时间 | 2026 年春天，美伊战争期间 |
| 触发 | 一份 AI 辅助生成的情报报告，称中国船只运载核武器项目部件 |
| 升级 | 制定拦截计划；武装人员准备登船；军机升空 |
| 叫停 | 行动前深挖来源，发现报告由聊天机器人参与生成、货物被误判 |
| 定性 | 信源原话：报告「完全是错的」，但它「差点引发了一场战争」 |
为什么这次会走到「准备登船」
CNN 这篇报道里，真正值得读的不是那艘船，而是让一份错误报告一路走到「突击队就位」的制度环境。
第一，AI 铺得太快、太散。今年 1 月，美国国防部长赫格塞思发布《人工智能加速战略》，目标是让国防部成为「AI 优先」的作战力量，其中一句原话是要「把美国世界领先的 AI 模型直接交到我们 300 万文职与军事人员手中，覆盖所有密级」。但据多名美国官员，这套推进是去中心化的：不同部门用不同的工具、执行不同的命令、遵循不同的安全标准。
第二，没有统一的核验标准。多名官员承认，对这些工具生成的信息该如何验证，美国军方至今没有一套统一标准。不同的 AI 系统分散在军方与情报界各个角落，可靠性和功能差异很大。
第三，速度压过了复核。一名了解现行政策的信源说，AI 进入目标选择「肯定在加速，但没有任何真正的指引说明『人在环内』如何防止平民伤亡或误伤」。一些年长的情报官员——即便他们总体支持军方用 AI——也认为，AI 让分析员承受了更快产出、更快下发情报的压力，错误因此有了入口；而年轻分析员是这些工具的原住民，更可能不加批判地信任它们。
用一名信源的原话说：「AI 让你更快到达一个坏主意。」
还有一点值得注意：这不是孤例。据一名信源，自这些工具在政府内部扩散以来，类似的「幻觉」事件在情报界不止发生了一次。
同一周的另一份调查：米纳卜小学
几乎与 CNN 这篇报道同时，彭博在 9 月 18 日发布了一份关于 2 月 28 日伊朗米纳卜小学遇袭的调查，结论指向同一件事：五角大楼调查人员认定，情报有误、卫星图像过时，以及对 AI 的过度依赖，共同促成了那次打击。据彭博，那次袭击造成 123 名儿童死亡（另有报道称遇难总人数超过 160 人）。
这条线从 3 月就开始了。《华盛顿邮报》与《纽约时报》当时报道，美军中央司令部使用了过时的目标数据；《军事时报》3 月 24 日的报道补充了技术细节：涉事的 Maven 系统会融合卫星图像、无人机画面、雷达数据与信号情报。而《华盛顿邮报》3 月 4 日报道称，五角大楼从 2024 年底就开始把 Anthropic 的 Claude 集成进 Maven，Claude 是唯一在五角大楼机密网络上运行的前沿模型，经 Palantir 的平台部署。路透 3 月 20 日报道，五角大楼将把 Maven 升级为正式在编项目。
CNN 没有说明这次分析员用的聊天机器人来自谁家。但把这些背景放在一起，画面是清楚的：在最高风险的场景里，生成结论的工具和核验结论的人，常常来自同一条流水线。
这对普通用 AI 的人意味着什么
把「核武器」「中国船」「开战」这些词换掉，剩下的问题每个用 AI 的人都会遇到：你会不会把 AI 的答案，直接当成事实用出去？
这次事件能给我们三个提醒。
一，幻觉不是 bug，是这类系统的常态。 大模型是按概率续写下一个词的机器，它没有「我不知道」的默认档位，被问到情报细节时照样会给出看起来专业、格式标准的答案。CNN 报道里最刺眼的一幕是：分析员用 AI 得出结论后，又用 AI 把它包装成标准情报格式——格式越规范，越容易骗过下一环的人。
二，核验必须来自链路之外。这次被拦下，靠的不是系统本身有防线，而是有人愿意回头去查原始材料。任何把「生成」和「核验」放在同一个工具、同一批人、同一个时限里的流程，都是在赌运气。
三，速度是幻觉最好的朋友。信源那句「AI 让你更快到达一个坏主意」，其实说清了效率与可靠性的关系：AI 把产出速度提上去，如果核验速度没跟着提，多出来的产能就全变成了错误的传播半径。这一点上，写情报报告和写周报、写代码、做尽调没有任何区别。
结语
这起事件最终没有变成一次军事冲突，但它已经是 AI 风险的一次真实预演：不是模型「失控」，而是人在压力下把模型当成了权威。
对军事和情报机构，这份报告提出的问题很直接：谁有权推翻一个 AI 给出的判断，翻案要花几分钟，谁背这个责任。对每天用 AI 的普通用户，问题小得多，也现实得多——在你按下转发、提交或者执行之前，有没有一个「链路之外」的人或步骤，替你把原始材料再翻一遍。
关注 AI商业快讯，每天一篇 AI 热点深度解读。
相关阅读