Flox Intelligence 用 AI 驱离野生动物，守护火车、机场与公路安全

我记得八岁那年，我们坐火车去孟买，火车在一阵巨响中突然停了下来。八个多小时后重新启动时，有人指给我们看：铁轨旁的树枝上竟然挂着一条被撞断的野牛尾巴。

原来，火车全速撞上了一头野生野牛，撞击严重损坏了发动机，只能拖去修理。很长一段时间里，我以为这种事只会发生在印度农村这类地方，但几年前我才明白，野生动物和基础设施的冲突在全球任何地方都存在。

据美国联邦航空管理局（FAA）统计，1990 到 2025 年间，野生动物撞击平均每年造成美国民航约 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，是其五大晚点原因之一。仅在 2023 年，布列塔尼地区就有 120 列火车撞上动物，扰乱了 660 个班次，累计晚点超过 15000 分钟。

看到这些对基础设施和动物造成的双重伤害，Sara Nozkova（上图左）决定开发一套野生动物驱离系统，原理不同于传统用来驱赶道路上、铁轨旁、机场里动物的手段——警报器、灯光、围栏、驯鹰乃至扑杀。

“我坚信，答案绝不是更大声的驱赶，”她告诉 TechCrunch。

在交通和自动驾驶领域工作了 13 年后，Nozkova 深知：一旦自然界介入，我们为道路等受控环境打造的系统会多快失效。

“我们教会了机器变得聪明，但只在我们为它们设计的环境中——城市、工厂流水线、仓库，几何结构固定、目标对象已知。一旦走进大自然，我亲眼看到同样的机器立刻就失明了。因为大自然复杂而始终充满变数。”

于是她加入了斯德哥尔摩 KTH 皇家理工学院的 AI 实验室，着手开发一套系统，能够根据附近动物的行为、甚至动物的种类，动态调整驱离策略。

这项工作最终促成了 Flox Intelligence 的诞生。该公司于 2020 年从皇家技术学院（KTH）独立出来，如今已是今年在旧金山 Moscone West 举行的 TechCrunch Disrupt 会议上 Startup Battlefield 200 路演大赛的决赛入围者之一。 Flox 制造的是边缘设备，它们在现场而非云端处理数据。与自动驾驶汽车类似，这些设备使用感知系统来感知周围环境，只不过其模型专门针对野生动物行为进行了训练。当运动传感器检测到移动时，会唤醒设备，触发摄像头，并使用端侧模型识别附近的动物。随后，设备会发出针对特定物种的声音，将动物驱离。 Nozkova 表示，该系统还能从经验中学习，并调整其响应方式，以防止动物对重复的信号产生习惯。 目前，该公司销售的是电池供电设备，可安装在电线杆、树木或其他结构上。他们还提供一个软件平台，让客户查看设备部署位置及地面发生的情况。该平台还能生成用于监管合规和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便携性，以便运行在户外作业机器上，包括火车、汽车和无人机。 Nozkova 说，目前北美、欧洲和澳大利亚有约 150 台 Flox 设备处于运行状态，部署地点包括飞机场和机场周边；道路和铁路走廊（特别是野生动物走廊沿线的围栏末端和交叉点）；国家公园；农业用地；城市地区；采矿业场所；以及变电站等关键基础设施。 该公司先期销售边缘设备，首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，这些公司支付年度费用，以便在其车辆（如火车）上部署 Flox 的软件。火车制造商阿尔斯通（Alstom）就是其中之一。 Nozkova 表示，预计到 2026 年底，该公司营收将达到约 150 万美元。

尽管 Flox 的产品和思路颇具特色，但公司并非没有竞争对手。Robin Radar 旗下的 Scarecrow 同样利用针对特定物种的求救声驱鸟并记录现场活动；而 iCHASE 则销售一套利用计算机视觉识别鸟类、并用移动激光进行靶向驱赶的系统，该系统还能根据情况动态调整应对策略。

Nozkova 表示，公司的护城河在于系统的广度以及 Flox 在野外收集的数据。她将这些数据形容为“真正能确保驼鹿或灰熊安全移动的基准事实”。

“物理 AI 正走出工厂，走向复杂且充满生机的户外环境，” Nozkova 说，“每一台在户外运行的机器——无论是火车、卡车、无人机、拖拉机还是机器人——都需要理解自然，而自然智能将成为感知栈的下一个层级。目前几乎没人在这条赛道上发力。”

据 Nozkova 介绍，该公司在前种子轮和种子轮融资中已累计筹集约 500 万美元。种子轮由 Unconventional Ventures 和 Tilia Impact Ventures 领投。GENIUS NY、Norrsken、Satgana 及天使投资人也参与了各轮投资。

公司目前正开启 1000 万美元的 A 轮融资。这笔资金主要用于将部署设备从目前的约 150 台扩展至数千台，并将底层系统的应用场景从当前的野生动物保护拓展至更多领域。