Shield AI¶
摘要¶
美国AI国防科技初创公司，由前Navy SEAL军官 Brandon Tseng 和 Ryan Tseng 兄弟于2015年创立，以Hivemind自主飞行系统为核心产品。Hivemind是全球首个AI自主飞行员——能够在无GPS、无通信、无操作员干预的条件下自主驾驶各类航空器执行作战任务。在协作作战飞机（CCA）项目中，Shield AI作为自主算法供应商通过A-GRA（自主政府参考架构）标准与Collins Aerospace直接竞争。Shield AI的Hivemind在Anduril YFQ-44机身上完成A-GRA半自主飞行验证，体现了MOSA「算法市场」的核心理念——使非传统小型企业得以在统一开放架构下与防务巨头同台竞技。
公司背景¶
创立故事：从Navy SEAL到AI国防¶
Shield AI由Brandon Tseng（前Navy SEAL军官，麻省理工MIT MBA）、Ryan Tseng（Brandon之兄，斯坦福大学机械工程博士）和Andrew Reiter于2015年在加利福尼亚州圣地亚哥创立。公司创立的核心理念是：现代化作战环境下，AI飞行员远比人类飞行员更具生存和作战效率——AI不受生理疲劳限制，可以在高风险区域持续执行任务。
- Brandon Tseng：前美国海军SEAL军官，在阿富汗和伊拉克战区多次执行特种作战任务。他在一线作战中深刻体会到：在有争议空域中，人类驾驶的旋翼/固定翼飞机面临极高的生存威胁。退役后进入麻省理工斯隆管理学院学习，将「AI自主驾驶替代人类飞行员」作为创业方向。
- Ryan Tseng：斯坦福大学机械工程博士，负责公司的核心技术路线和工程实现，主导Hivemind AI的设计与迭代。
融资与估值¶
Shield AI经历了多轮融资，从早期风险投资逐步成长为美国防务科技领域最具价值的私有公司之一：
| 年份 | 轮次 | 金额 | 估值亮点 | 主要投资者 |
|---|---|---|---|---|
| 2015 | 种子轮 | ~200万美元 | 种子期 | 个人天使投资人 |
| 2018 | A轮 | 未公开 | — | — |
| 2019 | B轮 | 2,100万美元 | — | — |
| 2021 | C轮 | 1.65亿美元 | 独角兽估值 | Disruptive Technology等 |
| 2022 | D轮 | 2.17亿美元 | >20亿美元 | 点石资本等 |
| 2024 | F轮 | 2亿美元 | 28亿美元 | USIT、Riot Ventures等 |
截至2026年，Shield AI累计融资超过7.5亿美元，估值超过28亿美元，员工约500+人。
核心产品：Hivemind AI自主飞行系统¶
Hivemind是Shield AI的旗舰产品，也是全球最早投入实战测试的AI自主飞行员系统。其核心技术特点包括：
GPS/通信降级环境下的自主飞行¶
传统无人机的自主能力高度依赖GPS导航和数据链通信——一旦GPS被干扰或通信中断，绝大多数无人机将失去作战能力。Hivemind的关键突破在于：
- 无需GPS导航：利用视觉惯性里程计（VIO）、地形相对导航（TRN）、激光雷达（LiDAR）SLAM等多种传感器融合技术，在地面站无法接收GPS信号的环境中实现稳定自主飞行
- 无需通信链路：自主决策引擎完整飞行，不需要地面操作员远程遥控或调整任务参数
- 无操作员干预：Hivemind能够自主感知环境、规划路径、规避威胁、执行任务目标——类似自动驾驶L5级别的全自主飞行
核心能力¶
- 自主感知与建图：通过机载传感器实时构建3D环境地图，包括建筑物内部（GPS-denied室内环境）
- 动态路径规划：在复杂威胁环境（防空系统、电子战干扰、地理障碍）中实时重规划飞行路径
- 多机协同：多架搭载Hivemind的无人机可以自主编队、任务分摊和动态角色切换
- 跨平台适配：Hivemind可适配不同机型和任务类型——从小型四旋翼到固定翼作战无人机
- 目标识别与交战：在自主飞行过程中识别敌我目标，判断交战规则（ROE）并执行打击或规避
技术架构¶
Hivemind采用模块化、开放架构设计：
- 感知层：融合多种传感器（EO/IR摄像头、激光雷达、雷达、电子战传感器）
- 决策层：基于深度强化学习（Deep RL）的自主决策引擎，持续学习和优化策略
- 控制层：输出飞控指令（油门、舵面、推力矢量），与具体机型的飞控系统对接
- 接口层：通过标准化API（如A-GRA接口）与外部系统和任务载荷交互
主要平台集成¶
| 平台类型 | 具体机型 | 说明 |
|---|---|---|
| 小型无人机 | Nova | 四旋翼室内/城市作战无人机，专为GPS-denied环境设计 |
| 垂直起降无人机 | V-BAT | 尾座式垂直起降固定翼无人机，Shield AI的核心无人平台 |
| 固定翼无人机 | MQ-35（自主改型） | 中空长航时改型 |
| 作战无人机 | YFQ-44A（Anduril Fury） | CCA项目，A-GRA验证平台 |
| 模拟器 | Hivemind Digital Twin | 数字孪生平台，用于快速算法迭代和虚拟训练 |
项目与合同¶
V-BAT无人系统¶
V-BAT是Shield AI的尾座式垂直起降（VTOL）固定翼无人机系统，是Hivemind AI自主能力的核心验证平台：
- 设计特点：尾座式（Tail-sitter）设计——机尾朝向地面垂直起飞，升空后转为水平飞行。无需发射器或跑道，可在地面任何位置起降
- 续航能力：标准配置8-10小时续航，挂载副油箱可达12-14小时
- 有效载荷：多传感器转塔（EO/IR/Laser）、SIGINT/SAR可选、数据链中继
- Hivemind集成：V-BAT从2020年起逐步集成Hivemind完全自主能力，实现GPS-denied自主起降、航线规划、任务执行
- 军方采购：美国海军陆战队（USMC）已采购V-BAT用于侦察和目标获取；美国特种作战司令部（SOCOM）评估Hivemind在渗透/撤离任务中的应用
V-BAT在国际市场也有广泛关注——在GPS/通信对抗环境下的全自主飞行能力使其成为「反介入/区域拒止（A2/AD）」环境中的理想情报/监视/侦察（ISR）平台。
A-GRA验证（与Anduril合作）¶
2026年2月，空军预备役司令部（AFRC）完成了A-GRA自主政府参考架构的关键跨供应商验证。Shield AI在此验证中扮演了独特角色：
| 自主供应商 | 飞行平台 | 机型 | 验证内容 |
|---|---|---|---|
| RTX Collins Aerospace | General Atomics | YFQ-42 | 半自主飞行测试 |
| Shield AI | Anduril | YFQ-44 | 半自主飞行测试 |
这一验证的意义在于：YFQ-44搭载的是机身供应商Anduril竞争对手（Shield AI）的自主算法——这比Collins在YFQ-42上的「自然配对」更具MOSA说服力。如果Shield AI的Hivemind只能运行在Shield AI自家的V-BAT上，开放架构的价值有限；但Hivemind运行在Anduril的YFQ-44上，证明A-GRA确实实现了「算法与平台解耦」。
CCA项目定位¶
在CCA Increment 1中，Shield AI的定位是纯自主算法供应商（不提供飞行平台），与Collins Aerospace直接竞争：
- 自主层竞争：Shield AI（Hivemind）vs Collins Aerospace（RTX）在同一A-GRA标准下竞争自主算法部署资格
- 平台无关性：Hivemind可部署到任一A-GRA兼容平台（YFQ-42、YFQ-44或后续增量平台）
- 增量2扩展：随着CCA Increment 2国际合作启动，Shield AI可能通过A-GRA参与国际合作伙伴的自主算法供应
MOSA关联¶
A-GRA自我验证的独特地位¶
在CCA项目的MOSA实践中，Shield AI扮演了最关键的「反锁定」验证角色：
- 跨厂商竞争验证：Collins + YFQ-42（同为传统巨头体系）的配对天然比Shield AI + YFQ-44的配对更具倾向性。而Shield AI与Anduril的交叉配对才是MOSA最有力的证明——竞争对手的平台搭载竞争对手的算法
- 非传统企业进入壁垒破除：Shield AI是纯软件/AI公司，没有自己的大型无人机生产线。在传统采办模式下，这样的公司几乎没有可能参与CCA这样的百亿美元级主战平台项目。A-GRA的开放接口直接消除了这一壁垒
- 算法市场竞争：Shield AI、Collins以及其他潜在竞标者可以在A-GRA框架下组成类似「算法应用商店」的竞争生态——任务指挥官根据具体威胁场景选择最适合的自主算法
- 降低军政采办风险：空军不必将全部自主能力押注于唯-供应商。如果Shield AI或Collins任一方案出现性能瓶颈或供应链问题，空军可快速切换至另一供应商的A-GRA合规算法
与Collins的竞争定位¶
Shield AI与Collins Aerospace的竞争展示了MOSA时代「老巨头vs新贵」的典型格局：
| 维度 | Shield AI（非传统企业） | Collins Aerospace（传统巨头） |
|---|---|---|
| 成立时间 | 2015年 | 2018年（合并，前身可追溯至~1920s） |
| 创始人背景 | 前Navy SEAL军官 | RTX（雷神技术）集团子公司 |
| 企业规模 | 500+人，估值~28亿美元 | 8万人，年营收~260亿美元 |
| 核心优势 | AI算法迭代速度、组织灵活性 | 系统集成经验、多产品捆绑能力 |
| CCA定位 | 纯自主算法供应商 | 多渠道：自主+航电+飞控+导航 |
| MOSA策略 | 聚焦A-GRA单点突破 | 多标准全面布局（FACE/OMS/CMOSS/R-EGI） |
| 竞争逻辑 | 算法质量决定成败 | 以系统级整合能力提供综合方案 |
这一对比直接体现了MOSA的双面性：开放标准既为小型创新企业创造了「代差级」市场进入机会，也要求传统巨头放弃封闭接口垄断，在模块层面通过硬实力竞争。Shield AI的存在本身，就是MOSA政策成功与否的重要试金石。
商业模式与战略定位¶
软件收入为主¶
与传统防务承包商以硬件制造为主不同，Shield AI的商业模式核心是软件授权+持续升级：
- Hivemind授权费：每架集成Hivemind的飞行器需支付软件授权费
- 算法订阅（SaaS模式）：持续算法更新和威胁数据库订阅服务
- 数字孪生训练：通过Hivemind Digital Twin平台提供AI训练环境
平台策略¶
Shield AI采取「算法平台化，硬件合作化」策略：
- 不自建大规模无人机生产线（V-BAT做为验证平台而非核心业务）
- 优先通过A-GRA等开放标准将Hivemind部署到主流防务平台
- 与Anduril、General Atomics等平台供应商保持合作关系而非竞争关系
- 聚焦AI算法研发这一核心竞争力，将硬件适配交给专业平台提供商
竞争护城河¶
- 数据飞轮：部署的每架Hivemind飞行器都在不断收集飞行数据，持续优化自主算法模型。对手无法通过逆向工程获取相同的数据积累
- 实战验证：Hivemind在多个实际军事任务中完成测试，具备真实的GPS-denied自主飞行记录
- 人才壁垒：团队中约50%为AI/机器学习领域的博士和资深工程师，核心团队来自Google Brain、DeepMind、DARPA项目
- 开放架构先发优势：作为首个在A-GRA框架下完成跨平台验证的非传统企业，Shield AI在自主算法市场建立了品牌信任
组织特点¶
- 企业文化：对标硅谷科技公司——扁平化组织、快速迭代、工程师驱动。创始人Brandon Tseng的军事背景为团队注入了「任务至上」的价值观
- 办公地点：总部位于加利福尼亚州圣地亚哥，在华盛顿特区、奥斯汀设有办公点。圣地亚哥是美国海军航空兵的重要基地城市，便于与海军/海军陆战队的合作关系
- 安全资质：持有美国国防部（DoD）安全许可，可参与机密级国防项目
相关内容¶
- 协同作战飞机 — 协作作战飞机（CCA）
- A-GRA自主参考架构 — A-GRA 自主政府参考架构
- 柯林斯航空航天 — Collins Aerospace（CCA自主赛道竞争对手）
- 安杜里尔工业 — Anduril（CCA平台供应商YFQ-44，Shield AI合作验证A-GRA）
- 通用原子 — General Atomics（CCA平台供应商YFQ-42）
- 空军预备役-A-GRA CCA验证2025 — A-GRA/CCA验证来源
- 政府参考架构 — GRA开放架构体系
- GRA生态演进 — GRA生态趋势分析
- MOSA全生命周期应用 — MOSA方法论在项目中的应用