90 天，8 萬到 120 萬：五角大廈技術長的 AI 部署實戰

本文整理自 The a16z Show 2026 年 3 月播出的單集。

{{< apple-podcast "tw/podcast/emil-michael-iran-anthropic-and-the-future-of/id842818711?i=1000755075539" >}}

---

14 個沒人看得懂的優先

五角大廈研究與工程次長 Emil Michael 到任第一天看到的東西，讓他差點以為自己拿錯了文件。擺在他桌上的「關鍵技術優先領域」清單有 14 項。他的前任們原本定了 10 項，後來有人又加了 4 項。近十年沒人動過這份清單。更讓他搖頭的是內容本身：寫著「整合式網路系統之系統」（integrated network systems of systems）這種話。Michael 的反應很直接：如果你要求一個三百萬人的組織記住 14 件事，等於你什麼都沒要求。尤其當這 14 件事的名字連寫出來的人可能都解釋不清楚的時候。

他把清單砍到 6 項。挑選的標準不是技術上最前沿，而是「哪裡有最大的改變機會、成長空間，以及對作戰能力和國防工業基礎的實際衝擊」。應用 AI 被放在第一位。Michael 在節目中把話說得很白：美國國防部在 AI 方面「遠遠落後」。這個判斷來自一個賣過公司給微軟、在矽谷打滾十幾年的人，不是一個對科技缺乏概念的官僚。

但排在第一位只是起點。Michael 做了一個組織上的關鍵動作：把首席數位暨 AI 辦公室（Chief Digital and AI Office, CDAO）搬到他的直屬管轄下。在大型官僚體系裡，「誰歸誰管」決定了資源、注意力和速度。CDAO 原本在組織架構裡的位置不夠高，決策需要穿過多層彙報鏈才能到達有實權的人手上。把它放在次長辦公室底下，等於把 AI 相關決策的審批層級砍掉了好幾層。這是一個教科書等級的組織設計操作：不改人、不改預算，只改彙報線，效果卻可以立竿見影。

三個戰場：效率、情報、作戰

Michael 把國防 AI 的應用場景分成三個截然不同的領域，每個領域的邏輯、難度和價值都不一樣。這個分類框架本身就值得任何正在規劃 AI 策略的組織參考。

第一個是企業效率。這跟任何大型企業做的事沒有本質差別，就是讓日常瑣碎的行政工作跑快一點。三百萬人的組織裡，每天有多少時間花在填表格、寫報告、整理文件、安排會議上？如果 AI 能把這些事情的處理時間砍掉一半，省下來的人時是天文數字。這是最不性感但見效最快的領域，也是讓 120 萬人「用上 AI」的主要途徑。多數人的第一次 AI 體驗，不會是在戰場上指揮無人機，而是用它幫忙摘要一份 50 頁的報告。

第二個是情報分析。Michael 描述了一個讓人觸目驚心的現實：美軍幾十年來收集了大量的情報資料，衛星影像、通訊攔截、偵察報告，大部分堆在各自獨立的資料庫裡，從來沒有被完整分析過。不是因為沒人想看，而是因為人類分析師的處理能力有限。一位分析師要仔細檢視一張高解析度衛星影像的每個角落，可能需要數小時。同樣的工作量乘以「數十年的歷史影像」，就是一座永遠看不完的資料山。AI 的異常偵測能力改變了這個方程式。它可以在幾分鐘內掃描完一張影像，標記出值得人類注意的區域：這裡多了一棟建築、那裡出現了新的車輛軌跡、這個港口的船隻數量異常增加。Michael 的說法是，AI 可以將分析師的產出提高一千倍。即使這個數字有誇大的成分，從「大部分資料從未被看過」到「大部分資料被初步篩選過」的轉變，本身就是情報品質的質變。

第三個是實戰作戰，包括後勤規劃、兵棋推演和模擬演練。這是三個領域中技術門檻最高、敏感度也最高的。後勤規劃聽起來不夠英雄主義，但任何讀過軍事史的人都知道，多數戰爭不是被打輸的，而是被補給線拖垮的。AI 在後勤領域的價值在於處理多變數的最佳化問題：哪些物資要送到哪裡、走哪條路線、用什麼運輸方式，同時考慮敵方威脅、天氣條件和交通壅塞。兵棋推演則是另一個 AI 的強項，它可以在短時間內模擬數百種戰場情境，幫助指揮官在開戰前就看到各種可能的結果和對應策略。

數字背後的真問題

90 天內從 8 萬到 120 萬，這個數字當然震撼。但它同時也引出一個值得深究的問題：這 120 萬人到底在用什麼樣的 AI？Michael 沒有在這集節目中詳細說明，但從脈絡推斷，絕大多數應該屬於第一類的企業效率工具。也就是類似 ChatGPT 或 Claude 這樣的大型語言模型，用於文書處理、資料摘要和日常行政。真正在情報分析和作戰層面使用 AI 的人數，肯定遠少於 120 萬。

但這不減損這個數字的意義。讓 300 萬人的組織中有 40% 在 90 天內開始使用新工具，這本身就是一項非凡的組織動員。對比一下：大多數民間企業推動數位轉型，花上兩三年也未必達到這個滲透率。Michael 做到的關鍵，全都是組織層面的決定，跟技術突破沒什麼關係。第一，砍掉多餘的優先事項，讓所有人都知道方向在哪裡。第二，把 AI 辦公室放在有權力的位置。第三，清除阻礙部署的行政障礙。聽起來簡單，但在一個擁有三百萬人、分佈在全球各地的組織裡，光是讓「方向」傳達到每一個角落，就已經是一項巨大的工程。

Michael 本人的背景也是這個改革能推動的原因之一。他在 2007 年把自己的語音辨識公司 Tell Me Networks 賣給微軟，後來擔任過白宮學人（White House Fellow），在時任國防部長蓋茲（Robert Gates）手下工作，跑遍了阿富汗、伊拉克和巴基斯坦。他既懂科技產業的語言，也理解軍方的運作邏輯。這讓他在砍掉 14 項優先領域時不會被扣上「外行人亂改」的帽子，因為他既是內行人也是過來人。

我的觀察

Michael 的 90 天故事，本質上是一堂組織變革課。很多企業的 AI 導入之所以卡住，不是因為技術不行，而是因為組織不配合。優先順序太多等於沒有優先順序，AI 負責人彙報層級太低等於沒有實權，審批流程太長等於沒人願意用。

如果你把 Michael 的做法翻譯成企業語言，就是三件事。第一，砍掉雜訊，讓全公司知道 AI 是第一優先，不是十四個優先之一。第二，把 AI 負責人放在直接向最高決策者彙報的位置，不是埋在三層管理架構的底下。第三，主動清除部署路上的官僚障礙，而不是等前線的人來抱怨。聽起來簡單得不像是需要說出來的事，但環顧大多數公司的 AI 策略，你會發現它們正好在這三件事上全部做反：優先順序太多、AI 團隊沒有足夠的組織權力、部署流程被 IT 審查和合規要求拖到天荒地老。

一千倍的情報分析師產出是否真能實現，目前沒人能驗證。但 Michael 的分類框架把 AI 的價值從「酷炫的技術展示」拉回到「解決具體問題」的層次。企業效率省人時、情報分析挖舊資料、作戰模擬降風險，每一個都是具體的、可衡量的、已有成熟商業案例的方向。不需要等 AGI，現在就可以開始。