文章开头是作者童年时火车在印度撞上野牛的经历。那列前往孟买的火车停驶八小时，随后人们发现铁轨旁树枝上挂着被撞烂的尾巴——火车撞上了一头野牛，引擎受损只能拖走维修。作者原本以为这类事故只在印度农村发生，后来意识到野生动物与基础设施的冲突在全球普遍存在。美国联邦航空管理局（FAA）估计，1990 至 2025 年间，野生动物撞击给美国民航造成的年均损失约 2.72 亿美元；法国铁路运营商 SNCF 称，全法每年有超过 8000 列火车受动物影响，属于五大延误原因之一；布列塔尼地区仅 2023 年就有 120 列火车撞上动物，导致 660 项服务中断，延误超过 15000 分钟。

Sara Nozkova 在读到这些损失数据后，决定开发一套不同于传统方式的驱离系统。传统方法包括警报器、灯光、围栏、猎鹰和捕杀，但她认为答案不是更大声的警报。在交通和自动驾驶行业工作 13 年后，她看到机器在人为设计的环境中表现优秀，一旦进入自然就会失效。于是她加入斯德哥尔摩 KTH 皇家理工学院的 AI 实验室，开始构建能根据动物类型和行为改变响应的系统。这项工作在 2020 年从 KTH 孵化出 Flox Intelligence，该公司也是今年 TechCrunch Disrupt 的 Startup Battlefield 200 决赛入围者之一。

Flox 制造边缘设备，数据在现场处理而非上传云端。设备类似自动驾驶汽车，使用感知系统，但训练数据是野生动物行为。运动传感器检测到动静后唤醒设备，相机通过设备上的模型识别附近动物，随后发出适合该物种的声音驱离。系统会从经验中学习，并变化响应方式，避免动物对重复信号产生习惯。设备采用电池供电，可安装在杆、树等结构上。

公司还提供软件平台，客户可查看设备部署位置和现场动态，平台能生成监管合规报告，也可用于生物多样性监测。长期目标是把软件做成可移植的，运行在火车、汽车、无人机等户外机器上。目前约 150 台 Flox 设备部署在北美、欧洲和澳大利亚，覆盖机场及周边、公路和铁路走廊（尤其是围栏末端和野生动物通道交叉口）、国家公园、农田、城市、矿区，以及变电站等关键基础设施。

商业模式是前期出售边缘设备，第一年后按年收取软件和 AI 订阅费。公司也与列车制造商等做 OEM 合作，对方按年付费将软件部署到车辆上，火车制造商阿尔斯通（Alstom）是合作伙伴之一。公司预计到 2026 年底收入约 150 万美元。

Flox 并非没有竞争者。Robin Radar 的 Scarecrow 同样使用物种特定求救声驱散鸟类并记录活动；iCHASE 的系统用计算机视觉识别鸟类，再用移动激光瞄准并调整响应。Nozkova 认为自己的护城河在于系统覆盖面和在实地收集的数据——她称之为“什么能让驼鹿或灰熊安全移动的 ground truth”。她说，物理 AI 正走出工厂，进入混乱且鲜活的户外；火车、卡车、无人机、拖拉机、机器人，每一台在户外运行的机器都需要理解自然，自然智能是感知栈的下一层，而几乎没人在做这件事。

公司目前已在 pre-seed 和 seed 轮融资约 500 万美元，seed 轮由 Unconventional Ventures 和 Tilia Impact Ventures 领投，GENIUS NY、Norrsken、Satgana 和天使投资人参与。现在公司正开放 1000 万美元 A 轮，资金主要用于把部署设备从约 150 台扩展到几千台，并把底层系统延伸到野生动物之外的应用场景。