美軍砸1億美元買AI掃雷：一周訓練 vs 一年等待

美國海軍剛簽了一筆近1億美元的訂單，不是為了造新船，而是為了買"速度"——讓水下掃雷無人機學會新威脅的時間，從一年壓縮到一周。

這筆9970萬美元的合同砸向了舊金山一家叫Domino Data Lab的初創公司。目標很明確：霍爾木茲海峽的水雷。這個全球能源運輸的咽喉要道，今年早些時候被伊朗布雷封鎖，至今仍是高危水域。

但更值得玩味的是合同背后的產品邏輯。這不是買硬件，是買一套讓AI"邊打邊學"的流水線。傳統模式下，無人機發現新型水雷→數據傳回后方→工程師重新訓練模型→部署更新，周期動輒數月。Domino的方案是：讓多個傳感器（側掃聲吶、視覺成像等）實時監控現場運行的各類AI檢測模型，操作員當場識別故障、推送修正，無需等待后方實驗室。

Domino CEO Thomas Robinson的原話很直白：「如果波羅的海的無人潛航器（UUV）原本訓練的是俄羅斯水雷，現在要部署到霍爾木茲海峽對付伊朗水雷，用我們的技術，海軍一周就能準備好，而不是一年�！�

這句話戳破了軍工AI的一個長期痛點：模型遷移的摩擦成本。不同海域、不同對手、不同水雷類型，過去意味著重新走一遍完整的開發-測試-部署流程。現在變成了一場"現場軟件更新"。

Pentagon的AI采購清單正在變長

這筆交易不是孤立事件。美國國防部近期密集簽約七家科技巨頭——SpaceX、OpenAI、谷歌、英偉達、Reflection、微軟、亞馬遜云服務——把大語言模型（LLM，一種能處理海量文本并識別模式的AI技術）部署到機密網絡。用途很務實：處理人類無法在短時間消化的數據量，加速分析和決策。

DARPA（國防高級研究計劃局，五角大樓的獨立研究部門）也在招標下一代深海無人潛航器，要求"快速建造"。

三條線并行：水面以上的LLM情報處理、水下的AI掃雷、硬件平臺的快速迭代。五角大樓的AI戰略正在從"實驗室項目"轉向"戰場基礎設施"。

為什么偏偏是霍爾木茲？

地理決定需求�；魻柲酒澓{承擔了全球約五分之一的海運石油運輸。美伊今年早些時候開戰以來，伊朗布雷、美軍掃雷，雙方在這個狹窄水域反復拉鋸。目前處于"時斷時續的�；�"狀態——這意味著掃雷行動隨時可能遭遇突發襲擊。

人工作業的風險極高。AI掃雷的核心價值不是"更準"，是"更快"：縮短暴露時間，減少人員傷亡。

但這里有個微妙的設計選擇值得注意。Domino的方案不是做一個"萬能水雷識別模型"，而是做一個"模型管理和快速重訓平臺"。前者是AI公司的典型銷售話術，后者是工程現實的妥協——承認沒有一勞永逸的解決方案，轉而優化"響應速度"這個可量化的指標。

這種產品定位很聰明。對軍方采購來說，"一周vs一年"是能用演習驗證的硬指標；"準確率提升X%"則容易陷入測試數據爭議。

1億美元買到了什么？

拆解這筆交易的結構：

硬件層：無人潛航器（UUV）本身，海軍已有。

感知層：側掃聲吶、視覺成像等多傳感器融合——這些也是現有技術。

平臺層：Domino賣的是這一層。一個能讓操作員在現場監控AI模型表現、識別失效模式、推送修正、快速重訓并部署的閉環系統。

服務層：隱含在合同中的持續技術支持，確保"一周遷移"不是單次演示而是可持續能力。

1億美元買的是平臺層+服務層的組合。這個定價區間在軍工軟件合同中屬于中等規模，但信號意義明顯：AI基礎設施的采購正在脫離"科研項目"的預算類別，進入"作戰系統"的常規列裝。

技術路線的選擇暴露了什么？

Domino的方案有個反直覺的特點：它不追求"全自動"。系統設計的核心是"操作員在場監控+快速人工介入"，而非"黑箱自主決策"。

這符合當前軍工AI的監管風向。美國國防部對"致命自主武器系統"（LAWS）有嚴格的審查框架，強調"有意義的人類控制"。Domino的架構選擇——實時監控、人工推送修正——恰好踩在這個政策的舒適區內。

另一個技術細節：多傳感器監控"其他AI檢測模型"。這是典型的"元監控"（meta-monitoring）設計，用A模型看B模型是否失效。好處是魯棒性，壞處是系統復雜度指數級上升。海軍愿意為這種復雜度買單，說明實戰中對"假陰性"（漏檢水雷）的容忍度極低。

商業層面的連鎖反應

這筆合同對Domino Data Lab的意義不止于收入。軍工領域的"燈塔效應"會輻射到其商業客戶——金融、醫療、制造等行業的AI治理需求與軍方有同構性：模型監管、快速迭代、合規審計。

Robinson的公開表態也在強化這個敘事：「水雷獵殺曾經是船的工作，正在成為AI的工作。海軍付費購買的是能夠以爭議水域所需速度訓練、治理和部署AI的平臺�！�

三個關鍵詞：訓練（train）、治理（govern）、部署（field）。這恰好是企業AI落地的三大痛點。軍方場景的極端要求（一周遷移、實時修正、高可靠性）成為產品能力的壓力測試，反過來支撐商業銷售的故事。

未說出口的擔憂

原文沒有提及但值得追問的：這種"現場重訓"能力是否意味著模型更新將脫離傳統的安全審查流程？如果一周就能完成從波羅的海到霍爾木茲的模型遷移，那么"新模型"的驗證標準是什么？是回歸測試、對抗測試，還是實戰中的快速迭代？

另一個空白：伊朗方面的反制。水雷技術本身也在進化，智能水雷、誘餌水雷、自適應觸發機制。AI掃雷與智能布雷的對抗，是否會陷入類似網絡安全領域的"攻防螺旋"？

原文只提到美軍單方面的技術采購，沒有涉及對手動態。這是報道的局限，也是產品視角需要補全的戰場現實。

這筆交易為什么重要

它標志著AI采購邏輯的轉變：從"買算法"到"買速度"。9970萬美元買的不是某個具體的水雷識別模型，而是"讓模型跟上威脅變化"的基礎設施能力。

對科技從業者而言，這個案例的價值在于展示了一個B端AI產品的定價錨點——當客戶是軍方、痛點是生命安全、指標是時間壓縮，1億美元買一個"平臺層+服務層"的組合是合理區間。這比消費級AI的估值敘事更扎實，也更難復制。

對行業觀察者而言，Domino的"元監控"架構和"人工介入"設計，提供了一個在強監管環境下部署AI的參考模板。不是最激進的自動化，是最務實的可控性。

霍爾木茲海峽的水雷會不會因此減少，取決于太多原文未涉及的地緣因素。但美軍愿意為"一周準備時間"支付溢價，本身就是一個清晰的信號：在AI軍備競賽中，迭代速度正在成為比絕對精度更重要的護城河。