9 月 20 日消息，据 Arstechnica 报道，随着欧洲各国军队开始适应现代战争当中人工智能与无人机的应用，一家获得北约支持的初创企业正在协助部署由 AI 驱动的目标探测与筛选系统。这套系统可以直接在小型无人机上运行，用于侦察以及打击任务。

据了解，这家名为斯凯奥特系统（Scaleout Systems）的公司，由瑞典乌普萨拉大学的研究人员于 2018 年创立。公司早期的业务重心，是直接在商用卡车以及其他车辆的硬件上完成机器学习模型的训练与部署。但 2022 年俄乌战争爆发之后，该公司调整方向，转向防务领域。

“乌克兰战事爆发，加之全球局势发生转变，我们意识到这项技术十分重要。借助它，边缘端的数据与传感器数据就可以投入机器学习运算，从而帮助北约盟国建立战略优势。”斯凯奥特系统联合创始人兼首席执行官安德烈亚斯 · 赫兰德（Andreas Hellander）在接受采访时表示。

斯凯奥特并没有选用 OpenAI 或是 Anthropic 的前沿大模型，而是采用轻量化模型；这类机器学习模型能够直接在无人机硬件或是前沿基地的计算机上完成计算机视觉任务。“模型必须适配前沿部署设备与边缘硬件。这类硬件跨度很大，既有小型嵌入式装置，也有性能相当强劲的边缘工作站。”赫兰德说道。

2025 年，斯凯奥特入选北约北大西洋防务创新加速器（DIANA，Defence Innovator Accelerator for the North Atlantic）挑战项目。依托该项目，公司开展了“联邦空中侦察情报”项目（Federated Aerial Intelligence for Recon），针对无人机、无人机飞手平板以及野外指挥所内的边缘计算硬件改造机器学习模型。

即便无人机摄像头与传感器持续采集周边战场环境的数据，这套 AI 模型依旧可以辅助无人机操作人员完成目标识别等工作。之后系统可以有选择性地、间歇性地向排、连一级的本地指挥所计算节点推送更新，而无需传输敏感的原始数据。

指挥所的计算节点会汇总来自多方的全新战场数据，对 AI 模型开展再训练；待到合适时机，再把升级后的模型下发部署到各个边缘设备。

“有些模型是在沙漠环境下训练出来的。如果直接放到城市环境当中使用，识别效果就会很差。”赫兰德表示，“如果在单次作战乃至一天之内，就能够推出多个新版本模型，依托边缘端源源不断产生的海量传感器数据持续学习、持续迭代优化，这才是可持续的作战优势。”

在实兵演习当中测试该项技术

依托这套技术，军用无人机以及各类终端设备可以运行本地 AI 模型，独立开展运算，不必持续和数据中心内运行大型 AI 模型的中央服务器保持通信。如今已有大型数据中心在美伊冲突期间遭到打击摧毁，继续依赖中心化服务器运行 AI 模型的风险正在升高。

而在现代战场上，电子战以及敌方干扰常常会扰乱通信信号，这就使得该技术方案更具实用价值。已经有越来越多乌克兰军用自杀式无人机开始搭载机载人工智能功能。

“我们已经基于无人机搭建完成一套侦察监视系统的可行概念原型。这套系统也已经在瑞典的公开演示活动当中对外亮相。”赫兰德介绍。

斯凯奥特目前参与了由博福斯 BAE 系统（BAE Systems Bofors）牵头的 ALMA 项目，项目全称“经济型模块化巡飞弹药（Affordable Loitering Modular Ammunition）”，目标是研发低成本自主自杀式无人机。ALMA 概念机型最早于今年 1 月在瑞典举办的 2026 冬季演示活动上公开亮相。

根据斯凯奥特系统关于 ALMA 性能的演示材料，该演示证实无人机可以借助人工智能，自主“探测、识别所有已经发现的潜在威胁，并给出目标地理坐标。全部数据都交由机载专用计算单元处理，整套系统无需外部运算即可实时完成作业。”

依靠机载 AI 能力，无人机会根据本次作战任务的设定，自动筛选优先级最高的目标 —— 本次演示当中的目标是一台装甲工程车；随后无人机飞向目标，投放爆炸物实施打击。操作人员依旧可以对无人机进行管控与指挥；但无人机也可以脱离操作人员的实时指令，自主完成整套作战流程。

今年 6 月，斯凯奥特又在瑞典乌普萨拉的一处瑞典空军基地完成技术测试。瑞典军方已经取得许可，可以使用斯凯奥特的主要软件平台。本次演示验证：当前沿部署的基地计算节点与斯凯奥特实验室的中央计算节点之间通信中断以后，本地设备依旧可以独立开展 AI 推理以及主动学习。一旦通信链路恢复，本地完成更新的 AI 模型就会同步回传给中央计算节点。

赫兰德解释，这种联邦学习架构能够让去中心化 AI 模型网络依托汇总的数据持续学习；未来这套方案还有望拓展覆盖整片区域乃至多个国家。“原则上，该技术可以实现北约各成员国之间的协同合作。”他表示。