Forterra Lancer 在乌克兰实战 9 个月:具身智能第一次拿出经得起追问的实战数据

> 2026-07-07 · TechCrunch / Forterra · 具身智能实战化 > 原文链接:https://techcrunch.com/2026/07/07/the-first-american-autonomous-ground-vehicles-are-fighting-in-ukraine

过去一周,具身智能和 defense tech 圈都在传这篇文章——Forterra 的 Lancer 自主地面车辆,过去九个月在乌克兰战场部署了 100+ 台、跑了 1100+ 次任务、累计行驶 2500 英里、共运输 777,440 磅物资、完成 52 次伤员撤离。这不是演示视频,这是公开可查的部署数据。

但比起这些数字,文章里两个细节更值得我停下来细看。第一,这些车辆主要是远程操控——不是「自主到终点」。第二,Forterra 创始增长官 Scott Sanders 把这句话说得很轻,但分量很重:「直到撞上战斗的真实情况,你都不知道。」

战场不是演示厅

Lancer 的底子是 Polaris ATV,加装自研传感器和计算栈。汽油动力,可以载 750 公斤货。对比乌克兰本土产的 UGV(无人地面车辆)——电池驱动、最大载重 250 公斤——Lancer 是另一种工具。乌军士兵的评价直接到不像公关话术:「这玩意儿是乌克兰最重要的 UGV,牛逼,我们都想要更多。」

但「牛逼」底下是真战场。Lancer 至少几台已经永久留在泥地里——那种深度泥泞让车辆陷住、被俄军从容命中。Starlink 天线是后期加装的,这个细节很重要:一开始的产品没考虑到乌克兰需要 Starlink,是本地化适配而不是研究阶段就做对。

这次部署的甲方是美国国防预算,是「用乌克兰战争来反哺美军转型」的标准操作。无人机让战场的「无死角」(no-go zones 到处都是)成为新现实,空中只要有 FPV 无人机盯着,任何暴露的人都是靶子。Sergeant Major Corey Wilkens 的话更直接:「你无处可藏,会很容易被攻击。」

战场要的是能在那种环境里跑得动的东西,这是为什么地面自主突然变得紧迫。

「自主」其实没那么自主

Forterra 自己说的:目前车辆主要靠远程操控。

为什么?车辆能跨多样地形自主导航,但还不能在战场上识别未预期的敌方威胁并实时反应。那个乌克兰士兵的原话:「需要能在敌方火力下实时反应——目前自主系统做不到。」

这就是当前具身智能的真实状态:地形导航解决了 70%,威胁识别基本没解。自动驾驶汽车用上了 AI,但「避开一辆违停的车」跟「识别一个陌生的敌方小队伪装在灌木里」是两种难度。对后者,即便 Fable 5 这种前沿模型放到车上,反应速度和判断可靠性都不够。

Forterra 自己怎么想?他们已经做了 20 年自主车辆,现在想做的混合方案:用经典机器人学控制车辆和路径,用生成式 AI 解释周围环境。这是具身圈的共识配方,但放在战场上从未被验证过。

数字到底意味着什么

九个数字,值得挑出来逐个想:

• 100+ 部署:这不是「几台原型」,是产品目录级别的量
• 9 个月:部署不是三个月就撤的展示,是常态化运行
• 2500 英里、1100+ 任务:每个任务约 2.27 英里往返,基本是后勤补给距离
• 777,440 磅:约 353 吨物资,接近 18 辆满载卡车
• 52 次伤员撤离:平均每周超过一次伤员撤离,这是最关键的数字——这是直接救命的应用
• 5 亿美元融资:Forterra 累计融资规模,YZ Venture Capital、Moore Strategic Partners 等

竞品地图已经成形

文章提到 Scout AI 在 4 月份拿到 1 亿美元融资,方向是「为战争训练基础模型」,包括地面无人平台。Field AI 和 Overland AI 也在和美国军方试 UGV。

加上 Forterra,这至少四家美国公司已经把「自主地面车辆」推进到「能拉到战场上试」的状态。这个密度本身就是信号:VC 和 DoD 同时认为这块可以商业化。

AI coding 和具身智能的连接点

容易忽略的一点:Lancer 的硬件栈里,用了通用软件工程的工具链,远端更新、远程诊断,本质上是软件产品的 OTA 范式。这也是为什么 Forterra 会强调「工具链的可靠性」——跟搞 SRE 没有本质区别。

再往下想一层:这类公司对 AI coding 工程师的需求,可能会像 SaaS 厂商对工程师的需求那样增长。传统 defense tech 招的是机械工程师、控制工程师,Forterra 这种新一代「AI-原生 defense」招的是 Python 工程师、ML 工程师、AI Safety 工程师。这是就业市场的流向,也是 AI coding 工具的潜在客户群——它可能不在大型互联网公司,而在 defense tech、AI 制药、AI for science 这些「软件产品+硬件部署」的领域。

局限和待观察

远程操控为主这件事,新闻美化了它,实际意味着「自主」目前定位就是「半自主」。如果未来两年不能把「识别敌方威胁」的自主决策做得足够可靠,这批产品就是「带相机的遥控车」而不是「真正的自主系统」。

俄军、乌军都在研究反 UGV 手段。带 Starlink 天线的车辆能被电子战干扰,这是个明显的脆弱点。

战场学习数据极大但又极难拿——乌克兰不会把战场视频公开做训练集,Forterra 自己也不太可能发布。这意味着「用真实战场训练自主系统」的循环闭不上,得用仿真+有限实测,本质上还是「仿真训练的 LLM 永远赶不上 RLHF 的 LLM」的老问题。

值得关注的原因

具身智能过去几年一直在「demo 比产品强」。Forterra 这一波数据是第一次看到有人在真实物理危险环境里给出一组可以追问的数字。这种数据稀缺性本身就是新闻——绝大多数公司的具身宣称在「车间里跑了 X 小时」就停住了。

这次部署对 defense tech 圈、对 AI coding 工程师的就业市场、对 Starlink+AI 的战场组合,都是标志性事件。我赌接下来三个月会有另一家美国 defense tech 公司公布类似的实战数据——不是 Forterra 独家。

更长期的判断:这是 AI 在物理世界第一次拿到可信的「事故率」统计,而不只是「能跑通」的演示。接下来的故事是:能不能把这些事故率往下降,降到人类接受的范围。