一家成立1年的AI公司，凭什么拿1亿美元教机器打仗

军事AI的训练场不在机房，在加州的山沟里。Scout AI把大语言模型塞进四轮越野车，让它在尘土飞扬的坡道上学习"当兵"。

从种子轮到A轮：8个月估值翻6倍

2024年，Coby Adcock和Collin Otis创立Scout AI。2025年1月，1500万美元种子轮。4月，1亿美元A轮到账。领投方是Align Ventures和Draper Associates。

这家自称"国防前沿实验室"的初创公司，正在做一件反直觉的事：不从头训练基础模型，而是拿现成的大语言模型（LLM，Large Language Model，大型语言模型）做"二次入伍培训"。

CTO Collin Otis的比喻很直白：「他们从18岁开始当兵，有些甚至大学毕业才入伍。你得先有个基础智商，再教它怎么成为军事通用人工智能（AGI，Artificial General Intelligence，通用人工智能），而不是泛泛的聪明。」

这个思路省下的不只是算力成本，还有时间。当其他AI公司还在卷参数规模时，Scout选择了一条更务实的路径——用人类士兵的训练方法论，改造模型的行为模式。

11万美元合同背后的"军训"现场

Scout拿到了DARPA、陆军应用实验室等机构的1100万美元技术开发合同。更关键的是，它是20家自主技术供应商之一，正在为美国陆军第1骑兵师供货。

该师正在得州胡德堡进行常规训练周期，2027年部署时会带上经实战验证的产品。Scout的窗口期很明确：两年内必须证明自己。

TechCrunch受邀参观了Scout在加州某军事基地的内部测试。基地名称被要求保密，但训练场景足够具体——丘陵地形、模拟任务、前士兵带领的操作团队。

四轮全地形车在土路上自主行驶，不是演示，是迭代。每一次颠簸、每一次路径修正，都在喂给代号为"Fury"的模型。

目前的定位是后勤支援，下一步是自主武器。这个节奏设计得很清楚：先让军方习惯AI的存在，再逐步释放权限。

为什么"改造"比"从零造"更危险

Scout的技术路线揭示了一个被忽视的趋势：军事AI的竞争焦点正在转移。

过去大家比的是谁的基础模型更强。现在比的是谁的"场景适配"更快——用现成的智力基底，注入特定领域的决策逻辑。

这种模式的商业效率极高。1500万种子轮进账后，8个月内就能拿出可演示的战场原型，拿到9位数的后续融资。

但效率的另一面是可控性的灰色地带。当模型基于公开互联网数据预训练，再被"调教"成军事用途，其价值观对齐（Alignment）的边界在哪里？

Scout没有公开讨论这个问题。他们的叙事集中在"更快部署"和"更低成本"——这对预算紧缩的国防部极具吸引力。

2027年的倒计时

第1骑兵师的部署时间表，是悬在Scout头顶的硬指标。这不是硅谷常见的"快速试错"节奏，而是军方采购的刚性节点。

Scout选择在这个时间点释放融资消息，信号很明确：钱已到位，接下来是执行。1亿美元A轮在国防科技赛道不算天量，但对于一家成立仅1年、专注单一应用场景的公司，已经足够刺眼。

更值得关注的是领投方Draper Associates——这家机构在国防科技领域的布局向来精准。他们的入场，意味着Scout的模式已经通过某种形式的"尽职调查压力测试"。

Collin Otis把训练AI比作训练士兵。但这个比喻漏掉了一个关键差异：士兵会疲惫、会恐惧、会拒绝执行明显错误的命令。AI不会。

当"Fury"从后勤车辆走向武器系统，这个差异将成为设计层面的核心挑战。Scout的解决方案尚未公开，但时间表不等人。

8个月，1500万到1亿美元，11万美元合同到陆军师级试点——这组数字勾勒出一个正在加速的赛道。军事AI的落地速度，可能比大多数人预期的更快。