这篇博文原发布于Axelera AI官网，经Axelera AI授权转载。
克罗地亚亚得里亚海岸是欧洲最著名的旅游目的地之一，每年吸引数百万游客前来观赏海景、岛屿和历史悠久的沿海城镇。许多游客天性喜欢冒险，内陆耸立的壮观石灰岩山脉常常吸引他们偏离常规路线。这里的地形既美丽又充满危险，一旦有徒步者失踪，山地救援队就要在与地形和时间的双重较量中，徒步搜索广阔区域。
DroneStar AI由来自克罗地亚、斯洛文尼亚和西班牙的无人机技术资深人士于2025年创立，公司的核心理念只有一个：让一名操作员就能指挥一整支无人机集群。多架无人机、一名操作员、每架飞机机上完全自主，这样的组合能实现响应速度与险情规模同步扩展的安全救援体系。
诞生于克罗地亚的山脉
山地搜救面临的地形往往能迅速拖垮地面救援队：陡峭山脊、茂密森林、松软地面。无人机能在几分钟内完成地面团队需要数小时才能走完的搜索。但传统模式存在一个硬性限制：每架无人机都需要配备专属操作员，而且由于法规要求必须持续监控飞行器，往往还需要第二个人专门盯着视频画面寻找失踪者的踪迹。搜索范围越大，需要的人手和时间就越多——而这恰恰是当有人失踪、情况瞬息万变时最稀缺的资源。
DroneStar的解决方案是把智能能力搬到无人机机上。如果一架无人机能够自主规划路径、自主完成检测、并在设定约束内自主做出实时决策，那么一名操作员就可以监管整支集群。这意味着更大的覆盖范围、更快的响应速度，搜索能力可以随险情规模扩展，而不是受限于人员规模。实际效果是，操作员与无人机的配比从1比1提升到1比5甚至1比10，大幅降低了任务执行成本。
技术挑战：让智能飞上天
这项挑战首先是物理层面的。无人机要在严格的重量和功耗限制下搭载完整的自主能力，同时实时并行运行路径规划、目标检测和目标跟踪，而这一切都要在一个必须保持飞行状态的平台上完成。
DroneStar人工智能负责人瓦斯亚·乌尔班契奇解释道：“我们实现这一目标的方式，是尽可能把自主能力都装进无人机机身内，包括确定飞行路径、运行检测、进行跟踪，这一切都完全独立于地面控制站运行。”
DroneStar首席运营官赫尔沃耶·帕维契奇解释说：“整个系统的设计理念只有一个：无人机永远不需要询问接下来该做什么。它自己规划路线，自己运行检测，自己跟踪发现的目标。无人机负责搜索，操作员则专注于救援。”
架构设计：Axelera贯穿每一层
要实现这一目标，DroneStar需要一款既能提供足够算力支撑机上全部运算，又要足够紧凑轻便、能给电池和续航留出空间的AI硬件。
他们最终选择了Axelera的Metis(R) AIPU芯片。
每架DroneStar无人机都搭载一个Axelera Metis M.2模块，负责飞行中的实时推理运算：目标检测配合跟踪流程，能够在光学和热成像两种摄像头画面中识别人员或车辆。热成像功能意味着系统可以在夜间工作，当搜索延续到天黑之后，每一分钟都至关重要。飞行过程中，该模块以摄像头满帧率20FPS实时处理1280×1080分辨率视频，运行检测与跟踪流程，且算力仍有余量。系统的处理能力足以并行处理更多输入流、运行级联模型，或叠加更复杂的处理流程。
在地面端，容纳整支集群的机巢搭载了Axelera Metis(R)单板计算机（SBC），负责统筹起降顺序以避免碰撞、整合遥测数据和检测结果，并将这一切信息上传给机上协调层PackMind。
DroneStar的软件平台可以在手机、平板或电脑上打开，操作员由此从任何地点指挥整支集群，该平台也控制着机巢。针对有严格数据要求的政府和应急服务客户，该系统可运行在私有云实例上，确保所有遥测数据和检测数据都保留在客户自己的环境中。
即便如此，一些决策仍由人类掌控。操作员划定搜索区域边界，待无人机计算出各自的搜索路径后，由操作员确认方案并启动任务。此后，任务的其余部分由集群自主完成，但操作员在任何时刻都可以命令单架无人机或整支集群悬停、降落或返航。
机巢还为无人机在空中难以承担的智能运算增添了一层能力。在机上，每一次运算都必须瞬间完成，无人机要一边运行检测一边做出实时飞行决策并规避障碍。机巢则没有这样的限制，DroneStar正着手利用这部分算力余量，对不确定的检测结果进行复核、锐化模糊图像，并在误报变成干扰信息之前将其过滤掉。
为何选择Axelera
DroneStar在做出决定之前评估了多款顶尖的边缘AI加速器，最终有两个因素决定了他们的选择。
第一个是性能。瓦斯亚说：“在所有基准测试中，它都名列前茅，所以选择起来非常容易。”紧凑的M.2外形规格更是让这一选择锦上添花：它在提供强大性能的同时，还做到了体积小、重量轻、能效高，足以满足飞行需求。
第二个因素是供应链透明度。随着DroneStar拓展至安防和关键基础设施市场，客户和监管机构都希望准确了解硬件的来源。能够提供一条完全可审计、可追溯的硬件供应链，这在商业层面和合规层面都具有重要意义。
在软件集成方面，团队使用Voyager(R) SDK将他们的AI模型部署到Axelera硬件上。上手速度很快：从初次接触Voyager到在M.2上完成首次成功推理，只用了几个小时。随着检测能力的不断演进，团队通过该SDK更新并重新部署模型，无需重建底层系统。
DroneStar正在打造什么
DroneStar同时将无人机集群应用于周界安防领域。一个机巢最多可容纳四架无人机，一名操作员通过网页仪表盘管理整支集群。虚拟围栏划定禁入区域；无人机沿预设路线巡逻，检测并跟踪任何进入区域的目标，并将检测结果自动推送到操作员的屏幕上。
首个商业概念验证项目是位于西班牙南部一处2公里×2公里的太阳能电站，预计将在未来一个月内启动。
第二条业务线正与一家电信公司进行后期开发合作。该公司铁塔上的静态摄像头负责监测烟雾；一旦检测到烟雾，铁塔系统就会发出警报并激活机巢上搭载的无人机，无人机随即自主出动，全程无需操作员介入。它会确认火情、标记精确的GPS位置，并将坐标直接传送给应急服务部门，随后返回机巢。赫尔沃耶说：“消防部门能比平时更快地获取信息。”
赫尔沃耶接着说：“这个火情场景是我认为最令人振奋的一个，因为整个过程完全没有操作员参与。摄像头发现烟雾，无人机就出动。它确认火情、标记位置，消防部门几分钟内就能拿到GPS坐标。这是一个每一分钟都至关重要、能够自主行动的系统。”
搜救——公司最初的创立使命——已列入近期发展路线图。这项任务在技术上比周界巡逻更具挑战性，因为它没有预设路线，搜索区域也是动态变化的。这正是分工机制发挥作用的地方：PackMind将搜索区域划分成若干部分，并分配给集群中的每架无人机。此后，每架无人机自主规划路线，在自动驾驶模式下飞行，并独立完成检测与跟踪，而PackMind则汇总每架无人机的发现结果，并与地面站协调配合。
DroneStar已经改装了一辆皮卡车，将其作为山地救援队的移动无人机基地，机巢在野外可从车辆电池中取电。
欧洲的自主无人机公司
这一市场潜力巨大：太阳能与风电场安防、野火探测、海岸与边境监控、山地救援、关键基础设施保护等领域皆有需求。该平台具有跨应用通用性：只需更换检测模型，同一套硬件和软件体系就能应用于农业、物流，或任何其他无人机能够发挥价值的场景。
DroneStar甚至在探索一款未来的“智能盒子”：这是一个模块化的AI与自动驾驶单元，可以授权给其他自主载具制造商、船舶和地面车辆使用，将Axelera驱动的技术体系拓展到无人机之外的更广阔领域。
对Axelera而言，DroneStar正是我们所打造技术要服务的那类客户：一支在高要求环境中真正攻坚克难的工程师团队，性能、能效和供应链完整性对他们同样至关重要。我们很自豪能为他们的无人机集群提供动力支持，并期待见证它不断成长。
Q&A
Q1：DroneStar AI是什么公司？主要做什么业务？
A：DroneStar AI是2025年由克罗地亚、斯洛文尼亚和西班牙的无人机技术资深人士创立的公司，核心理念是让一名操作员就能指挥一整支无人机集群，实现多架无人机机上自主运行，应用于山地搜救、周界安防、野火探测等领域。
Q2：DroneStar无人机为什么选择Axelera的芯片？
A：主要基于两个因素：一是性能表现，在各项基准测试中Axelera的Metis AIPU都名列前茅，且M.2模块体积小、重量轻、能效高，适合飞行需求；二是供应链透明度，能提供完全可审计、可追溯的硬件供应链，满足安防和关键基础设施客户的合规要求。
Q3：DroneStar的无人机集群如何实现自主搜救？
A：操作员先划定搜索区域边界，PackMind协调层会将区域划分给集群中的每架无人机，各无人机自主规划路径、运行检测与跟踪，操作员确认方案后启动任务，此后整个搜索过程由集群自主完成，操作员可随时命令无人机悬停、降落或返航。