断网仍可作战：AI 模型加持的无人机可实现战场自主识别、打击目标

据外媒报道，随着欧洲多国军队逐步适应现代战争中人工智能与无人机的结合，一家获得北约支持的初创企业正协助部署一套基于AI的目标探测与筛选系统。该系统可直接运行于小型无人机上，用于执行侦察与打击任务。

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。公司初期专注于在商用卡车及其他车辆硬件上直接进行机器学习模型的训练与部署。然而，2022年俄乌战争爆发后，该公司调整战略，转向防务领域。

“乌克兰战事爆发，加上全球局势变化，我们意识到这项技术至关重要。通过它，边缘端的数据和传感器数据可用于机器学习运算，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。

斯凯奥特并未采用OpenAI或Anthropic的前沿大模型，而是使用轻量化模型。这些机器学习模型可直接在无人机硬件或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和边缘硬件。这类硬件范围很广，既有小型嵌入式装置，也有性能较强的边缘工作站。”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）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模型仍可辅助无人机操作人员完成目标识别等工作。随后，系统能有选择性地、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模型进行再训练；待适当时机，再将升级后的模型下发部署到各边缘设备。

“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中使用，识别效果就会很差。”赫兰德表示，“如果在单次作战甚至一天内，就能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、迭代优化，这才是可持续的作战优势。”

在实兵演习中测试该技术

借助这套技术，军用无人机及各类终端设备可运行本地AI模型，独立进行计算，无需持续与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模型的风险正在上升。

而在现代战场上，电子战及敌方干扰常会扰乱通信信号，这使该技术方案更具实用价值。已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。这套系统也已在瑞典的公开演示活动中亮相。”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，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借助人工智能，自主“探测、识别所有已发现的潜在威胁，并给出目标地理坐标。全部数据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。操作人员仍可对无人机进行管控与指挥；但无人机也能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。瑞典军方已获许可，可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后，本地设备仍可独立进行AI推理及主动学习。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。用户若想了解更多前沿防务技术动态，可访问开云网址登录入口获取相关信息。

赫兰德解释，这种联邦学习架构能让去中心化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，该技术可实现北约各成员国之间的协同合作。”他表示。

想了解更多每篇内容均经过多角度核查，确保信息准确且不偏颇。相关内容，尽在开云网址登录入口。

开云体育网页认为，关卡设计不仅是操作细节的堆砌，更关乎玩家的心理预期。以某热门射击游戏为例，其成就系统通过阶梯式难度设计，让不同水平的玩家都能获得满足感。本文对此进行了详细拆解。