Unit X- 軍民科技

 最近研究人工智慧、太空衛星或機器人領域發現，

似乎或多或少，都會涉入到國防科技領域。

雖然我對這個領域沒多大興趣，


但秉持著 

只要聽到一定次數以上的名詞，就要花點時間去了解的原則，


開始補上這方面的知識。


剛好，天下雜誌推薦我這本《科技冷戰新賽局》

（Unit X: How the Pentagon and Silicon Valley Are Transforming the Future of War）


我覺得把這本書當入門也還不錯，

因為這本書的起點就是一個有趣的故事。


－－－


本書的共同作者 拉傑·沙赫（Raj M. Shah） 曾是一名美國空軍 F-16 戰鬥機飛行員。


2006 年，他奉命在伊拉克與伊朗邊境執行巡邏任務。當時局勢極度緊張，只要稍微飛越國境一英里，就可能引發外交災難甚至戰爭。

 

F-16 是很了不起的戰鬥機，能以兩倍音速飛行，靈活性也遠勝其他同級戰機。但它的導航系統竟然過時到沒辦法在移動的地圖上以圖形顯示戰機的精確位置。

 

導航系統沒辦法更新，所以拉傑自己想出了一個破解的辦法－他在駐地營區裡有一台康柏iPAQ 掌上型電腦，用來檢查電子郵件和玩俄羅斯方塊遊戲，


他把民用導航軟體和數位地圖下載到裡面，偷偷帶進駕駛艙，綁在膝蓋上。這台區區 300 美元的小裝置裡頭的軟體，竟比價值 3,000 萬美元的戰機上的導航系統還有用，能更精確地讓拉傑知道他人在哪裡。

 

那次是拉傑第一次意識到，在開發新科技，矽谷早就大幅領先通用電力（General Dynamics）、洛克希德馬丁（Lockheed Martin）這些國防承包商。


十年後，拉傑以平民身分造訪位於卡達的空軍指揮中心，他當年執行的戰地飛行任務，就是從這裡指揮調度。經過十年，他發現軍方非但沒有迎頭趕上，反而落後得更嚴重了。


而這也是他再度造訪卡達的原因，


當時的美國國防部長任命拉傑與克里斯·基爾霍夫負責領導「國防創新實驗單位」（Defense Innovation Unit Experimental, DIUx），


簡稱為「X 小組」（Unit X），

任務就是把現代科技帶進美軍體系.....


－－－


如果按照書中的描述，這個小組應該是 2015 年就開始運作了，


十年前，也正是 SpaceX 第一次成功回收獵鷹 9 號火箭的時刻。


而 SpaceX ，

正是美國政府另一個單位 NASA 當年所看不起的公司。


所以，美國政府可能確實有許多單位處在效率低落的狀態？


但從這本書的內容，以及近期川普政府的各項動作來看，美國政府效率似乎正在快速提升。


書中提到，烏俄戰爭證明，未來戰場將是無人機、衛星與AI的全面競賽。而中國正以軍民融合戰略，試圖消除國防與民用科技之間的界線。美國則以 X 小組為核心，持續把矽谷的速度與技術導入華府國防體系。


這或許也是連我這個對國防領域沒什麼興趣的投資者，

也會持續看到相關內容的原因了吧？


因為這個產業，

似乎正在快速的成長當中，尤其是在現在這個環境之下。


－－－


書中也提到了一些「矽谷軍事新公司」


除了傳統的波音、洛克希德·馬丁，

現在軍工領域最火紅的是這幾家 「防務新創」（Defense Tech）：


1. Anduril Industries 

創辦人： 由 Oculus (VR) 創辦人 Palmer Luckey 成立。

核心產品： Lattice OS。這是一個 AI 操作系統，能將無人機、感測器和防禦塔連成一個自動化網路。

關注點： 他們主張「軟體優先」，開發了能自動追撞敵方無人機的「攔截者」（Anvil）無人機，徹底改變了基地防禦的成本。


2. Shield AI 

核心產品： Hivemind 駕駛系統。

關注點： 他們研發的 AI 可以讓無人機在 沒有 GPS、沒有通訊訊號 的環境下，自主在室內或複雜戰場中飛行並執行任務。這解決了現代戰爭中最怕的「電波干擾」問題。


3. Palantir (帕蘭泰爾) 

核心產品： AIP (Artificial Intelligence Platform)。

關注點： 他們最強大的是數據分析。在烏俄戰爭中，Palantir 的軟體協助烏克蘭軍隊整合衛星影像、社群媒體情報與偵察機數據，讓指揮官能像玩即時戰略遊戲（RTS）一樣指揮作戰。


另外，我找到的資料還包括


4. Skydio

核心產品： 具備強大「避障功能」的小型偵察無人機。

關注點： 由於大疆（DJI）面臨地緣政治風險，Skydio 成為美軍與盟邦小型偵察機的首選，重點在於其強大的視覺 AI 導航技術。


5. Capella Space 

核心產品： SAR（合成孔徑雷達）微型衛星。

關注點： 傳統光學衛星怕雲層和夜晚，但他們的衛星雷達能 24 小時穿透烏雲監控地面的坦克移動。這也是書中提到 Unit X 早期最成功的合作案例之一。


－－－


我相信應該還有許多漏網的公司，

因為這本書我也只看了一半，產業也還在研究中。


如果你對國防科技這方面有興趣，有研究，

也歡迎推薦相關書籍與公司。

非常感謝！

留言

張貼留言

這個網誌中的熱門文章

物聯網(IOT) - 研華.WISE-PaaS 和 ADAM/UNO 平台

圖片
  WISE-PaaS 和 ADAM/UNO 都是台灣工業電腦與物聯網領導廠商 研華科技（Advantech） 所提供的核心產品與技術，它們在工業物聯網（IIoT）解決方案中扮演著不同的關鍵角色。 簡單來說： WISE-PaaS 是一個 軟體雲端平台 和 服務生態系統 。 ADAM/UNO 是一系列 硬體設備 ，專門用於 數據採集和邊緣運算 。 您好，WISE-PaaS 和 ADAM/UNO 都是台灣工業電腦與物聯網領導廠商 研華科技（Advantech） 所提供的核心產品與技術，它們在工業物聯網（IIoT）解決方案中扮演著不同的關鍵角色。 簡單來說： WISE-PaaS 是一個 軟體雲端平台 和 服務生態系統 。 ADAM/UNO 是一系列 硬體設備 ，專門用於 數據採集和邊緣運算 。 1. WISE-PaaS 平台：工業物聯網的軟體大腦 WISE-PaaS （Platform as a Service，平台即服務）是研華推出的 工業物聯網雲端平台 ，旨在幫助企業快速建立、管理和部署 IIoT 應用程式。 核心功能與定位： 功能項目 說明 數據聯網與管理 負責接收來自底層硬體（如 ADAM/UNO）的海量異構數據，進行標準化、儲存和管理。 應用開發工具 提供各種 API、SDK 和微服務，讓開發者可以輕鬆建立 IIoT 應用（如預防性維護、能源管理、生產可視化儀表板）。 安全與可靠性 提供設備遠端監控、韌體更新和數據加密等安全功能，確保工業數據傳輸的安全性和穩定性。 邊緣與雲端整合 負責將在邊緣設備（如 UNO）上進行的即時運算結果，與雲端上的歷史數據分析進行整合。 簡言之： WISE-PaaS 是一個完整的 IIoT 軟體生態系統 ，是實現數據分析、監控和智慧決策的 中樞平台 。 2. ADAM / UNO 系列：工業物聯網的硬體基石 ADAM 和 UNO 都是研華的 工業級硬體設備 ，專門設計用於惡劣的工廠環境，執行數據採集、控制和邊緣運算。 A. ADAM 系列：數據採集模組 (Data Acquisition Modules) 定位： 用於連接 感測器 和 機台 ，將真實世界的物理信號（如溫度、電壓、電流）轉換成數位信號的 數據採集單元（DAQ） 。 主要任務： 負責訊號轉換和最基本的數據傳輸。 應用場景： 測量工廠的溫度、濕度...
閱讀完整內容

Nvida財報 - 泡沫化的論述

圖片
  應收帳款週轉天數：從歷史平均的46天惡化到53.3天 存貨暴增：Nvidia的存貨在一個季度內暴增32% 應收帳款暴增， 客戶欠錢越來越多。 庫存堆積如 山，晶片根本賣不掉。公司為了保持增長，硬塞貨給下游公司。 這聽起來像是一家公司泡沫破裂前夕的完美劇本。 過去幾天，一篇關於Nvidia「驚天黑幕」文章在網上瘋傳，作者洋洋灑灑，引經據典，用各種會計指標直指Nvidia的財報是一場精心策劃的騙局，一場建立在「幻影收入」之上的巨大泡沫。 罪狀1、應收帳款暴增。 作者指出Nvidia的應收帳款週轉天數從歷史平均的46天惡化到53.3天 。這聽起來就像：你開了一家店，生意看似越來越好，但客人賒帳的時間卻越拖越長。一個健康的企業，應該是現金回流越來越快，而不是越來越慢。這暗示著你的客戶可能財務困難，或者你為了催業績，給了他們無法拒絕的超長付款期。 罪狀2、 存貨暴增。作者指出Nvidia的存貨在一個季度內暴增32% 。CEO黃仁勳在電話會議上明明說需求「insane」（瘋狂），晶片供不應求。這就構成了一個巨大的矛盾：如果你開的iPhone專賣店真的賣到斷貨，你的倉庫應該是越來越空才對，怎麼可能反而在短時間內堆滿了賣不出去的iPhone？ 這暗示著 需求可能遠沒有說的那麼強勁，貨都積壓在自己手裡了。這兩個指控結合起來，描繪出一個非常恐怖的畫面： Nvidia為了維持增長神話，把大量晶片硬塞給雲端大廠，但這些大廠其實消化不了，也沒打算馬上付錢。營收是「做」出來的，現金卻沒回來，倉庫裡還堆滿了產品。 這 就是典型的泡沫破裂前夕的景象 。 聽起來很可怕，對吧？Nvidia肯定就是下一個安隆了，《大賣空》原型角色Michael Burry都是對的，快點清掉了！ 當恐慌蔓延時，我們更應該做的，是拿起計算機，翻開財報的附註，逐一驗證。化的
閱讀完整內容

GPU vs TPU

 【TPU 會終結輝達霸業？黃仁勳說 GPU 其實更便宜是真的嗎？】 Google 的突破不是 GPU 的終點，而是算力需求新一輪爆發的起點。 每當 Google 發表新一代 TPU 晶片，市場總會響起一樣的聲音： TPU 能訓練出更強大的模型、更便宜、更省電，輝達（NVIDIA）似乎離「吃鱉」不遠。這種論調在過去幾週再次出現，特別是當 Google 展示自家模型 Gemini 3.0 Pro 的強大時，許多人急著宣告 GPU 時代結束。 但實際情況可能正好相反。Google 的領先不但沒有削弱輝達的地位，反而在結構上成為輝達的大利多。原因不在晶片，而在於這場競賽本身再次證明：「Scaling Law」仍然有效。 ■ Scaling Law 的續命，是輝達最好的消息 Google 在最新一代模型中證明，只要增加訓練規模，模型效能依然能持續提升。這代表「投入更多算力就能產生更好 AI」的邏輯仍成立。這一發現的意義遠超技術層面 - 它重新啟動了整個市場對算力的信心。 一旦 Scaling Law 被驗證，所有想追上 Google 的科技巨頭都別無選擇，只能加碼算力投入。微軟、亞馬遜、Meta、Anthropic、OpenAI 等公司沒有 Google 那樣成熟的自研晶片與垂直整合能力，唯有依靠輝達的 GPU 才能快速擴張訓練與推論能力。 換言之，Google 的技術突破不會削弱 GPU 市場，反而會刺激整體 GPU 採購。輝達賣的不只是晶片，而是算力擴張的「通用通道」- 只要產業還相信規模帶來優勢，輝達的需求就不會減少。 ■ 外界誤解了 TPU 與 GPU 的效率比較 外界對 TPU 與 GPU 的比較，經常停留在單顆晶片的價格與功耗上。這樣的比較方式忽略了 AI 系統的本質：最終衡量單位不是瓦數，也不是美元，而是「每單位電力能產出的 token 數」——也就是生產效率。 從單顆晶片的理論數據來看，Google 的 TPU v6e 在 FP16 精度下提供 926 TFLOPS 的算力，而輝達的 GB200 約為 5000 TFLOPS。若只看每瓦效能（每瓦 TFLOPS），TPU 以 2.64 優於 GPU 的 1.85，效率高出約 42%。表面上，TPU 看似更效率更高更划算。 但這種比較忽略了實際應用的精度設定。FP16 已非主要推論模式，市場真正的主流是...
閱讀完整內容