精华速览

瑞典初创公司斯凯奥特系统（Scaleout Systems）正为北约盟军部署一套可在小型无人机上本地运行的AI目标探测与筛选系统。该公司2018年由乌普萨拉大学研究人员创立，2022年俄乌战争后从商用车辆机器学习转向防务领域。2025年入选北约DIANA加速器项目，开展“联邦空中侦察情报”项目，对无人机、飞手平板及野外指挥所的边缘计算硬件改造轻量化模型。系统可在通信中断时独立完成AI推理与主动学习，恢复连接后再同步更新。实兵演习已验证无人机能自主探测、识别威胁并给出坐标，甚至自主完成打击流程。

要点透视

  • 斯凯奥特系统由瑞典乌普萨拉大学研究人员于2018年创立，2022年俄乌战争爆发后从商用卡车机器学习业务转向防务领域。
  • 2025年，该公司入选北约北大西洋防务创新加速器（DIANA）挑战项目，开展“联邦空中侦察情报”项目，针对无人机、飞手平板及野外指挥所边缘硬件改造模型。
  • 系统采用轻量化模型而非OpenAI或Anthropic的前沿大模型，可直接在无人机硬件或前沿基地计算机上完成计算机视觉任务。
  • AI模型可辅助操作人员识别目标，并有选择性地向排、连级本地指挥所推送更新，无需传输敏感原始数据；指挥所汇总数据再训练后下发升级模型。
  • 在ALMA项目演示中，无人机借助机载AI自主探测、识别所有潜在威胁并给出地理坐标，自动筛选最高优先级目标（演示中为装甲工程车），随后飞向目标投放爆炸物，操作人员仍可管控但无人机也能脱离实时指令自主完成流程。
  • 2025年6月，在瑞典乌普萨拉一处瑞典空军基地完成技术测试，验证前沿基地计算节点与实验室中央节点通信中断后，本地设备仍可独立开展AI推理及主动学习，通信恢复后模型同步回传。
  • 赫兰德表示，若能在单次作战甚至一天内推出多个新版本模型，依托边缘端持续产生的传感器数据迭代优化，可形成可持续作战优势。
  • 斯凯奥特参与由博福斯BAE系统牵头的ALMA项目，目标研发低成本自主自杀式无人机，概念机型最早于2025年1月在瑞典“2026冬季演示”活动公开亮相。

文章拆解

斯凯奥特系统的技术路线选择折射出当前军用AI部署的一个核心矛盾：前沿大模型能力虽强，却依赖稳定通信与集中算力，而现代战场电子战和干扰恰恰使这种依赖成为致命弱点。该公司放弃OpenAI或Anthropic的前沿模型，转而采用轻量化模型直接在无人机和边缘工作站上运行，本质上是用模型规模换取部署韧性与实时性。这一取舍在俄乌冲突中已有现实注脚——越来越多乌克兰自杀式无人机开始搭载机载AI，说明断网作战需求正从概念走向刚需。

其联邦学习架构是另一关键设计。本地节点在通信中断时独立推理并主动学习，恢复连接后再将更新同步回中央节点，既避免了敏感原始数据外传，又让模型能持续吸收边缘端产生的海量传感器数据。赫兰德所强调的“沙漠模型放到城市环境识别效果差”点出了传统集中训练的痛点：环境迁移会导致性能骤降，而边缘持续学习可缓解这一问题。若该模式扩展至北约多国协同，理论上可形成去中心化的模型进化网络，但跨国数据标准、模型版本管控和互操作性尚待确认。

从ALMA项目演示看，无人机已能自主完成从探测、识别、优先级筛选到投放爆炸物的完整杀伤链，操作人员仅保留管控选项。这标志着自主性从辅助识别向自主打击延伸，可能改变未来巡飞弹的作战节奏与成本结构。然而，自主打击涉及的法律与伦理边界、误伤风险、以及操作人员“人在回路”的实际程度，素材未提供足够细节，尚待确认。此外，大型数据中心在美伊冲突期间遭摧毁的案例，虽被用作去中心化优势的论据，但边缘节点自身也可能成为电子战和物理打击目标，其生存性仍需实战检验。

查看原文