斷網仍可作戰：AI 模型加持的無人機可實現戰場自主識別、打擊目標
作者：遠洋 責編：遠洋 評論： 9 月 20 日消息，據 Arstechnica 報道，隨著歐洲各國軍隊開始適應現代戰爭當中人工智能與無人機的應用，一家獲得北約支持的初創企業正在協助部署由 AI 驅動的目標探測與篩選系統。這套系統可以直接在小型無人機上運行，用於偵察以及打擊任務。據瞭解，這家名為斯凱奧特系統（Scaleout Systems）的公司，由瑞典烏普薩拉大學的研究人員於 2018 年創立。公司早期的業務重心，是直接在商用卡車以及其他車輛的硬件上完成機器學習模型的訓練與部署。但 2022 年俄烏戰爭爆發之後，該公司調整方向，轉向防務領域。
“烏克蘭戰事爆發，加之全球局勢發生轉變，我們意識到這項技術十分重要。藉助它，邊緣端的數據與傳感器數據就可以投入機器學習運算，從而幫助北約盟國建立戰略優勢。”斯凱奧特系統聯合創始人兼首席執行官安德烈亞斯 · 赫蘭德（Andreas Hellander）在接受採訪時表示。斯凱奧特並沒有選用 OpenAI 或是 Anthropic 的前沿大模型，而是採用輕量化模型；這類機器學習模型能夠直接在無人機硬件或是前沿基地的計算機上完成計算機視覺任務。“模型必須適配前沿部署設備與邊緣硬件。這類硬件跨度很大，既有小型嵌入式裝置，也有性能相當強勁的邊緣工作站。”赫蘭德說道。
2025 年，斯凱奧特入選北約北大西洋防務創新加速器（DIANA，Defence Innovator Accelerator for the North Atlantic）挑戰項目。依託該項目，公司開展了“聯邦空中偵察情報”項目（Federated Aerial Intelligence for Recon），針對無人機、無人機飛手平板以及野外指揮所內的邊緣計算硬件改造機器學習模型。即便無人機攝像頭與傳感器持續採集周邊戰場環境的數據，這套 AI 模型依舊可以輔助無人機操作人員完成目標識別等工作。之後系統可以有選擇性地、間歇性地向排、連一級的本地指揮所計算節點推送更新，而無需傳輸敏感的原始數據。
指揮所的計算節點會彙總來自多方的全新戰場數據，對 AI 模型開展再訓練；待到合適時機，再把升級後的模型下發部署到各個邊緣設備。“有些模型是在沙漠環境下訓練出來的。如果直接放到城市環境當中使用，識別效果就會很差。”赫蘭德表示，“如果在單次作戰乃至一天之內，就能夠推出多個新版本模型，依託邊緣端源源不斷產生的海量傳感器數據持續學習、持續迭代優化，這才是可持續的作戰優勢。”在實兵演習當中測試該項技術依託這套技術，軍用無人機以及各類終端設備可以運行本地 AI 模型，獨立開展運算，不必持續和數據中心內運行大型 AI 模型的中央服務器保持通信。
如今已有大型數據中心在美伊衝突期間遭到打擊摧毀，繼續依賴中心化服務器運行 AI 模型的風險正在升高。而在現代戰場上，電子戰以及敵方干擾常常會擾亂通信信號，這就使得該技術方案更具實用價值。已經有越來越多烏克蘭軍用自殺式無人機開始搭載機載人工智能功能。“我們已經基於無人機搭建完成一套偵察監視系統的可行概念原型。這套系統也已經在瑞典的公開演示活動當中對外亮相。”赫蘭德介紹。
斯凱奧特目前參與了由博福斯 BAE 系統（BAE Systems Bofors）牽頭的 ALMA 項目，項目全稱“經濟型模塊化巡飛彈藥（Affordable Loitering Modular Ammunition）”，目標是研發低成本自主自殺式無人機。ALMA 概念機型最早於今年 1 月在瑞典舉辦的 2026 冬季演示活動上公開亮相。根據斯凱奧特系統關於 ALMA 性能的演示材料，該演示證實無人機可以藉助人工智能，自主“探測、識別所有已經發現的潛在威脅，並給出目標地理座標。全部數據都交由機載專用計算單元處理，整套系統無需外部運算即可實時完成作業。
”依靠機載 AI 能力，無人機會根據本次作戰任務的設定，自動篩選優先級最高的目標 —— 本次演示當中的目標是一臺裝甲工程車；隨後無人機飛向目標，投放爆炸物實施打擊。操作人員依舊可以對無人機進行管控與指揮；但無人機也可以脫離操作人員的實時指令，自主完成整套作戰流程。今年 6 月，斯凱奧特又在瑞典烏普薩拉的一處瑞典空軍基地完成技術測試。瑞典軍方已經取得許可，可以使用斯凱奧特的主要軟件平臺。本次演示驗證：當前沿部署的基地計算節點與斯凱奧特實驗室的中央計算節點之間通信中斷以後，本地設備依舊可以獨立開展 AI 推理以及主動學習。一旦通信鏈路恢復，本地完成更新的 AI 模型就會同步回傳給中央計算節點。
赫蘭德解釋，這種聯邦學習架構能夠讓去中心化 AI 模型網絡依託彙總的數據持續學習；未來這套方案還有望拓展覆蓋整片區域乃至多個國家。“原則上，該技術可以實現北約各成員國之間的協同合作。”他表示。
投訴水文 我要糾錯 下載APP，簽到賺金幣兌豪禮 相關文章關鍵詞：人工智能，無人機研究顯示：印度外包行業幾乎沒被 AI 擠佔市場模擬實驗顯示：AI 智能體在特定情境下會撒謊、投票“殺死”同類，甚至研究被刪除後如何存活Anthropic、谷歌、OpenAI 等美國科技巨頭面臨新難題：安保人員計劃罷工德勤調研：英國六分之一員工自掏腰包購買 AI 工具用於工作全國網絡安全標準化技術委員會發布《人工智能安全治理框架 3.0》外交部：散播各種威脅敘事，只會干擾人工智能全球治理進程
Related
相關文章
Dharma Field Extractor: Any Document In, Structured Fields in JSON Out
Back to Articles Dharma Field Extractor: Any Document In, Structured Fields in JSON Out Team Article Published November 4, 2026 Upvote 4 Gabriel Pimenta de Freitas Cardoso GabrielPimenta99 Follow Dharma-AI Paulo Henrique de Medeiros Araujo Paulo-DharmaAI Follow Dharma-AI Bruno Duarte brunoduarte01 Follow Dharma-AI Francisco de Almeida Rocha Alves falves9101 Follow Dharma-AI A 2-billion-parameter model that extracts exactly the fields you ask for, from any document type, outperforming every frontier LLM we tested, at a fraction of the cost.
獨家 | 騰訊前高級研究員獲數千萬投資，錨定物理AI接觸智能
力合資本、合肥創新投等機構投資，Lux 系列視觸覺傳感器已實現規模化交付。作者丨董子博編輯丨張賢雷峰網·鯨犀獨家獲悉，觸覺智能企業“靈感機器人”新近完成數千萬元天使輪融資，投資方包括力合資本、合肥創新投等機構，治臻諮詢擔任財務顧問。雷峰網·鯨犀瞭解到，公司創始人、CEO 張雅展博士畢業於港科大機器人專業，曾是騰訊資深 AI 研究員，主導過大規模數據管線及 AI 模型研發，後於國家實驗室擔任研究員、博導，在觸覺感知與端到端精細操作模型的領域有多年研究，並在算法與硬件系統上均有落地經驗。相比於觸覺感知賽道的其他公司，靈感機器人入局更早，也有一套自己獨創的“稠密力場”技術路線——在解算力場的同時，從同一次成像中提取接觸區域的幾何形態，並形成包含受力、形變、滑移與姿態要素的原生多模態的觸覺數據，相較傳統“強調幾何重建”的方案，在信息密度和維度上均有很大的提升。在張雅展看來，讓觸覺真正參與操作，重點就是理解“交互力”——靈感機器人希望通過“稠密力場”路線，提升機器人的觸覺感知與力控能力，來整體性地提升任務的執行能力。除了獨特的技術選型，傳感器的小型化、感知密度與工程化，也是靈感機器人的重要攻關方向。2019 年，團隊就研發出了厚度 5mm 的超薄視觸覺傳感器，力場追蹤的分辨率達到了每平方 10 萬點以上。如今，公司發佈的 Lux 系列視觸覺傳感器已經在多個領域實現了規模化落地，其具備超高力場分辨率、原生多模態、多維力感知等特性，並且依靠更小的物距與體積，可以適配機械臂、夾爪、靈巧手等硬件。而在 Lux 之外，靈感機器人還正在電子皮膚、六維力與新型觸覺產品上探索，並準備向數採系統、數據管線和觸覺智能系統等業務進軍。據悉，公司本輪融資將被用於建設產線與優化量產能力，並進一步進行觸覺智能系統的研發。
獨家丨預測引擎 Prophetlab 獲數千萬種子輪，常春藤資本等機構聯合投資
用 AI 通用地預測世界，或正成為資本關注的下一個大模型創業方向。作者丨董子博編輯丨張賢雷峰網·鯨犀獨家獲悉，AI 預測引擎公司 Prophetlab 已獲數千萬元天使輪融資，由常春藤資本等投資機構投資。成立不到四個月，Prophetlab 的早期項目，是利用 AI 大模型預測世界盃的賽果。產品成功預測了決賽結果和四強隊伍，不少模型下的預測結果準確率已經達到了 75% 左右。此外，公司研發的預測引擎 Prophet Engine 已登頂字節Seed發佈的知名預測榜單 FutureX 總榜榜首，並已獲得數百萬商業化訂單；即將發佈的 Investor’s Last Exam（ILE）也是嚴格時間凍結下，首個專注於商業的預測榜單。據悉，Prophetlab 稱得上是一家 AI Neo Lab，由一群國內外頂尖高校的 AI PhD 和 FinTech Master 組成。創始成員曾獲數理競賽理論金牌，有過十餘篇 NeurIPS、ICLR、ICML 的頂會一作，又在阿里千問、騰訊混元、小紅書 Dots 等項目中參與過千億量級模型的訓練。Prophetlab 創始人 Henry Jiang“小天才”們之外，Prophetlab 也在與上海交通大學嚴駿馳教授團隊開展長期產學研合作，把高校學術力量引入預測引擎技術的探索當中。預測引擎的賽道，國內今天仍是一片藍海；即使在世界範圍內，預測引擎更多也是扎進具體的場景，在垂直領域完成預測。而常春藤資本則對雷峰網·鯨犀表示，從 80 餘年前魯思·本尼迪克特的《菊與刀》，到後來詹姆斯·西蒙斯和他的大獎章基金，人類在不斷的嘗試中發現：萬事萬物皆可預測，人類都能夠在時序概率空間上，無窮地逼近複雜的真實事件。從足球到商業，Prophetlab 卻不想只成為一個領域的專家，而是要利用更強的智能，建造更通用的預測能力——或許，這才是他們獲得資本青睞最關鍵的原因。
英偉達團隊下場！國產視頻模型開源，硅谷公司上門談授權
作者 | 江宇 編輯 | 漠影 硅谷AI公司，開始站在中國開源模型的肩膀上造模型了。 最近，出手的不僅有英偉達的技術團隊，還有美國AI視頻明星公司Pika。它們不約而同地選擇了同一個中國視頻模型——MiniMax H3。 英偉達相關技術團隊基於MiniMax開源的視頻模型H3，將低分辨率視頻再生成至2K、4K，推出視頻增強項目Open-H3-Regenerate-2K。幾乎同一時間，Pika發佈Pika H3 Flex，讓模型以更少的推理步驟生成視頻，並針對專業創作場景增強控制能力。
又一千億AI獨角獸誕生！英偉達投的AI推理創企獲87億新融資
編譯 | 孫小雯 編輯 | 程茜 11月4日消息，今天凌晨，美國雲推理平臺Fal稱已完成13億美元（約合人民幣87.33億元）F輪融資，投後估值達160億美元（約合人民幣1074.88億元），該輪融資於今年10月完成。今年4月，其E輪估值為80億美元（約合人民幣537.
用自家大模型造自己的“芯”：Anthropic 組建 15 人芯片設計團隊，Claude 助陣讓研發提速
在實際的內部測試與應用中，Anthropic 的工程師團隊發現，與英偉達、超威半導體（AMD）等傳統大型芯片設計企業的常規工作流程和耗時估算相比，藉助 Claude 模型進行輔助設計，能夠顯著縮短芯片整體設計所需的週期。這一探索不僅展示了大模型在底層硬件研發中的輔助潛力，也為整個人工智能行業通過 AI 提升芯片研發效率提供了全新的實踐樣本。