【标杆企业研究】Shield AI：前海豹突击队员打造“AI飞行员”工厂，12个月估值飙涨140%，五角大楼抢着下单（上篇）

摘要

Shield AI是2015年成立于美国圣迭戈的防务科技公司，由前海豹突击队军官Brandon Tseng与其兄Ryan Tseng及Andrew Reiter联合创立，核心使命是“以智能系统保护军人与平民”。公司以Hivemind自主飞行软件栈为技术核心，构建了覆盖自主软件（Hivemind Enterprise）、战术无人机（V-BAT/MQ-35A）、自主战斗机（X-BAT）与仿真训练（Aechelon）的完整产品体系，是当前全球“AI飞行员”（AI Pilot）赛道中部署经验最丰富、实战验证最充分的企业。

▲ 真实装备｜V-BAT 尾座式垂直起降无人机（Shield AI）

截至2026年年中，Shield AI已完成从风险资本驱动的初创公司向机构化防务平台的跃迁：2026年3月完成由Advent International与摩根大通“安全与韧性计划”联合领投的20亿美元Series G融资（15亿美元普通股+5亿美元黑石优先股），投后估值达127亿美元，较一年前的53亿美元增长约140%；公司预计2026年营收超过5.4亿美元，同比增长逾80%，并设定2028财年营收10亿美元的目标 (Angel Investors Network) 。在业务层面，Hivemind已飞遍二十余种机型，2026年连续取得三大标志性突破：2月入选美国空军协同作战飞机（CCA）项目任务自主软件供应商并随Anduril YFQ-44A完成飞行；5月被五角大楼选中为低成本单向攻击无人机LUCAS提供蜂群自主能力；6月获得空军CCA任务自主软件生产合同。同时，V-BAT在乌克兰完成130余次实战出击，X-BAT自主战斗机进入风洞测试并选定GE F110发动机，印度、日本、波兰、荷兰、罗马尼亚等国相继采购或引入本土产线。

本报告共八章，系统梳理Shield AI的公司演进与技术架构，深入剖析Hivemind的七大核心能力域，盘点五大应用场景与五类典型作战/演训案例，解构其军方合同、盟友网络与产业生态，进而评估其在复杂战场环境、算法安全、伦理合规、供应链与标准化五个维度的现实挑战，最后研判技术、战术、战略三个层面的演化趋势及其对战争形态与军事理论的深层影响。研究认为，Shield AI代表了“软件定义自主”的防务科技新范式，其平台无关的横向自主架构正在打破传统军工垂直整合格局，对自主系统技术路线、国防采办模式与AI军事治理均具有重要启示意义。

关键词：Shield AI；Hivemind；自主飞行；V-BAT；X-BAT；协同作战飞机（CCA）；蜂群作战；GPS拒止；防务人工智能

Shield AI的创立直接源于创始人的一线战场体验。联合创始人Brandon Tseng曾是美国海军海豹突击队（Navy SEAL）军官，在阿富汗等地执行过多次实战部署。在作战中，他反复目睹一个结构性困境：美军在进入建筑物、洞穴和城市街区时，往往不得不在毫无内部态势感知的情况下以人命换取情报——第一名突入的士兵面对的永远是未知的威胁。这种“信息优势缺失导致的不必要伤亡”成为Shield AI的创设立论起点：能否让机器先于人进入最危险的空间，由智能系统而非士兵承担首轮风险？

▲ 真实作战影像｜V-BAT 于海上日落时分执行ISR任务

2015年，Brandon Tseng与其兄Ryan Tseng（连续创业者，曾创立无线电力公司WiTricity相关业务）、工程师Andrew Reiter在圣迭戈共同创立Shield AI，确立“以智能系统保护军人与平民”（protecting service members and civilians with intelligent systems）的公司使命。这一定位具有双重含义：其一，技术上主张自主优先——不是遥控无人机，而是能在无GPS、无通信链路、无人在环操控条件下独立感知、决策与行动的AI飞行员；其二，伦理上主张以保护为目的的自主——公司公开承诺其自主系统用于降低人员伤亡，并将其作为品牌与合规叙事的核心。创始团队的“军人+工程师+创业者”组合，使公司从第一天起就同时具备作战需求理解力与硅谷式产品迭代文化，这成为其区别于传统军工企业的基因性特征。

Shield AI的发展可划分为四个阶段。第一阶段（2015–2018）为单机验证期：公司首款产品Nova是一款面向室内近距侦察的AI驾驶四旋翼无人机，能在无GPS的建筑物内部自主建图、避障并回传实时影像。2018年，Nova随美军特种作战部队在中东部署，成为历史上第一款投入实战的全AI驾驶无人机。Nova的价值不在硬件本身，而在于验证了Shield AI的核心命题——自主系统可以在通信与导航双重拒止环境下完成真实任务。

图 1-1　公司发展四阶段：从单机验证到机构化防务平台

第二阶段（2019–2021）为能力并购与硬件谱系形成期：2021年公司连续完成两笔关键收购——收购Martin UAV获得V-BAT尾座式垂直起降无人机（后获美军正式编号MQ-35A），一举进入舰载长航时ISR市场；收购Heron Systems获得2020年DARPA“阿尔法狗斗”（AlphaDogfight）对抗赛冠军的强化学习空战智能体技术，奠定了Hivemind在高端空战自主领域的技术根基。第三阶段（2022–2024）为平台化转型期：Hivemind从内部飞控软件升级为可对外授权的产品线，先后完成X-62A VISTA（改装F-16）自主狗斗、海军BQM-177A双机协同等里程碑试飞，并于2024年7月获得美国海岸警卫队1.98亿美元IDIQ合同，商业模式从硬件销售扩展到“能力即服务”。第四阶段（2025至今）为机构化扩张期：2025年3月完成2.4亿美元F-1轮（估值53亿美元），5月Gary Steele接任CEO；10月发布X-BAT自主战斗机；2026年3月完成20亿美元Series G（估值127亿美元）并收购仿真公司Aechelon，形成“软件—硬件—仿真”三位一体的自主体系 (revenuememo.com) 。

下表汇总了Shield AI自创立以来的关键里程碑，涵盖公司、技术、合同与资本市场四个维度：

图 1-2　Shield AI发展历程关键节点（2015–2026）

从资本视角看，Shield AI的估值轨迹呈典型的“三级火箭”形态：2020年C轮约6亿美元，2022–2023年停滞于约27亿美元的平台期，2025年F-1轮翻倍至53亿美元，2026年G轮再翻倍以上至127亿美元——12个月内140%的估值跃升，对应的是CCA入选、LUCAS中标、乌克兰实战验证与国际化收入放量四重利好的集中兑现。

2025年5月的领导层更替是理解Shield AI当前战略的关键事件。新任CEO Gary Steele此前长期担任企业级软件公司Proofpoint与Splunk的CEO，并主导了Splunk以280亿美元出售给思科的交易；联合创始人Ryan Tseng转任总裁兼首席战略官，Brandon Tseng任总裁兼首席增长官，Nathan Michael任首席技术官。

图 1-3　估值"三级火箭"：12个月跃升140%（$0.6B → $12.7B）

这一人事安排的信号意义极为清晰：Shield AI正从“创始人驱动的技术公司”切换为“职业经理人驱动的规模化商业公司”。Steele上任后的动作印证了这一判断——其一，设定明确的营收目标（2028财年10亿美元，年均增速70%–100%），将公司叙事从“技术领先”转向“收入兑现” ；其二，引入Advent International、摩根大通、黑石等大型PE与战略资本，资本结构从风险投资主导转向“PE+优先股+延迟提款额度”的准上市前结构，Advent董事长David Mussafer进入董事会、摩根大通Todd Combs任董事会观察员；其三，通过收购Aechelon补齐AI训练基础设施，提出面向防务的“Hivemind基础模型”（Foundation Model for Defense）概念，将软件叙事升级为AI平台叙事。市场普遍预期公司将于2027年前后递交S-1文件、谋求IPO，Steele的履历正是为这一终局配置的资源。

Hivemind的官方定位是“世界上最好的AI飞行员”——一套使航空器无需GPS、无需通信链路、无需远程操控员即可自主完成任务的软件栈。与 autopilot（自动驾仪）的本质区别在于：自动驾仪执行预设航线，而Hivemind是一个在任务层面自主决策的智能体——它理解任务意图（“搜索该区域”“跟踪该目标”“规避该威胁”），并在执行过程中实时重规划路径、动态分配传感器资源、应对未预料情况。

图 1-4　"一次开发、多平台迁移"：Hivemind已飞遍20+机型

更具战略意义的是其平台无关性（platform-agnostic）。Hivemind不绑定任何特定机型，已实际飞过的平台横跨五个量级：Group 1级的Nova室内四旋翼、Group 3级的V-BAT战术无人机、喷气动力的MQM-178靶机与BQM-177A、Group 5级的通用原子公司MQ-20“复仇者”、改装F-16（X-62A VISTA）、Anduril的YFQ-44A“狂暴”CCA原型机，乃至三菱重工的ARMD验证机和空客H145直升机。这种“一次开发、多平台迁移”的横向软件模式，使Shield AI更接近一家“防务界的自动驾驶软件公司”，而非传统无人机制造商——V-BAT之于Hivemind，正如自有车队之于自动驾驶公司，既是收入来源，更是数据采集与能力展示的参考平台。

Hivemind的立身之本是在GPS拒止与通信拒止（GPS-/comms-denied）环境下的完全自主能力。这一能力定位精准对应了大国竞争背景下美军的核心焦虑：在与具备体系化电子战能力的对手（尤其是中国、俄罗斯）的高烈度冲突中，卫星导航将被干扰与欺骗，数据链将被压制，依赖遥控与GPS的无人机群将在战争首日即告失效。

▲ 强电磁对抗环境下的无人作战场景示意图

乌克兰战场为这一判断提供了实证。Shield AI披露，V-BAT在乌克兰执行的130余次出击中每一次任务都遭遇GPS与通信干扰，在基辅附近的测试中曾同时承受7套不同电子战系统的压制仍保持任务能力，成为“唯一能同时穿透乌克兰与俄罗斯双方GPS及通信干扰网的长航时ISR与打击平台” 。乌方无人系统部队评价其”在无GPS、无通信条件下工作的能力带来了相对于区域内其他无人机的决定性优势” 。对美军而言，这类实战背书的价值远超靶场数据——它直接回答了中国火箭军导弹洗地、电磁频谱全面对抗想定下“无人机还能不能飞”的根本问题，这也是Hivemind在印太方向获得溢价的底层逻辑。

在单机自主之上，Hivemind的第二层战略价值是协同自主。2024年12月，Shield AI在加州Point Mugu海上靶场自主放飞两架海军BQM-177A靶机，完成多平台蜂群协同与协作行为演示；2026年2月，Hivemind与Anduril Lattice在同一次飞行中先后控制YFQ-44A完成相同测试点，证明了跨供应商自主软件的空中无缝切换；2026年5月，五角大楼选中Hivemind为LUCAS单向攻击无人机赋予蜂群智能，使单价约3.5万美元的廉价无人机能够“智能协同、以不可预测的航迹机动、规避障碍与地面防空”，并在最少人在环干预下完成协同饱和攻击。

图 1-5　有人-无人编组（MUM-T）：CCA作战概念

有人-无人编组（MUM-T）方面，Hivemind代表的技术路径是让无人僚机理解长机意图并自主执行战术分工，而非由有人机飞行员逐条遥控——空军CCA项目对此的表述是“在有人监督下实现多架自主飞行器协同作战，降低操作员负荷，实现规模化协同行动”。这将空军的兵力结构从“一名飞行员一架飞机”重构为“一名飞行员指挥一个自主编队”，在飞行员培养成本高昂、先进战机数量有限的双重约束下，提供了以可消耗自主平台换取空中力量规模的解法。

这一重构的经济账值得细算。培养一名合格的五代机飞行员需要十年以上的周期与数千万美元的投入，且飞行员是战场上最不可再生的资源；而CCA的单位成本被压到3000万美元以下、LUCAS仅3.5万美元 (twz.com) 。当自主僚机承担编队内最高风险的战术位置——前出探测、诱敌开火、电子压制——有人机得以在相对安全的空域行使指挥职能，整个编队的“风险预算”被重新分配。更深层的意义在于战术选项的解放：指挥官可以设计以往因人员伤亡风险而不可想的战术（如以无人编队正面强突严密设防空域），空中作战的可行战术空间由此被实质性拓宽。这正是蜂群协同超越装备层面、触及作战概念层面的战略价值所在。

Shield AI的产品演进呈现出清晰的“沿杀伤链上行”轨迹：Nova解决的是感知（近距离态势感知），V-BAT解决的是感知+目标指示（长航时ISR与精确坐标回传，乌克兰战场上曾为海马斯火箭炮指示100公里纵深的俄军导弹库目标），LUCAS集成解决的是打击（蜂群自主攻击），X-BAT则剑指制空与多任务打击（空对空、对面攻击、电子战、ISR一体）。配合与Palantir的合作——Hivemind平台接入Gaia地理空间情报与Maven智能系统的Target Workbench目标工作流——Shield AI实际上正在构建从“边缘感知→云端决策→自主打击”的完整杀伤链闭环。

图 1-6　F2T2EA杀伤链各阶段AI赋能覆盖度

这一体系价值解释了五角大楼为何允许同一家初创公司同时参与CCA（高端协同空战）与LUCAS（低端饱和攻击）两个谱系两端的项目：美军采购的不再是某种无人机，而是可注入任意平台的自主性本身。从体系对抗视角看，自主软件的通用化意味着杀伤链的弹性——即便某一机型被克制，自主能力可快速迁移至替代平台，这正是“软件定义战争”的核心特征。

Hivemind的技术架构遵循经典的机器人自主闭环：感知（Sense）—决策（Decide）—行动（Act）。感知层融合机载光电/红外、雷达与惯性测量单元，通过视觉惯性里程计（VIO）实现无GPS条件下的自身定位与环境建图；决策层由基于模型的规划器与强化学习策略共同构成，负责任务分解、路径规划、威胁规避与多机协同；行动层输出飞行控制指令，并通过健康监控与失效保护机制保障平台安全。

图 1-7　Hivemind自主软件栈：感知—决策—行动实时闭环

从产品形态看，Hivemind生态由四大产品组成（详见1.3.2节），并通过Hivemind SDK对外开放：SDK提供自主行为库、仿真工具链、集成脚手架与验证确认（V&V）工作流，使第三方团队无需从零开发自主性，即可复用经过实战检验的行为模块并按平台特性定制。这一架构的关键设计哲学是“严谨与速度兼得”——SDK内嵌的SIL（软件在环）→HIL（硬件在环）→VIL（整机在环）→实飞的递进式验证管线，在三菱重工案例中将原本数月的集成周期压缩至60天以内。

根据Shield AI公开的工程组织资料，Hivemind软件生态由四个产品组成，形成从边缘中间件到云端AI工厂的完整栈：

图 1-8　Hivemind Enterprise四大产品矩阵

这一矩阵的商业载体是Hivemind Enterprise——面向OEM厂商、政府机构与企业客户的授权版开发平台，客户获得完整软件产品、技术文档、开发工具与培训资源，可自主构建、测试与部署自有自主系统。韩国航空航天工业公司（KAI）、新加坡空军、博思艾伦（BAH）等均已采用该模式探索下一代自主航空系统。Enterprise授权被寄予“软件级毛利”的厚望——分析机构估计其毛利率可达60%以上，是公司从硬件公司向平台公司转型的核心抓手。

Hivemind Vision是面向视觉感知的产品线，承担目标检测、识别与视觉导航职能，已作为独立产品出现在Shield AI的产品序列中（与V-BAT、X-BAT、Hivemind Enterprise并列）。其技术基础是深度卷积网络驱动的实时目标检测与跟踪，配合视觉里程计实现“以摄像头替代GPS”的导航冗余。在乌克兰，V-BAT依靠视觉导航在全天候GPS干扰下保持定位，并执行了对俄防空导弹阵地等高价值目标的识别与坐标解算。Vision子系统的战略价值在于：它将自主性的感知锚点从易被干扰的射频域转移到被动光学域，而光学传感器不辐射信号，天然具备低可探测性与抗干扰性。

图 1-9　多光谱融合架构：异构传感数据统一表征

Shield AI的三代硬件平台对应三种作战概念与三个市场层级：

图 1-10　三代硬件平台对比

▲ 尾座式VTOL无人机舰载部署场景示意图（V-BAT典型运用方式）

V-BAT是当前的收入与部署主力：无需跑道与弹射装置的尾座式设计使其可从舰船甲板、岛礁与城市屋顶起降，已部署于”几乎所有级别”的美海军舰艇与全部七个陆战队远征分队。X-BAT则是面向2030年代的战略赌注——它以约为F-35三分之一的体量与约2700万美元的单机成本，提供无跑道依赖的战斗机级多任务能力，一个有人战机占用的甲板面积可容纳三架X-BAT，直接回应印太战场”固定机场在首波导弹打击中生存性堪忧”的兵力生成难题。

2026年3月宣布、6月22日完成交割的Aechelon Technology收购，补上了Shield AI体系的最后一块拼图。Aechelon是高保真飞行仿真、物理级传感器建模与合成现实（synthetic reality）领域的头部防务软件公司，其技术支撑着五角大楼联合仿真环境（JSE），被美军及盟军用于飞行员训练与先进飞行器、自主系统的试飞前验证。

图 1-11　"边缘执行+云端训练"双层架构

对Shield AI而言，这笔收购的战略意义在于打通“仿真训练—实飞验证—数据回流”的AI迭代闭环：Hivemind的行为可在Aechelon的物理级合成环境中以数百万飞行小时规模训练，再经SIL/HIL/VIL管线快速验证后部署到实机；实飞数据又回流改进仿真模型。CEO Gary Steele明确表示，该收购将加速“Hivemind防务基础模型”（Hivemind Foundation Model for Defense）的开发——这一模型“在仿真中训练、在真实行动中持续精炼” 。当自主系统的竞争进入“数据规模与训练基础设施”维度，Aechelon使Shield AI获得了与Anduril、传统军工巨头对垒的底层训练资产。

从AI工程的角度看，“防务基础模型”的提法标志着Shield AI技术叙事的又一次升级。此前，Hivemind的能力单元是”行为”——针对具体任务训练的感知与决策模块；而基础模型范式追求的是”预训练+适配”——先在涵盖海量飞行场景、传感器模态与战术想定的合成数据上预训练一个通用自主基座，再针对具体平台与任务做轻量适配。若这一范式在防务自主领域成立，其产业含义极为深远：自主能力的边际开发成本将大幅下降，新平台的自主化周期将从三菱案例的60天继续压缩；同时，基础模型的规模壁垒（数据、算力、训练设施）将使竞争格局向头部集中——这正是Advent与摩根大通在G轮中重金押注的深层逻辑 (Shield AI) 。当然，基础模型在安全关键系统中的应用也带来新的认证难题：一个参数量庞大、内部表征不透明的基座模型如何通过军方V&V，将是”防务基础模型”从叙事走向部署必须跨越的门槛。

无GPS导航是Hivemind全部能力的物理前提。其实现核心是视觉惯性里程计（Visual-Inertial Odometry, VIO）：以机载摄像头捕获的环境特征点与惯性测量单元（IMU）的高频加速度/角速度数据进行紧耦合融合，通过状态估计实时解算飞行器的位置、速度与姿态，从而在完全无卫星导航信号条件下维持定位 (Mediamax.am) 。亚美尼亚媒体对V-BAT技术的解析明确指出，Hivemind的视觉里程计使无人机”依靠机载摄像头与传感器而非外部GPS信号确定位置并导航” (Mediamax.am) 。

图 2-1　无GPS导航分层冗余体系（VIO紧耦合）

VIO的军事价值在电子战环境下被指数级放大。射频导航（GPS/GNSS）的致命弱点是信号微弱、易被干扰与欺骗；而视觉导航是被动、不辐射、不可干扰的——对手无法用电磁手段”致盲”一台不发光的相机。乌克兰战场上，V-BAT在每次任务均遭GPS/通信干扰的条件下完成130余架次，并在测试中同时承受7套电子战系统压制，实证了该路线的战场鲁棒性 (Defence Industry Europe) 。当然，VIO并非万能：在长航时任务中存在漂移累积问题，需要结合地标配准、地磁/重力场匹配等多源手段进行误差约束，这也是多源融合架构存在的意义。

从工程实现看，无GPS导航是一个分层冗余体系而非单一算法：最底层是IMU的高频航位推算，提供毫秒级的姿态与加速度基准；中间层是视觉里程计，以相机帧间的特征匹配修正IMU漂移；最上层是绝对定位手段——将实时观测的地标、地形轮廓与机载先验地图匹配，把相对里程计”锚定”到绝对地理坐标。这套“推算—修正—锚定”的三层结构，使系统即便在视觉暂时失效（如穿越云层、夜间无光）时仍能依靠惯性推算维持短时导航，待视觉恢复后重新收敛。对长航时ISR平台而言，导航精度的衰减速度直接决定目标坐标的解算精度——乌克兰战场上V-BAT能够为海马斯提供“可直接开火”的坐标，说明其端到端误差链（自身定位误差+目标测距误差+坐标转换误差）已被压缩到火力打击所需的米级至十米级区间。这一精度水准，是视觉导航从“能飞”到”能打”质变的关键分水岭。

实战任务要求感知系统在昼夜、烟尘、伪装等复杂条件下持续工作，单一传感器无法胜任。Hivemind的感知层采用多光谱融合架构：可见光相机提供高分辨率纹理信息用于目标识别与VIO；红外传感器穿透黑暗与部分遮蔽，支撑夜间与热目标探测；雷达（在较大平台上）提供全天候测距与动目标指示。EdgeOS中间件在这一层发挥关键作用——作为C++高性能数据总线，它将异构传感器的异步数据流统一时间戳、统一坐标系、统一表征格式，供上层感知与决策模块消费。

统一表征的深层价值在于算法的传感器无关性：目标跟踪、避障、导航等上层模块不直接依赖某一具体传感器型号，而是面向融合后的环境模型工作。这使得同一套Hivemind软件可以适配从Nova的微型相机套件到MQ-20“复仇者”的完整传感器包，是平台无关性在感知层的落地。

自主政府参考架构（A-GRA）是理解Hivemind标准化能力的关键。A-GRA是美军方所有的开放架构标准，其核心思想是将任务自主软件与飞行器硬件解耦——政府掌握接口标准与知识产权，从而可以像更换应用程序一样更换或升级飞机上的自主软件，而不必改动机体。

Hivemind对A-GRA的早期适配在2026年2月26日的一次飞行中得到历史性验证：Anduril的YFQ-44A在单架次内先由Hivemind完成一组复杂测试点，随后在空中无缝切换至Anduril自研的Lattice任务自主软件完成相同测试点并安全着陆。这次“一机两脑”飞行被双方视为CCA项目模块化设计的实证——正因为机体与两套软件都遵循A-GRA，异构自主栈的即插即用才成为可能。空军随后在6月的生产合同公告中明确，A-GRA使“任务自主软件的快速迭代升级可独立于飞行器进行，加速创新并降低集成成本与项目风险” 。对Shield AI而言，A-GRA合规既是准入证也是护城河：它锁定了Shield AI作为“跨平台自主供应商”的生态位，但也同时降低了竞争对手进入的门槛。

拒止环境意味着云端不可用，一切计算必须在机上完成。Hivemind的边缘架构以EdgeOS为底座，在机载算力约束（尺寸、重量、功耗，SWaP）下运行完整的感知-决策-行动闭环。这一架构选择带来两个直接收益：其一，零链路依赖——断链不等于失控，飞机在通信完全中断时仍能完成任务并自主返航，这正是乌克兰战场V-BAT的核心生存技能；其二，低时延——避障、威胁规避等安全关键决策以毫秒级在本地完成，不经任何远程回传。

边缘优先并不意味着拒绝云。Shield AI的实际架构是“边缘执行+云端训练”：机载Pilot负责实时自主，而模型训练、行为开发与大规模验证在Forge“AI工厂”与Aechelon仿真环境中离线完成，再通过软件更新下发至机队。这种“训练在云、推理在边”的分工，与商用自动驾驶行业的技术范式高度同构。

Hivemind Vision产品线承载目标检测、识别与分类职能。其技术路线是以深度卷积网络为骨干的实时目标检测，针对机载边缘算力做模型压缩与推理优化，使检测-跟踪-分类链路在战术无人机的功耗预算内以视频帧率运行。在ISR任务中，系统对车辆、防空阵地、火炮等军事目标实施自动检测并解算地理坐标，直接输出可用于火力打击的目标级情报。

▲ 指挥控制中心实时监视自主平台任务状态场景示意图

实战效能方面，乌克兰战例提供了最有说服力的注脚：V-BAT曾在赫尔松州识别出位于战线后方100公里的俄军导弹储存设施，坐标数据回传后引导海马斯火箭炮将其摧毁；2024年8月的另一次行动中，V-BAT定位俄军地空导弹阵地并为炮兵提供打击坐标。Shield AI累计披露的数字是“协助识别200余个俄罗斯目标，包括战略级地空导弹系统”。

检测只是起点，跟踪与意图推断才是战术价值所在。Hivemind在跟踪能力上的一个高难验证来自三菱重工合作：2026年3月的实飞演示中，Hivemind驱动ARMD无人机以强化学习学到的行为自主追逐一个虚拟空中目标，第二次飞行中更执行了更具攻击性的追踪机动，两架无人机实时协调动作。这类“对机动目标的持续跟踪与拦截引导”能力，正是空战与反无人机任务的基本功。

行为预测层面，Shield AI的技术源流可上溯至Heron Systems——该团队的强化学习智能体在2020年DARPA AlphaDogfight中以5:0完胜人类F-16飞行员教官。经过X-62A VISTA实机狗斗的验证，这套以强化学习为核心的战术决策体系已能执行进攻与防御机动、在视距内空战的高G动态环境中做出超越人类反应速度的决策。

强化学习路线的独特性值得深入剖析。与基于规则的专家系统（人类飞行员把战术写成决策树）不同，强化学习智能体通过在仿真环境中进行数以百万计的自我对抗，“涌现”出人类教官未曾编写过的战术——AlphaDogfight决赛中，Heron智能体展现的精准机炮射击窗口判断被评价为“超出人类飞行员的微操极限”。这条路线的军事意义在于战术进化速度：人类战术体系依赖飞行员培养与经验传承，以年为周期演进；而强化学习智能体可以在仿真中一夜之间完成数万次空战，每次对抗都在优化策略。Aechelon并入后，这一训练管线获得了物理级传感器保真度的加持——智能体在合成环境中面对的不再是理想化的几何目标，而是带真实雷达反射、红外特征与大气扰动的虚拟对手，“仿真—现实差距”（sim-to-real gap）被显著压缩。当然，强化学习的另一面是行为的不可穷举性：智能体可能学会利用仿真漏洞的“投机战术”，或在训练中从未覆盖的边界状态下做出危险决策——这正是递进式实飞验证管线（SIL→HIL→VIL）不可替代的原因。

视觉系统的阿喀琉斯之踵是环境退化：低光照、烟雾、沙尘、伪装与对抗性视觉欺骗。Shield AI的应对是“传感器冗余+仿真对抗训练”双轨——在硬件层以红外补盲可见光的暗光失效；在算法层利用Aechelon的物理级传感器仿真批量生成雨、雾、烟尘、夜间等退化条件下的合成数据，对感知模型做压力训练。乌克兰战场的经验则提供了真实对抗数据：俄军密集的GPS欺骗与通信压制环境，成为Hivemind视觉导航鲁棒性迭代的天然试验场。

Aechelon收购使Shield AI获得了业内稀缺的“合成数据工厂”。军事目标数据的天然困境是稀缺与涉密——真实战场上敌方装备的影像样本极少，且难以合法共享。Aechelon的物理级传感器建模可以生成带正确材质、热特征与大气效应的合成影像，为视觉模型提供无限量、全标注、可定制场景的训练数据。这与JSE（联合仿真环境）的既有角色一脉相承：美军早已用Aechelon技术在仿真中测试先进飞行器与自主系统。将其纳入Hivemind开发管线后，模型迭代周期从“等试飞数据”变为“按需生成数据”，训练闭环的吞吐量获得数量级提升——这是“Foundation Model for Defense”愿景的数据地基。

Hivemind的任务执行采用双模架构：任务开始前，操作员在Commander界面中设定任务意图与约束（区域、目标类型、禁区、时间窗口），系统生成预规划航线；任务执行中，Pilot基于实时感知持续重规划——绕开新发现的威胁、跟踪突然出现的目标、在油料约束下优化航迹。官方对Hivemind的概括是“感知环境、自主决策、自主行动——不依赖预设航线，也不依赖通信链路；可动态改航、规避障碍并实时响应意外情况” 。

这种双模架构的战术意义在于平衡了可控性与适应性：预规划确保任务意图被忠实执行（满足指挥控制与空域协同要求），动态重规划确保平台在真实战场的混沌中生存并抓住战机。与纯粹遥控（无适应性）或纯预设航线（无智能）的传统无人机相比，这是代际差异。

在LUCAS项目的表述中，Hivemind赋予无人机的能力被具体化为：“执行更高级机动、以不可预测的航迹与轨迹飞行、规避障碍与地面防空系统” 。威胁规避决策引擎的输入是感知层对防空火力、雷达照射与障碍的探测，输出是战术级规避机动——不仅是几何上的绕行，还包括飞行剖面的随机化以降低被预测与拦截的概率。对蜂群而言，这种“不可预测性”在群体层面进一步放大：多机以离散、多变的航路同时进入，使防御方的火控解算与拦截资源分配陷入饱和。

真实任务规划是一个多约束优化问题：剩余油料/电量、空域协同与避撞、威胁包线、传感器覆盖需求、时间窗口相互耦合。Hivemind的规划器需要在飞行中持续求解这类约束优化，并在约束冲突时按任务优先级取舍（例如为完成关键目标跟踪而接受更高的威胁暴露，或为保证返航油料而放弃次要目标）。CCA项目对任务自主的表述——“在有人监督下实现多架自主飞行器协同、降低操作员负荷、实现规模化协同行动”——本质上就是将这类多平台多约束优化从人脑转移到机器。

Commander产品线专门负责人机交互，支持从人在环（HITL）到人在环上（HOTL）的多级监督模式。其设计要点包括：操作员可随时中断任务、修改目标或下达返航指令；在通信可用时，平台的自主决策以地图化UI实时呈现，供人审阅与否决（与Palantir Gaia/Maven的集成正是为指挥层级提供这种“审阅-调整-批准目标”的工作流）。这一机制既是作战需求（保持人类对武力的最终控制），也是合规需求——美国防部对自主武器的政策框架要求对人类判断保持适当层级的保留，Shield AI的HOTL架构在技术上预留了这种“人类否决权”的接口。

蜂群的军事价值在于弹性，而弹性来自去中心化。Shield AI的蜂群实践强调单机自主作为群体智能的基座：每架无人机都是完整自主体，不依赖与母机或地面站的持续链路，即便部分节点被击落或失联，剩余个体仍能重构任务分工继续作战。这一“无中心、可裁剪”的架构直接针对传统编队的“斩首脆弱性”——打掉长机即瓦解编队的问题在去中心化蜂群中不复存在。

图 2-2　LUCAS蜂群协同作战概念示意

2026年5月19日，Shield AI宣布经国防部研究与工程副部长办公室（OUSW R&E）遴选，将Hivemind集成至LUCAS（低成本无人作战攻击系统）单向攻击无人机，目标是在当年秋季的作战演示中实现“最少人在环干预下的Hivemind-LUCAS协同蜂群行动”。LUCAS是SpektreWorks公司基于伊朗Shahed-136逆向研制的廉价巡飞弹，单机成本约3.5万美元——仅为同等射程导弹的零头。五角大楼的意图直白而清晰：“LUCAS关乎可负担的规模（affordable mass），但没有协同的规模只是数量的堆砌” 。

Hivemind要解决的正是“规模之上的智能”：让数百架廉价无人机像狼群而非像炮弹一样行动——自主分配目标、错峰多轴向心突击、依据战场反馈动态重定向。这将饱和攻击从“数量饱和”升级为“决策饱和”：防御方即便拦截率不变，其火控通道与拦截弹库存的消耗速度将因协同突防而倍增。

CCA代表了蜂群智能的高端形态。在YFQ-44A的试飞中，Hivemind完成了“代表未来任务概念的一系列复杂测试点”；空军对生产合同的要求则进一步明确为“涉及多架自主飞行器在有人监督下协同作战的协作式战斗自主行为”。战术想定是：一架F-35或未来的F-47带领数架CCA，无人僚机前出充当传感器哨兵、武器载机或诱饵，有人机飞行员以战术管理者身份下达意图级指令。空军预计2030年前列装至少150架具备作战能力的CCA，远期规模约1000架，第一批次作战半径不低于700海里。Shield AI与Anduril、Collins Aerospace（RTX）三家将在为期约一年的两阶段竞争中决出“主任务自主供应商”，预计2027年夏季揭晓。

无论是CCA的高端编队还是LUCAS的廉价蜂群，底层共性能力是动态任务分配：任务执行中，系统根据各平台状态（位置、油料、载荷、健康度）与战场态势，持续重算最优任务分工，并在节点损失时自动再分配。三菱ARMD双机追逐演示中两机“实时协调动作”、BQM-177A双机“协同行为”演示，均是这一能力的早期实飞验证。角色自适应切换（如僚机接替受损长机的传感器哨位）则是去中心化架构的自然涌现属性。

现代火力打击的效率瓶颈往往不是弹药，而是“传感器到射手”（sensor-to-shooter）的时延。Shield AI体系对此的解法是三层压缩：边缘感知直接生成目标级数据（V-BAT机载检测与坐标解算），自主平台自身就是射手（LUCAS、未来的X-BAT发现即打击），与Palantir体系的C2集成将人工审批环节数字化提速——Gaia与Maven智能系统可直接摄取Hivemind平台的实时遥测，指挥层在Target Workbench中审阅、调整并批准目标。乌克兰战场上“V-BAT发现→海马斯打击”的战例证明，这条链路已能在真实电子战环境下闭合。

X-BAT将自主交战能力推向战斗机量级。该机设计为多任务平台（空对空、对面打击、电子战、ISR），具备内置与外挂武器能力， Hivemind驱动其在GNSS拒止环境下完成从突防、目标识别到交战的完整链路，同时“在安全通信链路上保持人类监督” 。其VTOL特性赋予的部署弹性（无跑道、舰载、岛礁）与2000海里级航程的组合，意味着自主打击平台可在第一岛链的分布式节点上生存、出击与回收——这是“拒止环境下兵力生成”这一美军核心命题的直接回答。当然，截至2026年年中X-BAT尚未首飞（垂直起降试飞计划2026年内进行，任务能力验证目标2028年），其交战链路目前仍是“测试中的能力”而非“已验证的能力”。

Shield AI的产品哲学是在武器使用决策上保留人类监督：Commander支持HOTL模式——人类设定交战规则与授权边界，AI在边界内自主执行，人类保留随时否决与中止的权力。LUCAS演示的表述是“最少人在环干预”（minimal man-in-the-loop）而非“无人干预”，这一措辞差异反映了美国防部自主武器政策对致命决策人类判断的保留要求。技术上保留模式切换能力具有现实战术价值：在通信可用且时间敏感目标出现时收紧到人在环内审批，在链路中断或饱和攻击场景下放权给预设规则的自主执行——弹性授权本身就是战斗力。

将F2T2EA杀伤链逐段映射，Hivemind体系的赋能已接近全覆盖：发现（V-BAT广域ISR与机载目标检测）、定位（视觉/多源融合坐标解算，乌克兰实战验证）、跟踪（对机动目标的持续跟踪与追逐，ARMD演示）、瞄准（与Maven/Gaia的目标工作流对接）、交战（LUCAS蜂群、X-BAT武器化平台）、评估（ISR平台战后重访与毁伤评估的自主执行）。六段中五段已有实战或实飞背书，“交战”段随LUCAS秋季演示与X-BAT后续试飞补齐后，Shield AI将成为少数能提供端到端AI杀伤链的商业公司。

Hivemind“飞过二十余种机型”的记录，是其平台无关架构最硬的证据。迁移路径上最具说服力的三跳是：从自研V-BAT（涡桨动力、低速）到X-62A VISTA（改装F-16，喷气动力、高G动态），再到YFQ-44A（第三方研制的隐身CCA）。每一跳都跨越了不同的气动特性、飞控接口与任务剖面，而核心自主软件保持不变——变化的只是平台适配层。空军对CCA的软件采购方式（软件与机体解耦、竞争性迭代）实质上是以制度形式确认了这一技术路线的正确性。

Hivemind与YFQ-44A的集成是一次教科书级的异构适配：Anduril与Shield AI的工程师团队紧密协作，将Hivemind与YFQ-44A的飞控软件对接，在任务自主试飞前完成了大量软件在环（SIL）与硬件在环（HIL）测试。从2024年4月Anduril获CCA原型合同到2025年10月YFQ-44A实现半自主首飞仅556天，再到2026年2月26日Hivemind上机试飞——A-GRA标准接口加双方工程协作，把“别家的飞机+我家的脑”这一传统军工集成噩梦压缩到了以月计的节奏。

三菱重工案例展示了Hivemind Enterprise/SKD模式的集成速度极限。2026年3月17日公布的合作中，Shield AI在不到60天内将Hivemind集成至三菱的ARMD（可负担快速原型三菱无人机）平台并完成实飞：三菱工程师从SIL到HIL仅用不到两周（以往需数月），HIL到VIL再花两周，最终在群马县太田市完成两次实飞演示——Hivemind驱动ARMD以强化学习行为自主追逐虚拟空中目标。三菱无人机部门负责人片通孝弘（Takahiro Katoji）的评价点明了价值所在：以往三菱需自建并维护横跨编码、AI训练、仿真评估与HIL测试的复杂开源工具链，“而通过利用Hivemind Enterprise，团队得以将精力集中于任务自主本身的开发” 。对日本而言，这一案例验证了其国防动员的关键假设：自主能力可在美国商用软件基座上快速规模化，而无需漫长采办周期。

图 2-3　递进式验证管线：三菱60天快速自主化集成

Hivemind SDK是平台迁移能力的“商品化封装”：它向开发者提供行为库、仿真工具、集成脚手架与V&V工作流，支持从Group 1室内机到Group 5喷气机的全谱系适配。客户分为两种模式——具备工程能力的客户直接授权SDK自主集成（如印度获得Hivemind SDK以开发本国自主模块），不具备能力的客户购买Shield AI的交钥匙集成服务。博思艾伦将Hivemind作为多个联邦政府项目新一代自主系统的技术基座，空客、RTX、诺斯罗普·格鲁曼、L3Harris、KAI、Kratos等顶级主承包商均已集成或试用——Shield AI实质上已成为防务工业体系的“自主性供应商”，这是其商业模式中最接近“防务版安卓”的部分。

Forge作为“AI工厂”，通过SDK、CLI与Web门户三种界面支撑自主行为的设计、开发与测。其核心思想是模块化：任务自主由可复用的行为构件（搜索、跟踪、规避、会合、编队）编排而成，开发者通过组合与参数化配置构建新任务能力，而非从零编写飞控逻辑。面向服务的架构使行为构件可独立测试、版本化管理并按需部署到不同平台。

Commander的Web应用（TypeScript/React）为操作员提供图形化任务规划与指挥控制界面，将“编排自主性”的门槛从软件工程师降低到战术操作员：划定搜索区域、指定目标类型、设定约束与交战规则，即可生成可执行任务。对一线部队而言，这意味着任务适应不再依赖后方软件团队——连排级单位可按当次任务需求现场重构无人机行为，这正是“软件定义”对战术灵活性的实质贡献。

SDK的价值主张是“复用经实战检验的行为” (Shield AI) 。经过乌克兰、CCA、舰载部署等场景验证的行为模块（如GPS拒止返航、协同搜索、威胁规避）沉淀为行为库资产，新客户与新平台从成熟基线出发做增量定制，而非重复试错。这一机制产生了类似软件行业的网络效应：每一个新部署场景都在丰富行为库，使下一个集成更快、更可靠——三菱60天集成的背后，正是多年行为资产积累的变现。

A-GRA架构使自主软件的升级可独立于机体进行，这为“空中机队的持续软件演进”打开了制度通道：新战术行为、新威胁应对策略经仿真与SIL/HIL验证后，可通过软件更新快速推送到现役机队，而不必像传统军机改装那样经历数年的结构改装周期。空军的表述直白——“未来空战要求软件更新、新自主行为、新传感器与新交战规则的迭代速度快于传统飞机改装周期” 。软件热更新能力由此从技术特性升格为作战概念：战斗力的迭代速度第一次以软件发版节奏而非装备换代节奏计算。

舰载ISR是V-BAT最成熟的应用场景。尾座式VTOL设计使其无需弹射器与拦阻装置，仅需4.6米×4.6米的甲板空间即可起降，这一特性让从两栖船坞登陆舰到濒海战斗舰的各级舰艇都具备了自带长航时空中之眼的能力。Shield AI宣称V-BAT已部署于“几乎所有级别”的美海军舰艇以及全部七个陆战队远征分队（MEU）。重油发动机带来的13小时以上续航与约40磅载荷，使单架次即可覆盖舰队周边数百海里的持续监视。

图 3-1　五大应用场景成熟度评估

将这一能力放入舰队防空与态势感知的体系框架中考察，其价值进一步凸显。水面舰艇的舰载雷达受地球曲率限制，对低空掠海目标的探测距离仅有数十公里，面对超声速反舰导弹时预警时间以秒计；而一架在舰队前方上百海里巡逻的V-BAT，相当于把舰队的“地平线”外推了一个数量级。更重要的是成本结构：以舰载直升机中队执行同等持续监视任务，需要飞行员轮换、甲板保障与高昂的飞行小时成本，而自主无人机的边际出动成本趋近于油料与维护。对海军而言，这意味着持续监视从“稀缺资源的谨慎使用”变为“可常态化的建制能力”——舰队第一次可以负担得起7×24小时的空中预警哨位。乌克兰战场上V-BAT在强干扰下的表现，则为这一能力在高端海战想定中的有效性提供了间接背书。

从采购形态看，海军正将这种能力服务化：2025年11月，海军确定AeroVironment、Shield AI、Insitu与德事隆四家供应商竞逐“承包商所有、承包商运营”（COCO）模式的无人机ISR服务交付订单；2026年4月，Shield AI又被海军选中竞逐总额上限达8亿美元的V-BAT平台ISR服务合同。COCO模式意味着海军购买的不是飞机而是“海上情报小时数”，V-BAT由此嵌入舰队日常部署节奏。

Nova开创了“AI先于士兵进门”的战术概念。2018年随美军特种作战部队在中东的部署中，Nova先于突击组飞入房间与建筑，在室内无GPS环境下自主导航、建图并将实时影像回传至士兵的终端。这一场景的技术要点在于：室内环境完全屏蔽卫星信号，通信穿墙衰减严重，人类操作员无法遥控——室内侦察是“全自主或不可用”的极端场景，而这恰是Hivemind的原生设计工况。Nova的实战成功不仅挽救生命，更以最小平台验证了最大命题：自主系统可以在人类最脆弱的时刻顶替人类。

在广域监视方向，V-BAT正从单平台传感器节点演化为多国监视网络的组成要素。波兰2026年6月签约采购V-BAT部署于海军舰艇执行波罗的海监视；亚美尼亚引进V-BAT后，其总理帕希尼扬公开援引该机“丰富的实战使用经验” ；罗马尼亚、印度尼西亚、日本亦相继采购。这些分散采购的共同指向是：盟友国家正在以V-BAT这类可负担、易部署的自主ISR平台，编织覆盖黑海、波罗的海、南海等关键海域的分布式监视网络——单架V-BAT是战术装备，成体系部署的V-BAT群则构成战役级持续监视能力。

拒止环境渗透侦察是Hivemind能力的最高价值兑现场景。乌克兰战例显示，V-BAT能穿透纵深100公里执行目标识别，且在每次任务均遭干扰的条件下保持高出动率。支撑这一能力的技术组合是：被动视觉导航（不辐射、难定位）、断链自主继续任务（链路被切断不等于失控）、VTOL无跑道回收（前沿小分队即可操作）。对特种侦察与纵深战场感知而言，这类平台填补了卫星（重访周期与云层限制）与大型无人机（易被防空拦截）之间的空白层。

X-BAT从设计之初即瞄准CCA式忠诚僚机角色：可独立作战，亦可作为无人僚机伴随有人战机。其作战概念的革命性在于兵力生成方式的改变——三架X-BAT占用一架有人战机的甲板面积，无需跑道，折叠机翼后占地仅为常规战斗机三分之一。在印太想定下，这意味着空中力量可从岛礁、商船改装平台与受损机场分散生成，规避对手对固定基地的“首波齐射”。单价约2700万美元的定位（F-35的约三分之一）使其进入“可承受损失”的成本区间，指挥官得以将其投入高风险任务而不必顾虑政治与财务代价。当然，这一概念的全部前提是X-BAT如期完成2026年VTOL首飞与2028年任务能力验证——目前它仍是“设计中的颠覆” 。

LUCAS的作战概念在“史诗狂怒行动”（Operation Epic Fury）中已完成实战首秀：2026年2月28日美以联合打击伊朗的开场阶段，大量LUCAS被投入对伊朗革命卫队指挥枢纽、防空阵地与军用机场的打击，由中央司令部2025年12月专门组建的“蝎子打击特遣队”（Task Force Scorpion Strike）运用。中央司令部司令Brad Cooper海军上将评价LUCAS“不可或缺”——它以3.5万美元的单机成本显著节约了高价值弹药库存。Hivemind的注入将把这一模式从“遥控饱和”升级为“智能饱和”：蜂群自主协同、不可预测航路、动态重定向，使防御方的拦截经济学进一步恶化。

Hivemind平台与Palantir体系的集成，打通了“自主平台→联合指挥”的数据链路：Gaia与Maven智能系统可摄取Hivemind平台的实时遥测，在地图化界面呈现自主任务状态，指挥层直接在Target Workbench中完成目标审阅、调整与批准。这一集成曾在美国陆军协会（AUSA）年会以原型形式展示，构成“自主系统统一指挥控制”的雏形。对多域作战而言，其价值在于自主平台不再是信息孤岛，而是联合火力与情报网络中的活性节点——边缘自主收集的情报可即时汇入云端决策支持，指挥意图又可经C2链路下达到边缘自主体执行。

进一步看，这一“边缘自主+云端C2”的双层架构恰好对应军事指挥的两类时间尺度：战术边缘的毫秒至秒级决策（避障、跟踪、规避）由Hivemind在机上闭环完成，战役层面的分钟至小时级决策（目标优先级、火力分配、空域协同）由Palantir体系的指挥层完成。两层之间以“意图”而非“航迹”通信——指挥层下达“搜索并报告该区域防空活动”，而非逐段航点——这使得即便在链路间歇中断的条件下，边缘自主体仍可按最后收到的意图继续执行任务，通信恢复后再回传结果并接收更新意图。这种“意图级指挥”（intent-based tasking）是指挥哲学的深层变革：它要求指挥官信任机器的战术判断，同时把人类的认知资源从“操控”解放到“筹划”。乌克兰战场的实践表明，在强电子战环境下，这种弱链路依赖的指挥模式不是优化项而是生存项。

乌克兰战例提供了战术边缘目标提名的实战模板：V-BAT在前线自主巡飞中发现俄军导弹库与防空阵地，坐标数据即刻回传引导海马斯与炮兵打击。这一“边缘发现—边缘提名—远程火力”的模式，把目标获取时延从传统ISR流程的小时级压缩到分钟级，且全程在GPS拒止环境下完成。随着LUCAS与X-BAT入列，“发现者”与“射手”将进一步合一——发现即打击的闭环将在单个平台内完成，边缘目标提名将演化为边缘自主交战。

2026年1月，印度陆军选定V-BAT搭配Hivemind自主软件，这是Hivemind首次部署于“五眼联盟”之外的军队——一个具有风向标意义的出口突破。交易结构的精妙之处在于“主权化”设计：印度不仅采购整机，还获得Hivemind软件开发工具包（SDK），可与本国企业合作开发面向国家需求的自主模块嵌入软件栈。对印度陆军而言，V-BAT的无跑道、抗GPS干扰特性直指喜马拉雅边境实际控制线的作战环境——那里机场稀缺、电子战压力日增；而在此前“辛杜尔行动”中，印度多型无人机据称遭巴基斯坦电子战压制，抗干扰自主能力由此成为刚需。

图 3-2　全球部署版图：从五眼联盟到印太、北约东翼

日本方向的合作呈“双轨并进”：2025年1月，海上自卫队选定V-BAT部署于军舰执行海上监视；2026年3月，三菱重工与Shield AI完成ARMD平台的60天Hivemind集成试飞，验证了日本国产无人机快速自主化的路径。背景是日本2027年前将防卫开支翻倍至GDP约2%的扩军计划，无人与自主系统位居其核心。对Shield AI而言，日本既是V-BAT出口市场，更是Hivemind Enterprise模式的示范客户——三菱案例证明，盟国主承包商可以在美国自主软件基座上快速构建本国自主能力，这正是“一体化威慑”在工业层面的实现形态。

欧洲方向，荷兰国防部为海军与海军陆战队采购V-BAT（公开报道为8至12架，2025年7月起交付）；罗马尼亚通过对外军售（FMS）渠道引进；2026年6月波兰军备局签约采购V-BAT用于波罗的海舰载监视，且波兰总理图斯克宣布Shield AI提议波兰参与X-BAT项目产业分工并建立面向北约东翼的F110发动机区域保障中心。这一系列动作的战略含义是：V-BAT/Hivemind正在成为北约东翼ISR网络的事实标准组件，而X-BAT的欧洲产业嵌入（波兰）则试图在下一代自主战机阶段即锁定欧洲生态位，与GCAP等欧洲六代机计划形成“有人机欧洲造、自主僚机美国脑”的潜在分工。

JSW Defence投资约9000万美元在海得拉巴建设V-BAT制造工厂，2026年1月29日奠基，预计2026年第四季度投产。这不是简单的组装代工：JSW获得长期技术转让（ToT）许可，将建立本地供应链，实现V-BAT的制造、组装与测试本地化，并明确承载“全球生产枢纽”职能——为印度武装部队大规模供货的同时面向第三国出口。对Shield AI而言，这一安排一石三鸟：满足印度“国防自力更生”政策的本土制造要求；以印度低成本产能支撑全球扩张；借JSW集团（印度最大工业财团之一）的政商网络撬动中东与东南亚市场。

V-BAT的尾座式构型使其成为“舰-岸两栖”的天然平台：同一套系统今天从两栖舰甲板起飞执行海上监视，明天可由登陆分队携带上岸在滩头4.6米见方的空地上继续作业。这种部署弹性对远征作战意义深远——传统舰载无人机依赖舰上回收装置，固定翼无人机依赖跑道，直升机依赖旋翼后勤，而V-BAT三者皆免。乌克兰战场进一步证明其可由小规模地面分队在前沿隐蔽操作，融入分布式作战单元。

在印太想定下，V-BAT与日本、（潜在的）菲律宾等第一岛链节点的结合，构成“分布式ISR链”的物质基础：岛礁与小型舰艇上分散部署的抗干扰自主ISR平台，在对手电子压制与导弹威胁下仍可持续生成态势感知。日本海自的舰载部署与三菱的国产自主化合作，正是这一链条成形的早期信号。对美军“远征前进基地作战”（EABO）概念而言，V-BAT这类平台解决了分布式节点的“眼睛”问题——而眼睛正是远程火力发挥射程优势的前提。

LUCAS的首次发射即来自海上：2025年12月，独立级濒海战斗舰“圣巴巴拉”号（USS Santa Barbara）飞行甲板上首次发射该型无人机。从波斯湾的濒海战斗舰上发射廉价远程巡飞弹，意味着价值数亿美元的水面舰艇获得了以往只有轰炸机与核潜艇才有的对陆纵深打击能力——火力与平台的解耦。舰载测试验证了“无需在伊朗边境附近部署脆弱陆基设施即可延伸打击半径”的海上发射剖面。配合Hivemind蜂群能力后，单艘LCS理论上可携带并协同控制数十架LUCAS，化身为分布式饱和打击的移动武库。

EABO概念要求陆战小分队在岛链上建立低特征、可快速转移的前哨，其生存依赖态势感知与自卫能力，而两者都必须“轻”。V-BAT以分队级人力即可操作，提供前哨周边数十至数百海里的ISR覆盖；X-BAT若按期成熟，则可从这类前哨直接起降战斗机级平台，为EABO补上“空中掩护与反击”的短板。Shield AI产品组合与EABO需求的高度同构并非巧合——其无跑道、抗干扰、分队可操作的设计语言，正是为第一岛链分布式作战量身书写的。

2024年7月，美国海岸警卫队授予Shield AI总额198,106,876美元的IDIQ固定价格合同，以COCO模式采购V-BAT海上ISR服务。这是Shield AI商业模式的标志性突破：海岸警卫队购买的不是无人机，而是“承包商所有、承包商运营”的情报服务——Shield AI拥有并运营飞机，客户按任务获得情报产出。执行层面的质量背书同样扎实：2025年7月海岸警卫队作战测试中，V-BAT 5.3版本在全部关键性能参数（KPP）上取得100%达标。该合同覆盖缉毒、海上执法与搜救等任务，将V-BAT从战时装备嵌入日常国土安全行动。

海岸警卫队的核心任务之一是在东太平洋与加勒比海的毒品走私走廊实施广域监视。走私船只低特征、海面背景复杂、监视海域辽阔，恰是长航时ISR平台加机载目标检测的适用场景。V-BAT从巡逻舰甲板起降、13小时级续航覆盖大片海域，其机载AI检测可自动筛选可疑目标，将有限的海上拦截力量精准投送。相比传统有人巡逻机的高运营成本，COCO模式下的自主ISR在单小时情报成本上具备结构性优势。

灾害场景与战场在“基础设施失效”上高度同构：通信中断、道路阻断、空域混乱。V-BAT的无跑道起降与断链自主能力使其天然适配灾害响应——在飓风、地震后的第一时间从受损机场以外升空，执行灾情评估、幸存者搜索与临时通信中继。海岸警卫队合同中的搜救职能即涵盖此类任务，而美国国内日益频繁的极端天气事件，为自主ISR的民事应用提供了持续的需求基本盘。

从港口、炼油厂到大型赛事场馆，关键设施的空中巡逻正从有人直升机向自主平台迁移。Nova在室内/城市环境的近距侦察经验，加上V-BAT的区域持续监视能力，使Shield AI具备覆盖“点（设施）—面（区域）”两层安保侦察的产品组合。随着美国本土大型活动安保需求上升（如2026年世界杯期间国土安全部已采购动能反无人机系统），自主ISR与反无人机市场正在国土安全领域形成新的增长极，Shield AI凭借其军转民的技术成熟度处于有利竞争位置。

MILITARY AI · DEFENSE TECH SERIES　—　END OF VOLUME