我八岁的时候，记得我们去孟买的火车在巨大的噪音中停了下来。大约八小时后，当火车再次开始移动时，有人指出，在靠近铁轨的树枝上挂着一个破烂的尾巴。
你看，那列火车显然以全速撞上了一头野生野牛，撞击导致发动机受损严重，不得不被拖走进行维修。很长一段时间里，我以为这种事情只发生在印度农村这样的地方，但几年前我了解到，在地球上任何地方，野生动物和基础设施都无法共存。
FAA 估计值 1990年至2025年期间，野生动物袭击导致美国民用航空平均每年损失约2.72亿美元。在法国，铁路运营商SNCF也受到了影响 说 每年，流浪动物影响全国超过 8,000 列火车，是导致延误的五大主要原因之一。仅在 2023 年，布列塔尼地区就有 120 列火车与动物发生冲突，导致 660 次服务中断，延误时间超过 15,000 分钟。
了解到所有这些破坏对基础设施和动物造成的危害后，左边的照片中的萨拉·诺兹科娃便研发出了一种野生动物威慑系统。该系统的运作方式与传统的警报器、灯光、围栏、猎鹰以及捕杀措施不同，这些传统手段都是用来防止动物靠近道路、铁路轨道、机场和其他基础设施的。
“我坚信答案并非更响亮的威慑手段，”她对 TechCrunch 说。
在从事运输和自动驾驶车辆领域工作了 13 年后，诺兹科娃意识到，当我们构建用于在道路和其他受控环境中导航的系统时，一旦自然因素介入，这些系统就会迅速失效。
“我们教会了机器变得出色，但只是发生在我们为它们设计的环境里，”她说。“城市、工厂生产线、仓库。固定的几何形状、已知的物体。当它们进入自然中时，我亲眼看到这些机器迅速变得看不见。因为自然是复杂的，而且始终处于动态变化中。”
因此，她加入了斯德哥尔摩KTH皇家科技学院的AI实验室，开始研发一种系统，该系统能够根据附近动物的行为以及具体是哪种动物来改变其威慑反应。
那项工作最终发展成了 Flox Intelligence，该公司在2020年由KTH独立出来，是今年TechCrunch Disrupt的Startup Battlefield 200竞赛的决赛选手之一。（该公司在周二的Disrupt活动中向投资顾问评委展示了其项目，该活动将于今年10月15日星期四在旧金山Moscone West举行。）
Flox 制造了边缘设备，这些设备可在本地处理数据，而非在云端。就像自动驾驶汽车一样，它们使用感知系统来感知周围环境，但这些系统的训练数据来自野生动物行为。运动传感器在检测到移动时就会激活设备，进而启动相机，该相机利用本地模型来识别附近的动物。随后，设备会发出适合该物种的声音以吓跑它们。
诺兹科娃说，该系统也会从经验中学习，并调整其反应方式，以免动物对重复信号产生习惯。
该公司目前销售由电池供电的设备，这些设备可以安装在杆子、树木和其他结构上。此外，它还提供一款软件平台，该平台能够向客户展示设备的安装位置以及现场的情况。该平台还能生成用于合规检查以及生物多样性监测等用途的报告。长期的目标是实现软件的可移植性，使其能够在户外使用的机器上运行，包括火车、汽车和无人机。
诺兹科娃表示，约有150台Flox设备位于北美、欧洲和澳大利亚，分布于机场和机场周边区域、道路和铁路通道（尤其是野生动物通道的围栏末端和交叉点）、国家公园、农业用地、城市地区、采矿场以及电力变电站等关键基础设施中。
该公司先出售边缘设备，第一年后收取年度软件及人工智能订阅费。Flox还与一些公司建立了OEM合作伙伴关系，这些公司需支付年度费用，以便在列车等交通工具上部署其软件。火车制造商Alstom就是这样的合作伙伴之一。
诺兹科娃表示，该公司预计在2026年底的收入约为150万美元。
尽管 Flox 的产品和模式非常独特，但该初创公司也面临竞争。Robin Radar 的 Scarecrow 也使用特定物种的求救信号来驱散鸟类，并记录其活动情况；而 iCHASE 则推出一种利用计算机视觉识别鸟类的系统，通过移动激光束 targeting 这些鸟类，并根据需要调整响应方式。
诺兹科娃说，她的“护城河”在于系统的广度以及弗洛克斯在实地收集的数据，她将这称为“关于驼鹿或灰熊如何安全移动的实际真相”。
“物理人工智能正从工厂走向混乱而充满活力的现实世界，”诺兹科娃说。“所有在户外运行的机器——火车、卡车、无人机、拖拉机和机器人——都需要理解自然，而自然智能则是感知体系的下一层。几乎没有人正在构建这一系统。”
该公司迄今为止已通过预种子轮和种子轮筹集了约 500 万美元，其中种子轮由 Unconventional Ventures 和 Tilia Impact Ventures 主导投资。Nozkova 表示，各轮次的共同投资者包括 GENIUS NY、Norrsken、Satgana 以及天使投资者。
该公司目前正在启动一项1000万美元的A轮融资项目，这些资金将主要用于从大约150台设备扩展到数千台部署设备，以及将底层系统应用范围从当前的野生动物相关场景拓展到其他领域。