随着欧洲军方适应现代战争中人工智能和无人机的使用，一家获得北约支持的初创公司正在帮助部署人工智能驱动的目标检测和选择功能，这些功能可以在小型无人机上运行，用于监视和攻击任务。Scaleout Systems公司最初由瑞典乌普萨拉大学的研究人员于2018年创立，最初专注于直接在商用卡车和其他车辆的可用硬件上训练和部署机器学习模型。但随着俄罗斯在2022年对乌克兰发起了全面入侵，该公司转向了国防应用。

Scaleout Systems的联合创始人兼首席执行官安德烈亚斯·海兰德（Andreas Hellander）对《Ars》表示：“随着乌克兰战争和世界格局的转变，我们意识到这项技术对于将边缘数据和传感器数据用于机器学习非常重要，以确保北约盟友找到这种战略优势。”Scaleout没有使用来自OpenAI或Anthropic的前沿AI模型，而是利用更精简的模型，例如能够在无人机硬件或前沿基地使用的计算机上执行计算机视觉任务的机器学习模型。

海兰德说：“它们需要适合前沿部署的硬件和边缘硬件，这可能会从小型嵌入式设备到功能相当强大的边缘工作站有很大差异。”Scaleout于2025年被选中加入北约的北大西洋国防创新加速器（DIANA）挑战计划。在那里，它致力于联邦空中侦察情报项目，以调整机器学习模型，使其适应无人机、无人机飞行员平板电脑和野战指挥所中的边缘计算硬件。

此类人工智能模型可以协助无人机操作员完成目标识别等任务，即使无人机的相机和传感器从周围的战场环境中收集数据。然后，它们可以间歇性地与本地排或连指挥部的计算节点共享选择性更新，而无需传输敏感的原始数据。这些指挥部计算节点有助于使用从多个来源聚合的新战场数据重新训练人工智能模型，然后在机会出现时将更新的功能推送至边缘设备。

海兰德对《Ars》表示：“模型可能是在沙漠环境中训练的，如果我们试图将它们部署在城市环境中，它们的表现就不会很好。如果我们能够在一天内或肯定是在一次行动的进程中发布这个模型的几个新版本，这些版本不断学习并从实际边缘产生的海量传感器数据中不断改进，这就是可持续的优势。”

在实地演习中测试该技术。这项技术意味着军用无人机和设备可以受益于独立运行的本地人工智能模型，而无需依赖与托管在数据中心的大型人工智能模型的中央服务器进行持续通信。在美国和伊朗战争期间，大型数据中心成为攻击和摧毁的目标，在这种情况下，对集中运行人工智能模型的依赖看起来风险更高。

这种方法在现代战场上也极其有用，因为电子战和敌方干扰经常会干扰通信信号。越来越多乌克兰军用无人机已经将机载人工智能功能融入廉价的自杀式无人机中。

海兰德对《Ars》表示：“我们围绕基于无人机的监视和侦察系统构建了一个如何做到这一点的功能性概念。这也是我们在瑞典的公开演示中做过的事情。”

Scaleout正在参与由BAE系统博福斯公司领导的可负担游荡模块化弹药（ALMA）项目，该项目旨在开发低成本的自主自杀式无人机。根据Scaleout Systems关于ALMA功能的演示文稿，ALMA概念于1月在瑞典举行的2026年冬季演示活动中首次公开演示，展示了无人机如何利用人工智能自主“检测、识别和地理定位所有潜在发现的威胁”。

“所有数据都由专用的机载计算处理，允许系统在没有外部处理的情况下实时运行。”利用其机载人工智能功能，无人机根据其任务定义的最高价值目标（在本例中为装甲工程车）自动进行优先排序，并飞向该目标以在其上投放爆炸物。人类操作员仍然可以控制和指挥无人机，但无人机在没有人类直接命令的情况下自主完成了任务。

6月份，Scaleout还在乌普萨拉的瑞典空军基地测试了其技术，瑞典军方已经在那里获得了使用Scaleout主要软件平台的许可。该演示展示了部署在前沿基地的军事计算节点在与Scaleout Systems实验室的中央计算节点失去连接后，如何仍然可以运行其自己的AI推理和主动学习进程。

一旦连接恢复，本地AI模型更新就会与中央计算节点共享。海兰德解释说，这种联邦学习策略允许人工智能模型的去中心化网络从聚合数据中学习，最终可以扩展到整个地理区域或国家。他说：“原则上，你可以解锁北约成员国之间的合作。”