Kenderaan Autonomous Tanah Amerika Pertama Sedang Bertempur di Ukraine

Lebih daripada 100 ATV yang memandu sendiri sedang beroperasi dalam zon pertempuran aktif sekarang — bukan dalam simulasi, bukan dalam julat ujian Pentagon, tetapi dalam lumpur dan asap artileri di timur Ukraine. Kenderaan autonomous tanah Amerika pertama telah digunakan dalam perang sebenar, dan pelajaran yang kembali dari medan perang itu akan mengubah cara dunia memikirkan tentang AI dalam sistem fizikal. Bagi pembangun dan pengasas yang membina di Asia, ini bukan sekadar cerita geopolitik yang jauh. Ia adalah isyarat tentang ke mana pelaburan AI, bakat, dan infrastruktur dekad seterusnya akan menuju.

Apa Yang Berlaku

Syarikat kenderaan autonomous berasaskan AS Forterra mendedahkan pada 7 Julai 2026 bahawa ia telah menggunakan lebih daripada 100 ATV yang memandu sendiri di zon konflik Ukraine dalam tempoh sembilan bulan yang lalu. Syarikat ini menggambarkan ini sebagai penggunaan terbesar kenderaan autonomous tanah dalam pertempuran oleh mana-mana syarikat teknologi pertahanan AS — tuntutan yang, jika tepat, menandakan titik infleksi tulen dalam cara perkakasan berkuasa AI sedang diuji dan disahkan.

Penggunaan ini dibiayai oleh dolar pertahanan AS dan terletak dalam usaha yang lebih luas untuk memodenkan tentera AS dengan menyokong rintangan Ukraine terhadap pasukan Rusia. Dron udara telah mendominasi tajuk berita daripada konflik ini, tetapi dinamik medan perang yang mereka ciptakan telah mendorong ahli strategi Ukraine ke arah autonomi berasaskan tanah. Seperti yang dikatakan oleh Sergeant Major Corey Wilkens, yang memimpin program kenderaan autonomous dan taktik untuk Tentera Darat AS, kepada TechCrunch: "Tiada tempat untuk bersembunyi. Anda menjadi sangat, sangat terdedah untuk diserang oleh dron pandangan orang pertama, pelbagai jenis dron lain yang menjatuhkan peluru, artileri, mortar, dan pelbagai perkara lain yang mereka miliki."

Ukraine sudah membina kenderaan tanah tanpa pemandu sendiri (UGV) untuk logistik — menggerakkan bekalan, peluru, dan mengevakuasi askar yang cedera. Tetapi ini biasanya berkuasa bateri dan membawa sehingga 250 kilogram. Kenderaan Forterra diposisikan untuk pergi lebih jauh, membawa lebih banyak, dan beroperasi dengan autonomi yang lebih besar dalam persekitaran yang dipertandingkan. Scott Sanders, ketua pertumbuhan Forterra dan bekas pegawai Marin AS, membingkai kepentingan dengan jelas: "Sehingga anda menghadapi realiti pertempuran, anda tidak akan tahu." Itu bukan kaveat — itu adalah keseluruhan maksudnya. Penggunaan dunia sebenar adalah satu-satunya ujian yang penting untuk sistem AI yang beroperasi dalam persekitaran fizikal berisiko tinggi.

Ini adalah penggunaan pertempuran berskala besar pertama yang disahkan bagi kenderaan autonomous tanah Amerika. Apa pun yang datang seterusnya — daripada doktrin kepada perolehan kepada respons pesaing — bermula daripada saat ini.

Mengapa Ia Penting untuk Asia

Asia bukan pemerhati pasif terhadap perkembangan ini. Rantau ini adalah rumah kepada beberapa program penyelidikan kenderaan autonomous paling aktif di dunia, kepekatan terpadat pembuatan semikonduktor, dan beberapa titik geopolitik yang paling mungkin mendorong permintaan untuk sistem pertahanan autonomous dalam dekad yang akan datang.

Dari sudut pandangan teknologi tulen, penggunaan Ukraine mengesahkan sesuatu yang telah dikerjakan oleh makmal robotik dan AI Asia selama bertahun-tahun: bahawa sistem AI tepi — model yang menjalankan inferens pada peranti, tanpa sambungan awan yang boleh dipercayai — dapat berfungsi dalam keadaan yang benar-benar bermusuhan. Persekitaran yang dinafikan GPS, peperangan elektronik, medan yang tidak dapat diramalkan, dan keperluan untuk keputusan dalam sepersekian saat tanpa pengesahan manusia dalam gelung. Ini bukan kekangan hipotesis. Ia adalah keadaan operasi yang memisahkan demo daripada produk.

Korea Selatan, Jepun, Singapura, dan India semuanya mempunyai program sistem autonomous yang aktif, baik komersial mahupun berkaitan pertahanan. Industri pertahanan Korea Selatan telah membangunkan UGV untuk pengawasan DMZ selama bertahun-tahun. Pasukan Pertahanan Sendiri Jepun telah senyap-senyap mengembangkan perolehan robotik mereka. Organisasi penyelidikan pertahanan India telah menguji platform logistik autonomous. Penggunaan Forterra memberikan semua program ini sesuatu yang sebelum ini mereka kekurangan: penanda aras dunia sebenar dan satu set mod kegagalan yang hanya muncul di bawah tembakan.

Bagi ekosistem usaha niaga dan permulaan di seluruh Asia Tenggara, isyarat adalah sama jelasnya. Teknologi pertahanan, AI dwi-guna, dan sistem autonomous tidak lagi merupakan vertikal khusus yang didominasi oleh perdana AS dan Israel. Modal sedang bergerak, doktrin sedang berubah, dan kerajaan yang menulis cek semakin terbuka untuk bekerja dengan permulaan yang dapat dihantar dengan cepat. Pengasas Asia yang memahami kedua-dua keperluan teknikal dan konteks keselamatan serantau sedang duduk di atas peluang tulen — jika mereka bergerak sebelum tingkap ditutup.

Ada juga sudut rantai bekalan yang mustahil untuk diabaikan. Cip, sensor, dan modul pengiraan tepi yang menggerakkan ATV Forterra mengesan asal-usul mereka melalui rantai bekalan global dengan akar yang dalam di Taiwan, Korea Selatan, dan Jepun. Asia bukan hanya mendapat manfaat daripada peralihan teknologi ini — Asia memungkinkannya.

Apa Maksudnya untuk Pembangun

Penggunaan Forterra menampilkan satu set masalah teknikal yang sukar dan relevan secara langsung kepada mana-mana pembangun yang membina sistem AI yang beroperasi di dunia fizikal — bukan hanya aplikasi pertahanan, tetapi logistik, pertanian, pemeriksaan infrastruktur, dan automasi industri di seluruh Asia.

Inferens tepi di bawah kekangan. UGV pertempuran tidak boleh bergantung pada sambungan awan. Setiap keputusan — pengelakan halangan, perancangan laluan, respons ancaman — harus berjalan secara tempatan pada perkakasan yang terhad kuasa, tertekan secara termal, dan berpotensi rosak. Model yang menggerakkan sistem ini bukan model asas besar yang sama yang berjalan dengan selesa di pusat data. Ia agresif dikuantisasi, dipangkas, dan dioptimalkan untuk tugas inferens tertentu. Jika anda membina AI untuk mana-mana persekitaran di mana sambungan tidak boleh dipercayai — lantai kilang di Indonesia luar bandar, kapal penangkap ikan di Laut China Selatan, hab logistik di bandar peringkat 3 — cabaran seni bina ini adalah milik anda juga.

Penggabungan sensor di tepi. Kenderaan tanah autonomous dalam medan yang dipertandingkan menggabungkan data daripada lidar, radar, kamera, dan IMU dalam masa nyata. Algoritma penggabungan yang membuat makna daripada input sensor yang bercanggah atau merosot adalah antara masalah paling sukar dalam AI gunaan. Penggunaan Ukraine akan menghasilkan data kegagalan yang tidak dapat dihasilkan oleh simulasi makmal. Jangkakan data itu — atau sekurang-kurangnya pelajaran seni bina daripadanya — untuk mengalir kembali ke penyelidikan terbuka dan produk komersial dalam dua hingga tiga tahun akan datang.

Antarmuka kerja sama manusia-mesin. Kenderaan ini bukan sepenuhnya autonomous dalam erti kata beroperasi tanpa sebarang pengawasan manusia. Pengendali memantau dan boleh campur tangan. Membina lapisan antarmuka yang membenarkan manusia memahami apa yang dilakukan sistem autonomous, mempercayainya dengan sewajarnya, dan membatalkannya dengan bersih apabila diperlukan adalah masalah UX dan reka bentuk sistem yang kebanyakan pasukan AI kurang melabur. Tentera sedang belajar pelajaran yang sukar tentang ini sekarang. Pasukan AI komersial harus memberi perhatian.

Jurang simulasi-ke-realiti. Ulasan Sanders — "sehingga anda menghadapi realiti pertempuran, anda tidak akan tahu" — terpakai secara langsung kepada pembangunan AI secara lebih luas. Simulasi adalah perlu tetapi tidak mencukupi. Jurang antara model yang berfungsi dengan baik dalam persekitaran terkawal dan model yang bertahan dalam pengeluaran adalah tempat kebanyakan projek AI gagal. Membina aliran kerja yang menutup jurang ini lebih cepat — gelung maklum balas yang lebih ketat, telemetri yang lebih baik, kitaran lelaran yang lebih cepat — adalah cabaran kejuruteraan teras dekad ini. Platform seperti MonstarX direka untuk mengatasi masalah ini dengan memberi pembangun alat untuk menguji, mengiterasi, dan menggunakan model AI dalam keadaan dunia sebenar tanpa infrastruktur yang berat.