《军事人工智能研究报告》指出，智能战斗网络基础设施是推进“任务指挥”的关键。针对这个目标，美国空军不遗余力的承担了这项任务，以“先进战斗管理系统”（ABMS）项目的方式推进。
在2025年，美国空军设计了人机协作决策优势冲刺（DASH，Decision Advantage Sprint for Human-Machine-Teaming）试验，为战斗网络转型模型（Transformational Model）战斗管理提供了支撑，并未学习和探索许多不同的AI或自主性战斗管理方法提供了机会。
美国空军表示，DASH试验活动主要是为了确保作战人员参与AI或自主性的发展，进一步确定自主性有助于建立“联合全域战斗管理者”（Joint All-Domain Battle Manager）。
数字孪生战场实验室跟踪发现，美国空军在2025年已经举行了3次DASH系列试验，每次试验都推动了智能战斗网络不断深化发展，这有助于其真正实现任务指挥模式。
美国空军表示，每个DASH活动都将发布一份包含详细信息的征求建议书（RFP）。
参与提案的团队应撰写相关的解决方案，其方案应反映对决策功能的理解，描述潜在的产品解决方案，并说明潜在解决方案对技术要求的覆盖范围。
作为“理解决策功能”的一部分，提案团队应包括一个非保密的军事用例（简短的小插图），以证明公司/当事方对决策功能的理解。
2025年4月8日，美国空军空战管理人员参加了空军部先进战斗管理系统跨职能团队首次DASH试验，该试验在内华达州拉斯维加斯的霍华德·休斯运营中心（H2O）举行。
这项为期两周的活动汇集了作战人员、行业和内利斯影子运营中心软件开发商，以实现原型化微服务，旨在加速和改进转型模型框架下高节奏战斗管理场景中的决策。
虽然可能简化和加快了作战空间信息传输和显示，但当前和新兴的指挥控制系统仍然将战斗管理决策强加给人类。
值得《军事人工智能研究报告》的读者注意，DASH试验的其中一个决策函数是“匹配效应器”（MEF，Match Effectors）。
匹配效应器需要考虑哪些部队、机构、编队、平台或武器系统，它们单独或作为预先安排的力量包，利用这些效应器可能会达到什么特定的效果，方案团队还应对这些潜在的匹配进行排序。
匹配效应器对本地可用的作战效果（BattleEffects）、可交付成果、效应器、其他概念元素（IdeaElements）以及其中的不确定性进行推理，以解释合理可实现的效应器匹配（EffectEffectorMatches），将可交付成果和效应器映射到作战极限（OperationalLimits），估计情境化的度量以比较效应器匹配结果，估计多参数效应器匹配部分顺序的动态概率分布，并揭示其中的不确定因素、差距和冲突。
匹配效应器的主要输出是一组部分有序的效应值。
从以上介绍来看，美国空军战斗网络的DASH试验，完全采用了软件定义战争（Software Defined Warfare），相关词汇完全是软件开发中的值定义，例如BattleEffects、IdeaElements、EffectEffectorMatches和OperationalLimits等。
美国空军公布的DASH试验需求说明书显示，DASH试验方案应回答以下核心问题：
识别/错过了多少决策机会？
人机合作（HMT）能多快做出决定？
HMT的决策有多准确或无误差？
操作员对HMT的解决方案有多大信心？
哪些技术软件属性/要求必须与功能要求一起考虑？
软件属性将根据HMT决策速度、正确性、完整性和用户体验进行评估。
为了方便《军事人工智能研究报告》专业版读者更好了解美国空军智能战斗网络的设计思路，建议阅读“战斗网络DASH资料包”（共计11份资料）相关内容。符合条件的读者请联系您的客户经理，获得相关的帮助。
数字孪生战场实验室