八大AI巨頭獲准為五角大廈最高機密網路提供動力
新聞摘要
概述
美國國防部於 2026 年 5 月 1 日（美國東部時間）公開宣布，已與八家領先的人工智慧公司達成正式協議，將在其機密網絡上部署其 AI 系統。參與公司包括 Amazon Web Services (AWS)、Google、Microsoft、NVIDIA、OpenAI、Oracle、Reflection AI 和 SpaceX。這些協議標誌著將前沿 AI 能力整合到政府最敏感的計算基礎設施層級上的一個重要里程碑。
什麼是影響級別 6 和影響級別 7 網絡？
這些協議的核心是網絡分類級別的概念。國防部使用稱為「影響級別」(Impact Levels, IL) 的框架，根據其處理數據的敏感性來對雲端計算環境進行分類。
影響級別 6 (IL6) 指的是授權處理和儲存機密級別資訊的網絡——這些資訊若未經授權洩露，可能對國家安全造成嚴重損害。這些環境必須符合嚴格的安全標準，包括實體存取控制、先進加密和持續監控。
影響級別 7 (IL7) 是一個半官方的分類術語，適用於情報界最受限制的網絡，處理絕密和隔離式資訊。獲得 IL7 授權需要更嚴格的架構控制、隔離的基礎設施和專門的合規性審計。
這八家公司現已獲得認證，可在 IL6 和 IL7 環境中運行其 AI 模型，這意味著它們的系統可以在不通過公共雲基礎設施的情況下，攝取、處理和回應高度敏感的機密數據。
AI 的用途
國防部表示，將安全的邊緣 AI 整合到這些機密網絡環境中，旨在實現三個主要技術功能。
首先是規模化的數據綜合。現代軍事和情報行動產生大量的結構化和非結構化數據——傳感器數據流、衛星圖像、信號情報、後勤記錄等。AI 系統可以快速關聯和總結這些數據流，產生人工分析師需要更長時間才能手動產生的可操作見解。
其次是增強態勢感知能力。AI 模型透過處理實時數據輸入並呈現相關模式或異常，幫助分析師維持對複雜、快速變化的作戰環境的持續更新的圖像。
第三是決策支援增強。這些 AI 工具並非取代人類判斷，而是旨在呈現選項、標記不確定性並呈現歷史背景，以便訓練有素的人員在高壓情境下做出更快、更明智的決策。
參與公司及其技術角色
這八家公司各自為該計畫帶來了獨特的能力。
Amazon Web Services 自 2013 年以來，透過其 GovCloud 和 C2S 平台為情報界提供機密雲端基礎設施。其參與將該基礎設施擴展到包括規模化的 AI 推理工作負載。
Google 貢獻了其 Gemini 模型系列和 AI 基礎設施專業知識，這建立在其多年來對大規模分布式機器學習系統和張量處理硬體的投資之上。
Microsoft 帶來了其 Azure Government 雲端平台及其與大型語言模型技術的深度整合，以及在國防雲端合約領域廣泛的現有業務。
NVIDIA 提供 GPU 硬體和軟體堆疊——包括 CUDA、TensorRT 和 NIM 微服務——這些是幾乎所有其他參與者 AI 訓練和推理能力的基礎。其 H100 和 Blackwell 系列 GPU 是前沿模型推理的主導計算基礎。
OpenAI 直接提供了其 GPT 系列和推理模型系列，這些模型是廣泛基準測試的大型語言模型中，在推理、代碼生成和多步驟分析任務方面表現最突出的。
Oracle 為政府工作負載貢獻了其 Oracle Cloud Infrastructure (OCI)，在數據庫系統、企業數據管理和高可用性架構方面具有特別的優勢。
Reflection AI 是該領域較新的參與者，以在專業和安全關鍵環境中構建高度可靠且事實準確的 AI 系統而聞名。
SpaceX 帶來了其 Starshield 衛星網絡，該網絡提供安全、低延遲的通信鏈路，能夠在分散的作戰地點之間傳輸機密數據——這是受爭議環境中 AI 指揮和控制的關鍵基礎設施層。
供應商多元化作為設計原則
國防部公告中反覆出現的主題是明確避免「供應商鎖定」的目標——即部門過度依賴單一技術供應商，從而失去談判籌碼和營運彈性的情況。透過同時認證八家獨立公司，該部門表明其意圖在其機密基礎設施中維持一個競爭性、多供應商的 AI 生態系統。
這種方法也提供了冗餘。如果一個供應商的系統對於特定任務類型不可用、性能下降或表現不佳，營運商可以在沒有重大工作流程中斷的情況下，轉而使用替代方案。從工程角度來看，多供應商策略也鼓勵每個供應商不斷提高性能和安全態勢，以維持和擴大其角色。
技術認證流程
獲得 IL6 和 IL7 授權並非易事。這涉及一個正式的安全評估和授權 (SA&A) 流程，該流程與美國國家標準與技術研究院 (NIST) 發布的風險管理框架 (RMF) 一致。公司必須證明其 AI 模型權重、推理基礎設施、數據管道和 API 端點可以在隔離或嚴格控制的網絡區段中運行，並對數據流和存取控制進行全面審計。
認證還要求記錄和審計 AI 輸出——特別是在生成模型環境中——以防止透過模型響應進行未經授權的數據滲透。這是一個技術上非瑣碎的挑戰，因為大型語言模型可能以微妙的方式將敏感輸入數據編碼到其輸出中，這需要仔細的輸出過濾和行為監控系統。
更廣泛的背景：國防技術中的 AI
這項公告是國防和情報機構多年來加速採用 AI 的一部分。Project Maven，最初於 2017 年啟動，是早期將計算機視覺 AI 應用於無人機圖像分析的高調項目之一。自那以來，AI 項目已擴展到所有軍種和領域——從自主後勤規劃到 AI 輔助網絡安全運營和複雜系統的預測性維護。
整合商業前沿 AI 模型——而不是僅僅依賴專門的政府開發系統——反映了一種認識，即私營部門的創新速度已經超過了國防實驗室獨立開發的能力。透過與商業 AI 領導者合作並認證其系統用於機密用途，國防部能夠獲得最先進的模型能力，同時維持嚴格的營運安全要求。
後續發展
2026 年 5 月 1 日（美國東部時間）宣布的協議被描述為更廣泛架構建置的開端。國防部表示，它打算隨著時間的推移，透過增加更多公司和用例來繼續擴展其 AI 基礎設施。預計未來階段將解決機密數據集的模型微調、特定作戰情境下的自主代理部署，以及與實時傳感器和通信網絡的更深入整合。總體技術目標是建立一個強健、靈活且不斷改進的 AI 基礎，該基礎能夠隨著模型能力和作戰需求的演變而適應。