2026 年 11 月 12 日，慕尼黑初创公司 SE3 宣布完成 3000 万美元 A 轮融资，由 Accel 领投，Keen、Lakestar、Seedcamp 跟投。据 Fortune 独家报道，这距离该公司以 550 万欧元（约 610 万美元）种子轮走出隐身模式不到 5 个月。The Next Web 与 Resilience Media 同日报道了这轮融资，领投方与跟投方与 Fortune 一致。一家员工约 40 人的欧洲防务 AI 公司，在不到半年内完成从种子轮到 A 轮的跳跃——融资金额从约 610 万美元增长到 3000 万美元——背后是什么样的技术选择和商业逻辑？

从隐身到 A 轮：5 个月的闪电节奏

SE3 脱胎于慕尼黑工业大学（TUM）Daniel Cremers 教授的计算机视觉实验室。据 Fortune 报道，联合创始人兼 CEO Lukas Köstler 和 CTO Simon Klenk 此前均为该实验室的博士生，Cremers 本人则担任 SE3 的首席科学官。Köstler 在加入学术界之前曾在 Tesla 的 Autopilot 团队和 Nvidia Research 工作——这段经历直接塑造了 SE3 的技术方向：用视觉算法让机器理解 3D 空间，而非依赖 GPS 或通用语言模型。

据 Resilience Media 2026 年 6 月报道，SE3（当时仍名为 SE3 Labs）的种子轮投资方包括 Lakestar、Seedcamp、柏林早期创始人孵化器 EWOR（Köstler 是其 fellow）、Sequoia Scout Fund、Plug and Play、TwinTrack 等。Fortune 报道指出，该公司近期已将名称中的「Labs」去掉，完成品牌更名。据 Resilience Media 6 月报道，SE3 这一名称源自用于描述刚体在三维空间中位置与朝向的数学框架。

即便如此，这一融资节奏在欧洲防务科技领域仍极为少见。笔者判断，这一速度背后有两个关键催化因素：一是 SE3 在 6 月宣布种子轮时就已首次披露与德国联邦国防军和乌克兰部队的合作（据 Resilience Media），投资人看到的是已在战场环境中使用的产品；二是欧洲防务预算上升周期为整个赛道提供了顺风。

技术拆解：「策略游戏迷你地图」背后的 3 层架构

SE3 的核心产品是一套为军用无人系统设计的「空间智能」AI 软件。据 Fortune 报道，Köstler 将其描述为「就像策略游戏里的迷你地图」（”like a mini map, how you would know it from a strategy game”）。这个类比精准地抓住了产品的功能：将分散在多个传感器上的碎片化信息，实时合成为一张统一的、可交互的战场态势图。

拆解 SE3 的技术栈，可以看到 3 层架构：

第 1 层：多传感器融合 → 统一 3D 战场地图。 SE3 的软件接收来自多架无人机和地面车辆的视频与传感器数据流，将它们融合为单一的 3D 战场图景。SE3 的融合算法将这些局部视角拼合为全局图景。据 Fortune 报道，SE3 还构建了嵌入无人机或其他无人系统内部的 AI 系统，赋予它们机动导航能力——即使在 GPS 被干扰的情况下仍可导航，同时具备目标检测功能，并能与其他无人机组成「蜂群」协同行动。据 Fortune 报道，这一最基础的能力——无人机在 GPS 被干扰的情况下自主定位——已经「交付了数千次，非常稳健」（”very robust”），这是 Köstler 的原话。

GPS 拒止场景是理解 SE3 技术价值的关键入口。据 Resilience Media 报道，SE3 的软件可以在没有 GPS 的情况下运行，这在乌克兰尤为重要，因为俄罗斯电子战经常干扰卫星信号。该软件直接在载具上运行，而非依赖云端连接。传统无人机依赖 GPS 进行导航和定位，一旦信号被干扰就会失控或偏航。SE3 使用经典计算机视觉算法，让无人机在无 GPS 环境下推算自身位置。

第 2 层：物体标注与空间关系语义层。 在 3D 地图之上，SE3 叠加了一层语义信息：标注场景中的物体（建筑物、车辆、人员、地形特征等）以及它们之间的空间关系。据 Fortune 报道，这一层使得士兵可以用自然语言查询地图，例如「如何在不被发现的情况下到达目标？」或「重型车辆的最佳路线是什么？」。这些查询背后需要的不仅是物体识别，还包括对视线遮挡、地形通过性、敌方观察范围等空间关系的理解。

第 3 层：自然语言指令与任务执行层。 据 Fortune 报道，操作员可以用自然语言下达命令。Köstler 举了一个具体例子：士兵只需说「我需要在北方 2 公里处的森林上方进行侦察」（”I need reconnaissance two kilometers in the north over the forest”），一架合适的无人机就会自动起飞、执行任务并汇报结果——无需用操纵杆遥控或在平板电脑上逐步操作。

这 3 层架构的设计逻辑清晰：第 1 层解决「世界是什么样的」（感知），第 2 层解决「世界里有什么、它们之间是什么关系」（理解），第 3 层解决「我想让系统做什么」（交互与执行）。每一层都建立在前一层的输出之上，形成从原始传感器数据到高层任务执行的完整链路。

Köstler 在 Fortune 采访中坦承，高层级的舰队指挥 AI（即第 3 层的完整能力）目前「成熟度较低」。SE3 已与德国联邦国防军签约开发并进行了演示，但 Köstler 明确表示「未来 1 到 2 年还有很多需要建设的工作」（”there’s still much that needs to be built out over the next one or two years”）。

差异化选择：为什么不用通用大模型

SE3 在技术路线上做出了一个鲜明的差异化选择：不依赖通用大语言模型来理解物理世界和地形。

据 Fortune 报道，SE3 的做法是：用经典计算机视觉算法将海量传感器数据提炼为一个结构化数据库，然后让语言模型查询这个数据库；同时给语言模型配备一套「工具箱」（harness），里面装着各种传统软件工具供模型调用。如果模型需要一条飞行路径，由传统路径规划算法来计算——比如避开山脉或敌方视线。Köstler 对 Fortune 明确表示，直接将原始数据喂给大模型「完全行不通」（”wouldn’t work at all”）。

这一架构选择背后有几层逻辑：

输出可验证。 在军事场景中，一条飞行路径如果偶尔「幻觉」出一段穿越敌方防空区域的路线，后果是致命的。通用大模型在生成文本时的随机性和不可预测性，在这类场景中是不可接受的风险。

离线运行能力。 据 Fortune 报道，SE3 的系统可以完全离线运行。这在战场环境中至关重要——前线部队不能假设自己始终有可靠的互联网连接来调用云端大模型 API。经典计算机视觉算法和传统规划算法的计算需求远低于大模型推理，可以在边缘设备上本地运行。

模型可替换。 据 Fortune 报道，客户可以换入自己偏好的前沿 AI 模型来充当系统的「大脑」。这意味着 SE3 的架构将语言模型视为一个可插拔的组件——核心价值在于传感器融合、3D 地图构建和工具链，而非某个特定的语言模型。这一设计也巧妙地规避了军方对特定 AI 供应商的依赖顾虑。

人在回路的控制。 据 Fortune 报道，无人机起飞等关键动作可以设置为需要人类操作员批准。这种「人在回路」设计与当前国际社会对自主武器系统的伦理讨论方向一致。据 Fortune 报道，军事用途一直让部分 AI 研究者不安，今年 3 月五角大楼因 Anthropic 拒绝让其模型用于完全自主武器或大规模国内监控而将其列为供应链风险。SE3 作为德国公司，受严格的出口法律约束。Köstler 对 Fortune 表示：「最终是民选议会决定我们能做什么。」SE3 服务欧洲北约成员国及其盟友。

笔者判断，SE3 的这种「经典视觉算法 + 语言模型作为查询接口」的混合架构，代表了军用 AI 领域一种务实的技术路线。通用大模型在理解自然语言意图方面有优势，但在理解 3D 物理空间、处理实时传感器数据、在资源受限的边缘设备上运行等方面，经典算法仍然具有不可替代的优势。SE3 的架构让每种技术做自己最擅长的事：经典视觉算法负责感知和空间推理，传统规划算法负责路径计算，语言模型负责理解人类意图并协调各工具。

商业验证：德国联邦国防军合同与乌克兰实战部署

SE3 的商业化进展是其快速融资的核心支撑。据 Fortune 报道，SE3 已与德国联邦国防军签订合同开发高层级舰队指挥 AI，并已进行演示。同时，该公司在乌克兰也有合同，其技术已在当地部署。

乌克兰战场作为 SE3 技术的验证场景具有独特价值。这场冲突已经成为无人机战争的活教材——从消费级四旋翼到巡飞弹，各类无人系统在战场上的角色持续扩大。GPS 干扰、通信中断、快速变化的战场态势，这些都是 SE3 声称要解决的核心问题。在这样的环境中获得实战部署机会，意味着 SE3 可以获得真实的战场反馈来迭代产品——这是任何模拟环境都无法替代的。

关于交付规模，不同来源的表述略有差异：据 Fortune 报道，Köstler 称最基础的能力——无人机在无 GPS 环境下自主定位——已经交付了「数千次」；据 The Next Web 报道，SE3 已在乌克兰部署，在乌克兰和德国联邦国防军都有多份合同，并称过去两年已交付数千套系统。但 Köstler 同时坦承，高层级的舰队指挥 AI 仍需 1 到 2 年的进一步开发。这种分层的成熟度——底层感知能力已经稳健，上层决策能力仍在迭代——符合自主系统技术发展的一般规律。

SE3 的商业模式定位也值得分析。据 Fortune 报道，SE3 押注的方向是：军方需要不绑定任何单一硬件制造商的 AI 软件。Köstler 对 Fortune 的论述是：如果无人机制造商各自控制自己的软件栈，客户就很难让不同厂商的系统协同工作，并且在 2 到 3 年内会面临高昂的锁定成本。

这一定位是「软件中间层」逻辑——SE3 试图成为军用无人系统的软件平台，向下对接各种硬件平台（无人机、地面车辆、传感器），向上提供统一的态势感知和指挥接口。据 Fortune 报道，SE3 的合作伙伴包括传感器制造商 Hensoldt、无人机软件公司 Auterion 和无人机开发商 ERC。这个合作伙伴名单覆盖了从传感器到飞控软件到整机制造的产业链，验证了 SE3 的「硬件无关」定位正在获得产业认可。

竞争格局：欧洲防务 AI 赛道的多方角力

SE3 并非欧洲防务 AI 赛道的唯一玩家。据 Resilience Media 6 月报道，SE3 所处的市场竞争激烈，既有年轻初创公司，也有 Helsing 和 Stark 等「规模化企业」，以及传统军工承包商都在构建 AI 驱动的解决方案。

据 The Next Web 报道，欧盟计划到 2030 年调动 8000 亿欧元国防支出，并正在沿东翼规划一道无人机防线——这波资本浪潮已经催生了 Helsing 120 亿欧元的估值，以及 Stark 从成立到 35 亿欧元估值仅用两年的增长。在这一预算上升周期中，赛道可能容纳多家公司并行发展。

据 The Next Web 报道，欧洲国防采购正在通过 Modular Open Systems Approach 和德国 MOSABw 项目等框架转向模块化和互操作性，倾向于选择能够跨制造商集成、而非与制造商竞争的独立软件。据 Resilience Media 报道，SE3 将自身定位为独立软件供应商而非军事硬件制造商，押注欧洲武装部队将越来越青睐能够跨不同平台和供应商工作的系统。笔者判断，SE3 作为受欧盟法律约束的德国公司，在欧洲防务采购中可能比非欧洲供应商更容易获得准入。

投资逻辑：Accel 押注欧洲防务 AI

Accel 领投 SE3 的 A 轮，是这家硅谷顶级风投在欧洲防务 AI 赛道的一个明确信号。据 Fortune 报道，Accel 合伙人 Matt Robinson 评价 SE3 团队「在构建自主系统空间 AI 方面具有独特资质——这是防务巨头们一直觉得非常困难的事情」（”uniquely qualified to take on the challenge of building spatial AI for autonomous systems—something defense primes have found so difficult to do”）。

笔者判断，Robinson 这句话的后半段指向了一个行业现实：传统防务承包商在快速迭代的 AI 软件开发方面面临挑战，而 SE3 的团队背景——TUM 计算机视觉实验室 + Tesla Autopilot + Nvidia Research——恰好弥补了这一短板。

从投资节奏看，种子轮参与者 Lakestar 和 Seedcamp 在 A 轮继续跟投，新加入的 Accel 和 Keen 则带来了更大的资金量级和更广的网络资源。笔者判断，Accel 此时入场的逻辑至少包含以下几点：

第 1，欧洲防务预算正处于上升周期。据 The Next Web 报道，欧盟计划到 2030 年调动 8000 亿欧元国防支出，这为防务科技公司创造了持续扩大的可寻址市场。

第 2，欧洲主权需求创造了独立于美国供应商的市场空间。SE3 作为德国公司，受欧盟和德国出口法律约束，服务欧洲北约成员国及其盟友——这一定位恰好契合了欧洲减少对美国技术依赖的战略方向。据 Fortune 报道，Köstler 强调公司受严格的出口法律约束，「最终是民选议会决定我们能做什么」。

第 3，SE3 已经展示了从技术到商业的闭环能力。据 The Next Web 报道，SE3 已在乌克兰部署，在乌克兰和德国联邦国防军都有多份合同，并称过去两年已交付数千套系统。这种执行力对风投而言意味着 SE3 有将技术转化为可交付产品的能力。

扩张路线图与民用探索

据 Fortune 报道，SE3 计划用本轮融资将团队从约 40 人扩大到约 120 人，并在伦敦、柏林、北欧和波罗的海地区以及波兰开设办公室。这一扩张路线图清晰地指向了 SE3 的目标客户群：北约东翼和北翼的欧洲成员国。波兰、波罗的海三国和北欧国家因地缘位置而对无人系统和防务 AI 有迫切需求，是欧洲防务科技公司的优先市场。

据 Resilience Media 报道，SE3 也在规划英国市场的拓展，并扩大在德国和乌克兰的业务。

据 The Next Web 和 Resilience Media 报道，SE3 计划从 2027 年起把同一空间智能层拓展到机器人、应急响应等民用领域。Fortune 则援引 Köstler 称，防务至少在未来 12 个月仍是收入主力，一个小团队将开始探索民用机器人。笔者判断，防务合同通常周期长、流程复杂，且受政治和预算周期影响；如果 SE3 未来能在民用领域找到可复用的场景，有助于分散单一市场的风险。

技术路线的更大图景

SE3 的技术选择——经典计算机视觉算法为核心、语言模型为接口——反映了军用 AI 领域一个更广泛的趋势：在安全关键场景中，工程上的务实选择往往比最前沿的模型架构更有价值。

笔者判断，通用大模型的能力在过去两年里有了巨大飞跃，但它们在军事应用中面临几个限制：推理延迟在快速决策场景中可能过高；输出的不确定性在生死攸关的场景中难以接受；对算力和能耗的需求在边缘部署中难以满足；对网络连接的依赖在通信受限的战场中是弱点。SE3 的架构通过将大模型限制在「理解人类意图」这一个环节，将其余所有需要可验证输出和实时性的环节交给经典算法，规避了这些限制。

SE3 系统允许客户换入自己偏好的前沿 AI 模型这一设计，也暗示了一个可能的未来格局：在军用 AI 领域，「空间智能」中间件（传感器融合 + 3D 地图 + 工具链）可能成为独立于基础模型的一个有价值的软件层。正如操作系统独立于处理器、数据库独立于存储硬件一样，空间智能软件可能独立于底层的 AI 模型而存在。

从 SE3 的 A 轮融资中可以读到的核心信号是：在军用自主系统领域，市场正在奖励那些能够将技术快速转化为可部署产品的公司。SE3 从 TUM 实验室到乌克兰战场的路径，以及从种子轮到 A 轮不到 5 个月的融资节奏，都在验证这一判断。未来 12 到 24 个月，SE3 能否将高层级舰队指挥 AI 从演示阶段推进到规模化部署，将是检验其技术路线和商业模式的关键节点。

参考资料

  1. Exclusive: SE3, a startup building ‘spatial intelligence’ for military drones, gets $30 million in Series A funding — Fortune, 2026-11-12
  2. German defence AI startup SE3 Labs raises $30M as it plots UK expansion — Resilience Media, 2026-11-12
  3. SE3 Labs unveils its spatial AI tools for defence backed by Lakestar and Sequoia Scouts — Resilience Media, 2026-06-26
  4. Munich’s SE3 raises $30M to give Europe’s drones spatial intelligence — The Next Web, 2026-11-12

主题分类：AI商业模式