文章总结： EdgeRunnerPlatform是EdgeRunnerAI公司为美军开发的边缘人工智能平台，可在离线或通信受限的军事环境中部署。该平台采用六层架构，通过模型压缩、硬件优化和智能体协同技术，在笔记本电脑、战术终端等设备上提供情报分析、文档处理、辅助决策等能力，并已获得美国海军IL6运营授权，应用于实际军事任务。 综合评分： 85 文章分类： 人工智能,军事科技,边缘计算,解决方案,技术标准

解析美军边缘AI智能助手：EdgeRunner Platform

原创

渊亭防务 渊亭防务

渊亭防务

2026年6月17日 15:00 福建

在小说阅读器读本章

去阅读

摘要：随着人工智能系统在军事领域的应用日渐广泛，为前线通信受限人员配备人工智能系统的需求在不断增加。为满足这一需求，EdgeRunner AI公司研发了可在前线通信受限、设备能力受限的高强度对抗环境中部署的人工智能平台——EdgeRunner Platform。该产品的出现不仅满足了美军前线作战人员对于人工智能能力的初步需求，也为美国人工智能领域的未来发展开拓了新的方向。本文将对EdgeRunner Platform进行介绍和分析。

关键词：EdgeRunner Platform，人工智能

EdgeRunner Platform是美国国防人工智能企业EdgeRunner AI推出的边缘人工智能平台，主要面向军事、情报和政府用户，重点解决人工智能在离线或通信受限环境下的部署与应用问题。与依赖云端数据中心运行的主流大模型平台不同，EdgeRunner Platform强调本地部署和边缘计算能力，可通过模型压缩、硬件优化和智能体协同等技术手段，使人工智能系统能够运行于笔记本电脑、战术终端、车辆计算机及边缘服务器等设备，为前沿作战和敏感环境中的通信受限用户提供持续的人工智能支持。

EdgeRunner Platform集成知识检索增强生成、多语言翻译、语音处理、图像理解和任务自动化等功能，能够支持情报分析、文档处理、辅助决策、后勤管理和网络安全等多种军事场景。平台核心特点包括较强的模型能力、安全性和部署灵活性。

EdgeRunner Platform的总体架构

从公开资料来看，EdgeRunner Platform的总体架构可大致划分为六个层级，分别是基础设施层、技术支撑层、模型层、平台层、智能体层和应用能力层。这六个层级并非相互独立运行，而是共同构成了从底层硬件资源到上层业务应用的完整技术链路。其中，基础设施层负责为模型运行、数据处理和任务执行提供硬件和数据资源保障。技术支撑层则负责模型压缩、性能优化和硬件适配。模型层负责提供基础推理能力，是整个系统的核心计算单元。平台层负责模型部署、资源调度和应用管理，为模型运行提供统一环境。智能体层负责工作流执行和任务自动化，实现复杂任务的自主处理。应用能力层直接面向最终用户，为军事人员提供问答、情报分析、文档处理、翻译和任务辅助等功能。

EdgeRunner Platform架构图

1. 基础设施层

基础设施层构成EdgeRunner Platform的物理基础，主要包括终端设备、移动作战平台、数据资源等。该层为上层模型推理、知识管理和智能体任务执行提供硬件设备和数据输入，并支持从单兵终端到战术边缘节点的多层级部署。依托对离线环境、受限网络和异构硬件平台的适配能力，基础设施层为EdgeRunner Platform提供了重要的运行设备和数据资源，使人工智能能力前移至作战和任务一线。

2. 技术支撑层

EdgeRunner Compression是支撑EdgeRunner Platform在边缘设备实现本地部署的重要基础技术之一。该技术综合采用逐张量（Per Tensor）自适应量化和知识蒸馏等方法，对模型进行压缩优化。在量化过程中，模型权重由传统的32位或16位浮点数压缩至每个权重平均3至4位，实现约8至10倍的模型体积压缩。公开资料显示，与其他压缩方案相比，EdgeRunner Compression可将Kullback-Leibler散度降低20%至30%，从而在较大幅度压缩模型规模的同时保持原模型性能。在针对特定军事职业专业（MOS）的短文本和长文本评估中，压缩模型的错误率较基线方案降低50%至90%。这为EdgeRunner Platform在资源受限环境中实现高性能本地化人工智能部署提供了重要的技术基础。

EdgeRunner Compression自适应量化流程示意图

（图片来源于网络，如有侵权请联系删除）

除了EdgeRunner Compression压缩技术之外，EdgeRunner Platform可能还依赖于一系列底层优化能力，以实现其在消费级笔记本电脑、战术终端和边缘计算设备上的运行。

在推理执行层面，EdgeRunner Platform可能具备专门的边缘推理优化机制。EdgeRunner AI公司公开表示，其模型能够运行于普通笔记本电脑和工作站，并支持在资源受限环境中执行军事任务。这意味着EdgeRunner AI公司不仅对模型进行了压缩，而且还可能对推理过程中的预填充、词元生成以及推理执行链路进行了优化，以提高有限硬件条件下的推理效率。根据官方数据，新版本EdgeRunner Platform实现了约20%的文档处理性能提升和约2倍的模型预填充速度提升，这表明其优化已不局限于模型压缩本身，而可能涉及推理框架和数据处理流程的整体改进。

在平台管理层面，EdgeRunner Platform可依托EdgeRunner OS整合模型运行、知识库调用和智能体能力，为不同任务场景提供统一运行环境。这表明该系统具备一定的模型调度、资源分配和任务管理能力，而这些能力为该平台在前沿和边缘环境中的部署提供了重要的技术支撑。

3. 模型层

根据EdgeRunner AI公司发布的信息，EdgeRunner Platform的模型层主要由EdgeRunner-Light和EdgeRunner-Medium两个模型组成。EdgeRunner-Light是一款高度轻量化的军事专用模型，主要面向笔记本电脑、平板电脑和智能手机等资源受限设备。该模型能够在具备8GB以上显存的硬件上运行，具有低功耗、快速响应和广泛部署的特点，适合前沿作战单位或身处网络受限环境的人员使用。虽然该模型规模较小，但经过军事领域数据微调后，其具备问答、文档摘要、翻译、转录和基础推理等能力，可在网络和通信受限的条件下为战术用户提供本地智能辅助。

EdgeRunner-Medium则面向性能更强的边缘计算平台和工作站设备，可在具备16GB以上显存的硬件上运行。与EdgeRunner-Light相比，其最大特点并非单纯的模型规模增长，而是强化了函数调用和智能体能力。该模型能够分析用户请求、调用外部工具并执行工作流，还可在多组件协同场景中承担任务路由功能。EdgeRunner AI公司称，该模型在Arena Hard、MT-Bench等通用基准测试中取得较好成绩，并具备应用于后勤管理、情报分析和装备维护等复杂军事场景的潜力。

EdgeRunner-Medium模型界面

（图片来源于网络，如有侵权请联系删除）

此外，EdgeRunner AI公司还研发了EdgeRunner-Tactical-24B和EdgeRunner 20B，理论上来说，这两种模型也可通过EdgeRunner Platform进行部署和调用。EdgeRunner-Tactical-24B是EdgeRunner AI公司推出的高性能战术级模型，于2025年7月8日首次公开发布。从模型规模和应用场景来看，其定位可能介于轻量化边缘模型与数据中心级模型之间。该模型参数约240亿，重点面向情报分析、作战规划辅助、任务推演和军事知识问答等复杂军事场景。

EdgeRunner 20B则是EdgeRunner AI公司于2025年11月发布的新一代军事专用模型。该模型基于OpenAI的GPT-OSS-20B进行深度军事化微调，训练过程中使用了约160万条来自军事条令、技术手册、作战文献和专业网站的高质量数据。

根据EdgeRunner AI公布的评测结果，EdgeRunner 20B在作战兵种（Combat Arms）、战场医疗（Combat Medic）、网络作战（Cyber Operations）以及通用军事知识（Mil-Bench-5K）等四类军事测试集上的表现达到或超过GPT-5水平，同时在ARC-C、GPQA、MMLU-Pro等通用标准测试中表现出较好的通用能力。与传统依赖云端算力的大模型不同，EdgeRunner 20B最大的特点是能够在离线或通信受限的环境中本地运行，为军事用户提供高安全性和高可靠性的人工智能能力。

4.平台层

EdgeRunner Platform的核心运行环境为EdgeRunner OS，该系统主要负责本地模型运行、推理调度及智能体能力集成，是连接底层模型与上层应用的重要支撑平台。其推理后端基于开源推理框架llama.cpp构建，可为消费级笔记本电脑、战术终端及其他边缘设备提供高效的本地推理能力。根据EdgeRunner AI公布的基准测试结果，在特定测试环境下，其推理后端在4K Token上下文场景中的提示词处理吞吐量较Ollama提高210%以上，在1K Token生成场景中的词元生成吞吐量提高450%以上。此外，该系统还支持OpenAI兼容接口、向量数据库、本地文件处理、多模型协同运行以及工具调用能力，可为离线、空隔和通信受限环境中的人工智能应用提供统一的运行支撑环境。

EdgeRunner Platform的应用界面

（图片来源于网络，如有侵权请联系删除）

5.智能体层

EdgeRunner Platform智能体层可能主要由多种军事职业专业（MOS）专用智能体生态以及WarClaw智能体编排系统共同构成。其中，MOS专用智能体是该平台较早具备的核心能力之一，也是其实现任务专业化的重要载体。EdgeRunner AI公司围绕情报分析、任务规划、后勤保障等军事业务方向，开发了一系列针对不同岗位需求的专用智能体。与通用大模型相比，这些智能体更加注重特定领域知识的积累和工作流程的适配，能够根据不同岗位人员的知识需求、决策逻辑和任务特点提供针对性支持，从而提高人工智能输出结果的专业性和实用性。

公开资料显示，EdgeRunner AI公司以军事基础模型为基础，通过低秩适配（LoRA）技术和专业工作流优化构建MOS专用智能体，使其能够支持信息检索、情报分析、任务规划、文档生成以及决策辅助等工作场景。这些智能体的训练数据覆盖军事条令、战术技术与程序（TTP）、训练教材、行动后评估报告以及后勤数据库等内容，对于增强智能体在军事环境中的专业性和实用性具有重要作用。

作为智能体生态体系的新成员，WarClaw于2026年4月发布。公开资料显示，WarClaw是一种基于开源OpenClaw框架开发的面向复杂环境的智能体编排系统，主要针对拒止、断开、间歇和低带宽（DDIL）等环境设计。官方资料进一步表明，WarClaw运行于EdgeRunner Platform之上，并依托平台提供的OpenAI兼容接口与常见业务系统进行集成。

与传统聊天机器人或单纯的检索增强生成应用不同，WarClaw具备自主智能体执行能力，可完成数据库检索与分析、情报报告解读、网络信息提取、任务规划、文档生成以及流程自动化等任务，实现从信息获取到结果输出的完整工作流。同时，WarClaw还可与Microsoft Word、Excel、PowerPoint、Teams和Outlook等常用应用进行集成，进一步拓展EdgeRunner Platform在协同办公和任务自动化领域的应用范围。

EdgeRunner Platform中的智能体工作流

（图片来源于网络，如有侵权请联系删除）

6 应用能力层

应用能力层是EdgeRunner Platform面向最终用户提供智能化服务的能力输出层，负责将模型、平台和智能体能力转化为可直接使用的业务功能。依托EdgeRunner系列模型、EdgeRunner OS和多种智能体，EdgeRunner Platform构建了一套覆盖文本、语音、图像和知识处理的综合应用能力体系。公开资料显示，平台支持自然语言对话、智能问答、文档摘要、代码生成、多文档检索增强生成（RAG）、文本到语音（TTS）、语音到文本（STT）以及25种以上语言的翻译功能，可满足信息获取、知识管理、内容生产和跨语言协作等多种应用需求。同时，平台还具备一定的多模态信息处理能力，支持对图像内容进行理解与分析，实现文本与视觉信息的协同利用。

此外，EdgeRunner Platform的应用能力层可通过函数调用模型EdgeRunner Command进一步扩展其操作能力。该模型能够在智能体工作流中调用外部工具和应用程序，支持邮件管理、浏览器操作、文档处理、电子表格分析以及协同办公等自动化任务，并支持与Slack等第三方平台集成，从而将人工智能能力嵌入现有业务流程之中。通过结合智能体编排能力和工具调用机制，EdgeRunner Platform能够完成从信息检索、分析处理到成果生成的完整工作流程，有助于提高复杂任务的执行效率。

发展与应用

1.影响级别6运营授权

据报道，2026年6月1日，美国海军授予EdgeRunner OS影响级别6（IL6）运营授权（ATO）。IL6是美国国防部影响级别体系中的高安全等级，允许系统处理和存储秘密级数据。这一授权标志着EdgeRunner OS已被批准在美国军方最敏感的作战环境中部署。获得该授权后，美国海军各项目可将秘密数据集成到EdgeRunner AI的端侧军事专用平台中，在海上断网环境下应用人工智能能力。EdgeRunner OS同时被列入美国海军和海军陆战队的权威企业注册系统（DADMS），作为经批准的IT系统、软件应用和作战技术进行正式登记。该授权不仅是美军对该公司产品安全性的认可，更是EdgeRunner OS进入美军实际任务体系的技术入场券。

2.两份合作研发协议

据报道，2025年10月1日，EdgeRunner AI宣布与美国陆军研究实验室（ARL）和美国空军研究实验室（AFRL）签订了两项合作研发协议（CRADA）。根据协议条款，EdgeRunner AI公司与美国陆军研究实验室的合作将专注于推进战术边缘机器人平台的计算视觉与小语言模型能力；公司与空军研究实验室的合作将专注于向空军及太空军人员交付专用大型语言模型和人工智能代理。两项CRADA的同步签署说明EdgeRunner AI公司研发能力获得了美国国防部研究机构的认可，并且为相关系统的后续实战化部署提供了验证渠道。

3.EdgeRunner 2系列模型的持续迭代

EdgeRunner AI公司宣称，EdgeRunner 2系列模型在边缘部署军事大型语言模型领域实现了新的技术水平（SOTA）。该系列模型通过监督微调、知识蒸馏和强化学习等方法，结合超过1950亿军事相关训练词元以及300万组高质量问答数据进行训练，重点提升了军事任务场景下的知识覆盖能力和推理性能。其中，EdgeRunner-Light 2面向消费级笔记本电脑和部分智能手机进行优化，可在8GB以上显存设备上运行；EdgeRunner-Medium 2则面向性能更强的工作站级笔记本电脑设计，可在16GB以上显存设备上部署。官方测试结果显示，新一代模型在多项军事基准测试中的表现已经达到或接近当前前沿模型水平，同时保持了本地离线部署的优势。

4.军方用户验证与反馈

据报道，美国空军首席数据和人工智能办公室（CDAO）副处长亚当·帕尔默（Adam Palmer）中校在试用EdgeRunner Platform后表示，EdgeRunner-Light在处理美国《国防授权法案》（NDAA）等复杂文件时表现出较高的准确性和响应速度。帕尔默特别指出，EdgeRunner-Light能够在消费级硬件上离线运行，并在各种环境下保持任务就绪状态，体现出较强的边缘部署适应能力。

结论

总体来看，EdgeRunner Platform代表了美国国防人工智能领域的一种新的发展方向。与当前主流依赖云端算力和持续网络连接的大模型平台不同，EdgeRunner Platform围绕拒止、断开、间歇和低带宽环境下的实际需求进行设计，构建了一套覆盖模型、运行平台、智能体和应用能力的完整技术体系，使人工智能能力能够直接部署至前沿作战终端和边缘设备。这种发展模式不仅降低了人工智能对数据中心和通信基础设施的依赖，也使其更加符合实际军用人工智能的发展需求。

从技术路线来看，EdgeRunner Platform并未单纯追求模型参数规模的持续扩张，而是选择以轻量化、高效化和任务专业化为核心的发展路径。其底层的EdgeRunner Compression技术、中间层的EdgeRunner OS以及上层的智能体体系，共同构成了一套高度协同的端侧人工智能解决方案。其中，模型压缩技术解决了资源受限环境下的部署问题，EdgeRunner OS提供统一的资源调度和运行管理能力，而丰富的智能体体系则为多种军事人工智能应用场景提供了支持，这一切使EdgeRunner Platform能够在资源受限环境下提供接近主流大模型的部分人工智能能力。

与此同时，平台的发展方向与美军近年来强调的自主化、分布式和前沿化作战需求具有较高的契合度。随着美军持续推进联合全域指挥控制、多域作战和分布式作战概念，人工智能能力需要从后方数据中心逐步向基层作战单元延伸，并在复杂电磁环境下保持稳定运行。EdgeRunner Platform所具备的本地部署、离线运行以及任务定制化能力，为这一需求提供了新的技术实现路径。此外，平台获得IL6运营授权以及EdgeRunner AI公司与Intel、Carahsoft、Second Front Systems等合作伙伴建立协同生态，也表明其正在逐步突破单一技术产品的范畴，向具备硬件适配、合规部署和规模化推广能力的综合平台方向发展。

总体而言，EdgeRunner Platform已经初步形成了从底层模型优化到上层智能体应用的完整能力闭环，在美军边缘人工智能领域建立起较高的技术辨识度。不过，目前其整体发展仍处于快速迭代阶段，后续竞争力可能将更多取决于智能体自主能力的成熟度、跨平台生态的完善程度以及在真实任务场景中的规模化应用效果。EdgeRunner Platform的未来发展值得持续关注。

免责声明：

本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。

任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。

本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。

本文转载自：渊亭防务 渊亭防务 渊亭防务《解析美军边缘AI智能助手：EdgeRunner Platform》