美军砸1亿美元买AI扫雷：一周训练 vs 一年等待

美国海军刚签了一笔近1亿美元的订单，不是为了造新船，而是为了买"速度"——让水下扫雷无人机学会新威胁的时间，从一年压缩到一周。

这笔9970万美元的合同砸向了旧金山一家叫Domino Data Lab的初创公司。目标很明确：霍尔木兹海峡的水雷。这个全球能源运输的咽喉要道，今年早些时候被伊朗布雷封锁，至今仍是高危水域。

但更值得玩味的是合同背后的产品逻辑。这不是买硬件，是买一套让AI"边打边学"的流水线。传统模式下，无人机发现新型水雷→数据传回后方→工程师重新训练模型→部署更新，周期动辄数月。Domino的方案是：让多个传感器（侧扫声呐、视觉成像等）实时监控现场运行的各类AI检测模型，操作员当场识别故障、推送修正，无需等待后方实验室。

Domino CEO Thomas Robinson的原话很直白：「如果波罗的海的无人潜航器（UUV）原本训练的是俄罗斯水雷，现在要部署到霍尔木兹海峡对付伊朗水雷，用我们的技术，海军一周就能准备好，而不是一年。」

这句话戳破了军工AI的一个长期痛点：模型迁移的摩擦成本。不同海域、不同对手、不同水雷类型，过去意味着重新走一遍完整的开发-测试-部署流程。现在变成了一场"现场软件更新"。

Pentagon的AI采购清单正在变长

这笔交易不是孤立事件。美国国防部近期密集签约七家科技巨头——SpaceX、OpenAI、谷歌、英伟达、Reflection、微软、亚马逊云服务——把大语言模型（LLM，一种能处理海量文本并识别模式的AI技术）部署到机密网络。用途很务实：处理人类无法在短时间消化的数据量，加速分析和决策。

DARPA（国防高级研究计划局，五角大楼的独立研究部门）也在招标下一代深海无人潜航器，要求"快速建造"。

三条线并行：水面以上的LLM情报处理、水下的AI扫雷、硬件平台的快速迭代。五角大楼的AI战略正在从"实验室项目"转向"战场基础设施"。

为什么偏偏是霍尔木兹？

地理决定需求。霍尔木兹海峡承担了全球约五分之一的海运石油运输。美伊今年早些时候开战以来，伊朗布雷、美军扫雷，双方在这个狭窄水域反复拉锯。目前处于"时断时续的停火"状态——这意味着扫雷行动随时可能遭遇突发袭击。

人工作业的风险极高。AI扫雷的核心价值不是"更准"，是"更快"：缩短暴露时间，减少人员伤亡。

但这里有个微妙的设计选择值得注意。Domino的方案不是做一个"万能水雷识别模型"，而是做一个"模型管理和快速重训平台"。前者是AI公司的典型销售话术，后者是工程现实的妥协——承认没有一劳永逸的解决方案，转而优化"响应速度"这个可量化的指标。

这种产品定位很聪明。对军方采购来说，"一周vs一年"是能用演习验证的硬指标；"准确率提升X%"则容易陷入测试数据争议。

1亿美元买到了什么？

拆解这笔交易的结构：

硬件层：无人潜航器（UUV）本身，海军已有。

感知层：侧扫声呐、视觉成像等多传感器融合——这些也是现有技术。

平台层：Domino卖的是这一层。一个能让操作员在现场监控AI模型表现、识别失效模式、推送修正、快速重训并部署的闭环系统。

服务层：隐含在合同中的持续技术支持，确保"一周迁移"不是单次演示而是可持续能力。

1亿美元买的是平台层+服务层的组合。这个定价区间在军工软件合同中属于中等规模，但信号意义明显：AI基础设施的采购正在脱离"科研项目"的预算类别，进入"作战系统"的常规列装。

技术路线的选择暴露了什么？

Domino的方案有个反直觉的特点：它不追求"全自动"。系统设计的核心是"操作员在场监控+快速人工介入"，而非"黑箱自主决策"。

这符合当前军工AI的监管风向。美国国防部对"致命自主武器系统"（LAWS）有严格的审查框架，强调"有意义的人类控制"。Domino的架构选择——实时监控、人工推送修正——恰好踩在这个政策的舒适区内。

另一个技术细节：多传感器监控"其他AI检测模型"。这是典型的"元监控"（meta-monitoring）设计，用A模型看B模型是否失效。好处是鲁棒性，坏处是系统复杂度指数级上升。海军愿意为这种复杂度买单，说明实战中对"假阴性"（漏检水雷）的容忍度极低。

商业层面的连锁反应

这笔合同对Domino Data Lab的意义不止于收入。军工领域的"灯塔效应"会辐射到其商业客户——金融、医疗、制造等行业的AI治理需求与军方有同构性：模型监管、快速迭代、合规审计。

Robinson的公开表态也在强化这个叙事：「水雷猎杀曾经是船的工作，正在成为AI的工作。海军付费购买的是能够以争议水域所需速度训练、治理和部署AI的平台。」

三个关键词：训练（train）、治理（govern）、部署（field）。这恰好是企业AI落地的三大痛点。军方场景的极端要求（一周迁移、实时修正、高可靠性）成为产品能力的压力测试，反过来支撑商业销售的故事。

未说出口的担忧

原文没有提及但值得追问的：这种"现场重训"能力是否意味着模型更新将脱离传统的安全审查流程？如果一周就能完成从波罗的海到霍尔木兹的模型迁移，那么"新模型"的验证标准是什么？是回归测试、对抗测试，还是实战中的快速迭代？

另一个空白：伊朗方面的反制。水雷技术本身也在进化，智能水雷、诱饵水雷、自适应触发机制。AI扫雷与智能布雷的对抗，是否会陷入类似网络安全领域的"攻防螺旋"？

原文只提到美军单方面的技术采购，没有涉及对手动态。这是报道的局限，也是产品视角需要补全的战场现实。

这笔交易为什么重要

它标志着AI采购逻辑的转变：从"买算法"到"买速度"。9970万美元买的不是某个具体的水雷识别模型，而是"让模型跟上威胁变化"的基础设施能力。

对科技从业者而言，这个案例的价值在于展示了一个B端AI产品的定价锚点——当客户是军方、痛点是生命安全、指标是时间压缩，1亿美元买一个"平台层+服务层"的组合是合理区间。这比消费级AI的估值叙事更扎实，也更难复制。

对行业观察者而言，Domino的"元监控"架构和"人工介入"设计，提供了一个在强监管环境下部署AI的参考模板。不是最激进的自动化，是最务实的可控性。

霍尔木兹海峡的水雷会不会因此减少，取决于太多原文未涉及的地缘因素。但美军愿意为"一周准备时间"支付溢价，本身就是一个清晰的信号：在AI军备竞赛中，迭代速度正在成为比绝对精度更重要的护城河。