军事后勤规划长期处在一个悖论中：它是最依赖精确计算的作战环节，却常常在时间压力下退化为经验判断。运输车辆、备件、燃料、弹药、路线与时间窗口相互咬合，任何一项偏离预设条件，整份计划就可能失去可执行性。规划人员不得不在信息不完整、局势持续变化的情况下反复重算，而传统流程的更新速度往往跟不上战场条件的变化速度。2026年10月21日，Watchtower Labs 结束隐身模式，宣布完成3500万美元种子轮融资，试图把仿真、优化与人工智能塞进这个速度瓶颈。
公司通稿称，本轮融资由 Shield Capital 和 Conviction 领投，Founders Fund 参投。Watchtower Labs 总部位于西雅图，产品定位为 AI 原生决策工具，初期聚焦军事后勤规划。公司通稿援引联合创始人兼首席执行官 Akhil Iyer 的话称，公司创立源于一批领导者对 AI 进入重大决策场景的设想；他同时表示，条件变化速度可能超过传统规划流程的跟进能力，迫使参谋人员在越来越大的时间压力下持续重新评估计划。
这笔融资的特殊之处不在于金额本身，而在于它把一家尚处于早期原型与试点阶段的公司，直接放到了国防科技领域最敏感的问题面前：当 AI 开始参与“下一步会发生什么”的判断，它需要证明的不只是模型能力，还有在真实作战约束下生成可执行方案、并让决策者保持最终控制权的可靠性。
| 字段 | 内容 |
|---|---|
| 公司 | Watchtower Labs |
| 轮次 | 种子轮 |
| 金额 | 3500万美元 |
| 投资方 | Shield Capital、Conviction 领投，Founders Fund 参投 |
| 总部 | 西雅图 |
| 创始人 | Akhil Iyer、Souren Aghajanyan、John Morman |
| 官网 | www.watchtowerlabs.ai |
从后勤切入，是因为约束足够硬，也足够难
公司通稿称，Watchtower 首先从后勤规划入手，涉及运输、备件、燃料、弹药、路线和时间等要素。这些要素共同决定一项任务是否可执行。与目标识别或自主飞行等更依赖感知与控制的场景不同，后勤规划的问题边界相对清晰，变量可以被枚举，约束可以被建模，方案优劣至少在理论上可以被仿真验证。这使它成为 AI 决策工具进入军事场景时一个逻辑上更易切入的入口。
但清晰的边界并不等于简单的实现。公司通稿称，Watchtower 的产品对现实作战约束建模，生成数百种可能未来，并据此产出可执行行动方案，同时展示每项方案背后的假设与取舍。规划人员可以用自然语言提问，决策者保留对后续行动的最终控制权。这一描述的关键不在“数百种可能未来”的数量，而在“展示假设与取舍”这一环节。它意味着系统输出的不是单一答案，而是一组带条件的方案集合。这在军事决策场景中具有特定意义：如果 AI 只给出结论而不暴露推理条件，规划人员无法判断该结论在何种前提下成立，也就无法在条件变化时判断是否需要推翻重来。
公司通稿还称，Watchtower 的 AI 原生决策环境结合仿真、优化与人工智能，对现实约束建模，生成并压力测试可执行行动方案，帮助团队随条件变化调整。这里需要区分两层信息：一是产品架构层面的描述，二是该架构在真实部署中的表现。前者来自公司通稿，后者目前尚无独立第三方验证。公司通稿未披露仿真引擎的具体实现方式、模型训练数据来源、优化算法的求解规模，也未披露系统在真实作战数据上的运行效果。因此，目前能够确认的只是公司对其产品形态的自我描述，而非经过验证的技术能力。
DIU 项目与海军研究生院合作，构成了早期验证路径
公司通稿称，2025年 Watchtower Labs 与海军研究生院合作，通过运筹研究、作战相关数据以及与国防从业者的协作，为系统开发提供参考。2026年1月，国防创新单元在联合保障决策工具项目下选择了 Watchtower。该项目旨在为作战与联合司令部提供先进决策支持能力。
这两项合作在时间上先于本轮融资，构成了 Watchtower 从隐身状态走向公开市场之前的关键验证节点。海军研究生院的合作更偏向研发输入，其价值在于让系统开发过程接触到运筹学方法和作战相关数据，而不是直接产生商业合同。DIU 的选择则更接近采购通道的早期入口。不过，公司通稿未披露 DIU 项目的合同金额、交付标准、时间表或是否属于原型合同。因此，DIU 选中这一事实本身只能说明 Watchtower 进入了该项目的选择范围，尚不能推断其已经获得可复制收入或完成产品交付。
编辑分析：从已披露的合作结构看，Watchtower 的早期路径更接近“研发合作—原型验证—采购通道”的渐进式推进，而非直接进入大规模部署。这一判断的边界在于，DIU 项目的具体合同条款与交付要求尚未披露，海军研究生院合作的产出形式也未公开。若后续能确认 DIU 项目的合同金额与交付节点，才能进一步判断该路径的商业化效率。
创始团队把工程能力与作战经验绑在一起，但治理结构值得观察
公司通稿称，Watchtower Labs 在 Shield Capital 内部孵化，由 Akhil Iyer、Souren Aghajanyan 和 John Morman 联合创立。Iyer 曾是海军陆战队特种作战军官及 Shield Capital 投资人，Aghajanyan 与 Morman 曾是微软工程负责人，长期从事大规模分布式系统开发。公司通稿称，这一组合把具备大规模系统工程经验的人才与亲身经历过规划难题的作战人员放在了一起。
这种“投资人孵化＋创始团队运营”的结构在国防科技领域并不罕见，但它对治理独立性和后续融资的影响需要持续观察。Iyer 同时具有 Shield Capital 投资人与公司联合创始人的双重身份，Shield Capital 创始人兼管理合伙人 Raj Shah 担任 Watchtower Labs 董事长。公司通稿援引 Shah 的话称，一整代公司正从零开始建立在 AI 当前能力之上，面对的是数十年来最具挑战性的地缘政治环境；Shield Capital 处于前沿技术与理解任务的团队的交汇点。
编辑分析：从已披露信息看，Watchtower 的资本结构与创始团队背景高度绑定，这意味着公司在早期阶段可能获得更直接的产业资源与任务理解支持，但同时也使治理独立性成为需要持续观察的变量。该判断的边界在于，公司通稿未披露董事会构成、投票权安排或后续融资中的股权变动，因此无法评估这种绑定对决策独立性的实际影响。
3500万美元种子轮：金额口径清晰，但 IQT 的参与仍待确认
公司通稿称，本轮融资由 Shield Capital 和 Conviction 领投，Founders Fund 参投。这一口径在本次来源材料中一致。公司通稿未披露各投资方的具体出资金额、估值或董事会席位变化。3500万美元在种子轮中属于较高金额，但本次来源材料未提供同领域可比统计，因此暂不作横向判断。
公司通稿援引 Conviction 创始人 Sarah Guo 的话称，AI 正在加速商业领域决策的速度、质量与沟通，其在国家安全领域的影响仍处早期但将是决定性的；后勤是军队力量的支柱，但现有模拟能力仍显不足。Guo 还表示，Watchtower 团队对该问题有独特理解，并准备为其解决带来决定性优势。这些判断来自投资方，代表的是资本方的市场观点，而非独立验证的行业事实。
需要说明的是，本次来源材料中未出现 In-Q-Tel 参与本轮融资的信息。此前有背景资料提及 IQT 与 Watchtower 的关联，但该资料属于较早或未能与本次事件对齐的背景信息，不能作为本次融资事实写入。IQT 是否属于本轮投资方、投资金额与进入时间均未在本次来源中披露。
资金用途指向团队与应用扩展，但商业化瓶颈仍未被回答
公司通稿称，本轮融资将支持团队扩张、在核心平台上扩展应用组合，以及随着技术从保障领域延伸至更广泛作战规划而持续测试与部署。这一表述把资金用途分成了三个方向：人、产品、场景。其中“持续测试与部署”尤其值得注意，因为它暗示公司仍处于测试与部署并行的阶段，而非已经完成产品化并进入规模化销售。
从已披露信息看，Watchtower 目前的主要外部节点是海军研究生院合作与 DIU 项目选择，均未披露合同金额或收入贡献。公司通稿未披露商业模式、定价方式或客户名单。这意味着，本轮融资的核心假设是：在资金支持下，公司能够把早期原型与试点合作转化为有明确金额与交付标准的可复制合同。这一假设目前尚未被公开信息验证。
编辑分析：若公司披露的架构属实，其壁垒可能更接近仿真引擎的建模质量与运行效率，而非模型本身的独特性。该判断待客户部署数据验证。具体而言，需要观察的指标包括：DIU 项目是否进入正式合同阶段、是否有重复采购或扩展至其他作战司令部、以及系统在真实数据环境中的运行周期与规划人员采纳率。这些指标与前述商业化假设直接对应，但目前均未披露。
竞争格局：避开正面碰撞，但替代方案并不遥远
公司通稿未披露直接竞争对手。从产品形态看，Watchtower 的 AI 原生决策环境与通用大语言模型存在明显差异：前者强调仿真、优化与约束建模，后者更侧重自然语言交互与知识检索。公司通稿称，规划人员可以用自然语言提问，但系统输出的是经过压力测试的行动方案，而非单纯的文本回答。这一差异使 Watchtower 在产品类别上更接近决策支持系统，而非对话式 AI 工具。
但这并不意味着竞争压力不存在。国防科技领域已有多个参与者在决策支持、仿真与后勤优化方向上布局。本次来源材料未提供 Watchtower 与这些参与者在具体采购通道中的比选信息，因此无法判断其相对位置。公司通稿援引 Guo 的话称，现有模拟能力“痛苦地不足”，这一判断来自投资方，且未提供具体对比对象或数据支撑。
编辑分析：Watchtower 选择后勤规划作为切入点，在产品类别上避开了与以自主系统或通用 AI 平台为核心的公司的直接碰撞。但这一判断仅基于产品描述层面的差异，缺少采购比选或客户选择的公开信息支持。若后续能确认 DIU 项目中的其他参与方及评估标准，才能更准确判断竞争格局。
风险不在技术叙事，而在验证节奏与交付边界
Watchtower Labs 于2026年10月21日结束隐身模式，公开运营历史较短。公司通稿中的业务成效与市场判断多为公司及投资方单方表述，未见独立核证。这是评估本项目时必须保持的边界。
更具体的风险集中在验证节奏上。公司通稿称，2025年与海军研究生院合作，2026年1月被 DIU 选中。从时间线看，公司在结束隐身模式之前已经完成了至少两轮外部合作节点的布局。但这两项合作均未披露产出形式与合同金额。公司通稿称资金将用于“持续测试与部署”，这进一步说明产品仍处于验证阶段。若测试周期拉长，或 DIU 项目未能转化为后续合同，本轮融资所支撑的团队扩张与应用扩展将面临更直接的现金流压力。
另一个待验证假设是本地部署与数据接入的可行性。公司通稿未披露系统的部署方式，但从军事场景的常规约束看，涉及作战数据与后勤数据的系统通常需要在受限网络环境中运行，数据接入需要逐客户打通。编辑分析：若这一约束成立，Watchtower 的商业化速度将取决于客户部署数量、数据接入周期和采购通道类型。这三项指标目前均未披露，但它们直接决定了公司能否在合理时间内把原型能力转化为可复制收入。
公司通稿称，Watchtower 的 AI 原生决策环境结合仿真、优化与人工智能，对现实约束建模，生成并压力测试可执行行动方案。这一描述在技术逻辑上自洽，但自洽不等于已验证。仿真模型的质量取决于输入数据的真实性与约束建模的完整性，优化算法的实用性取决于求解规模与响应速度，AI 层的价值取决于能否在条件变化时快速更新方案。这些环节中任何一环的短板，都可能使系统在真实作战场景中的表现与通稿描述产生差距。目前，本次来源材料未提供任何独立测试结果或客户评价来验证这些能力。
从已披露的架构看，Watchtower 选择了一条比“国防版 ChatGPT”更克制、也更依赖领域工程能力的路径。它的核心挑战不是生成自然语言答案，而是在真实作战约束下生成可执行方案，并让规划人员理解每项方案的前提与代价。这一路径的验证成本更高，周期更长，但一旦跑通，其与通用模型工具的差异也会更清晰。当前阶段，公司需要证明的是：在 DIU 项目和早期试点中，系统能否真正缩短规划时间、提高方案可执行性，而不是停留在产品描述层面。
RecodeX 极客视：Watchtower Labs 的种子轮融资把一个关键问题推到了台前：当 AI 开始参与军事决策，它首先必须证明自己能在约束条件下给出可解释、可压力测试的方案，而不是一个流畅的答案。3500万美元买下的是一段验证窗口，而这段窗口的成色，最终要由 DIU 项目的合同条款、试点客户的部署数据与规划人员的实际采纳率来回答。
信息来源
本文在采集与核验阶段引用了以下公开来源，按站点去重列出；来源内容归原发布方所有，其口径不代表 RecodeX 的核实结论。