Scout AI 获1亿美元A轮融资：为战争打造“会思考”的自主武器系统

当一家成立仅一年的国防科技初创公司，在种子轮融资仅三个月后就拿下1亿美元A轮融资，这本身就值得追问一句：Scout AI凭什么？这家自称“国防前沿实验室”的公司，正试图用视觉-语言-动作（VLA）基础模型来重塑现代战争——让无人车在崎岖山路上自主越野，让士兵像发短信一样指挥无人机蜂群，甚至最终走向自主武器。但在这笔巨额融资背后，真正值得深挖的问题是：Scout AI是在解决国防部的真实痛点，还是在用硅谷的叙事包装一个尚未被验证的技术假设？

从自动驾驶卡车到战争机器：一个关于“智能不足”的创业叙事

Scout AI的CTO Collin Otis此前在自动驾驶卡车公司Kodiak工作，这段经历直接催生了公司的创立逻辑。他在Kodiak发现，即便是在相对结构化的高速公路环境中，自动驾驶系统面对突发状况时仍然“不够聪明”——而战场上的不可预测性比高速公路高出几个数量级。2024年，他与CEO Coby Adcock共同创立了Scout AI，后者还有一个更引人注目的身份：Figure.AI（其兄Brett Adcock创办的人形机器人公司）的董事会成员。

这个创业叙事的关键在于，它跳出了“自动驾驶技术军用化”的传统路径。Otis并不试图把Kodiak的卡车技术搬到军用车辆上，而是从零开始构建一个专为国防场景设计的VLA基础模型“Fury”。这背后的判断是：战场环境需要的不是更稳定的传感器融合或更精确的路径规划，而是一种能够理解自然语言指令、观察环境并执行复杂动作的“通用智能”。

这种判断是否成立，目前仍是一个开放问题。但Scout AI已经拿到了11亿美元的军事技术开发合同，客户包括DARPA、陆军应用实验室等国防部机构。更重要的是，它成为了美国陆军第1骑兵师在Fort Hood训练的20家自主技术公司之一——这意味着它的技术已经在真实军事场景中接受检验。

Foundry训练场：VLA模型如何学会在战场上“思考”

TechCrunch获准参观了Scout AI位于加州某未公开军事基地的专属训练场“Foundry”。在这里，ATV（全地形车）正在崎岖地形上进行自主驾驶测试。与传统自动驾驶公司依赖高精地图和规则引擎不同，Scout AI的车辆完全由VLA模型驱动——模型接收摄像头和激光雷达的视觉输入，理解操作员的自然语言指令，然后直接输出控制信号。

训练过程本身就是一个值得关注的工程挑战。人类驾驶员进行8小时轮班，在复杂地形中驾驶车辆，模型通过模仿学习掌握基本驾驶技能。更关键的是强化学习环节：每当模型需要人类干预时，系统会记录这次“接管时刻”作为正负反馈信号。这种方法与Waymo、Tesla等公司使用的技术路径有本质区别——后者更注重在大量数据中寻找统计规律，而Scout AI试图让模型在每一次真实交互中“理解”战场环境的因果关系。

但这里存在一个明显的风险：战场数据的获取成本极高，且无法像自动驾驶公司那样通过车队大规模收集。Scout AI目前依赖与国防部的合作获取训练数据，但数据规模和多样性是否足以支撑一个真正通用的VLA模型，仍然存疑。

Ox系统与“四分卫”平台：把战争变成提示词工程

Scout AI的第一款产品“Ox”是一套指挥控制软件，允许士兵通过类似聊天提示词的方式，同时编排多架无人机和自主地面车辆。想象一下：一名前线士兵在平板电脑上输入“侦察前方山谷，保持隐蔽，发现敌方车辆后通知”，Ox系统会自动分解任务、分配无人机和地面车辆、规划路径并协调行动。

更具野心的是其正在开发的“四分卫”平台——一个用于管理武装无人机蜂群的指挥系统。这直接指向了自主武器这一敏感领域。值得注意的是，Google此前退出了五角大楼的无人机蜂群竞赛，部分原因正是员工抗议“AI武器化”。Scout AI显然没有这种顾虑，其CEO Coby Adcock明确表示公司正在“朝着自主武器方向前进”。

这种直白的态度在国防科技创业圈并不罕见，但它引发了一个更深层的问题：当VLA模型在战场上做出致命决策时，谁为它的错误负责？目前，Scout AI的系统被设计为“人在回路中”，但Otis暗示未来可能转向“人在回路上”甚至完全自主。这种渐进式的自主化路径，在技术上是合理的，但在伦理和法律上却充满未知。

AGI的捷径？Scout AI的野心与现实的差距

Otis提出了一个大胆的论断：Scout AI可能比OpenAI、Google等AI巨头更早实现通用人工智能（AGI）。理由是，Scout AI的VLA模型不断与真实世界交互，而ChatGPT等大语言模型只是在静态文本数据上训练。这种“具身智能”路径确实有其理论优势——人类智能本质上是在与环境的交互中涌现的，而非通过阅读文本。

但这一论断面临几个现实挑战。首先，Scout AI目前使用的是现有大语言模型作为基础，与“知名超大规模云服务商”有合作协议，尚未从零开始训练自己的模型。这意味着其当前的技术栈高度依赖外部供应商，而真正的差异化——即VLA模型的军事化训练——才刚刚起步。其次，AGI的定义本身就充满争议，将“在特定战场环境中执行任务的能力”等同于通用智能，是一种危险的简化。

从商业角度看，Scout AI的融资逻辑是清晰的：国防部正在大规模采购自主技术，而传统军工巨头在AI能力上落后于硅谷初创公司。Align Ventures和Draper Associates的领投，表明风投界对“国防科技+基础模型”这一组合的强烈兴趣。但Scout AI需要证明的不仅是技术可行性，还有规模化部署的能力——从11亿美元的合同到真正改变战场形态，中间隔着巨大的工程和信任鸿沟。

前景与风险：Scout AI站在国防科技的风口与悬崖边

Scout AI的故事代表了国防科技创业的最新趋势：不再满足于为军方提供“增强版”的商用技术，而是从零构建专为战争设计的AI基础设施。这种路径的优势在于，它可能真正解决国防部的核心痛点——即现有自主系统在复杂战场环境中的“智能不足”。风险同样显著：VLA模型在军事场景中的可靠性尚未被大规模验证，数据获取的瓶颈可能限制模型迭代速度，而自主武器引发的伦理争议可能影响人才招募和公众形象。

对于Scout AI而言，1亿美元A轮融资不是终点，而是起点。它需要证明自己不是又一个“拿了国防合同但交付不了”的硅谷故事，而是真正能够用AI重新定义战争形态的实验室。在这个过程中，它既要与Palantir、Anduril等国防科技巨头竞争，又要应对来自Google、OpenAI等AI公司的潜在入场。最有趣的问题是：当Scout AI的VLA模型在战场上做出一个致命决策时，这个决策的“作者”是Scout AI的工程师、训练数据的提供者，还是模型本身？这个问题的答案，将决定这家公司的未来边界。