摘要： DARPA 與美國空軍在 2026 年 8 月 4 日讓一架 F-16 全程由 AI 操控，測試屬於 VENOM 計畫。機上飛行員轉為 human-on-the-loop 安全監看者，而不是操控者。文章認為這顯示 agentic AI 已進入安全關鍵的實體場域，並示範以多個 AI agents 在真實環境中評測競爭的方法。
2026 年 8 月 4 日，一個沒有模糊空間的里程碑被交了出來：DARPA 與美國空軍讓一架 F-16 戰機交由 AI 全權操控，完成了整趟飛行。測試在 Eglin 空軍基地進行，是 VENOM 計畫（Viper Experimentation and Next-gen Operations Model）的一環。
機上並非無人，只是飛行員的角色被重新定義：他是 human-on-the-loop 的安全飛行員，負責看顧而非操縱。整篇報導最關鍵的地方，就是這個細節。
VENOM 是什麼
這些 F-16 經過改裝，身分是測試平台。它們要達成的目標並非做出一款自駕戰機，而是替 DARPA 的 AIR 計畫（AI Reinforcements）提供載體，讓多個 AI agents 能在真實飛行條件下接受評測。講得更直接一點，這支機隊本身就是一座會飛的評測場：每一趟起降留下的數據，都會成為下一輪 AI agents 篩選的判準。
human-on-the-loop 差在哪裡
自主系統的監督模式有一道光譜。一端是 human-in-the-loop：每個關鍵決策都得等人點頭。另一端是 human-on-the-loop：人負責監看、隨時能插手，機器則持續自行行動。戰鬥機的判斷以秒計，那樣的環境裡只有第二種設計站得住腳。被改寫的還有「信任」的計量單位——不再是逐一相信每個動作，而是相信整套系統的可靠度。安全飛行員的任務不是搶過操縱桿，而是在系統越過邊界時劃下紅線。
以真實飛行作為評測場域
AI 評測向來倚賴模擬與靜態 benchmark，但虛擬與現實之間始終存在落差：空氣動力、硬體回應、突發狀況，都很難在模型裡完整重現。VENOM 選擇把評測直接搬上實機，價值就在這裡：
- 好幾組 AI agents 一起放進同一個真實環境比試，勝負取決於實際飛出來的表現，而不是各自申報的 benchmark 分數
- 人機介面與介入程序是否堪用，由安全飛行員在飛行中同步驗證
- 要在實機上抓到失敗模式，代價不低；然而唯有在這裡發現的失敗，才稱得上真實
這對自主系統領域意味著什麼
產業界對這個里程碑的解讀是：agentic AI 已經踏進講究安全的實體領域。在那裡，軟體 agent 一旦出錯，重跑一次也就算了；飛行中的 F-16 卻沒有重跑這個選項。DARPA 敢把一架現役戰機的操控全權交給 AI，說明其背後的評測與驗證方法論已經攢夠了信心。而「讓多個 AI agents 在同一個真實環境裡並行受評」這套做法，機器人、無人機與工業自動化團隊都能直接挪用——先把幾組候選系統丟進同一個真實場域比拚，再由數據決定誰留下，而不是早早押寶某一套系統，然後祈禱它上線之後撐得住。