柯比．阿杜克的Scout AI獲1億美元資金訓練模型對抗戰爭：我們訪問其訓練營

在美國加州中部的一個軍事基地，四人座全地形車正在山區小徑上穿梭。這是一場訓練演習，但並不是為車內的人進行的：這是一次訓練AI模型進入戰區的努力。這些自動化的軍事全地形車由Scout AI操作，這是一家由Colby Adcock和Collin Otis於2024年創立的創業公司，自稱為「防禦領域的邊界實驗室」。該公司周三表示，已從Align Ventures和Draper Associates領投的A輪融資中籌得1億美元，此前於2025年1月已獲得1500萬美元的種子輪融資。Scout邀請TechCrunch進行獨家參觀，帶領他們到一個不願透露名稱的軍事基地進行訓練運作的巡覽。該公司正在開發一個名為「Fury」的AI模型，用來操作和指揮軍事裝備，首先是用於後勤支援，然後很快就會用於自主武器。CTO Collin Otis將這項工作與訓練士兵進行比較。他表示：「士兵從18歲開始訓練，有時甚至是在大學畢業後才開始，因此你希望從這個基礎層面的智能開始。」Otis告訴TechCrunch：「這是有用的，因為你已經投入了一些資源，然後說，『嘿，我得做什麼才能教這個東西成為一個出色的軍事AGI，而不是只是廣泛智能的AGI？』」Scout已從包括DARPA、陸軍應用實驗室和其他國防部客戶在內的機構獲得總計1100萬美元的軍事技術開發合同。它是20家使用技術的自主公司之一，這些技術正在被美國陸軍第一騎兵師在德克薩斯州富特·霍德基地進行定期訓練週期中使用，預期該單位在2027年部署時會帶上已證明有效的產品。對於Scout內部測試，橡膠與泥土相碰的場地是在基地的丘陵地形中，該公司的運營團隊由前士兵領導，正在這些模擬任務中測試車輛。自動駕駛汽車開始出現在世界各地更多城市的街道上，但它們運作的環境更加結構化，有明確的規則。在未標記的山徑或越野環境中自主運作則完全是另一個挑戰。Otis曾就職於自動駕駛卡車公司Kodiak，他表示，當他意識到他在那裡幫助建立的系統還不夠智能，無法在不可預測的戰區運作時，才決定創立Scout。由Scout AI的Fury模型控制的自動地面車輛。圖片來源：Scout AI 一種新的自主方式 Scout正在採用一種較新的自主技術：視覺語言動作模型（VLAs），這是一種基於大型語言模型（LLMs）並用來控制機器人的技術。該技術於2023年由Google DeepMind首次推出，為機器人創業公司如Physical Intelligence和Figure AI（由Adcock的哥哥Brett領導的人形機器人公司）提供了啟發。Colby Adcock目前擔任Figure的董事，他表示，這段經驗讓他確信，將更廣泛的智能引入軍隊日益增長的自主車輛隊列中是一個機會。他的哥哥介紹他認識了Otis，Otis當時正在為Figure提供建議，他們開始將最新的AI技術應用於軍事解決方案。Otis表示：「如果我現在把一個無人機的控制器交給你，並給你戴上耳機，你可以在幾分鐘內學會飛這架無人機。你實際上只是在學習如何將你已有的知識與這些幾個小搖桿連接起來。這不是一個很大的跳躍。這就是VLAs的運作方式，也是它們如此重要的原因。」確實，我有機會駕駛Scout的一輛全地形車在泥濘的山徑上轉了一圈，地形非常具有挑戰性：陡峭的山坡、轉彎時鬆散的沙地、消失的車道、令人困惑的交叉口。雖然我不是經驗豐富的全地形車駕駛員，但第一次嘗試還是做得不錯（如果我說的話）。這就是公司想要在模型中實現的普遍智能，他們僅僅用這六周時間就用這些全地形車進行了訓練——他們最初使用的是民用全地形車。我也曾坐在全地形車上讓它自動駕駛，可以感受到差異——它加速的速度比一個考慮乘客舒適度的人更快。運營團隊指出，這些車輛在較寬的道路上會緊貼右側行駛，而在較窄的道路上則會保持在中間，就像他們的訓練駕駛員一樣。當他們感到困惑時，會突然減速思考下一步該怎麼做，這在全地形車載我們繞了6.5公里後返回基地的過程中發生了好幾次。雖然VLAs還是非常新興的技術，目前還沒有哪家公司將其部署在實際運營環境中，但前DARPA項目經理Stuart Young表示：「這項技術已經足夠好，可以在與士兵一起進行實驗中摸索出如何對美國部隊最有效。」與其他自主公司一樣，Scout的完整技術堆疊還包括確定性系統和其他類型的AI，以補足其代理的能耐。Young這個月離開DARPA加入Field，此前他管理了一個名為RACER的項目，要求公司開發高速、自主的越野車輛，這幫助種下了這個空間，就像該組織的Grand Challenge推動了自動駕駛汽車的發展一樣。這個領域的兩家競爭對手Field AI和Overland AI都是從這個項目中衍生出來的，Scout也參與了後續的項目。根據Scout高管和軍事技術專家的說法，地面自主技術的首個應用將是自動補給：將水或彈藥運送到遠處的觀察哨，或是在一個由有人駕駛卡車帶領的車隊中，由六到十輛自主車輛跟隨，從而節省寶貴的人力資源用於更重要的任務。現役步兵官員Brian Mathwich正在Scout擔任軍事 fellows，他回憶起最近在阿拉斯加的一次演習中，他帶領一個補給車隊在完全黑暗中行駛，並希望有自主車輛能幫助他。圖片來源：Scout AI 為軍隊機動車隊增添智能 Scout主要將自己視為一家軟體公司，專注於為軍事機器增添智能層。它並沒有打算製造自主車輛本身，而是建立在這些車輛之上。Adcock預期該創業公司的第一個產品將被廣泛採用，這款產品名為「Ox」，是一套結合了硬體設備（如GPU、通訊和攝像頭）的指揮與控制軟體。它的目的是讓單個士兵能夠透過提示語，例如「前往這個路標並尋找敵軍」，來協調多架無人機和自主地面車輛。然而，要讓這款軟體運作，就需要在真實車輛上進行訓練，這就是為何Scout設立了Foundry，也就是他們在軍事基地的訓練場地。那裡的駕駛員會進行八小時的輪班，讓全地形車進行測試，然後透過強化學習系統記錄他們必須接管的場景，用來改進模型。基地指揮官甚至請公司讓這輛全地形車擔任一次安全巡邏任務。Scout正在測試的一個假設是，VLAs可以與模擬訓練數據結合，從而實現一個完整的駕駛代理。雖然車輛似乎在山徑上運作得不錯，但它還不適合完全在越野環境中運作。Scout也在與無人機進行測試，用視覺語言模型為它們提供智能，用於偵察和防禦。該公司正在開發一個系統，讓一群彈藥無人機飛行，並由一個更大的「四分衛」平台提供更多的計算資源來指揮它們。例如，這些無人機可以搜尋一個地理區域內隱藏的敵軍坦克並進行攻擊，可能還不需要人類干預。Otis表示，在這種情況下，另一種方法可能是間接的砲兵火力，這與無人機攻擊相比準確度較低。雖然自主武器是防禦科技政治中的一個焦點，但專家指出這個概念其實並不新：尋熱導彈和地雷已經在戰爭中使用了數十年。根據退休的美國陸軍上校Jay Adams的說法，技術人員關注的重點是如何控制這些武器。Adams指出，Scout的無人機可以被編程只攻擊特定地理區域內的威脅，或僅在人類確認後才進行攻擊。他也說，自主武器平台不太可能開火，因為它們會害怕，就像一個18歲的士兵可能會害怕一樣。VLAs也有望提高目標識別能力。Scout表示，他們的模型預先訓練在特定的軍事數據上，以便在執行補給任務時遇到敵軍坦克時做好準備。由Scout為陸軍應用實驗室監督工作的少校Nick Rinaldi表示，雖然自動目標識別非常困難，而且在近期内不太可能在受限制環境之外使用，但VLAs在處理威脅方面的推理能力使其成為值得研究的技術。Adams說，未來戰爭中最重要的就是能夠自行識別目標的無人機。雖然俄羅斯入侵烏克蘭已經激起了對無人機戰爭的強烈興趣，但他認為，人類操作單個無人機的方式對於美國面對大量低成本無人機系統的威脅時，並無法擴展到足夠的程度。抵禦反軍事情緒的任務圖片來源：Scout AI 與許多防禦創業公司一樣，Scout將其使命掛在嘴上，其高管會公開批評那些不願將技術交給政府的公司。例如，Google據報導已退出了一個 Pentagon 的比賽，該比賽是開發自主無人機蜂群的控制系統，這正是Scout也在努力進行的領域。Otis告訴TechCrunch：「AI人不願意與軍隊合作，」他提到Anthropic與Pentagon之間的爭議，「他們都不願意運行單向攻擊無人機或導彈系統的代理。」儘管如此，Scout還是使用現有的LLMs作為其代理的基礎，雖然他們拒絕說明具體是哪些模型。Otis表示，他們與一些非常知名的超大型企業有協議，這些企業會為Scout的基礎模型提供預訓練的智能。他也拒絕說明公司是否使用開放權重模型，例如中國公司的產品。許多依賴AI推理的公司會建立在開放權重模型之上，因為這些模型相對於Anthropic或OpenAI等前沿實驗室的產品來說更便宜。Scout預計將通過未來幾年的努力，從頭開始建立自己的模型，並表示大部分資金將用於這些訓練和計算成本。確實，Otis認為Scout可能會在現有領導者之前達到AGI，因為它的模型會不斷與現實世界互動。Otis說：「AGI社區中有一個觀點認為，你只能通過閱讀互聯網來達到一定程度的智能，而大多數智能來自與現實世界的互動。」這是否意味著Adcock正在與他哥哥的Figure公司的人形機器人軍隊競爭？Otis說不是，但他表示：「我們可以更快擴展規模，因為我們的客戶擁有資產，」他指的是Pentagon。