据Arstechnica报道，随着欧洲各国军队加速适应人工智能与无人机在现代战争中的应用，一家获得北约支持的瑞典初创企业正在协助部署由AI驱动的目标探测与筛选系统。该系统可直接在小型无人机上运行，用于侦察及打击任务。
这家名为Scaleout Systems的公司由瑞典乌普萨拉大学的研究人员于2018年创立。公司早期业务重心是在商用卡车及其他车辆的硬件上完成机器学习模型的训练与部署。2022年俄乌战争爆发后，该公司调整方向，转向防务领域。Scaleout Systems联合创始人兼首席执行官安德烈亚斯·赫兰德（Andreas Hellander）在接受采访时表示，乌克兰战事爆发加之全球局势转变，使公司意识到这项技术的重要性，借助边缘端数据与传感器数据投入机器学习运算，可以帮助北约盟国建立战略优势。
与OpenAI或Anthropic的前沿大模型路线不同，Scaleout Systems采用轻量化模型，这类机器学习模型能够直接在无人机硬件或前沿基地的计算机上完成计算机视觉任务。赫兰德指出，模型必须适配前沿部署设备与边缘硬件，这类硬件跨度很大，既有小型嵌入式装置，也有性能相当强劲的边缘工作站。
2025年，Scaleout Systems入选北约北大西洋防务创新加速器（DIANA）挑战项目。依托该项目，公司开展了“联邦空中侦察情报”项目，针对无人机、无人机飞手平板以及野外指挥所内的边缘计算硬件改造机器学习模型。即便无人机摄像头与传感器持续采集周边战场环境数据，这套AI模型依旧可以辅助操作人员完成目标识别等工作。系统随后可有选择性地、间歇性地向排、连一级的本地指挥所计算节点推送更新，而无需传输敏感的原始数据。指挥所的计算节点会汇总来自多方的全新战场数据，对AI模型开展再训练，待到合适时机再将升级后的模型下发部署到各个边缘设备。
赫兰德以环境适配为例说明持续迭代的必要性：有些模型是在沙漠环境下训练出来的，如果直接放到城市环境中使用，识别效果就会很差。如果在单次作战乃至一天之内就能推出多个新版本模型，依托边缘端源源不断产生的海量传感器数据持续学习、持续迭代优化，这才是可持续的作战优势。
在实兵演习中，军用无人机及各类终端设备可以运行本地AI模型，独立开展运算，不必持续与数据中心内运行大型AI模型的中央服务器保持通信。当前已有大型数据中心在美伊冲突期间遭到打击摧毁，继续依赖中心化服务器运行AI模型的风险正在升高。而在现代战场上，电子战及敌方干扰常常会扰乱通信信号，这使得该技术方案更具实用价值。目前已有越来越多乌克兰军用自杀式无人机开始搭载机载人工智能功能。
赫兰德介绍，公司已基于无人机搭建完成一套侦察监视系统的可行概念原型，该系统也已在瑞典的公开演示活动中对外亮相。Scaleout Systems目前参与了由博福斯BAE系统（BAE Systems Bofors）牵头的ALMA项目，项目全称为“经济型模块化巡飞弹药”，目标是研发低成本自主自杀式无人机。ALMA概念机型最早于今年1月在瑞典举办的2026冬季演示活动上公开亮相。
根据Scaleout Systems关于ALMA性能的演示材料，该演示证实无人机可以借助人工智能自主探测、识别所有已发现的潜在威胁，并给出目标地理坐标，全部数据都交由机载专用计算单元处理，整套系统无需外部运算即可实时完成作业。依靠机载AI能力，无人机会根据本次作战任务的设定自动筛选优先级最高的目标，演示中的目标为一台装甲工程车，随后无人机飞向目标投放爆炸物实施打击。操作人员依旧可以对无人机进行管控与指挥，但无人机也可以脱离操作人员的实时指令，自主完成整套作战流程。
今年6月，Scaleout Systems在瑞典乌普萨拉的一处瑞典空军基地完成技术测试。瑞典军方已取得许可，可以使用该公司的主要软件平台。本次演示验证：当前沿部署的基地计算节点与Scaleout实验室的中央计算节点之间通信中断后，本地设备依旧可以独立开展AI推理及主动学习。一旦通信链路恢复，本地完成更新的AI模型就会同步回传给中央计算节点。赫兰德解释，这种联邦学习架构能够让去中心化AI模型网络依托汇总的数据持续学习，未来该方案还有望拓展覆盖整片区域乃至多个国家。他表示，原则上该技术可以实现北约各成员国之间的协同合作。
从行业视角看，Scaleout Systems的案例反映出防务领域对边缘AI的需求正在从概念验证走向实战部署。在通信对抗与中心化基础设施脆弱性并存的环境下，能够在断网条件下自主完成目标识别与打击决策的轻量化模型，正在成为欧洲防务技术栈中的关键组件。北约DIANA等加速器项目的介入，也为这类技术从实验室到战场的转化提供了制度性通道。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
