Flox 推出端側 AI 驅趕裝置：靠視覺識獸發聲，保護機場與列車

很多人可能沒意識到，動物跑到交通要道上有多致命，成本有多高。

在美國，聯邦航空管理局（FAA）估計，1990 年到 2025 年間，野生動物撞擊事件平均每年給民航造成約 2.72 億美元損失。在法國，鐵路運營商 SNCF 統計漫遊動物每年影響超過 8000 趟列車，排在晚點原因前五名。僅 2023 年在布列塔尼一地，就有 120 趟列車撞上動物，擾亂了 660 趟班次，導致延誤超過 1.5 萬分鍾。

以前對付這個問題，人類的招數很原始：拉鐵絲網、鳴笛、打閃光燈，或者放獵鷹甚至直接獵殺捕殺。但動物適應能力極強，聽慣了警報聲就當耳旁風。

來自瑞典皇家理工學院（KTH）的初創團隊 Flox Intelligence 想換個思路：用裝了邊緣視覺 AI 的智慧盒子，看懂動物在幹什麼，再用針對性叫聲把它趕走。

看到野獸，再放專門的「驅趕聲」

Flox 的創始人 Sara Nozkova 在交通和自動駕駛行業幹了 13 年。她發現自動駕駛汽車在城市街道或廠區很聰明，可一旦開進野外大自然，複雜的動態環境會讓機器瞬間變成睜眼瞎。

於是她在 2020 年從瑞典皇家理工學院孵化出 Flox。他們做的不是更吵的警報喇叭，而是一套電池供電的邊緣計算裝置，能綁在電線杆、樹木或者基礎設施支架上。

裝置平時休眠省電，一旦運動感測器被觸發，攝像頭就會喚醒並執行本地計算機視覺模型，識別眼前跑來的是鹿、野豬還是熊。

識別出來之後，系統會播放對應物種專屬的聲音訊號。關鍵在於，它還會根據動物的現場反應調整策略，輪換聲音，防止動物產生適應性習慣。

除了硬體，他們還向客戶提供管理軟體，既能看到現場發生了什麼，還能生成符合監管要求的合規報告，或者用於生物多樣性監測。商業模式上，Flox 先賣硬體盒子，第一年之後收取軟體與 AI 年費；同時還和列車製造商阿爾斯通（Alstom）等主機廠合作，以年費授權形式把軟體直接裝進列車。

目前 Flox 在北美、歐洲和澳大利亞部署了大約 150 臺裝置，分佈在機場周界、公路鐵路走廊、礦區、變電站和農田。公司預計 2026 年底營收約為 150 萬美元。此前他們已經完成 500 萬美元種子輪及之前融資，眼下正在開啟 1000 萬美元的 A 輪融資，目標是把部署規模鋪到數千臺。

為什麼重要

對鐵路公司、機場周界管理方和林區高等級公路維護方來說，Flox 提供了目前少有的非致命且免布大網的自動化解法。傳統的物理圍欄成本高昂且經常被破壞，常規聲光碟機趕器不到一個月動物就脫敏了。如果 Flox 能像宣稱的那樣動態輪換聲音訊號，值不值得部署，直接看一條鐵路一年因為撞擊節省下來的延誤賠償和修車費就能算清賬。

在行業層面，這其實是「實體 AI」（Physical AI）從工業結構化場景走向野外非結構化環境的一個切口。不管是 Robin Radar 的 Scarecrow 鳥類驅趕系統，還是用雷射追蹤驅鳥的 iCHASE，大多還侷限在特定物種或空曠機場。Flox 試圖構建的是針對大型哺乳動物在野外行為的視覺資料集，正如創始人所說，大自然智慧是感知技術棧裡幾乎沒人真正做好的下一層。

我們認為，Flox 的聰明之處在於沒有做重資產的大規模基建改造，而是做成即插即用的邊緣節點，並且早早拉上了阿爾斯通這種車輛主機廠做軟體嵌入。但它的隱患也很明顯：150 臺的部署量對野外模型來說樣本依然偏小，在不同氣候、地形和季節下，野生動物對聲音的耐受度和驚嚇反應差異極大。要證明自己不是「高階一點的電子稻草人」，Flox 必須在接下來的幾千臺規模化鋪設中，拿出硬核的長期防脫敏資料。