小型AI模型使无人机能够自主识别并攻击战场目标

# 小型AI模型让无人机自主识别并攻击战场目标 来源：https://arstechnica.com/ai/2026/09/nato-backed-startup-adapts-ai-for-autonomous-drone-recon-and-attack-missions/ 跳至内容 (https://arstechnica.com/ai/2026/09/nato-backed-startup-adapts-ai-for-autonomous-drone-recon-and-attack-missions/#main) **战场上的联邦学习** Scaleout在军事基地和无人机上部署去中心化的AI驱动学习。 Scaleout Systems在BAE Systems Bofors主导的ALMA项目中展示的AI增强型自主攻击无人机目标识别与交战能力。图片来源：Scaleout Systems (https://www.youtube.com/watch?v=0mORxJR65bk) 随着欧洲军队适应AI和无人机在现代战争中的应用，一家获得北约支持的初创公司正助力部署可在小型无人机上运行的AI驱动型目标检测与选择系统，用于监视和攻击任务。 这家名为Scaleout Systems (https://www.scaleoutsystems.com/) 的公司最初于2018年由瑞典乌普萨拉大学的研究人员创立，起初专注于在商用车辆和其他车辆的可用硬件上直接训练和部署机器学习模型。但在2022年俄罗斯对乌克兰发动全面入侵 (https://arstechnica.com/tag/russia-invasion-ukraine/) 后，该公司转向了国防应用。 Scaleout Systems联合创始人兼首席执行官Andreas Hellander告诉Ars：“随着乌克兰战争 (https://arstechnica.com/tag/ukraine-war/) 和世界格局的变化，我们意识到这项技术对于将边缘数据和传感器数据操作化，以确保北约盟国获得战略优势至关重要。” Scaleout没有使用来自OpenAI (https://arstechnica.com/tag/openai/) 或Anthropic (https://arstechnica.com/tag/anthropic/) 的前沿AI模型，而是采用更精简的模型，例如可以在无人机或前哨基地使用的计算机上执行计算机视觉任务的机器学习模型。Hellander表示：“它们需要适配前沿部署的硬件和边缘硬件，这些硬件差异很大，从小型嵌入式设备到相当强大的边缘工作站都有。” Scaleout在2025年入选 (https://www.scaleoutsystems.com/post/scaleout-joins-natos-diana-programme-to-advance-federated-intelligence-in-conflict-zones) 北约“北大西洋防务创新者加速器（DIANA）挑战计划” (https://www.diana.nato.int/about-diana/2025-cohort-of-companies.html)。在那里，它参与了“联邦空中情报监视”项目，旨在调整机器学习模型，以适应无人机、无人机操作员平板电脑和野战指挥所中的边缘计算硬件。 这类AI模型可以帮助无人机操作员执行目标识别等任务，即使无人机的摄像头和传感器从周围的战场环境中收集数据。它们可以间歇性地向当地排或连指挥部的计算节点共享选择性更新，而无需传输敏感的原始数据。 这些指挥部的计算节点帮助利用从多个来源汇总的新战场数据重新训练AI模型，然后在机会出现时将更新的能力推送到边缘设备。 Hellander告诉Ars：“模型可能是在沙漠环境中训练的，如果尝试将它们部署在城市环境中，它们的表现不会好。如果我们能在一天之内，当然在一次行动过程中，通过实际边缘生成的大量传感器数据不断学习并改进，发布该模型的几个新版本，这就是可持续的优势。” ## 在实战演习中测试技术 这项技术意味着军事无人机和设备可以受益于本地AI模型，这些模型可以独立运行，无需依赖与数据中心托管大型AI模型的中央服务器的持续通信。在美国与伊朗之间的战争 (https://arstechnica.com/tag/usa-iran-war/) 中，大型数据中心成为袭击目标并被摧毁 (https://arstechnica.com/gadgets/2026/09/iran-strikes-on-amazon-data-centers-caused-permanent-loss-of-customer-data/) ，这使得依赖中心化位置运行AI模型显得风险更大。 这种方法在现代战场上也非常有用，因为电子战和敌方干扰可能经常干扰通信信号。越来越多的乌克兰军用无人机已经将机载AI能力整合到廉价的自杀式无人机中 (https://arstechnica.com/ai/2026/08/ukraines-drones-get-ai-upgrades-for-kamikaze-strikes-future-swarm-attacks/) 。 Hellander告诉Ars：“我们构建了一个可行的概念，展示如何为基于无人机的监视侦察系统实现这一点。这也是我们在瑞典的公开演示中所做的。” Scaleout参与了由BAE Systems Bofors牵头的“经济型游荡模块化弹药（ALMA）”项目 (https://www.linkedin.com/posts/scaleout-systems_we-are-proud-and-happy-to-have-participated-activity-7420133181741441025-qjuA/) ，旨在开发低成本的自主自杀式无人机。ALMA概念于今年1月在瑞典举行的“2026冬季演示”活动中首次公开亮相。 根据Scaleout Systems关于ALMA能力的演示文稿 (https://www.youtube.com/watch?v=0mORxJR65bk) ，该演示展示了一架无人机如何利用AI“自主探测、识别和地理定位所有潜在发现的威胁”。“所有数据都由专用的机载计算处理，允许系统在无需任何外部处理的情况下实时执行任务。” 利用其机载AI能力，无人机根据其任务自动确定最高价值目标的优先级——在此例中是一辆装甲工程车——并飞向该目标投掷爆炸物。人类操作员仍然可以控制和引导无人机，但无人机在没有直接人类命令的情况下自主完成了任务。 6月，Scaleout还在乌普萨拉的瑞典空军基地 (https://www.scaleoutsystems.com/post/resilient-edge-ai-for-isr-inside-our-swedish-air-force-demonstration) 测试了其技术，瑞典军方已在那里获得了使用Scaleout主要软件平台的许可。该演示展示了当军事基地的前沿部署计算节点与Scaleout Systems实验室的中央计算节点失去连接后，如何仍然能够运行自己的AI推理和主动学习过程。一旦连接恢复，本地的AI模型更新就会与中央计算节点共享。 Hellander解释说，这种联邦学习策略允许去中心化的AI模型网络从汇总的数据中学习，最终可以在整个地理区域或国家范围内扩展。“原则上，你可以促成北约成员国之间的合作，”他说。 Jeremy Hsu的照片 (https://arstechnica.com/author/jeremyhsu/) Jeremy Hsu是一名报道深度科技和AI广泛主题的记者。他曾为《新科学家》、《科学美国人》、《IEEE Spectrum》、《Wired》、《Undark Magazine》和《MIT Tech Review》等众多出版物撰稿，主题涉及深度伪造、数据中心、无人机、电池技术、机器人技术和GPS干扰等。他还拥有纽约大学新闻学硕士学位，以及宾夕法尼亚大学历史与科学社会学学士学位，辅修英语。 32条评论 (https://arstechnica.com/ai/2026/09/nato-backed-startup-adapts-ai-for-autonomous-drone-recon-and-attack-missions/#comments) 1. 热门阅读首位文章配图：伊朗对亚马逊数据中心的袭击导致客户数据永久丢失 (https://arstechnica.com/gadgets/2026/09/iran-strikes-on-amazon-data-centers-caused-permanent-loss-of-customer-data/)