尽管回收利用的环保效益众所周知,但据估计全球塑料回收率不到10%。意大利初创公司Ganiga Innovation希望通过AI智能机器人垃圾箱来提高这一比例。
Ganiga开发了三款产品来改善废物管理和回收。首先是名为Hoooly的机器人垃圾箱队列,使用生成式AI识别垃圾和可回收物并进行相应分类。其次是可安装在现有垃圾箱上的智能盖子,具有与大型垃圾箱相同的功能。
该公司还有一款软件产品,帮助企业跟踪产生的废物,并根据废物数据为企业如何减少废物产生提供建议。
Ganiga将在2025年10月27日至30日于旧金山举行的TechCrunch Disrupt 2025初创企业战场竞赛中展示其技术。
Ganiga创始人兼CEO尼古拉斯·泽奥利告诉TechCrunch,从年轻时起他就梦想着建立像Facebook或苹果那样的伟大公司。
他决定专注于废物问题,因为在他的故乡意大利,废物管理问题非常现实,而且显然没有太多解决措施。
"我们都需要重新关注这个问题,"泽奥利说。"我阅读了100篇关于这个问题的文章。例如,仅在一年内,全世界就产生了超过1亿吨塑料,但只有9%得到回收。这是一个非常现实的问题。"
泽奥利于2021年创立Ganiga,并在2022年制造了第一个原型。泽奥利表示,他们决定专注于制造垃圾箱来解决这个问题,不仅因为它为人们提供了一个可以确保垃圾得到正确回收和分类的物理场所,还因为这些垃圾箱会产生可用于未来的数据。
泽奥利说,废物管理对企业来说也很昂贵。许多组织,特别是在欧洲,都有需要遵守的ESG要求。泽奥利希望Hoooly能帮助企业更好地追踪废物产生情况,从而帮助他们减少废物和相关成本。
Ganiga于2024年开始销售垃圾箱,至今已向谷歌和多个机场(包括博洛尼亚、威尼斯和马德里机场等)出售了120多台机器人。
泽奥利表示,公司2024年收入达50万美元,仅在2025年前九个月就已达到75万美元。
该公司还从包括清洁技术风投公司NextSTEP和Next Energy Capital在内的投资者那里筹集了150万美元的预种子资金。Ganiga正在寻求筹集300万美元的种子轮融资。
公司准备在11月推出最新产品Hooolyfood,这是一款使用摄像头图像来确定食物废料准确数量的软件产品。泽奥利说,基于当前垃圾箱和软件收集的数据,公司未来还计划深入开发更多以软件为重点的产品。
Ganiga迄今专注于欧洲市场,但泽奥利表示希望扩展到美国,公司甚至考虑在2026年将总部迁至美国。
"Ganiga是全世界第一家用智能垃圾箱覆盖整个机场的初创公司,"泽奥利说。"这很重要,因为我们的目标不是原型,我们是产品,我们已经向市场开放。"
如果你想直接从Ganiga学习,观看更多推介、参加有价值的研讨会并建立推动商业成果的联系,请前往了解更多关于10月27日至29日在旧金山举行的今年Disrupt大会的信息。
Q&A
Q1:Hoooly垃圾箱是怎么工作的?
A:Hoooly是Ganiga开发的机器人垃圾箱,使用生成式AI技术来识别什么是垃圾、什么是可回收物,并进行相应的分类处理。它不仅能确保垃圾得到正确回收和分类,还能产生数据用于未来的废物管理优化。
Q2:Ganiga的产品主要卖给哪些客户?
A:Ganiga已经向120多个客户出售了机器人垃圾箱,主要客户包括谷歌这样的大型科技公司,以及博洛尼亚、威尼斯、马德里等多个机场。这些客户选择Ganiga的产品主要是为了更好地管理废物和满足ESG要求。
Q3:Ganiga公司的发展前景如何?
A:Ganiga发展迅速,2024年收入50万美元,2025年前九个月已达75万美元。公司已获得150万美元预种子融资,正在寻求300万美元种子轮融资。计划从欧洲市场扩展到美国,甚至考虑2026年将总部迁至美国。
好文章,需要你的鼓励
PDF协会在欧洲会议上宣布,将在PDF规范中添加对JPEG XL图像格式的支持。尽管Chromium团队此前将该格式标记为过时,但此次纳入可能为JXL带来主流应用机会。PDF协会CTO表示,选择JPEG XL作为支持HDR内容的首选解决方案。该格式具备广色域、超高分辨率和多通道支持等优势,但目前仍缺乏广泛的浏览器支持。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
Ironclad OS项目正在开发一个新的类Unix操作系统内核,面向小型嵌入式系统,计划支持实时功能。该项目的独特之处在于采用Ada编程语言及其可形式化验证的SPARK子集进行开发,而非常见的C、C++或Rust语言。项目还包含运行在Ironclad内核上的完整操作系统Gloire,使用GNU工具构建以提供传统Unix兼容性。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。