中国一支研究团队称，已研发出一套轻量化AI红外目标识别系统，可通过分析飞行目标的红外特征识别美国F-22和F-35隐身战斗机。研究团队表示，该系统在实验室环境下的识别准确率超过90%，但目前尚未经过真实战机验证，实战表现仍存在较大不确定性。

据TechRadar 17日（当地时间）报道，这项研究并未围绕雷达反射截面（RCS）展开，而是将识别重点放在战机飞行过程中产生的红外特征上，并借助AI进行分析。

F-22和F-35属于典型隐身战斗机，其设计重点在于降低被雷达及其他传感器发现的概率。不过，发动机、尾喷口以及机体表面产生的热量并不能被完全消除。研究团队认为，如果AI能够学习并区分不同目标的热特征，就有可能将隐身战机与其他飞行物体区分开来。

除识别隐身战机外，研究团队还将区分战机与干扰弹列为重要目标之一。干扰弹是红外制导导弹常见的对抗手段。研究人员认为，飞机与干扰弹释放出的热特征存在差异，AI有望据此进行识别和区分。

研究负责人 An Jangsan 表示，轻量化识别模型能够在维持较高处理速度的同时保留较好的识别性能，未来可能用于空对空导弹。其核心逻辑在于，导弹平台的载荷空间和算力资源有限，相比体量更大的复杂AI模型，轻量化系统更容易部署到实际武器系统中。

不过，上述结果尚不足以直接证明其已具备针对真实隐身战机的探测能力。此次测试对象并非真实的F-22和F-35，而是用于模拟两型战机热特征的目标。换言之，尽管实验室环境下的识别准确率超过90%，但目前仍缺乏针对真实战机的实机测试数据。

在真实空战环境中，影响识别效果的变量远比实验室条件复杂。战机的热特征会随着飞行速度、高度和机动状态变化，同时还会受到观测角度、大气条件和环境温度影响。若再叠加电子战和各类欺骗手段，实验室中的识别准确率能否在实战中维持，仍难下结论。

尽管如此，这项研究仍显示，隐身技术的竞争维度可能已不再局限于雷达隐身。随着红外探测技术与AI结合，对发动机、尾喷口和机体表面热特征的分析能力或将进一步增强。

与此同时，随着AI处理器持续小型化，算力受限的导弹平台也可能具备搭载机器学习探测技术的条件。由此来看，未来隐身战斗机的设计重点，或许不仅在于控制RCS，也将更加依赖对红外特征的管理能力。

报道指出，这项研究并不意味着F-22和F-35的隐身性能已经被“破解”，原因在于相关成果仍缺乏真实战机验证。其更大的意义在于显示，随着AI对红外特征的快速分析能力提升，衡量隐身平台生存性的标准，未来可能从低可探测性进一步扩展至红外特征管理。