2026年2月28日美以对伊朗最高领袖哈梅内伊实施的斩首作战，是两国经数月策划、依托多维度情报体系完成的军事行动。本文认为，美以凭借技术监控、人力情报与数据解析构建情报网络，AI仅在计算机视觉、、生活规律建模等情报搜集处理环节，以及部分任务规划、电子战辅助层面发挥技术支撑作用，核心作战决策与直接打击环节仍由人类主导。同时结合美以两军AI系统在的实际应用情况，AI能提升情报与作战效率、缩短OODA闭环时间，是现代战争的关键技术工具，但不改变人类的战争的本质。
2026年3月1日，伊朗官方正式确认其最高精神领袖哈梅内伊在空袭中身亡。那么在此次事件中，已经被广泛装备于美军和以色列军队的AI技术到底扮演何种角色？其真实情况如何。
根据《纽约时报》和《华尔街日报》的深度报道，美以袭击哈梅内伊是经过数个月策划的。
以色列自2001年起便将伊朗列为优先打击目标，摩萨德数十年来持续在伊朗构建情报网络；美国则因伊朗核计划及地区影响力扩张，与以色列形成战略共识。2025年6月美以与伊朗的12天战争后，两国对伊朗领导层的情报收集能力显著提升，特朗普政府更是对伊朗的谈判回应表示不满。据此，第二轮军事行动被提上议事日程。
在此基础上，摩萨德与中央情报局（CIA）进行了精确的情报搜集，掌握了哈梅内伊的行动模式，并获取了哈梅内伊的实时情报。
决策层面，美以高层经过多轮磋商达成一致。2025年12月，以色列总理内塔尼亚胡在佛罗里达海湖庄园与特朗普会面，约定若伊朗持续推进核计划，军事行动将具备正当性；2026年2月，双方在白宫再次会晤，敲定核心作战原则。随着中央情报局确认哈梅内伊将出席周六（2月28日）上午的高级官员会议，原本计划的夜间袭击被调整为白昼突袭，以最大化打击效率。
在攻击发起时，美国主导战场环境压制，通过扰乱、削弱伊朗的视野、通信和反应能力并致盲，为以色列战机开辟通道。以色列负责直接打击任务，基于摩萨德与CIA的联合情报，制定了针对德黑兰三处领导层聚集点的同步打击方案。以色列战机于当地时间早晨6点从基地起飞，经过2小时05分钟飞行后准时抵达攻击阵位。此时，哈梅内伊与高级官员正聚集在总统府、最高领袖办公室及国家安全委员会所在地开会。
行动发起时，以色列8200部队干扰了领导层建筑群周边十几个手机信号塔的信号，使相关领导人的安保团队手机信号处于持续“忙音”，无法获得预先警告。由于哈梅内伊位于一栋建筑，而其他高级官员（如革命卫队总司令帕克普尔、国防委员会秘书沙姆哈尼等）位于附近另一栋建筑。因此以色列战机向领导层所在建筑群（Beit-e Rahbari）投下30枚精确弹药，重点打击了伊朗高级国家安全官员所在楼宇与哈梅内伊办公居住的相邻建筑。德黑兰时间上午9:40左右，投掷弹药同时击中目标。空袭仅用60秒便完成主要打击，86岁的哈梅内伊当场身亡，一同遇难的包括伊斯兰革命卫队总司令穆罕默德・帕克普尔、国防部长阿齐兹・纳西尔扎德、军事委员会主席阿里・沙姆哈尼海军上将等约40名伊朗高级官员，哈梅内伊的女儿、女婿和孙女等4名家属也在袭击中丧生。
当然，此时哈梅内伊为何会在如此明确的地点开会是值得讨论的问题。一种可能性是当时伊朗领导层对美伊谈判预期良好，因此在一定程度上放松了警惕并降低了相关安全标准。另一种可能性是，哈梅内伊本人已有“殉道”的想法，因此主动选择走出安全设施，以半主动的方式成为被什叶派广泛尊敬的“烈士”，这可以实现其宗教理想，也可以为身后进一步的政治安排铺路。当然，这不意味着哈梅内伊是知晓美以打击的具体时间并主动“殉道”，但应该说，他的“殉道”想法确实让美国和以色列有了较为容易实施“斩首”作战的机会。
美以两国主要依靠技术监控、人力情报、数据解析来获得情报。CIA对哈梅内伊的行踪与作息模式追踪长达数月，通过2025年“12日战争”期间获取的伊朗领导层通信数据与移动规律，不断优化追踪模型。以色列摩萨德则凭借在伊朗境内招募的本地特工网络，收集哈梅内伊的日常活动细节，包括安保人员的换班规律、出行路线等生活模式信息。
在技术渗透手段上，以色列黑入德黑兰几乎所有交通摄像头，将加密图像实时传输至特拉维夫服务器，通过特定摄像头角度监控哈梅内伊住所周边的车辆停放与人员流动。同时在行动期间干扰巴斯德街附近十余座手机信号塔，使哈梅内伊的安保团队无法接收预警信息。美国则通过截获通信数据、部署线人等方式获取了哈梅内伊参会的精确时间与地点。
目标确认机制上，以色列采用社交网络分析算法解析数十亿数据点，确定伊朗决策核心圈层社会关系。以色列军事学说额外要求两名独立的高级军官分别确认目标位置和身份，这是目标确认的人力环节。在此次行动中，信号情报与人力情报相互印证，确保情报“高保真度”。最终，CIA将哈梅内伊的实时位置情报同步给以色列，完成打击前的最后确认。
基于上述环节，我们可以确定的是，核心决策权毫无疑问地掌握在美以政府高层手中，而不会是单纯由AI决策。同时，传统技术情报、人力情报仍然扮演重要角色。AI在其中一部分环节发挥了作用。包括以下几个技术领域。
考虑到以色列黑入德黑兰几乎所有交通摄像头，并通过特定摄像头角度监控车辆停放与人员流动，这一环节中AI应该使用了以下几类技术：
◾目标识别与追踪：依靠人工实时监控数千个摄像头是不可能的。AI算法（如卷积神经网络CNN）被用于自动识别特定的车型、车牌号，甚至通过步态分析或面部识别（如果分辨率允许）来锁定特定人物。
◾“异常”行为检测：AI可以设定基准线，自动标记诸如非正常时间的车队集结、安保人员的突然增加等“异常”活动，从而从海量视频流中筛选出高价值片段供分析师审查。
◾ 多源融合：AI能将不同角度的摄像头画面拼接，重建车队的三维移动轨迹，预测其目的地。
◾具体而言，美军可能使用了Project Maven，该系统可以处理海量ISR视频信息。以军则可能使用了在巴勒斯坦已经大量使用的“福音”（Gospel）和“薰衣草”（Lavender）系统分析无人机影像与通信数据。
以色列采用社交网络分析算法解析数十亿数据点，这一过程必定使用AI进行辅助处理。可能使用的具体相关技术如下：
◾关系图谱构建：处理数十亿数据点需要图神经网络（GNN）或大规模机器学习模型。AI能自动从通信记录、资金往来、会议出席记录中挖掘出隐藏的人际网络，识别出谁是与哈梅内伊最紧密的核心人物，以便进行下一阶段跟踪。
◾关键节点预测：算法可以预测哪些次要人物的动向预示着最高领袖的行动，从而扩大监控范围而不必局限于监控领袖本人。美以方面可能同时掌握了至少20-30名甚至更多伊朗高层领导人的行踪，这使得美以可以根据这一情报调整原本计划的打击时间，其背后海量数据的分类与识别必定有AI协助完成。
◾以军在这类需求中可能依托已经大规模使用的Azure来分析电话通信、文本等。
CIA对哈梅内伊的行踪与作息模式追踪长达数月，不断优化追踪模型，同时收集安保人员的换班规律、出行路线等生活模式信息。这类任务大概率也涉及AI协作，涉及以下技术。
◾时序数据分析：利用机器学习分析长期的时间和位置数据，学习哈梅内伊及其保镖的“正常”行为模式。
◾“异常”预测：一旦现实数据偏离了AI建立的“常态模型”，系统会立即发出警报。这种能力对于预测机会窗口至关重要。
◾概率预测：AI可以根据历史数据和当前上下文，计算出哈梅内伊出现在某地的概率，帮助决策者判断是否值得发动攻击。
◾美军的Project Maven可能具备模式识别功能。而有报道称以军将AI用于处理海量通信数据以预测威胁模式，但具体“行为模型”系统名称未公开。
从截获通信数据，以及干扰巴斯德街附近十余座手机信号塔，使哈梅内伊的安保团队无法接收预警信息来看，我们也可以推测美以可能利用相关AI技术，如：
◾自适应干扰：现代电子战系统利用AI实时分析敌方通信频率和跳频模式，动态调整干扰策略，以最小的功率实现最大的阻断效果。
◾语音/文本自动转录与分析：在截获的海量通信中，AI自然语言处理工具可以实时转录波斯语通话，提取关键词，并自动翻译和摘要，让分析师迅速掌握核心情报。
虽然最终由人类官员确认，但AI可以进行辅助决策，帮助官员在极短时间内做出是否开火的决定。美军部署了多种大语言模型，如Anthropic的Claude Gov（大语言模型）、ChatGPT Gov、Gemini for Government等。此外，美军JADC2系统同样具备AI决策模块，也能够满足相关需求。
这些AI主要在情报搜集和处理环节发挥作用。在行动环节，也可能有AI的发挥空间。如美军Maven智能系统可能参与任务管理，而以军可能使用“火力工厂”（Fire Factory）分析历史数据、计算弹药需求、排序优先级、分配飞机/无人机/无人系统到目标，优化时间敏感打击。另外美国方面有“寂静乌鸦”（Silent CROW）先进电子攻击吊舱系统，其整合了人工智能与机器学习算法，能够在复杂且拥挤的电磁频谱中实现快速、自动化的威胁识别，但是否在此次作战中使用尚无法确定。
美军一部分参战航空平台的子系统也拥有AI驱动能力。如E-11A具备自适应路由与协议翻译算法（AI-enabled dynamic routing）、信道优化算法、自动化频谱管理能力，可以实现将不同制式的通信（Link-16、地面电台、卫星、战术网络）进行智能转换、动态调节链路负载和抗干扰与延迟等能力。U-2S是美军公开承认与AI结合最深的机型，由Maven视觉模型实现AI驱动图像识别、威胁分类、路径选择，还具有AI辅助任务规划能力。RC-135系列则具有机器学习驱动的信号分类系统和自动威胁电磁频谱识别，可快速识别未知、跳频、低概率截获通信，并通过深度学习识别敌方雷达脉冲参数，将雷达、通讯、电子辐射等整合为“实时威胁图谱”。而F-35系列则具备传感器融合AI、AI威胁评估、AI目标识别等能力。EA-18G拥有认知电子战（Cognitive EW）算法、用深度学习做频谱分类与异常检测、自适应干扰（Adaptive Jammer）等能力。
以色列方面的无人机，如“哈洛普”（Harop）巡飞弹、“苍鹭”TP（Heron TP）无人机、“赫尔墨斯”900（Hermes 900）无人机也应用了诸多AI驱动技术。但这些无人机应该没有参与第一波对哈梅内伊办公室的直接打击。
整体上看，AI可以确定参与了初期情报搜集和整理工作，可能参与了任务制定、任务分配等环节以及评估环节。但在具体打击过程中参与度可能较低。
目前，美军和以军已有大量AI系统参与了实际应用，其运用情况从OODA维度如下表所示：
已用于美军中东、非洲等地的MQ-9实战行动，用于从视频流中自动识别敌方车辆/武装分子；五角大楼确认已在全球战区常态化使用。
在阿富汗、叙利亚、伊拉克多次参与实战，提供广域持续监视（WAMI），AI模块用于自动识别异常活动。
用于中央司令部预测伊朗相关武装组织的无人机与导弹活动，属实际战区分析工具。
2023–2024加沙战役实时使用，指挥官确认其在秒级速度整合侦察与地面态势情报。
已在多次Project Convergence演习执行“整合情报→推断敌军意图”；在印太战略指挥部试运行。
2021、2023–2024以色列加沙行动中使用；IDF官员称其“可数分钟生成目标攻击价值”。
在Project Convergence 21/22实兵演习中驱动自动火力分配，几秒内生成火力配置方案。
在DARPA演习中验证“跨平台编组作战”方案生成；部分模块在空军战区级司令部测试中。
国防部在实际审批流程中大量使用，用于快速检索法规与政策，减少行动方案审批时间。
2023–2024加沙行动中用于自动化空军打击计划生成，NYT报道其输出速度“数分钟”。
战术指挥官在实时战斗中依靠其建议来确定下一步行动，如是否推进、是否派遣无人机。
以军最新改革的核心，用于战役级别兵力组织、跨域规划（空军/地面/情报整合）。
美国多次在中东实施空袭（如针对叙利亚目标），AI提供目标推荐与武器选择。
在飞行试验中自主完成起飞、规避、防区穿越，美军计划与F-35、NGAD一同执行任务。
多次用于打击叙利亚战略目标，自主规划射击角度；媒体多次报道其动态重新规划能力。
整体上看，美以已拥有众多AI技术贯穿于OODA环，在提高情报处理效率、提高决策效率乃至优化行政流程等方面发挥了重要作用，并以缩短闭环时间的方式提升很大一部分部分作战能力，并且在可预期的未来这种赋能潜力仍然巨大。AI技术发展与有效运用，是国际竞争可预期未来里的核心领域。
但客观来看，战争本质仍然是人类政治以暴力方式的延续，人才是战争的根本，AI是战争的工具而非目标。