在美国加利福尼亚中部的一处军事基地，四座全地形车在山坡小径上穿行。这是一场训练演习，但训练的对象并非车内人员，而是用于进入冲突区域的AI模型。
这些自主军事全地形车由Scout AI运营，这家由Colby Adcock和Collin Otis于2024年创立的初创公司，自称为“国防前沿实验室”。公司周三宣布完成由Align Ventures和Draper Associates领投的1亿美元A轮融资，此前于2025年1月完成了1500万美元的种子轮融资。
Scout AI邀请TechCrunch独家参观了其位于一处未公开名称的军事基地的训练运营。
公司正在打造名为“Fury”的AI模型，用于操作和指挥军事装备，初期聚焦后勤支持，随后将扩展至自主武器。CTO Collin Otis将这项基于大型语言模型（LLM）技术的工作比作训练士兵。
“士兵通常18岁开始训练，有时甚至大学毕业后才入伍，所以你希望他们具备一定的基础智能，”Otis对TechCrunch表示，“我们希望从已有一定投资的智能体开始，然后教它成为一名出色的军事AGI，而不仅仅是广义智能AGI。”
Scout已获得来自DARPA、陆军应用实验室及其他国防部客户共计1100万美元的军事技术开发合同。它是20家自主技术公司之一，其技术正被美国陆军第一骑兵师在德克萨斯州胡德堡的常规训练周期中使用，预计该部队将在2027年部署时携带经过验证的产品。
Scout的内部测试在基地崎岖的山地地形中进行，由前士兵领导的运营团队对车辆进行模拟任务测试。
自主汽车在全球多个城市逐渐普及，但它们通常在规则明确的环境中运行。相比之下，在无标记小径或越野环境中自主操作则是另一大挑战。曾在自动驾驶卡车公司Kodiak工作的Otis表示，他创办Scout的动力源于意识到此前参与构建的系统在不可预测的战区环境中智能不足。
新型自主技术
Scout采用了一种较新的自主技术：基于大型语言模型的视觉语言行动模型（VLA），用于控制机器人。该技术由Google DeepMind于2023年首次发布，催生了如Physical Intelligence和由Adcock兄弟Brett领导的人形机器人公司Figure AI等机器人初创企业。
Colby Adcock是Figure的董事会成员，这段经历让他看到了将更广泛智能应用于军用自主车辆的潜力。他的兄弟介绍他认识了Figure的顾问Otis，两人开始将最新AI技术应用于军事解决方案。
“如果我现在给你一个无人机控制器，戴上头戴设备，你几分钟内就能学会驾驶，”Otis说，“你只是在学习如何将已有知识与几个操纵杆连接起来，这并不难。这就是VLA的优势所在。”
我亲自驾驶了Scout的全地形车，面对陡坡、松软砂土、消失的车辙和复杂交叉路口，虽然不是经验丰富的驾驶员，但第一次尝试表现不错。这正是公司希望模型具备的通用智能。公司仅用六周时间训练这些车辆，最初还使用的是民用全地形车。
我还体验了全地形车的自主驾驶，明显感受到其加速比人为驾驶更快，且车辆在宽阔小径靠右行驶，狭窄路段居中行驶，遇到困惑时会减速思考，整个6.5公里的环路表现出色。
尽管VLA技术尚未在实际作战环境中部署，前DARPA地面车辆自主项目经理Stuart Young表示，“技术已足够支持与士兵在实地进行实验，以探索如何最大化对美军的效用。”Scout的技术栈还包括确定性系统和其他AI形式，补充其智能体能力。
Young本月离开DARPA加入Field，曾管理名为RACER的项目，推动高速自主越野车辆研发，助力该领域发展。Field AI和Overland AI均由该项目孵化，Scout也参与其中。
Scout及军事技术专家认为，地面自主的首批应用将是自动补给：将水和弹药运送至远程观察哨，或在有人驾驶卡车后跟随6至10辆自主车辆车队，节省宝贵人力用于更重要任务。
现役步兵军官Brian Mathwich作为Scout的军事研究员，回忆起在阿拉斯加一次全黑暗条件下的补给车队演习时，渴望有自主车辆协助。
为陆军车辆库赋能
Scout定位为软件公司，致力于为军事机器打造智能层，不打算制造自主车辆，而是在现有车辆基础上构建。
Adcock预计公司首款广泛采用的产品将是名为“Ox”的指挥控制软件，配备坚固的计算硬件（GPU、通信设备和摄像头），使单个士兵能通过指令如“前往该航点并监视敌军”来协调多架无人机和地面自主车辆。
但软件的有效运行需依赖真实车辆训练，因此Scout在军事基地设立了Foundry训练场。驾驶员每天工作8小时，测试全地形车性能，并通过强化学习系统记录接管时机，持续优化模型。基地指挥官甚至要求Scout的全地形车参与安全巡逻。
Scout假设VLA技术结合有限的真实数据和模拟训练数据，能打造出完全胜任驾驶任务的智能体。虽然车辆在小径上表现自如，但尚未达到完全越野操作水平。
Scout还在无人机侦察和防御领域应用视觉语言模型赋予智能。
公司研发的系统能让多架弹药无人机在一台更强大的“指挥平台”协同下行动，后者提供计算资源指挥无人机搜索隐藏敌军坦克并发动攻击，可能无需人工干预。Otis认为，相较于间接炮火，采用无人机打击更精准。
尽管自主武器在国防技术政治中备受争议，专家指出热追踪导弹和地雷等自主武器已使用数十年。关键在于武器的控制方式，Scout运营团队负责人、退役美国陆军上尉Jay Adams表示。
Adams指出，公司弹药无人机可被编程为仅攻击特定地理区域内的威胁，或需经人工确认后才发动攻击。他还认为自主武器平台不会因恐惧而开火，就像18岁士兵可能会害怕一样。
VLA技术也有助于提升目标识别能力。Scout表示其模型经过特定军事数据的预训练，以应对如补给任务中遇到敌军坦克等场景。陆军应用实验室监督Scout项目的中校Nick Rinaldi称，自动化目标识别虽难且短期内仅限于受控环境，但VLA推理威胁的潜力使其成为值得研究的技术。
Adams认为能自主识别目标的无人机对未来战争至关重要。尽管俄罗斯入侵乌克兰激发了对无人机战争的关注，他认为单人操作无人机难以应对大量低成本无人系统对美军的威胁。
反击反军方情绪的使命
与许多国防初创企业一样，Scout公开表达其使命感，且高管们毫不避讳批评那些不愿将技术交给政府的公司。例如谷歌据报道退出了五角大楼的自主无人机群控制系统竞赛，而Scout也在开发类似能力。
“AI领域的人不愿与军方合作，”Otis对TechCrunch表示，提及Anthropic与五角大楼的服务条款争议，“他们不愿意让智能体运行于单向攻击无人机或导弹系统上。”
尽管如此，Scout仍以现有大型语言模型为基础构建智能体，但未透露具体使用哪款。Otis称公司与“知名超大规模云服务商”达成协议，提供预训练智能体基础模型，也未透露是否使用中国公司提供的开源权重模型。许多依赖AI推理的公司因成本考虑，倾向于基于开源模型构建。
Scout计划未来自主研发基础模型，创始人表示大量资金将投入训练和计算成本。Otis甚至猜测，因模型持续与现实世界交互，Scout可能领先现有领导者实现AGI。
“AGI社区有种观点，认为仅靠阅读互联网无法获得更高智能，大部分智能来自于与世界的互动，”Otis说。
那么，Adcock是否在与其兄弟领导的人形机器人公司Figure竞争？Otis否认，“我们能更快规模化，因为我们的客户拥有大量资产，”他指的是五角大楼。
