外媒最近盯上了一项中国的新技术。北京理工大学和中国空空导弹研究院等机构联合搞出来一套轻量化的 AI 红外识别系统，专门给空空导弹用的。在实验室模拟对抗环境下，对按 F-22、F-35 热信号特征模拟的目标，识别锁定率超过了 90%。

这个数据确实挺唬人。但更值得琢磨的是它背后的技术逻辑。

隐身战机的隐身主要针对雷达波段，红外波段是另一回事。发动机尾喷口上千度的高温，超音速巡航时蒙皮与空气摩擦生热，这些都是物理规律，藏不住的。F-22、F-35 当然也采取红外抑制措施，用了二元喷管、掺混冷却，把尾流温度压下来一截，热信号照样存在。它跟环境的温差，就是红外导引头找上门的关键线索。

传统红外弹的问题在于太 " 笨 "。基本是追着视野里最热的那一团跑。热焰弹一扔，火球温度比飞机屁股还高，导引头立马被带偏。这套博弈玩了快五十年。

这次公开的研究换了一条路。

不比谁更热，比的是 " 长什么样 "。 研究团队开发了一套 AI 算法，专门分析红外图像里的热源分布和形态特征。发动机尾流有特定的形状、温度梯度、扩散速度，这些参数组合起来就是一架飞机的 " 热签名 "。机头、翼尖在高速飞行时摩擦升温，温度分布也有固定规律。这相当于红外波段的指纹。

研究团队用弹载扫描式红外成像系统获取了 3245 张目标图像进行测试，涵盖三类空中目标，其中两类专门模拟 F-22 和 F-35 的热信号特征。数据集上跑出来的识别准确率是 97.1%。后来把算法烧到真实 AI 加速芯片上实测，掉到大约 96.4%。掉了不到一个百分点，模型迁移做得相当稳。

这里有个关键细节得说清楚。这套东西目前还处在实验室验证阶段，用的是仿真模拟数据。 真家伙的红外特征属于最高机密，公开论文里不可能拿到。96%、97% 这个数字，得放在 " 原理验证 " 框架里理解——它证明这套轻量化 AI 模型逻辑上走得通，不是说现在就能挂弹上天直接锁定真 F-22。

工程层面的取舍更值得看。

把 AI 塞进导弹，算力、功耗、体积全是硬约束。导弹不是服务器机房，塞不进庞大的深度学习模型。研究团队做了结构精简、归一化层融合、8 位量化，模型参数量压到原来的 16.1%，计算量只剩 19.2%。配合专用 AI 加速芯片，处理单帧红外图像只要 1.5 毫秒，功耗仅 2.2 瓦，硬件成本几百块钱。

这个数据比识别率本身更有现实意义。 算法不挑平台、不挑弹种，理论上能大规模低成本地往上堆。老旧近距格斗弹换个导引头，塞个 AI 芯片，识别逻辑一换，对抗红外诱饵的能力就能上一个台阶。

那怎么反干扰呢？热焰弹的弱点在于它是快速膨胀、快速熄灭的气体火球。光谱特性、运动轨迹、形状变化率，跟真实飞机的气动热辐射完全两码事。AI 同时抓温度、光谱、运动轨迹、几何形态四个维度，瞬间就能把真假目标分开。系统响应是毫秒级的，热焰弹还没完全展开，判决已经做完了。

隐身战机的红外抑制技术在进步，未来的红外诱饵可能做得更逼真，甚至出现带动力的小型无人机诱饵。但这套东西指了条很实在的路——从 " 追热点 " 变成 " 认指纹 "。

当然，实验室到实战，中间还隔着环境适应性测试、实弹打靶、抗干扰考核。路还长。但方向对了，剩下的就是工程问题。对依赖隐身突防的第五代战机来说，这无疑是个值得关注的变化。