Spoor成立于2021年,目标是使用计算机视觉技术帮助减少风力涡轮机对当地鸟类种群的影响。如今,这家初创公司已经证明了其技术的有效性,并看到来自风电场及其他领域的强劲需求。
这家位于挪威奥斯陆的公司开发了使用计算机视觉技术追踪和识别鸟类种群及迁徙模式的软件。该软件能够在2.5公里半径范围内(约1.5英里)检测到鸟类,并可与任何市售高分辨率摄像头配合使用。
风电场运营商可以利用这些信息更好地规划风电场的选址,并帮助他们更好地应对迁徙模式。例如,风电场可以在当地鸟类大规模迁徙期间减慢涡轮机转速,甚至完全停止运行。
Spoor联合创始人兼首席执行官Ask Helseth去年告诉TechCrunch,他对这个领域产生兴趣是因为了解到风电场缺乏有效的追踪方法,尽管许多国家对风电场的建设位置和运营方式都有严格规定,这些规定基于当地鸟类种群的保护需求。
"监管机构的期望在不断提高,但行业缺乏有效工具,"Helseth当时表示。"很多人拿着望远镜和训练有素的狗到现场,试图找出有多少鸟类与涡轮机相撞。"
Helseth上周告诉TechCrunch,从那时起,公司已经证明了这项技术的必要性,并致力于改进技术。
在2024年种子轮融资时,Spoor能够在1公里范围内追踪鸟类,如今这一范围已经扩大了一倍。随着公司收集更多数据来训练其AI模型,已能够将鸟类识别准确率提升到约96%。
"对于一些客户来说,识别鸟类物种增加了另一个层面,"Helseth说。"这是鸟类还是非鸟类?我们有内部鸟类学家帮助训练模型,以识别新类型的鸟类或新物种。在其他国家的部署意味着数据库中需要包含稀有物种。"
Spoor目前在三大洲开展业务,与全球20多家最大的能源公司合作。公司还开始看到来自机场和水产养殖场等其他行业的兴趣。Spoor与总部位于伦敦的矿业巨头力拓集团建立合作关系,用于追踪蝙蝠。
公司还收到了使用其技术追踪其他类似大小物体的需求,但Helseth表示他们暂时不考虑转向这些领域。
"在我们看来,无人机当然是塑料鸟,"Helseth开玩笑说。"它们的移动方式不同,形状和大小也不同。目前我们忽略了这些数据,但确实有人对此感兴趣。"
Spoor最近完成了由SET Ventures领投的800万欧元(930万美元)A轮融资,参投方包括?rstead Ventures和Superorganism,以及战略投资者。
Helseth预测,随着监管机构继续对风电场加强管控,对这类技术的兴趣只会不断增长。例如,法国监管机构因风电场对当地鸟类种群的影响,于4月关闭了一座风电场,并处以数亿罚金。
"我们的使命是让工业与自然和谐共存,"Helseth说。"我们已经开始了这一征程,但我们仍是一家需要证明自身的小型初创公司。在未来几年,我们希望真正巩固在风电行业的地位,成为应对这些挑战的全球领导者。同时,我们想建立一些证明点,表明这项技术在主要类别之外也具有价值。"
Q&A
Q1:Spoor的鸟类监测AI软件是如何工作的?
A:Spoor使用计算机视觉技术追踪和识别鸟类种群及迁徙模式,能够在2.5公里半径范围内检测到鸟类,并可与任何市售高分辨率摄像头配合使用,鸟类识别准确率达到约96%。
Q2:风电场如何利用Spoor的技术保护鸟类?
A:风电场运营商可以利用Spoor提供的信息更好地规划选址并应对鸟类迁徙模式。例如,在当地鸟类大规模迁徙期间,风电场可以减慢涡轮机转速甚至完全停止运行,以减少对鸟类的影响。
Q3:Spoor除了服务风电行业还有哪些应用?
A:Spoor目前在三大洲开展业务,与全球20多家最大能源公司合作,同时还收到来自机场和水产养殖场等其他行业的兴趣。公司还与矿业巨头力拓集团合作追踪蝙蝠。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。