أول مركبات أمريكية مستقلة تقاتل في أوكرانيا

أكثر من 100 دراجة رباعية ذاتية القيادة تعمل الآن في مناطق القتال النشطة — ليس في محاكاة، وليس في نطاق اختبار البنتاغون، بل في الوحل والدخان المدفعي في شرق أوكرانيا. أول مركبات أمريكية مستقلة على الأرض يتم نشرها في حرب حقيقية، والدروس القادمة من ساحة المعركة هذه ستعيد تشكيل الطريقة التي يفكر بها العالم في الذكاء الاصطناعي في الأنظمة الفيزيائية. بالنسبة للمطورين والمؤسسين الذين يعملون في آسيا، هذه ليست قصة جيوسياسية بعيدة. إنها إشارة حول المكان الذي تتجه إليه استثمارات الذكاء الاصطناعي والمواهب والبنية التحتية في العقد القادم.

ما حدث

كشفت شركة المركبات المستقلة الأمريكية Forterra في 7 يوليو 2026 أنها نشرت أكثر من 100 دراجة رباعية ذاتية القيادة في مناطق النزاع الأوكراني على مدار التسعة أشهر الماضية. تصف الشركة هذا بأنه أكبر نشر لمركبات أرضية مستقلة في القتال من قبل أي شركة دفاع أمريكية — وهذا الادعاء، إن كان دقيقاً، يشير إلى نقطة تحول حقيقية في كيفية اختبار والتحقق من صحة الأجهزة المدعومة بالذكاء الاصطناعي.

يتم تمويل النشر من خلال ميزانية الدفاع الأمريكية ويندرج ضمن جهد أوسع لتحديث الجيش الأمريكي من خلال دعم المقاومة الأوكرانية ضد القوات الروسية. الطائرات بدون طيار الجوية هيمنت على العناوين الرئيسية من هذا النزاع، لكن ديناميكيات ساحة المعركة التي أنشأتها دفعت الاستراتيجيين الأوكرانيين نحو الاستقلالية على الأرض. كما قال الرقيب الأول كوري ويلكنز، الذي يقود برنامج المركبات المستقلة والتكتيكات للجيش الأمريكي، لـ TechCrunch: "لا يوجد مكان للاختباء. تصبح عرضة جداً جداً للهجوم من طائرات بدون طيار بزاوية الرؤية الأولى، وأنواع أخرى من الطائرات بدون طيار التي تسقط الذخيرة، والمدفعية، والهاون، والنطاق الكامل من الأشياء التي لديهم."

تبني أوكرانيا بالفعل مركبات أرضية بدون طيار خاصة بها (UGVs) للخدمات اللوجستية — نقل الإمدادات والذخيرة وإجلاء الجنود الجرحى. لكن تلك عادة ما تعمل بالبطارية وتحمل ما يصل إلى 250 كيلوغراماً. مركبات Forterra موضعية للذهاب أبعد، وحمل أكثر، والعمل بمزيد من الاستقلالية في البيئات المتنازع عليها. وضع سكوت ساندرز، كبير مسؤولي النمو في Forterra وضابط سابق في سلاح مشاة البحرية الأمريكية، الأهمية بوضوح: "حتى تواجه حقائق القتال، لن تعرف فقط." هذا ليس تحفظاً — إنه النقطة برمتها. النشر في العالم الحقيقي هو الاختبار الوحيد الذي يهم لأنظمة الذكاء الاصطناعي التي تعمل في بيئات فيزيائية عالية المخاطر.

هذا هو أول نشر مؤكد على نطاق واسع لمركبات أرضية مستقلة أمريكية في القتال. مهما حدث بعد ذلك — من العقيدة إلى المشتريات إلى ردود المنافسين — يبدأ من هذه اللحظة.

لماذا يهم آسيا

آسيا ليست مراقباً سلبياً لهذا التطور. تضم المنطقة بعضاً من أكثر برامج أبحاث المركبات المستقلة نشاطاً في العالم، وأكثف تركيز لتصنيع أشباه الموصلات، وعدة نقاط جيوسياسية من المرجح أن تدفع الطلب على أنظمة الدفاع المستقلة في العقد القادم.

من وجهة نظر تكنولوجية بحتة، يؤكد نشر أوكرانيا شيئاً كانت مختبرات الروبوتات والذكاء الاصطناعي الآسيوية تعمل عليه لسنوات: أن أنظمة الذكاء الاصطناعي على الحافة — النماذج التي تعمل الاستدلال على الجهاز، بدون اتصال سحابي موثوق — يمكنها أن تعمل في ظروف معادية حقيقية. البيئات الخالية من نظام تحديد المواقع العالمي (GPS)، والحرب الإلكترونية، والتضاريس غير المتوقعة، والحاجة إلى قرارات فورية بدون تأكيد من الإنسان في الحلقة. هذه ليست قيود افتراضية. إنها ظروف التشغيل التي تفصل بين عرض توضيحي ومنتج.

كوريا الجنوبية واليابان وسنغافورة والهند لديها جميعها برامج أنظمة مستقلة نشطة، تجارية وملحقة بالدفاع. كانت صناعة الدفاع في كوريا الجنوبية تطور مركبات UGVs لمراقبة منطقة الحد الفاصل (DMZ) لسنوات. كانت قوات الدفاع الذاتي اليابانية توسع بهدوء مشتريات الروبوتات. كانت منظمة أبحاث الدفاع الهندية تختبر منصات الخدمات اللوجستية المستقلة. يعطي نشر Forterra جميع هذه البرامج شيئاً كانت تفتقده سابقاً: معيار عملي في العالم الحقيقي ومجموعة من أنماط الفشل التي تظهر فقط تحت النار.

بالنسبة لنظام المشاريع الناشئة والاستثمار الجريء عبر جنوب شرق آسيا، الإشارة واضحة بنفس القدر. تكنولوجيا الدفاع والذكاء الاصطناعي ثنائي الاستخدام والأنظمة المستقلة لم تعد تخصصات متخصصة يهيمن عليها الشركات الأمريكية والإسرائيلية الكبرى. رأس المال يتحرك، والعقيدة تتغير، والحكومات التي تكتب الشيكات أصبحت متزايدة الانفتاح على العمل مع الشركات الناشئة التي يمكنها التسليم بسرعة. المؤسسون الآسيويون الذين يفهمون المتطلبات التقنية والسياق الأمني الإقليمي يجلسون على فرصة حقيقية — إذا تحركوا قبل إغلاق النافذة.

هناك أيضاً زاوية سلسلة التوريد التي من المستحيل تجاهلها. تعود أصول الرقائق والمستشعرات ووحدات الحوسبة الحافة التي تشغل مركبات Forterra الرباعية إلى سلسلة توريد عالمية بجذور عميقة في تايوان وكوريا الجنوبية واليابان. آسيا لا تستفيد فقط من تحول التكنولوجيا هذا — آسيا تمكنه.

ماذا يعني هذا للمطورين

يسلط نشر Forterra الضوء على مجموعة من المشاكل التقنية الصعبة التي تتعلق مباشرة بأي مطور يبني أنظمة ذكاء اصطناعي تعمل في العالم الفيزيائي — ليس فقط تطبيقات الدفاع، بل الخدمات اللوجستية والزراعة وفحص البنية التحتية والأتمتة الصناعية عبر آسيا.

الاستدلال على الحافة تحت القيود. لا يمكن لمركبات UGV القتالية الاعتماد على اتصال السحابة. كل قرار — تجنب العوائق، تخطيط المسار، الاستجابة للتهديدات — يجب أن يعمل محلياً على أجهزة محدودة الطاقة، مجهدة حرارياً، وربما تالفة. النماذج التي تشغل هذه الأنظمة ليست نفس نماذج الأساس الكبيرة التي تعمل بشكل مريح في مركز البيانات. إنها مكممة بقوة، ومقلمة، ومحسّنة لمهام استدلال محددة. إذا كنت تبني ذكاء اصطناعي لأي بيئة حيث الاتصال غير موثوق — أرضية مصنع في إندونيسيا الريفية، أو سفينة صيد في بحر الصين الجنوبي، أو مركز خدمات لوجستية في مدينة من الدرجة الثالثة — فإن تحدي العمارة هذا هو لك أيضاً.

دمج المستشعرات على الحافة. المركبات الأرضية المستقلة في التضاريس المتنازع عليها تجمع البيانات من الليدار والرادار والكاميرات وأجهزة قياس القصور الذاتي في الوقت الفعلي. خوارزميات الدمج التي تفسر مدخلات المستشعرات المتضاربة أو المتدهورة من بين أصعب المشاكل في الذكاء الاصطناعي التطبيقي. سيولد نشر أوكرانيا بيانات فشل لا يمكن لأي محاكاة معملية أن تنتجها. توقع أن تتدفق هذه البيانات — أو على الأقل الدروس المعمارية منها — إلى البحث المفتوح والمنتجات التجارية على مدى السنتين إلى الثلاث سنوات القادمة.

واجهات فريق الإنسان والآلة. هذه المركبات ليست مستقلة تماماً بمعنى العمل بدون أي إشراف بشري. يراقب المشغلون ويمكنهم التدخل. بناء طبقة الواجهة التي تسمح للإنسان بفهم ما يفعله النظام المستقل، والثقة به بشكل مناسب، والتجاوز عنه بنظافة عند الحاجة هو مشكلة تجربة المستخدم وتصميم الأنظمة التي تقلل معظم فرق الذكاء الاصطناعي من الاستثمار فيها. الجيش يتعلم دروساً صعبة حول هذا الآن. يجب على فرق الذكاء الاصطناعي التجارية أن تنتبه.

فجوات المحاكاة إلى الواقع. تعليق ساندرز — "حتى تواجه حقائق القتال، لن تعرف فقط" — ينطبق مباشرة على تطوير الذكاء الاصطناعي بشكل أوسع. المحاكاة ضرورية لكنها غير كافية. الفجوة بين نموذج يعمل بشكل جيد في بيئة محكومة وواحد يصمد في الإنتاج هي حيث تفشل معظم مشاريع الذكاء الاصطناعي. بناء سير عمل يغلق هذه الفجوة بشكل أسرع — حلقات ردود فعل أضيق، وقياس أفضل، ودورات تكرار أسرع — هو التحدي الهندسي الأساسي للعقد. المنصات مثل MonstarX تم تصميمها لتسريع هذا الجزء من دورة التطوير.