领铄智能完成千万级A轮追加融资：当“智能体”遇上军事决策，AI的下一场硬仗怎么打？

2024年深秋，北京西郊一座没有门牌的灰色楼宇里，一场特殊的“兵棋推演”正在进行。屏幕上的蓝方舰队正试图突破第一岛链，红方则利用岸基导弹和潜艇编织着层层防御网。但与以往任何一次推演都不同，指挥官的每一个决策，都会在0.3秒内被一个看不见的“影子参谋”模拟推演上千次，并给出最优解与最坏结果。

这个“影子参谋”，就是领铄智能的“Blade”系列智能体。在硅谷巨头们正热衷于让AI学会写诗、画画、甚至陪你聊天的当下，这家刚刚完成千万级人民币A轮追加融资的中国公司，选择了一条截然不同、甚至有些“反潮流”的道路：让AI学会在生死存亡的极限博弈中，做出那个可能决定无数人命运的决策。

这听起来像极了科幻电影的开头，但领铄智能的创始人兼CEO张锐告诉我：“我们不是在拍《终结者》，我们是在造一个永远不会疲惫、永远不会情绪化、且能预见一万种死法的‘超级参谋’。”

为什么AI的“死脑筋”，比人类的“灵光一现”更值钱？

我到达领铄智能的办公室时，正赶上他们的算法团队在复盘一次内部测试。测试场景很简单：一个由3架无人机组成的编队，需要在敌方密集防空火力网中，攻击一个高价值移动目标。

“人类指挥官通常的做法是，让无人机分散突防，利用数量优势或电子干扰制造机会。”算法负责人李振指着屏幕上的轨迹图说，“但我们的Agent给出了一个我们所有人都没想到的方案。”

方案是这样的：第一架无人机主动暴露，以最大功率发射电磁信号，扮演“诱饵”；第二架无人机在诱饵被击落后，不进行规避，反而加速冲向目标，同时释放大量红外干扰弹；第三架无人机则在第二架被锁定的瞬间，从完全相反的低空死角切入，用一枚滑翔制导炸弹完成了攻击。

“这个方案牺牲了一架无人机，但保证了任务成功率和目标摧毁的确定性。”李振说，“从纯粹的军事效率角度看，这是完美的。但如果是一名人类指挥官，他可能会在心理上抗拒‘主动牺牲’这个选项，哪怕理智上知道这是最优解。”

这个案例，恰好揭示了领铄智能所切入的“复杂对抗环境下的决策推演”市场的核心痛点：在极高风险、极端不确定、且信息不完全的博弈中，人类的直觉、经验，甚至道德感，都可能成为决策的负担。而AI，恰恰没有这些“负担”。

“传统上，军事决策支持系统主要依赖两种范式：一是基于规则的专家系统，二是基于统计学的概率模型。”张锐在采访中解释道，“专家系统的天花板很低，因为真实的战场变化无穷，你无法穷举所有规则；概率模型则过于‘平滑’，它无法处理那些‘极小概率但一旦发生就是灾难’的极端情况。”

领铄智能的解法，是构建一套基于“博弈论+强化学习+大规模神经仿真”的智能体决策推演系统。简单来说，他们让两个或多个AI智能体在一个高度仿真的虚拟战场上“对练”，通过数百万次甚至数千万次的对抗，让这些智能体自己“进化”出超越人类经验的战术和策略。

“我们做的是‘死磕’。”张锐打了个比方，“就像AlphaGo Zero，它不学习任何人类棋谱，只靠自我对弈就发现了无数人类棋手从未想过的妙招。我们的系统也是，它不预设任何‘正确的战术’，只给定物理规则和胜负条件，然后让它们去‘死磕’。最终，它会磕出一些让人类军事专家都感到惊艳的‘鬼点子’。”

这恰恰是领铄智能的“反常识”之处。在通用AI领域，人们追求的是“像人一样思考”，甚至“超越人类”。但在军事决策这个特定领域，他们追求的却是让AI“不像人一样思考”。因为人类的决策模式，天然带有认知偏误、情绪波动和路径依赖。在决定生死的博弈中，这些“人性”恰恰是最大的弱点。

从“沙盘推演”到“实时对抗”：一场对传统军事决策系统的降维打击

领铄智能的办公室不大，大约200平米，装修风格是典型的硬科技公司——极简、高效。墙上没有励志标语，只有几块巨大的显示屏，实时滚动着复杂的概率树和决策图谱。

这家公司的诞生，源于一个看似“不靠谱”的念头。2019年，刚从某军事研究所离职的张锐，在一次技术沙龙上遇到了一位知名VC的投资人。对方问他：“你觉得AI在军事上最大的应用是什么？”张锐脱口而出：“不是造更厉害的武器，而是帮将军们做更正确的决策。”

这个回答，让投资人眼前一亮。当时的AI风口正集中在计算机视觉（CV）和自然语言处理（NLP）领域，军事决策智能化还是一个相对冷门的赛道。但张锐坚信，随着战争形态从“机器对抗”向“算法对抗”演变，决策的速度和质量，将成为决定胜负的核心变量。

“传统的兵棋推演，本质上是‘沙盘游戏’。”张锐向记者解释，“它依赖于人类参谋的脑力计算和定性分析。一场战役，可能推演一个星期，得出几个结果。但在现代战争中，从传感器发现目标到下达开火指令，可能只有几十秒。传统方式根本跟不上节奏。”

领铄智能的智能体系统，则试图实现“实时对抗推演”。它的核心是一个被称为“Blade-Engine”的仿真引擎。这个引擎并非简单的物理模拟器，而是一个包含了“红蓝双方决策模型”、“传感器与通信网络模型”、“武器毁伤模型”以及“环境不确定性模型”的复杂数字孪生体。

“我们把这个系统称为‘AI兵棋推演’的自动驾驶仪。”领铄智能的CTO，前中科院自动化所研究员陈峰打了个形象的比喻，“以往，指挥官开车，需要自己看路、自己判断、自己打方向盘。现在，我们给了他一个‘导航仪’+‘自动驾驶’。这个系统能实时感知战场环境，预测对手意图，并动态生成数条最优的‘行驶路线’。”

这个系统最核心的竞争力，在于其“对抗性训练”的深度。陈峰透露，他们的智能体每天要进行超过10万次的“自我对抗”训练。每一次对抗，都是一次完整的“决策-执行-反馈”闭环。系统会记录下每一个决策点、每一次成功与失败，并利用强化学习算法不断调整神经网络参数。

“我们特别关注‘长尾风险’。”陈峰强调，“比如，在常规推演中，‘补给线被切断’可能是一个概率极低的‘黑天鹅’事件。但在我们的系统里，智能体在自我对抗中，会主动去探索这些‘黑天鹅’空间。它可能会发现，通过特定的佯动，诱使对方做出错误判断，从而制造出‘补给线被切断’的机会。这种‘反直觉’的战术，是传统推演系统永远无法发现的。”

这种深度对抗训练的结果，就是领铄智能的智能体不仅在战术层面表现出色，甚至能在战略层面给出预判。在一次与某军事院校的联合测试中，领铄智能的系统成功预测了对手在一场长达72小时的模拟对抗中的三次关键“战术转向”，并提前给出了反制方案。这让在场的资深教官们感到震惊。

“我们过去常说‘料敌机先’，但那是基于经验和直觉。而领铄的系统，是真正基于数据和计算，把‘料敌机先’变成了一个可量化、可复现的工程问题。”一位参与测试的匿名军方专家评价道。

千万级融资背后的“硬核”逻辑：为什么是现在？

领铄智能的这轮A轮追加融资，投资方是国内一家以“硬科技”著称的知名风投。在资本寒冬和AI泡沫论甚嚣尘上的当下，一家专注于军事决策智能化的公司，凭什么能拿到钱？

答案或许在于，资本正在从“模式创新”转向“技术深水区”的博弈。

“我们看领铄，不是看它现在能赚多少钱，而是看它在这个领域的‘护城河’有多深。”该风投的合伙人赵明在电话采访中直言不讳，“军事决策AI这个赛道，技术壁垒极高，数据极其敏感，客户关系极其封闭。一旦建立起优势，后来者几乎不可能通过‘烧钱’来追赶。”

赵明认为，领铄智能的“护城河”主要体现在三个方面：

第一，数据与场景的“私域性”。军事决策AI的训练数据，绝非公开的兵棋推演规则或历史战例。它需要与真实的作战部队、装备参数、指挥流程深度耦合。领铄智能通过与多家军工集团和军事院校的深度合作，获得了其他创业公司难以企及的“真实战场数据”访问权限。这种“数据壁垒”，是时间换来的，也是信任换来的。

第二，算法的“对抗性”。与自动驾驶等领域的AI不同，军事决策AI面对的是一个“恶意”的对手。对手会主动欺骗、干扰、误导你的系统。因此，领铄的算法必须具备极强的“鲁棒性”和“反博弈”能力。他们开发了一种被称为“对抗性元学习”的框架，能让智能体在训练中“学会如何学习”，从而在面对从未见过的战术时，也能快速适应。

第三，系统工程的“复杂性”。将AI智能体嵌入到真实的指挥控制体系中，是一项极其复杂的系统工程。它需要解决延迟、带宽、安全性、人机交互等一系列问题。领铄智能的团队中，有超过一半的人拥有军工或航天系统的从业背景，他们知道如何在一个“非理想”的、充满电磁干扰和通信中断的真实环境中，让系统稳定运行。

“很多人以为AI军事决策就是‘下围棋’，其实完全不是。”张锐纠正道，“围棋是完美信息博弈，棋盘上所有信息都是公开的。但真实战场是‘迷雾’模式，你永远不知道对手在想什么，甚至不知道对手隐藏了多少兵力。我们的系统，必须学会在‘信息不完全’和‘行动不确定’的情况下做出最优决策。”

正是这种“硬核”的技术底色，让领铄智能在资本寒冬中获得了“反周期”的投资。赵明透露，他们内部对领铄的估值模型，参考的不是SaaS公司的PS倍数，而是参照了军工电子和高端装备制造的估值逻辑。“这是一个‘长坡厚雪’的赛道，需要耐心和定力。”

特工、程序员与将军：三位一体的“不可能三角”团队

深入采访领铄智能后，我最大的感受是：这家公司的“人”，比它的技术更值得玩味。

创始人张锐，出身于某军事科研院所，拥有系统工程的博士学位。他说话语速极快，逻辑严密，但同时带着一种理工男特有的“耿直”。当我问他，创业过程中最大的困难是什么时，他毫不犹豫地回答：“说服那些将军们，让他们相信一个‘电脑’比他们更懂打仗。”

“这很难。”张锐坦诚，“很多高级军官，尤其是那些有实战经验的老兵，他们对自己的直觉和判断力极度自信。你让他把自己的指挥权，哪怕是建议权，交给一个看不见摸不着的AI，他本能上是抵触的。”

为了打破这种“信任壁垒”，张锐和他的团队做了一件很“笨”的事：他们不是去推销产品，而是去“拜师”。他们花了将近一年时间，驻扎在某部队的演习基地，跟一线指挥官同吃同住，学习真实的作战流程和决策逻辑。

“我们发现自己以前很多想法都是错的。”CTO陈峰回忆道，“比如，我们最初设计的系统界面，全是概率图、决策树、置信区间。但指挥官们根本不看。他们只关心三件事：我的部队在哪里？敌人的主力在哪里？我下一步该往哪走？”

于是，领铄智能彻底推翻了最初的UI设计，转而开发了一套“极简”的交互界面。屏幕上不再有复杂的数学模型，而是用直观的符号、颜色和箭头，动态展示AI的推荐方案与风险提示。这种“降维”的设计，反而赢得了指挥官们的好感。

团队的另一位关键人物，是首席科学家王铮。这位前美国某顶尖大学计算机系的副教授，主攻方向是“多智能体强化学习”和“博弈论”。他加入领铄智能，源于一个“技术洁癖”者的“野心”。

“我看了很多AI公司在做的事，说实话，大部分都是‘调参侠’。”王铮的言辞颇为犀利，“他们把别人的开源模型拿过来，换一个数据集，然后就宣称自己做出了‘颠覆性’的创新。我觉得那不是真正的创新。真正的创新，是去解决那些最硬核、最基础、最‘不性感’的问题。比如，在非完全信息博弈下，如何保证智能体决策的‘可解释性’？这个问题，至今没有完美的答案，但我们必须去攻克它。”

王铮口中的“可解释性”，正是领铄智能目前面临的最大技术挑战之一。在军事决策中，指挥官不仅要听AI的“建议”，更要理解AI“为什么”给出这个建议。如果AI的决策过程是一个“黑箱”，那么指挥官是绝不敢采纳的。

“我们正在开发一种‘符号化推理’模块。”王铮透露，“我们希望让智能体在做出决策的同时，能够生成一条人类可以理解的‘推理链’。比如，它选择‘佯攻左翼’，不是因为神经网络里某个参数被激活了，而是因为‘根据历史数据，当敌军的防空雷达开机间隔小于30秒时，其右翼防御存在漏洞’。这种‘可解释性’，是军事AI走向实战化的‘最后一公里’。”

这个由“特工”（军事背景）、“程序员”（算法背景）和“将军”（客户背景）组成的“不可能三角”团队，在不断的争吵、妥协与融合中，逐渐找到了一种独特的“工作语言”。张锐称之为“同声传译”——把军事问题翻译成算法问题，再把算法结果翻译成军事语言。

未来战场：当AI成为“影子参谋”，人类指挥官还剩下什么？

采访的最后，我问了一个“终极”问题：如果AI真的能做出比人类更优的决策，那么未来战场上，人类指挥官的价值在哪里？

张锐沉默了几秒钟，然后给出了一个出乎我意料的答案：“人类的价值，在于‘担责’。”

“AI可以给出最优解，但它无法为结果负责。”张锐缓缓说道，“当一枚导弹偏离目标，误伤了平民；当一次战术突击失败，导致整个营的覆灭。AI不会感到愧疚，不会受到军法审判，不会在深夜里做噩梦。但人类指挥官会。这种‘担责’的勇气，这种在巨大压力下做出最终决定的‘决断力’，是AI永远无法替代的。”

他认为，未来战争的形态，将是“人机协同”的“增强智能”，而非“人工智能”完全取代人类。AI将成为指挥官的“影子参谋”，提供海量的数据分析和决策预演，但最终的开火指令，必须由人类亲自按下。

“我们的目标，不是制造一个‘超级将军’，而是制造一个‘超级参谋’。”张锐强调，“这个参谋，永远不会疲惫，永远不会傲慢，永远不会被情绪左右。它能帮指挥官看到一万种可能，并指出其中最危险和最有利的路径。但最终，选择哪条路，还是得由指挥官自己决定。”

这种对“人机关系”的深刻理解，或许正是领铄智能能够在这个极其特殊的赛道中站稳脚跟的根本原因。他们不鼓吹AI的无所不能，也不贬低人类的传统智慧。他们试图在两者之间，找到一种“1+1>2”的协作模式。

离开领铄智能的办公室时，天色已晚。我看到他们的算法团队依然在灯火通明地加班。屏幕上，那些代表智能体的光点，仍在虚拟的战场上不知疲倦地“死磕”着。

没有人知道，下一次“死磕”，会诞生出怎样一个颠覆现有战争规则的“鬼点子”。但有一点是确定的：在AI与人类共同书写的未来战争史里，领铄智能这群“死磕”的人，正在试图留下自己的注脚。

而这，或许正是创投行业最迷人的地方——永远有人在那些最硬核、最不性感、甚至最“反常识”的角落里，默默准备着改变世界。