随着人工智能技术的爆发式发展，国家安全研究迎来颠覆性范式变革。这一变革通过对研究理念、研究对象、研究方法的系统性拓展与结构性重构，展现出国家安全学在人工智能时代的崭新图景，显著拓宽了国家安全学的学科边界。

　　研究理念：

　　从“大安全”转向“大科学”

　　国家安全学是一门问题导向与战略价值并重的交叉学科，其所依托的“大安全”理念深植于总体国家安全观的系统思维，涵盖多个维度，强调各类安全议题间的广泛联系和整体协同。在人工智能的推动下，国家安全学学科建设迎来研究理念的深化与拓展——从“大安全”迈向“大科学”，以跨学科、跨领域、跨层级的深度融合为核心标识，打破自然科学和人文社科的传统壁垒，推动国家安全研究实现从单一范式向融合范式、从领域协同向系统集成的根本性转变。

　　在理论维度上，“大科学”理念推动系统性思维向融合性范式转型升级。在人工智能技术的赋能下，“大科学”理念进一步构建以真实问题为导向、以学科协同为路径的新型研究范式。这要求整合管理学、政治学、法学、信息科学、生态学、人工智能等多学科知识，形成覆盖传统与非传统安全问题的理论框架。例如，借助人工智能的自然语言处理和机器学习技术，对海量的开源情报、政策文件、新闻数据等进行跨域分析研判，生成国家安全知识图谱，实现技术工具同政策研究相结合，从而形成真正意义上的融合性研究范式。

　　在实践维度上，“大科学”理念推动领域协同向系统集成创新发展。“大安全”理念描绘了一幅领域并列、协同配合的安全蓝图，强调打破部门隔阂，加强沟通协作，形成治理合力。“大科学”理念更进一步提出，构建系统集成与高度一体化的治理体系。申言之，既要推动基础科研平台和重大科技基础设施的智能化升级，强化人工智能对国家安全研究的牵引作用；亦需创新科研组织模式，组建融合科研人员、政策制定者、工程专家等人员的综合性团队，在统一目标与平台框架下，展开从基础研究到应用开发再到政策建议的全流程闭环运作，最终实现国家安全研究能力与治理能力的全局性、集成化飞跃。

　　研究对象：

　　由“实体性”转向“虚拟性”

　　传统国家安全研究高度聚焦政治、军事、国土等实体空间中的威胁与挑战，其边界清晰、形态具体、行为可察。然而，人工智能的兴起催生了一个与物理世界交织却又相对独立的数字虚拟空间，使国家安全议题实现从“实体性”向“虚拟性”拓展，丰富了国家安全的内涵和外延，将研究视野引向一系列无形却至关重要的新兴领域。

　　第一，数据主权和算法安全成为核心研究对象。在人工智能时代，数据是关键战略资源，算法成为新型权力工具。国家安全的边界不仅由地理疆域界定，更由数据流动的范围与算法治理的权限塑造。人工智能依赖大量数据进行训练与决策，因此数据跨境流动、敏感数据泄露、数据主权归属等问题日益凸显。与此同时，具有自主决策能力的人工智能算法也成为研究的重要对象，其是否公平、可靠、透明、可控，是否存在被恶意“投毒”或植入后门的风险，直接关乎国家政治、经济、军事等领域是否安全稳定。

　　第二，认知域与信息空间的安全博弈急剧升级。生成式大模型和深度伪造技术大大降低了制造和传播虚假信息、进行针对性认知操作的门槛。研究对象随之从传统的宣传战、心理战，拓展至由算法驱动、高度智能化的意识形态渗透与争夺。这不再是简单的信息传播，而是一种基于数据分析和精准画像的新型“意识塑造劳动”。外部势力通过这种特殊的“数字劳动”，更加隐蔽地生产符合其利益诉求的“普遍意识”，试图将特殊利益伪装成普遍利益，进而在更深层次上瓦解目标国家的思想基础与阶级共识，冲击主流意识形态安全。

　　第三，虚拟空间的基础秩序与规则构建提上议程。虚拟空间因跨国界、匿名性、高沉浸等特性，极易被国际垄断资本、恐怖主义势力乃至国家行为体所利用，进而成为宣扬意识形态、策划颠覆活动、进行金融欺诈、实施网络攻击和数字殖民的温床。因此，虚拟空间中的身份认证、财产保护、行为规范、冲突仲裁及国际数字规则制定等，都成为国家安全研究的新兴对象。国家如何防止虚拟空间成为恐怖主义宣传、犯罪活动和国际对抗的“法外之地”，如何确保其发展符合国家利益并保持安全有序是需要认真对待的全新课题。

　　研究方法：

　　由“描述性”转向“计算性”

　　人工智能的崛起正驱动国家安全研究在方法论层面发生一场深刻的范式革命，核心逻辑是从以定性分析、历史归纳和逻辑推演为主的“描述性”研究，转向以数据密集型计算、智能算法建模和模拟仿真为核心的“计算性”研究。

　　一方面，研究过程的各个环节走向数据化、智能化。传统国家安全研究高度依赖研究者的经验、直觉和有限信息源进行定性阐释，而人工智能的赋能构建出全新的数据驱动范式。在风险感知环节，多源异构数据的自动采集、清洗等技术使得研究者能够从卫星影像、网络开源信息、传感器数据、跨国交易记录等数据中勾勒出总体国家安全态势；在风险研判环节，研究者利用人工智能可自动识别实体、关系、事件和情感倾向，从中挖掘潜在威胁线索，揭示隐藏的网络关系与扩散路径，对“灰犀牛”系统性风险或“黑天鹅”突发危机进行监测预警；在风险评估环节，政策制定者可通过模拟不同政策选项下各行为体的互动与反应，对风险演进路径、冲突结局、政策效果等进行计算实验和量化评估，从而提升战略决策的科学性与前瞻性。

　　另一方面，研究范式实现从“解释过去”到“预构未来”的系统性转变。传统国家安全研究方法侧重对已发生的历史事件进行归因分析和理论解释，其结论往往具有回溯性。人工智能赋能的计算主义方法则具有预测和建构优势，由此催生出计算法学、计算政治学、计算历史学等诸多新兴学科。在人工智能的加持下，计算国家安全学超越被动预测转向主动塑造，即通过机器学习等技术对未来趋势进行概率性预测，实现对安全威胁的早期预警。更进一步，其能够有效引导系统朝着期望的安全状态演进，从而预构一个更加安全的未来。这种方法论将国家安全学从一门致力于理解世界的解释性科学，推向了一门致力于改变世界的设计性、工程性科学。

　　（作者系西南政法大学国家安全学院副院长、教授）