Coby Adcock 創辦的 Scout AI 籌集 1 億美元訓練戰爭模型，我們實地走訪了其訓練營

在加州中部的一個美國軍事基地，四人座全地形車（ATV）在山坡小徑上穿梭。這是一場訓練演習，但對象不是車內的人：這是為了訓練 AI 模型進入衝突區而做的努力。

這些自動駕駛軍用 ATV 由 Scout AI 營運。這是一家由 Coby Adcock 和 Collin Otis 於 2024 年創立的新創公司，自稱為「國防前沿實驗室」。該公司週三表示，繼 2025 年 1 月完成 1,500 萬美元的種子輪融資後，已完成由 Align Ventures 和 Draper Associates 領投的 1 億美元 A 輪融資。

Scout 邀請 TechCrunch 獨家參觀其在某軍事基地的訓練運作，該基地應公司要求不予具名。

該公司正在開發名為「Fury」的 AI 模型，用於操作和指揮軍事資產，初期用於後勤支援，但很快將擴展至自主武器。技術長 Collin Otis 將這項基於現有大型語言模型（LLM）的工作比作訓練士兵。

「他們從 18 歲開始，有時甚至是大學畢業後才開始，所以你會希望從基礎水平的智能開始，」Otis 告訴 TechCrunch。「從一個已經投入過研發的基礎開始，然後問：嘿，我要做什麼才能教這東西成為一個強大的軍事通用人工智慧（AGI），而不僅僅是一個廣義的 AGI？這非常有幫助。」

Scout 已從國防高等研究計劃署（DARPA）、陸軍應用實驗室（Army Applications Laboratory）及其他國防部客戶手中獲得總計 1,100 萬美元的軍事技術開發合約。它是 20 家自動化技術公司之一，其技術正被美國陸軍第 1 騎兵師在德州胡德堡（Ft. Hood）的常規訓練週期中使用，預計該部隊在 2027 年下次部署時，將攜帶已被證明有效的產品。

對於 Scout 的內部測試，輪胎在基地多丘陵的地形上與塵土接觸。在那裡，由前士兵組成的公司營運團隊正帶領車輛進行模擬任務的測試。

在 Disrupt 會見您的下一位投資者或投資組合新創公司

您的下一輪融資。您的下一位員工。您的下一個突破機會。盡在 TechCrunch Disrupt 2026。屆時將有超過 10,000 名創辦人、投資者和科技領袖齊聚一堂，參加為期三天、超過 250 場的戰術會議、強大的引薦和定義市場的創新。立即註冊，最高可節省 410 美元。

在 Disrupt 會見您的下一位投資者或投資組合新創公司

您的下一輪融資。您的下一位員工。您的下一個突破機會。盡在 TechCrunch Disrupt 2026。屆時將有超過 10,000 名創辦人、投資者和科技領袖齊聚一堂，參加為期三天、超過 250 場的戰術會議、強大的引薦和定義市場的創新。立即註冊，最高可節省 410 美元。

雖然自動駕駛汽車開始出現在全球更多城市，但它們是在有規則且結構化的環境中運行。在無標記的小徑或越野環境中自主運行完全是另一種挑戰。曾任自動駕駛卡車公司 Kodiak 高管的 Otis 表示，當他意識到他在那裡協助建立的系統不足以在不可預測的戰區運行時，他便萌生了創立 Scout 的動機。

自主技術的新方法

Scout 轉向了一種較新的自主技術：視覺語言動作模型（Vision Language Action models，簡稱 VLA），這種模型基於 LLM 並用於控制機器人。這項技術最初由 Google DeepMind 於 2023 年發布，催生了 Physical Intelligence 和 Figure.AI 等機器人新創公司，後者是由 Adcock 的兄弟 Brett 領導的人形機器人公司。

Adcock 是 Figure 的董事會成員。他說，那段經歷讓他確信有機會為軍方日益增長的自動駕駛車隊帶來更廣泛的智能。他的兄弟將他介紹給當時擔任 Figure 顧問的 Otis，隨後他們便著手將最新的 AI 技術應用於軍事解決方案。

「如果我現在給你一個無人機控制器並幫你戴上頭戴式裝置，你可以在幾分鐘內學會飛行，」Otis 說。「你實際上只是在學習如何將你先前的知識與這幾個小搖桿聯繫起來。這並不是一個巨大的跨越。這就是理解 VLA 及其為何能帶來如此突破的方式。」

事實上，我有機會在崎嶇的小徑上駕駛 Scout 的一台 ATV，地形極具挑戰性：陡坡、轉彎處的鬆散沙地、消失的路徑、混亂的交叉口。我不是經驗豐富的 ATV 駕駛員，但在第一次嘗試中表現尚可（如果可以自誇的話）。這正是該公司希望其模型具備的通用智能。在先使用民用 ATV 開啟流程後，該公司僅用這些軍用 ATV 訓練了六週。

我也乘坐了處於自主控制下的 ATV，並能感受到差異——它的加速比考慮到乘客舒適度的人類更快。營運團隊指出，車輛在寬闊的小徑上會靠右行駛，但在狹窄的小徑上會保持在中間，就像訓練它們的駕駛員一樣。當感到困惑時，它們也會突然減速以思考下一步行動，在帶領我們完成 6.5 公里的環線返回基地期間，這種情況發生了幾次。

儘管 VLA 技術還很新，尚未被任何公司部署於實際作戰環境中，但曾負責地面車輛自主化項目的前 DARPA 項目經理 Stuart Young 表示：「這項技術已經足夠好，可以與士兵一起在現場進行實驗，以找出對美軍最有效的方式。」與其他自動化公司一樣，Scout 的完整自主技術棧還包括確定性系統和其他類型的 AI，以完善其代理（agent）的能力。

Young 在管理完名為 RACER 的項目後，於本月離開 DARPA 加入 Field。該項目要求公司開發高速、自主的越野車輛，幫助培育了這個領域，就像該機構的「大挑戰賽」（Grand Challenge）推動了自動駕駛汽車一樣。該領域的兩家競爭對手 Field AI 和 Overland AI 都是從該項目拆分出來的，而 Scout 也是後期的參與者。

根據 Scout 高管和軍事技術專家的說法，地面自主技術的首批應用將是自動補給：將水或彈藥運送到遙遠的觀察哨，或者在車隊中，一輛有人駕駛的卡車後面跟著六到十輛自動駕駛車輛，從而節省寶貴的人力用於更重要的任務。目前擔任 Scout 軍事研究員的現役步兵軍官 Brian Mathwich 回憶起最近在阿拉斯加的一次演習，當時他帶領補給車隊在全黑環境中行進，那時他多麼希望有自動駕駛車輛能幫忙。

為陸軍車隊增加智能

Scout 將自己定位為一家軟體公司，為軍用機器構建智能層。它不打算製造自動駕駛車輛本身，而是基於它們進行開發。

Adcock 預計，該公司首個被廣泛採用的產品將是名為「Ox」的指揮與控制軟體，該軟體捆綁在加固的電腦硬體（GPU、通訊、攝像頭）上。它旨在讓單個士兵通過類似提示詞的指令來協調多架無人機和自動駕駛地面車輛：「前往此航點並監視敵軍。」

然而，要讓該軟體發揮作用，需要在真實車輛上進行訓練。因此有了「Foundry」，這是該公司對其在軍事基地訓練場的稱呼。在那裡，駕駛員分八小時輪班帶領 ATV 進行測試，然後通過強化學習系統記錄他們必須接管的地方，這些數據隨後被用於改進模型。基地指揮官已要求該公司的 ATV 輪流參與安全巡邏。

Scout 正在測試的一個假設是，VLA 將使這套相對有限的數據集，結合模擬訓練數據，交付出一個完全勝任的駕駛代理。例如，雖然車輛在小徑上看起來很自在，但尚未準備好完全在無路環境下運行。

Scout 還在練習使用無人機進行偵察和作為武器，利用視覺語言模型（一種多模態 LLM 變體）賦予它們智能。

Scout 正在開發一種系統，讓成群的彈藥無人機與一個更大的「四分衛」平台一起飛行，後者提供更多運算資源來指揮它們。在一次任務中，無人機將在地理區域內搜尋隱藏的敵人坦克並發動攻擊，可能無需人類干預。Otis 認為，在這種情況下，替代方案可能是間接火砲射擊，與無人機打擊相比，火砲不夠精確。

雖然自主武器是國防科技政治中的爭論焦點，但專家指出這個概念由來已久：熱追蹤飛彈和地雷已使用數十年。領導 Scout 營運團隊的退役美國陸軍上尉 Jay Adams 告訴 TechCrunch，對技術專家來說，問題在於武器如何被控制。

他指出，該公司的彈藥無人機可以被編程為僅攻擊特定地理區域內的威脅，或者僅在人類確認後攻擊。他還表示，自主武器平台不太可能因為害怕而開火，而一個 18 歲的士兵可能會。

VLA 也為更好的目標識別提供了前景。Scout 表示，其模型已在特定的軍事數據集上進行了預訓練，以便為在補給任務中遇到敵人坦克等情況做好準備。負責監督 Scout 在陸軍應用實驗室工作的 Nick Rinaldi 中校表示，雖然自動化目標識別很困難，且短期內不太可能在受限環境之外使用，但 VLA 對威脅進行推理的潛力使其成為一項值得研究的有前途技術。

Adams 表示，能夠識別自己目標的無人機是未來戰爭的關鍵：雖然俄羅斯入侵烏克蘭引發了對無人機戰爭的強烈興趣，但他認為，如果美軍面臨大量低成本無人系統的威脅，由人類操作單個無人機的模式將無法提供足夠的規模。

對抗反軍事氛圍的使命

像許多國防新創公司一樣，Scout 將其使命公開化，高管們會大方批評那些不願將技術交給政府的公司。例如，據報導 Google 退出了五角大廈開發自主無人機群控制系統的競賽，而這正是 Scout 也在研發的能力。

「AI 領域的人不想與軍方合作，」Otis 告訴 TechCrunch，他提到了 Anthropic 與五角大廈在服務條款上的爭執。「他們中沒有人願意在單程攻擊無人機或飛彈系統上運行代理。」

儘管如此，Scout 實際上正在使用現有的 LLM 作為構建其代理的基礎，但拒絕透露具體是哪些。Otis 表示，它與「非常知名的超大規模雲端服務商」達成了協議，為 Scout 的基礎模型提供預訓練智能。Otis 也拒絕評論是否使用了開源權重模型（如中國公司提供的模型）。許多依賴 AI 推論的公司會基於這些模型進行開發，以降低與 Anthropic 或 OpenAI 等前沿實驗室模型相比的成本。

Scout 預計在未來幾年內通過從頭開始構建自己的模型來解決這個問題，創辦人表示，其大部分資金將投入到這些訓練和運算成本中。事實上，Otis 甚至在想 Scout 是否會比現有的領導者更早實現 AGI，因為它的模型將不斷與現實世界互動。

「AGI 社群中有一種觀點認為，僅通過閱讀網路內容，智能只能達到一定程度，而大部分智能來自於與世界的互動，」Otis 說。

這是否意味著 Adcock 正在與他兄弟在 Figure 的人形機器人大軍競爭？Otis 說不，但「我們可以更快地達到規模，因為我們的客戶擁有資產，」他指的是五角大廈。