Scout AI: US$100M para treinar IA militar em terrenos reais

O campo de treinamento da Scout AI

Dirigir um ATV em trilhas esburacadas na costa da Califórnia não é tarefa para qualquer modelo de IA. Mas é exatamente esse o campo de treinamento da Scout AI, startup que acaba de levantar US$100 milhões para ensinar máquinas a operar em zonas de conflito.

O fato: Série A de US$100M

A Scout AI anunciou um aporte Série A de US$100 milhões, liderado por Align Ventures e Draper Associates, após seed de US$15 milhões em janeiro. A empresa desenvolve o modelo 'Fury', baseado em VLAs (Vision Language Action models), para comandar veículos militares autônomos – começando por logística, mas com ambições em armas autônomas.

Como funciona (visão de operador)

O modelo Fury usa VLAs, tecnologia que combina visão, linguagem e ação, similar ao que startups como Physical Intelligence e Figure.AI usam em robôs. A Scout treina seus ATVs em terrenos off-road, com ex-militares dirigindo por turnos de oito horas. Quando o motorista precisa intervir, o sistema registra o evento para refinamento via reinforcement learning. Diferente de carros autônomos em ruas estruturadas, aqui não há faixas nem regras claras – o modelo precisa generalizar a partir de poucos dados.

API, custo e latência

A Scout não revela qual LLM base usa, mas menciona acordos com hyperscalers. O custo de inferência para VLAs ainda é alto, e a empresa planeja construir seu próprio modelo do zero com parte do capital captado. A latência é um gargalo visível: durante um teste, o veículo reduzia a velocidade para 'pensar' em encruzilhadas – comportamento que em combate pode ser fatal.

O que isso muda na prática

Para quem trabalha com defesa ou autonomia, Scout sinaliza um caminho: usar modelos fundacionais como base e adaptá-los com dados reais de operação militar. A empresa não fabrica veículos; vende um software de comando e controle (chamado 'Ox') que orquestra múltiplos drones e veículos com comandos em linguagem natural.

Ação prática

Se você está em uma startup de defesa, avalie se VLAs podem reduzir o custo de coleta de dados comparado a sistemas determinísticos tradicionais. A Scout aposta que sim – mas o volume de dados necessários para generalização em cenários imprevisíveis ainda é incerto.

Tensão / Reflexão

Dados de ATVs em bases militares são suficientes para generalizar para um campo de batalha real? O CTO Collin Otis aposta que sim, mas a hesitação do modelo em encruzilhadas mostra o desafio. Em combate, um segundo de pausa pode custar vidas. Além disso, o uso de VLAs em armas autônomas reacende o debate: sistemas que atacam sem intervenção humana são aceitáveis? A Scout argumenta que mísseis teleguiados já fazem isso há décadas, mas a diferença é a capacidade de decisão contextual – e isso escala um risco novo.

Fechamento

Scout AI está fazendo o trabalho de campo que falta a muitos laboratórios de IA: coletar dados reais em condições adversas. O desafio agora não é técnico apenas – é de confiança. Confiar que um modelo treinado em trilhas na Califórnia saberá a diferença entre um tanque inimigo e um veículo civil em uma zona de guerra. O hardware militar já está pronto. Falta o cérebro.