瑞典新創公司Flox Intelligence正推出一款搭載AI的裝置，協助將野生動物趕離鐵路、跑道和道路。創辦人莎拉・諾茲科娃（Sara Nožková）表示，裝置會透過攝影機辨識動物種類，再依據情況播放相應的聲音，目前北美、歐洲和澳洲約有150台裝置運作。該公司也在2026年10月於舊金山舉行的TechCrunch Disrupt新創競賽「Startup Battlefield 200」中，獲選為決賽入圍者之一。
以數字看動物與交通基礎設施的衝突
野生動物與交通基礎設施發生衝突，絕非罕見。根據美國聯邦航空總署（FAA）的估算，1990年至2025年間，野生動物撞擊事故造成美國民航業平均每年約2億7200萬美元的損失。法國國家鐵路公司SNCF表示，每年有超過8000班列車受到闖入鐵軌的動物影響，這也是列車延誤的五大原因之一。光是布列塔尼地區，2023年就有120班列車與動物相撞，影響660班列車運行，延誤時間合計超過1萬5000分鐘。
創辦人諾茲科娃開始關注這個問題的契機也令人印象深刻。她說，8歲時，一列開往孟買的火車伴隨轟然巨響停了下來，約8小時後才重新出發。據說，一頭野生野牛的尾巴被勾在鐵軌旁的樹枝上。她原以為這只是印度鄉間才會發生的事，後來才知道這種情況在世界各地都會發生。
警笛、燈光、柵欄、猛禽，甚至撲殺。過去的各種對策，核心思路都是透過「騷擾」動物來把牠們趕走。諾茲科娃認為「答案不是更大的聲音」，想必是因為她看到了這種做法的局限。
不是更大的聲音，而是因應動物做出調整
Flox的裝置首先會由動作感測器偵測到動靜，並啟動主機。接著攝影機開始運作，裝置內的AI模型會辨識附近的動物種類，再播放適合該物種的聲音將牠們趕走。
關鍵在於不會每次都播放相同的聲音。動物反覆受到相同刺激，就會逐漸習慣。諾茲科娃表示，因此裝置會從現場經驗中學習，改變反應模式。就像街燈下的鴿子不再躲避人類一樣，動物一旦習慣，正是威嚇式對策最難應付的情況。
另一個值得注意的特點，是採用「邊緣AI」，也就是在現場的裝置上處理資料，而非送到雲端。這些裝置會部署在鐵路沿線、農地和國家公園等通訊環境不穩定的地方。不將影像傳到遠端，而是就地判斷並採取行動，這樣的設計符合戶外作業的實際需求。
諾茲科娃觀察到的自駕「盲點」
諾茲科娃曾在交通和自動駕駛領域工作13年。她深刻體會到，機器在人類整理好的環境中表現出色，但自然一旦介入，就會不知所措。在她看來，城市、工廠產線和倉庫等環境格局固定、物件也已知，與此不同，自然環境複雜且不斷變化。
之後，她加入斯德哥爾摩的KTH皇家理工學院AI實驗室，開始研究能依照動物行為和種類調整應對方式的系統。這項計畫於2020年從KTH衍生成立Flox Intelligence。
用途不只限於交通基礎設施
該公司表示，目前約有150台裝置部署在機場周邊、道路和鐵路沿線、國家公園、農地、都市區、礦場、變電所等重要基礎設施。鐵路和道路上的主要設置地點，是柵欄與野生動物遷徙路線交會的末端，以及平交道。裝置以電池供電，可安裝在柱子或樹木等物體上。
軟體是另一項核心業務。使用者可以查看裝置的設置位置和現場狀況，軟體也可用於製作法規遵循報告，以及監測生物多樣性。換言之，這些裝置不只是驅離野生動物的工具，也能組成感測網絡，記錄現場動物的活動。
長期而言，該公司計畫讓軟體能搭載在列車、汽車和無人機等戶外運作的機器上。從固定裝置到移動機器的「眼睛」，Flox著眼的應用範圍將不只限於野生動物對策。
理解自然的AI能否成為下一代感知基礎？
營收模式除了銷售裝置，也會從導入第二年起收取年度軟體和AI使用費。與將軟體搭載於列車等車輛上的企業，則透過OEM合作收取年費。鐵路車輛製造商Alstom是合作夥伴之一。諾茲科娃表示，預計2026年底營收約為150萬美元。
在資金方面，Flox Intelligence 已透過 pre-seed 和 seed 輪募得約 500 萬美元。seed 輪由 Unconventional Ventures 和 Tilia Impact Ventures 領投，GENIUS NY、Norrsken、Satgana 及天使投資人也參與其中。目前公司已啟動規模達 1,000 萬美元的 A 輪募資，資金主要將用於把部署規模從現有約 150 台擴大到數千台，並拓展至野生動物以外的應用。
市場上也有其他競爭者。Robin Radar 的 Scarecrow 會播放各物種的警戒叫聲來驅鳥，並記錄活動情況。iCHASE 則銷售以電腦視覺偵測鳥類、再用移動雷射驅趕鳥類的系統。諾茲科娃指出，Flox Intelligence 的優勢在於系統用途廣泛，以及在現場累積的資料。她將這些資料定位為「實地真值資料」，呈現麋鹿和灰熊能安全活動的條件。
諾茲科娃表示，實體 AI 正從工廠走向雜亂、充滿生物的戶外環境。她主張，列車、卡車、無人機、拖拉機和機器人等在戶外運作的機器，終將都需要理解自然，而「自然智慧」將成為認知技術的下一層。自動駕駛技術已不斷精進辨識人與車的能力，但辨識野生動物及預測其行為，仍是著墨不多的領域。填補這項技術缺口，能否成為減少事故、同時避免傷害動物的選項？擴大至數千台的部署，將逐步揭曉答案。
コメント