저가 여덟 살 때, 우리의 뭄바이행 기차가 큰 소리와 함께 멈춰 섰던 것을 기억해요. 다시 움직이기 시작한 지 약 8시간 후에, 누군가가 선로 근처의 나뭇가지에 매달린 엉망진한 꼬리를 지적했어요.
당신이 보시다시피, 기차는 완전한 속도로 야생 멧돼지과 부딪혔고, 충격으로 엔진이 심하게 손상되어 수리하기 위해 끌려가야 했습니다. 오랫동안 저는 이런 일은 농촌 인도 같은 곳에서만 일어난다고 생각했지만, 몇 년 전에 알게 되었는데 지구 어디에서도 야생동물과 기반 시설이 공존하지 않는다는 것입니다.
FAA 추정치 1990년부터 2025년까지 약 272백만 달러의 평균 비용으로 미국 민간 항공업계가 야생동물 충돌로 인해 손실을 입었습니다. 프랑스에서는 철도 운영사 SNCF가 그런 상황입니다. 말한다 매년 전국에서 8,000대 이상의 기차에 영향을 미치는 방랑동물들이 지연의 주요 원인 중 다섯 가지 중 하나입니다. 브르타뉴 지역에서는 2023년 단 한 해에만 120대의 기차가 동물과 충돌하여 660개의 서비스가 중단되었고, 15,000분 이상의 지연이 발생했습니다.
모든 피해에 대해 읽고 나서, 기반 시설과 동물들에 미치는 피해를 보고, 사라 노즈코바(왼쪽에서 첫 번째 사진의 인물)는 동물들을 도로, 기차 선로, 공항 및 기타 기반 시설에서 멀리 떨어뜨려 두기 위해 전통적으로 사용되는 사이렌, 조명, 울타리, 독수리, 포획 등과는 다른 방식으로 작동하는 야생동물 억제 시스템을 개발하게 되었다.
“그 답은 더 큰 억제력이 아니라고 확신했어요,” 그녀는 TechCrunch에 말했다.
교통 및 자율주행 차량 분야에서 13년간 일한 후, 노즈코바는 자연이 개입하면 도로와 다른 통제된 환경을 통제하기 위해 만드는 시스템들이 얼마나 빨리 실패하는지를 알게 되었습니다.
“우리는 기계가 뛰어나도록 가르쳤지만, 그들을 위해 설계한 환경 안에서만 그럴 수 있어요,” 그녀가 말했다. “도시, 공장 라인, 창고들… 고정된 형태와 알려진 물체들입니다. 자연으로 나가면 같은 기계들이 얼마나 빨리 시력을 잃는지 직접 보았어요. 왜냐하면 자연은 복잡하고 항상 생명이 있기 때문이죠.”
그래서 그녀는 스톡홀의 KTH 로열 공과대학교의 AI 연구소에 합류하여, 주변 동물이 하는 행동이나 그 동물의 종류에 따라 억제 반응을 바꿀 수 있는 시스템을 개발하기 시작했습니다.
그 작업은 Flox Intelligence로 발전했으며, 이 회사는 2020년에 KTH에서 분사되었고 올해 TechCrunch Disrupt에서 열리는 Startup Battlefield 200의 최종 후보 중 하나입니다. (이 회사는 화요일 Disrupt 행사에서 VC 심사위원들에게 제안되었으며, 이 행사는 올해 10월 15일 목요일까지 샌프란시스코의 Moscone West에서 열립니다.)
플록은 클라우드가 아닌 현장에서 데이터를 처리하는 에지 기기를 만든다. 자율주행차와 마찬가지로 주변 환경을 감지하기 위해 인지 시스템을 사용하지만, 이 시스템은 야생동물의 행동에 대해 훈련된 것이다. 동작 센서는 움직임을 감지하면 기기를 작동시켜, 현장 모델을 사용하는 카메라가 근처의 동물을 식별하도록 한다. 그 후 기기는 해당 종에 적합한 소리를 내어 동물들을 쫓아낸다.
노즈코바는 시스템이 경험을 통해 학습하기도 하며, 동물들이 반복되는 신호에 익숙해지지 않도록 반응을 조정한다고 말했습니다.
이 회사는 현재 기둥, 나무 및 다른 구조물에 설치할 수 있는 배터리로 작동하는 장비를 판매하고 있습니다. 또한 고객에게 장비가 위치한 곳과 현장에서 일어나는 상황을 보여주는 소프트웨어 플랫폼도 제공합니다. 이 플랫폼은 규정 준수 및 생물다양성 모니터링과 같은 용도를 위한 보고서도 생성할 수 있습니다. 장기적인 목표는 기차, 차량, 드론 등 외부에서 작동하는 기계에서도 실행될 수 있는 충분히 휴대 가능한 소프트웨어를 만드는 것입니다.
노즈코바는 약 150개의 플록 장치가 북미, 유럽, 호주에서 공항과 항공기장, 도로 및 철도 통로(특히 야생동물 통로를 따라 있는 울타리 끝과 교차점), 국립공원, 농경지, 도시 지역, 광산 현장, 그리고 전력 변전소와 같은 중요한 인프라 등 다양한 장소에 존재한다고 말했습니다.
이 회사는 에지 유닛을 사전에 판매한 뒤, 첫 해 이후에는 연간 소프트웨어 및 AI 구독료를 부과합니다. Flox는 기차와 같은 차량에 자사 소프트웨어를 설치하기 위해 연간 요금을 지불하는 회사들과 OEM 파트너십도 가지고 있습니다. 기차 제조업체인 Alstom도 그러한 파트너 중 하나입니다.
노즈코바는 회사가 2026년 말에 약 150만 달러의 수익을 기대한다고 말했습니다.
Flox의 제품과 접근 방식이 독특하지만, 이 스타트업도 경쟁 없이는 존재하지 않습니다. Robin Radar의 Scarecrow도 종류별로 특화된 위험 신호를 사용하여 새들을 흩어지게 하고 활동을 기록합니다. 반면 iCHASE는 컴퓨터 비전으로 새를 감지하고 움직이는 레이저로 표적을 조준하는 시스템을 판매하며, 필요에 따라 반응을 조절합니다.
노즈코바는 자신의 데이터베이스가 시스템의 폭과 현장에서 Flox가 수집한 데이터에 있다고 말합니다. 그녀는 이를 “무스나 곰이 안전하게 움직이는 방식을 실제로 알 수 있는 ‘진짜 사실’”이라고 부릅니다.
“물리적 AI는 공장에서 나와 엉망이지만 살아있는 외부 환경으로 나아가고 있습니다,” 노즈코바가 말했습니다. “외부에서 작동하는 모든 기계 — 기차, 트럭, 드론, 트랙터, 로봇 —은 자연을 이해해야 하며, 자연의 지능이 바로 인지 스택의 다음 계층입니다. 거의 아무도 이를 구축하고 있지 않습니다.”
이 회사는 현재 프리-시드 및 시드 라운드를 통해 약 5백만 달러를 조달했으며, 시드 라운드는 Unconventional Ventures와 Tilia Impact Ventures가 주도했습니다. 노즈코바는 각 라운드의 공동 투자자로 GENIUS NY, Norrsken, Satgana 및 엔젤 투자자들이 포함되어 있다고 말했습니다.
이 회사는 현재 1천만 달러 규모의 시리즈 A 투자를 시작할 예정입니다. 이 자금은 약 150대의 장비를 수천 대로 확대하고, 기존의 야생동물 관련 사용 사례를 넘어서는 기반 시스템을 확장하는 데 사용될 것입니다.