Flox Intelligence 用 AI 驱离野生动物，保护火车、机场和公路

八岁那年，我记得我们开往孟买的火车伴随着一声巨响戛然而止。大约八个小时后，当我们重新启程时，有人指着铁轨旁一根树枝上挂着的东西——竟然是一条被撞得血肉模糊的尾巴。

你看，那列火车显然是全速撞上了一头野牛，撞击严重损坏了机车，以至于它不得不被拖走维修。很长一段时间里，我都以为这种事只发生在印度农村这样的地方，但几年前我才了解到，野生动物与基础设施在任何地方都格格不入。

FAA 估计，1990年至2025年间，野生动物撞击平均每年给美国民用航空造成约2.72亿美元的损失。在法国，铁路运营商SNCF 表示，游荡的动物每年影响全国超过8000列火车，并且是其五大延误原因之一。仅在布列塔尼，2023年就有120列火车撞上动物，扰乱了660趟列车服务，造成超过15000分钟的延误。

读到这些对基础设施和动物双方造成的种种损害，激发了Sara Nozkova（上图左）开发一套野生动物驱避系统的灵感。这套系统的工作原理不同于传统上用来让动物远离公路、铁轨、机场和其他基础设施的警报器、灯光、围栏、猎鹰和扑杀手段。

“我确信答案并不是一个更响亮的驱避装置，”她告诉TechCrunch。

在交通和自动驾驶汽车领域工作了13年后，Nozkova深知，一旦大自然介入，我们为在道路和其他受控环境中导航而构建的系统会多么迅速地失效。

“我们教会了机器变得聪明，但仅限于我们为它们设计的环境中，”她说。“城市、工厂流水线、仓库。固定的几何结构，已知的物体。走进大自然，我亲眼看到同样的机器如何迅速变得‘失明’。因为大自然复杂且始终充满生机。”

因此，她转而加入斯德哥尔摩KTH皇家理工学院的AI实验室，开始研发一套系统，能够根据附近动物的行为，甚至根据动物的种类，来改变其驱避响应。

这项工作最终发展为Flox Intelligence，该公司于2020年从KTH分拆出来，是今年TechCrunch Disrupt上Startup Battlefield 200的入围者之一。（该公司于周二在Disrupt上向一组风投评委进行了路演，该活动今年在旧金山Moscone West举行，持续至10月15日周四。）

Flox制造的是在现场而非云端处理数据的边缘设备。与自动驾驶汽车一样，它们使用感知系统来感知周围环境，但它们的系统是基于野生动物行为训练的。当运动传感器检测到移动时，会唤醒设备，触发摄像头，摄像头利用设备端模型识别附近的动物。随后，设备发出适合该物种的声音将其吓走。

Nozkova表示，该系统还能从经验中学习，并会变化其响应方式，以免动物对重复的信号产生习惯化。

该公司目前销售可安装在杆、树木和其他结构上的电池供电设备。它还提供一个软件平台，向客户展示设备的部署位置以及现场发生的情况。该平台还可以生成用于监管合规以及生物多样性监测等用途的报告。长期目标是让软件具备足够的可移植性，以便在户外作业的机器上运行，包括火车、汽车和无人机。

Nozkova 表示，目前约有 150 台 Flox 设备在北美、欧洲和澳大利亚投入使用，部署地点包括机场和机场周边；公路和铁路走廊（尤其是野生动物走廊沿线的围栏末端和交叉口）；国家公园；农田；城市地区；矿区；以及变电站等关键基础设施。

该公司预先销售边缘设备，然后在第一年之后收取年度软件和 AI 订阅费。Flox 还与一些公司建立了 OEM 合作伙伴关系，这些公司支付年费以在火车等车辆上部署其软件。列车制造商阿尔斯通就是其中之一。

Nozkova 表示，公司预计 2026 年底营收约为 150 万美元。

尽管 Flox 的产品和方法独树一帜，这家初创公司并非没有竞争对手。Robin Radar 的 Scarecrow 也利用特定物种的求救叫声来驱散鸟类，并记录其活动；而 iCHASE 销售一种系统，通过计算机视觉检测鸟类，并用移动激光瞄准它们，根据需要调整响应。

Nozkova 表示，她的护城河在于系统的广度以及 Flox 在实地收集的数据，她称之为“关于究竟是什么让驼鹿或灰熊安全移动的地面真相”。

“物理 AI 正在走出工厂，进入杂乱而充满生机的户外，”Nozkova 说。“每一台在户外运行的机器——火车、卡车、无人机、拖拉机、机器人——都需要理解自然，而自然智能是感知栈的下一层。几乎没人在构建它。”

Nozkova 表示，公司迄今已在 pre-seed 和种子轮融资中筹集了约 500 万美元，种子轮由 Unconventional Ventures 和 Tilia Impact Ventures 领投。各轮次的共同投资者包括 GENIUS NY、Norrsken、Satgana 和天使投资人。

该公司目前正在启动 1000 万美元的 A 轮融资，资金将主要用于从约 150 台设备扩展到数千台部署设备，并将底层系统扩展到当前野生动物用例之外。

当您通过我们文章中的链接购买时，我们可能会赚取少量佣金。这不会影响我们的编辑独立性。