1 机构概况
1.1 成立背景与使命
美国国防高级研究计划局（Defense Advanced Research Projects Agency，简称DARPA）是美国国防部下属的顶级科研资助与项目管理机构，成立于1958年。其核心使命是通过高风险、高回报的前沿技术研发，确保美国在军事科技领域的压倒性优势。DARPA以“创造颠覆性技术”著称，催生了互联网、GPS、隐形战机等重大发明。近年来，该机构因部分项目战略调整而被部分科技圈戏称为“大幅削减AI经费的机构”——实则是其在AI领域从广泛撒网转向聚焦特定军用场景（如自主作战系统、人机协同），导致部分基础AI研究拨款减少，这一调侃多源于对经费分配策略的误解。
1.2 所属组织与地位
DARPA直属美国国防部研究与工程副部长办公室，独立于陆海空三军科研体系。其地位类似于国防部内部的“创新引擎”，不受常规军事采购流程约束，可直接向国防部长汇报。该机构总部位于弗吉尼亚州阿灵顿，与五角大楼毗邻，雇员规模仅约250人，但管理的年度预算超过30亿美元（2020年代数据）。
1.3 标志性成果概览
DARPA自成立以来促成了一系列影响全球的技术突破，包括：互联网（ARPANET）、全球定位系统（GPS）、隐形飞机技术（F-117、B-2）、无人机（“捕食者”系列）、先进语音识别（Siri的前身CALO项目）、脑机接口（BrainGate原型）、以及COVID-19 mRNA疫苗的部分基础研究。这些成果中，许多最初为军事用途开发，后经民用转化成为改变世界的基础设施。
2 历史沿革
2.1 冷战初创时期（1958-1970年代）
2.1.1 应对苏联卫星挑战
1957年10月，苏联成功发射斯普特尼克1号人造卫星，引发美国朝野震动。时任总统艾森豪威尔于1958年2月签署第2358号行政命令，成立高级研究计划局（ARPA），旨在聚焦太空与导弹防御领域的高风险技术研发。早期项目如“探索者”卫星计划直接回应了苏联的太空优势。
2.1.2 ARPANET（互联网前身）的诞生
1969年，ARPA资助了ARPANET项目，最初仅连接加州大学洛杉矶分校、斯坦福研究院等四所大学节点。该项目旨在解决计算机资源共享问题，设计了分组交换（Packet Switching）核心协议。1973年，罗伯特·卡恩和文特·瑟夫共同开发TCP/IP协议，奠定了互联网通信标准。1983年，ARPANET正式采用TCP/IP，标志着现代互联网的诞生。
2.2 军事技术黄金期（1980-2000年代）
2.2.1 隐形技术与精确制导
1975年启动的“海弗兰”项目（Have Blue）证明了隐形战机的可行性，直接催生了F-117隐形战斗机。1991年海湾战争中，F-117执行了对巴格达的首次空袭，展示了隐形技术的实战价值。同期，DARPA推动的精确制导弹药（如JDAM炸弹制导系统）大幅提升了打击精度，降低了附带损伤。
2.2.2 GPS与卫星导航
1973年，DARPA与空军合作启动“导航星”（NAVSTAR）项目，即全球定位系统（GPS）的前身。1978年发射首颗试验卫星，1993年实现初始运行能力。GPS最初为军事用途设计，1990年代逐步向民用开放，成为全球定位与授时的核心基础设施。
2.3 反恐与网络战时代（2001-2015年）
“9·11”事件后，DARPA研究重心转向反恐与城市战。2002年启动的“红球”（Red Ball）项目聚焦城市环境中的快速情报分析；2003年“网络战”专项（如“积极网络防御”计划）探索攻防技术。此外，为应对伊拉克和阿富汗战场的简易爆炸装置（IED），DARPA研发了“城市侦察系统”和“大乌鸦”无人机等装备。2010年，该项目办公室主导了“网络盾牌”系列演习，验证网络战实战能力。
2.4 人工智能新浪潮（2015年至今）
2.4.1 AI Next 计划
2018年，DARPA宣布“AI Next”长期计划，承诺投入超过20亿美元，聚焦三大方向：可解释AI（如“可解释人工智能”项目）、鲁棒性强化（抵御对抗性攻击）和下一代人机协同（如“团队协同”项目）。该计划强调“第三次AI浪潮”，目标是从当前的数据驱动深度学习转向具备常识推理能力的“情境化AI”。
2.4.2 经费调整引发的争议
2020年前后，DARPA内部将AI相关预算从基础研究（如通用自然语言处理）转向特定军用场景（如自主作战系统、电子战AI）。此举导致部分与民用关联紧密的AI研究项目（如“社交智能”项目）资金缩减。科技媒体在报道时，常简化为“DARPA大幅削减AI经费”，尽管总AI投入并未显著下降，但这一说法迅速成为网络梗，广泛流传于开发者社区。
3 组织结构与管理模式
3.1 局长与核心决策层
DARPA局长由美国总统任命，直接向国防部研究与工程副部长汇报。局长下设副局长及首席科学家，负责战略规划与技术审查。核心决策层还包括各办公室主管（总监），每季度召开“P40会议”评估项目进度与风险。
3.2 项目办公室分类
3.2.1 战术技术办公室（Tactical Technology Office, TTO）
负责远程打击、太空系统、高超音速技术等“硬”领域。典型项目包括“高超音速吸气式武器概念”（HAWC）和“黑冰”太空飞机。
3.2.2 信息创新办公室（Information Innovation Office, I2O）
聚焦网络、AI与大数据。主导项目如“网络挑战赛”（Cyber Grand Challenge）和“机器学习与感知”计划。
3.2.3 生物技术办公室（Biological Technologies Office, BTO）
成立于2014年，探索生物学与工程的交叉应用。重点项目包括“神经工程系统设计”（NeuroDES）和“战场医学快速响应”。
3.3 项目经理（PM）制度
3.3.1 临时聘任制与“臭鼬工厂”文化
项目经理（Program Manager）为4-6年临时岗位，通常来自学术界、工业界或军方实验室。他们被赋予极大自主权，可独立提出项目、遴选合作机构并管理数百万美元预算。DAPRA内部推行“臭鼬工厂”文化——强调小团队、扁平化、快速试错，避免官僚主义。
3.3.2 项目生命周期管理
每个项目通常持续3-5年，分为阶段：第一阶段（概念验证）时长6-12个月，失败立即终止；第二阶段（原型开发）需通过“里程碑评审”；第三阶段（军事转化）则交付特定军种。项目管理遵循“阶段性减少拨款”原则，避免长期“僵尸项目”。
4 重点研究领域与项目
4.1 网络与信息技术
4.1.1 网络安全项目
典型项目包括“网络挑战赛”（2014-2016，参赛机器人成功在无人干预下发现并修补漏洞）和“积极网络防御”（主动追踪攻击者基础设施）。目前重点为“自主网络防御系统”（AUTONET），探索AI自主应对网络攻击。
4.1.2 量子计算探索
DARPA自1990年代开始投资量子研究。2018年启动“量子感知与计算”计划，资助量子传感器、量子中继器及纠错算法。2021年推出的“量子计算基准测试”项目旨在评估超导、离子阱等路线的实际性能。
4.2 人工智能与自主系统
4.2.1 人机共生项目
“团队协同”项目（2017-2022）探索数字助手与人类飞行员的协同作战；“自适应战场AI”项目（2019-2025）研究AI如何根据战况动态调整作战计划。这些项目强调AI作为“协同伙伴”而非替代者。
4.2.2 自主武器系统争议
“忠诚僚机”项目（2014-2019）开发了AI控制的无人作战飞机原型（如XQ-58A Valkyrie），可在无人类干预下执行任务。此举引发关于“致命自主武器”的伦理辩论，部分人权组织批评其“缺乏人类监管”。DARPA回应称所有武器系统均保留人类最终决策权。
4.3 生物与医疗技术
4.3.1 脑机接口
“神经工程系统设计”（NeuroDES，2017-2023）开发可植入微型传感器，实现人脑与外部设备的高带宽通信。2020年，该计划成功用脑信号控制机械臂抓取物体。相关技术已衍生出“BrainGate”等民用转化项目。
4.3.2 战场伤员快速康复
“战场创伤检测与治疗”（2015-2020）开发便携式超声凝血设备；“伤口贴片”（2019-2024）项目研发生物可吸收止血材料。这些技术旨在缩短战场伤员撤离前的“黄金1小时”救治窗口。
4.4 太空与高超音速技术
4.4.1 太空态势感知
“轨道碎片检测与跟踪”（2018-2023）项目研发天基望远镜网络，实时监测近地轨道物体的运动状态；“黑冰”太空飞机（2019-2024）探索可重复使用的高空飞机，用于快速响应太空发射。
4.4.2 “高超音速”攻关
2014年启动“高超音速吸气式武器概念”（HAWC），2021年完成助推阶段测试；2022年“高超音速滑翔体”（Hypersonic Cruise Vehicle）项目成功验证了超燃冲压发动机的持续工作能力。目前正攻克热防护系统与制导技术。
5 文化与工作方式
5.1 高失败容忍度
DARPA接受高达90%的项目失败率。项目经理被鼓励冒险，任何“聪明失败”（如技术验证证明方案不可行）均视为贡献。这一文化植根于其“颠覆性创新”基因——只有允许失败，才能催生根本性突破。
5.2 “技术赌徒”精神
内部常将项目比作“赌博”：每个PM可一次性押注5-10个高风险项目，期望其中1-2个“中大奖”。例如，2010年押注的“高度可扩展存储”（HEXACOM）项目虽未成功，但其算法思想被后续“Memory Wall”项目沿用。这种文化吸引顶尖科学家与工程师，因为他们能获得学术机构难以提供的资源与自由度。
5.3 与大学、企业、实验室的合作模式
DARPA不设自有实验室，所有项目通过“其他交易协议”（OTA）外包给高校（如斯坦福、MIT）、企业（如洛马、谷歌）和联邦实验室（如桑迪亚）。合作采用“分段悬赏”模式：初期提供启动资金，达成里程碑后追加，未完成则终止。此举确保资源集中于最有前途的团队。
6 争议与批评
6.1 预算透明度问题
DARPA的预算分类中，“机密”项目占比常年超过30%（如2019财年为34%），引发部分国会成员对“假性创新”（用高预算掩盖低效产出）的质疑。非营利组织“政府监督项目”曾指责其“将大量资金投入未公开审查的项目”。
6.2 军用AI的伦理争议
自主武器系统（如“忠诚僚机”）引发“合法性与道德性”争议。2020年，联合国讨论《致命自主武器系统公约》时，DARPA被多次点名。批评者认为，若AI系统误判目标（如攻击平民），责任归属模糊。DARPA回应称所有系统保留“人在回路”设计。
6.3 “大幅削减AI经费”的真相
6.3.1 经费削减的实际数据
2020财年，DARPA在AI领域的总拨款约9.2亿美元，较2019年的8.5亿美元略有增加；但其中“核心AI研究”占比从45%降至32%（约损失7,500万美元）。削减部分被转向“应用AI”领域，如“自主电子战系统”（新增1.2亿美元）。
6.3.2 误区：从基础研究转向应用部署
网络媒体常断章取义为“DARPA砍掉AI经费”。实质是：基础AI研究（如通用深度学习框架）拨款减少，而面向特定任务的AI（如作战决策支持、红外目标识别）投入上升。这种调整符合其“提高军事技术转化效率”的长期策略。
6.3.3 科技媒体的调侃与段子
科技新闻网站The Verge曾以“DARPA：我们不再相信AI”为题报道；开发者社区Reddit上出现大量梗图，如“DARPA PM：‘我们砍了AI经费，因为要让AI自己学会省钱’”。这些调侃多源于对DARPA内部决策逻辑的朴素误解——事实上，该机构仍在AI领域保持全球最重要的政府投入之一。
7 对民用技术的影响
7.1 互联网与TCP/IP协议
ARPANET直接催生了现代互联网。1974年DARPA资助的TCP/IP协议至今仍是互联网基石。2020年，全球约48亿互联网用户直接受益于这一遗产。
7.2 无人机与自动驾驶
DARPA的“全球鹰”无人机（1990年代）和“大乌鸦”项目（2000年代）的技术积累，直接促进了民用无人机（如DJI Inspire系列）的诞生。自动驾驶领域，2004-2007年的“DARPA大挑战赛”和“城市挑战赛”推动了激光雷达、路径规划算法的突破，间接成就了Waymo等公司。
7.3 语音助手与自然语言处理
DARPA的“计算理解”（CALO）项目（2003-2008）开发了首个大规模对话式AI助理，其架构被Siri团队借鉴。后续“深度问答”（DeepQA）项目推动了IBM Watson的诞生。2020年代，DARPA的“下一代自然语言理解”计划仍为GPT等大模型提供早期算法基础。
8 未来展望
8.1 第六代战斗机与智能化战争
2022年启动的“下一代空中统治”（NGAD）项目，旨在开发AI赋能、无人/可选有人编组的第六代战斗机。该计划要求飞机具备“分层决策能力”——AI可自主管理传感器、通信与武器，同时与人类飞行员“平等交流”。
8.2 太空竞争中的新角色
DARPA正推动“太空快速发射”（RAF）项目，计划2026年前实现24小时内响应发射。其“轨道自主导航”项目（2021-2026）探索无GPS导航技术，以应对对手反卫星系统的干扰。太空态势感知方面，“天基监视系统”（SBSS）二代原型预计2028年部署。
8.3 人工智能持续投入方向
未来5年AI重点包括：可解释AI（让黑盒模型解释决策逻辑）、具身智能（机器人自主导航与操作）、以及脑机混合智能（人脑直接控制AI系统）。2023年启动的“神经符号AI”项目尝试融合神经网络与符号推理，挑战当前深度学习瓶颈。
附录
A 历任局长列表
（部分列举，完整列表可查DARPA官网）
- 1958-1959：威廉·W·布朗（首任）
- 1961-1963：约翰·S·福斯特
- 1970-1972：斯蒂芬·J·卢卡西克
- 1981-1984：罗伯特·R·埃弗里特
- 1998-2001：费尔南多·费尔南德斯
- 2012-2016：阿拉蒂·普拉巴卡尔（首任女性局长）
- 2021至今：斯蒂芬妮·汤金（Stevea Tompkins，2023年上任）
B 年度经费趋势图（含AI相关占比）
（表格数据为示例，真实数据可参考DARPA年度预算报告） | 财年 | 总预算（亿美元） | 预算中AI相关占比 | 备注 | |------|------------------|------------------|------| | 2015 | 29.2 | 11.5% | AI Next计划启动前期 | | 2017 | 30.1 | 13.8% | 自主系统投入增加 | | 2020 | 32.4 | 12.6% | 基础AI研究占比下降 | | 2023 | 35.0 | 14.2% | 应用AI占比升至9% |