八岁那年，我记得我们开往孟买的火车在一声巨响中停了下来。大约八小时后，当列车再次启动时，有人指出铁轨附近的一根树枝上挂着一截扭曲变形的车尾。
你看，这列火车显然以全速撞上了一头野生野牛，撞击严重损坏了机车，不得不被拖走维修。很长一段时间里，我以为这种事只发生在印度农村等地，但几年前我了解到，野生动物与基础设施在任何地方都不兼容。
美国联邦航空管理局估计，野生动物撞击事件导致美国民用航空业在1990年至2025年间平均每年损失约2.72亿美元。在法国，铁路运营商SNCF表示，流浪动物每年影响全国超过8,000列火车的运行，是其五大延误原因之一。仅在2023年，布列塔尼就有120列火车撞到动物，导致660趟服务中断，延误时间超过15,000分钟。
从传统驱赶到智能感知
阅读所有这些关于基础设施和动物受损的报道后，萨拉·诺兹科娃（Sara Nozkova）受到启发，开发了一种不同于传统驱赶动物远离道路、铁轨、机场和其他基础设施的警报器、灯光、围栏、猎鹰和捕杀方法的野生动物驱避系统。
“我确信答案不是更响亮的驱赶手段，”她告诉TechCrunch。
在交通运输和自动驾驶领域工作了13年后，诺兹科娃了解到，一旦自然因素介入，我们为导航道路和其他受控环境而构建的系统会迅速失效。
“我们教会机器变得聪明，但仅限于我们为它们设计的内部环境中，”她说，“城市、生产线、仓库。固定的几何形状、已知的物体。一旦踏入自然环境，我就亲眼看到同样的机器如何迅速失明。因为自然界复杂且充满生机。”
因此，她加入了斯德哥尔摩皇家理工学院（KTH）的人工智能实验室，开始研究一种能够根据附近动物的行为甚至种类来改变其驱避反应的系统。
这项工作最终演变为 Flox Intelligence，该公司于2020年从KTH独立出来，是今年TechCrunch Disrupt Startup Battlefield 200 pitch competition决赛选手之一，该活动将于10月13日至15日在旧金山Moscone West举行。
Flox的工作原理与商业模式
Flox制造边缘设备，在现场而非云端处理数据。与自动驾驶汽车类似，它们使用感知系统来探测周围环境，但其感知系统是基于野生动物行为进行训练的。运动传感器在检测到移动时唤醒设备，触发相机使用设备端模型识别附近的动物。随后，设备会发出针对该物种的声音以将其驱离。
Nozkova表示，该系统也能从经验中学习，并调整其响应方式，以防止动物对重复信号产生习惯化。
该公司目前销售可安装在杆子、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，让客户了解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的报告，以及用于生物多样性监测等用途的报告。长期目标是将软件变得足够便携，以便在户外工作的机器上运行，包括火车、汽车和无人机。
Nozkova表示，目前在北美、欧洲和澳大利亚的机场、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口）、国家公园、农业用地、城市地区、采矿场所以及变电站等关键基础设施中，约有150台Flox设备正在运行。
该公司 upfront 销售边缘单元，然后在第一年后收取年度软件和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其车辆（如火车）上部署其软件。火车制造商Alstom就是这样的合作伙伴之一。
Nozkova表示，该公司预计2026年底收入约为150万美元。
竞争优势与融资进展
尽管Flox的产品和方法独具特色，但该初创企业并非没有竞争对手。Robin Radar的 Scarecrow 也使用针对特定物种的求救声来驱散鸟类，并记录活动情况，而 iCHASE 则销售一种利用计算机视觉检测鸟类并用移动激光瞄准它们的系统，并根据需要调整其响应。
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“关于什么实际上能让驼鹿或灰熊安全移动的‘地面真相’”。
“物理AI正走出工厂，进入混乱且充满生机的户外环境，”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，而自然智能将是感知堆栈的下一层。几乎没有人正在构建它。”
截至目前，该公司已在种子前轮和种子轮融资中筹集了约500万美元，其中种子轮由Unconventional Ventures和Tilia Impact Ventures领投。Nozkova表示，各轮次的共同投资者包括GENIUS NY、Norrsken、Satgana以及天使投资人。
该公司目前正在启动一轮1000万美元的A轮融资，资金将主要用于将部署设备从约150台扩展至数千台，并将底层系统的应用范围从其当前的野生动物保护用例中进一步拓展。