瑞典初创公司Flox Intelligence正在推广一款搭载AI的设备，旨在将野生动物驱离铁路、跑道和道路。该设备通过摄像头识别动物种类，并根据具体情况发出相应的声音。创始人萨拉·诺兹科娃表示，目前北美、欧洲和澳大利亚约有150台设备投入使用。2026年10月，该公司入选在旧金山举行的TechCrunch Disrupt创业竞赛“Startup Battlefield 200”决赛名单。
数字解读：动物与交通基础设施的冲突
野生动物与交通基础设施发生冲突并不罕见。美国联邦航空管理局（FAA）估算，1990年至2025年间，野生动物撞击给美国民航造成的损失平均每年约为2.72亿美元。法国国家铁路公司SNCF表示，每年有8000多列火车受到动物闯入轨道的影响，这也是造成列车延误的前五大原因之一。仅在布列塔尼地区，2023年就有120列火车与动物相撞，影响660列火车的运行，累计延误超过1.5万分钟。
创始人诺兹科娃关注这一问题的契机也令人印象深刻。她回忆，自己8岁时，一列开往孟买的火车伴随着轰鸣声停了下来，约8小时后才重新启动。她说，一头野生野牛的尾巴挂在了铁轨旁的树枝上。她起初以为这是印度乡村特有的情况，后来才知道类似事件在世界各地都会发生。
警笛、灯光、围栏、猛禽，甚至扑杀。过去的应对措施大多以“骚扰”动物、将它们赶走为思路。诺兹科娃认为“答案不在于把声音弄得更大”，或许正是因为她意识到了这些方法的局限。
不是更大的声音，而是因动物而异的应对方式
Flox的设备首先由运动传感器检测到动静并唤醒设备。随后摄像头启动，设备内的AI模型识别附近动物的种类，再发出适合该物种的声音将其驱离。
关键在于，设备不会每次都发出相同的声音。动物反复受到同一种刺激后会逐渐习惯。诺兹科娃解释说，设备会根据现场经验进行学习，并不断调整反应模式。就像街灯下的鸽子逐渐不再躲避行人一样，动物习惯刺激正是威吓式措施最难应对的问题。
另一个值得关注的特点是，设备采用“边缘AI”，即在现场设备上而非云端进行处理。它需要部署在线路沿线、农田和国家公园等通信环境不稳定的地方。无需将视频传到远端，就能在现场作出判断并采取行动，这种设计符合户外应用的实际需求。
诺兹科娃看到的自动驾驶“盲点”
诺兹科娃曾在交通和自动驾驶领域工作13年。她在那里深切体会到，机器在人类整理好的环境中表现出色，但一旦自然因素介入，就会不知所措。她认为，城市、工厂生产线和仓库等环境形态固定、目标明确且已知，而自然环境复杂多变、始终处于变化之中。
此后，她加入斯德哥尔摩的KTH皇家理工学院AI实验室，开始研究一种能根据动物的行为和种类调整应对方式的系统。2020年，这项研究从KTH分拆出来，成立了Flox Intelligence。
用途不止于交通基础设施
据该公司介绍，目前约有150台设备在机场周边、道路和铁路沿线、国家公园、农田、城市地区、矿山和变电站等重要基础设施场景中运行。在铁路和道路场景中，主要安装地点是野生动物迁徙路线与围栏相交处的围栏末端和道口。设备采用电池供电，可安装在杆子或树木等物体上。
软件是公司的另一项核心业务。用户可以查看设备的安装位置和现场情况，软件还可用于生成合规报告和监测生物多样性。也就是说，这套系统不仅能驱赶动物，还能作为传感器网络，在现场记录动物活动。
从长远来看，公司计划让软件能够搭载于列车、汽车和无人机等在户外运行的机器上。从固定设备走向移动机器的“眼睛”，其目标不止于野生动物管理。
理解自然的AI能否成为下一代感知基础设施？
公司的收入模式是在销售设备的基础上，从部署后的第二年起收取年度软件和AI使用费。对于将软件搭载到列车等车辆上的企业，公司则通过OEM合作收取年费。铁路车辆制造商阿尔斯通（Alstom）是其合作伙伴之一。诺兹科娃表示，预计2026年末营收约为150万美元。
融资方面，公司已通过Pre-seed轮和Seed轮筹集约500万美元。Seed轮由Unconventional Ventures和Tilia Impact Ventures领投，GENIUS NY、Norrsken、Satgana及天使投资人也参与其中。目前，公司已启动规模为1000万美元的A轮融资，计划将资金主要用于把设备从目前约150台扩大到数千台，并拓展野生动物以外的应用领域。
市场上也有竞争对手。Robin Radar的Scarecrow通过播放针对不同物种的警戒声驱散鸟类，并记录其活动。iCHASE则销售一套系统，利用计算机视觉检测鸟类，再用移动激光将其驱离。诺兹科娃认为，Flox的优势在于系统覆盖面广，以及在实际场景中积累的数据。她将这些数据称为关于驼鹿和灰熊如何安全活动的“实地真值数据”。
诺兹科娃表示，物理AI正从工厂走向杂乱且充满生物的户外环境。她认为，列车、卡车、无人机、拖拉机和机器人等户外运行的机器终将需要理解自然，“自然智能”将成为感知技术的下一层。自动驾驶技术一直在提升识别人和车辆的能力，但识别野生动物、预测其行为仍是相对薄弱的领域。填补这一空白的技术能否成为一种既减少事故、又不伤害动物的解决方案？设备能否扩大至数千台，将逐步给出答案。
コメント