21世纪初大数据、深度学习和先进计算等领域取得的技术突破，推动了人工智能的迅猛发展，当前人工智能不仅广泛渗入社会生产生活中，还在军事领域表现出巨大的应用潜力，其对综合信息的处理能力之高、速度之快，足以使未来战争的紧凑程度提升至全新高度，而作为绝对速度优势致胜的高超声速飞行器，人工智能的引入将能使其优势得到更彻底的发挥。目前，高超声速飞行器与人工智能这两种技术的结合已经引发了主要国家的高度兴趣。

　　自1956年人工智能概念提出以来，其发展历经起伏，直至21世纪初才得到迅猛发展，成为一项世界公认的具有颠覆性和变革性的前沿技术。2013年以来，世界各国竞相发布人工智能相关战略规划，国家层面的人工智能博弈和竞争日趋激烈，已经在民用与工业领域得到了诸多成功应用。近年来国外积极探索人工智能在军事上的应用，虽然目前大多停留在数据统计、后勤规划等领域，但直接应用到武器装备上，在未来战场中发挥主导性作用只是时间问题。

　　在信息化、体系化的未来战争环境中，将人工智能技术应用于武器装备，能够使武器装备实现对目标的智能识别、决策和行动，极大提高武器装备的作战效能。

　　未来作战中受气象条件干扰、目标多样化、敌我交错、隐身目标等影响，识别难度将进一步提升，利用深度学习技术实现目标智能化软识别，以试验采集、仿真生成等手段获得的“大数据”为基础，在高维特征空间中进行精细化建模与深度特征学习，形成从数据到结果的“端到端”学习和映射，进而对复杂目标实现精细化识别，提升识别能力。

　　战场环境瞬息万变，目前武器装备多采用作战前规划模式，快速响应能力已显不足。目前可借助专家系统进行辅助决策，通过前方获取信息与资料库相比对，快速确定战场威胁，给出辅助决策降低人员工作负荷。未来引入深度学习后，将能实现深度神经推理，以数据驱动与知识引导结合，形成可适应通用环境的强人工智能，达到武器系统的决策自主化、智能化。

　　武器装备的运动控制系统是强对抗环境下准确且低代价实现目标的保障。人工智能通过模糊控制、神经网络、自适应/自组织的使用，特别适合非线性、时变、多变量、受环境扰动的复杂自动控制需求，实现稳定与鲁棒性的控制，使武器装备具有恶劣环境自适应能力、智能避障能力、跟踪高机动目标能力、自修复能力和高弹体控制能力。

　　未来战争是多层次、全方位的信息化战争，需要由单体向协同作战模式转化。目前仅能实现装备间的初级协同，高度依赖预先规划与中枢指挥，未来将通过协同架构的选择、协同编队网络的生成、组网的保持、群体对抗、协同目标探测等环节，形成分布式“共享大脑”，开展智能化协同作战。

　　高超声速武器是未来战场上的重要力量，其作战使用仍需要建立高效的杀伤链，只有具备快速决策、快速响应能力，才能将高超声速武器的速度优势发挥彻底，为此势必需要智能化技术的引入现阶段高超声速飞行器智能化技术探索仍处在较为初期的阶段，更深程度的体系智能化探索仍需时日。

　　桑迪亚国家实验室（Sandia National Laboratories，简称SNL）是为数不多的明确提出将人工智能运用在高超声速领域的国外机构。2019年4月，SNL发布多份说明文件与媒体报道，阐述其构想与工作进展。SNL指出，目前主要工作围绕对高超声速飞行器自主规划的探索，希望到2024年完成新的自动飞行系统的基础技术开发。

　　SNL将高超声速飞行器视为核大国之间新的战略制衡手段。传统弹道导弹虽然也可在大气外达到Ma5以上的飞行速度，但高超声速飞行器的飞行高度位于大气层内，从而在飞行过程中具有隐身性和机动性。速度更快、弹道更低、隐身性更好，使高超声速导弹能更好地突防敌防御系统。

　　SNL认为，俄罗斯和中国正在着力发展进攻性高超声速武器系统，投入使用后或将使美国的导弹防御系统失效。此前美国虽然高超声速技术开展了长期的试验性探索，但目前在武器化进程上居于落后。为了避免美国在这个具有战略意义的重要技术领域中被淘汰，需要将人工智能（“自主性”）与高超声速相结合，形成“力量倍增器”。

　　SNL在1970年代就开展了双锥形机动滑翔飞行器技术的研发，AHW及后续的CPS项目利用该技术，在2012-2020年间曾多次成功试射，目前美国多型高超声速助推滑翔导弹所用的通用滑翔弹头（C-HGB）就是在其基础上发展形成的。

　　SNL的人工智能引入也首先以高超声速助推滑翔飞行器为应用对象（未来延伸到吸气式高超声速飞行器及其它航空航天领域），由于这种飞行器以很高的速度飞行，再入阶段还要面对复杂而剧烈的大气湍流，对控制的稳定性和精度等要求极高，因此其飞行任务的规划与编程工作需要花费数周时。