City Detect是一家利用视觉AI技术帮助地方政府监控建筑和社区健康状况的公司,于周五宣布完成了由Prudence Venture Capital领投的1300万美元A轮融资。
这家初创公司成立于2021年,剩余的联合创始人加文·鲍姆-布莱克担任首席执行官。他表示,公司的成立部分原因是城市在应对"城市枯萎和衰败"方面面临困难。公司的想法是使用先进的计算机视觉和AI技术来帮助城市跟踪和解决此类问题。
City Detect在垃圾车和街道清扫车等公共车辆上安装摄像头,当这些车辆经过时捕捉周围建筑物的照片,然后使用计算机视觉来分析图像。这本质上是一个谷歌街景地图,但专注于确保建筑物符合规范。
"这些问题可能是涂鸦、非法倾倒、路边的垃圾,"鲍姆-布莱克告诉TechCrunch。然后,City Detect与地方政府合作解决这些问题,这个过程通常涉及当地官员派遣工作人员出去清理一切。
目前,追踪破旧建筑是非常手动的过程,所以鲍姆-布莱克认为他的竞争对手是"现状"。
"他们一周能够处理50个,"他谈到负责跟踪衰败建筑的人类时说,"而我们一周能够处理数千个。"
这个产品已获得鲍姆-布莱克的专利,具有一些有趣且重要的功能。重要的是,出于隐私原因,面部和车牌总是被模糊处理;有趣的是,City Detect的技术可以区分街头艺术和破坏行为。它还帮助政府跟踪房东是否没有适当维护他们的建筑。
"我们能够看到是否存在结构性屋顶问题,或者我们能够识别是否有风暴损害,"鲍姆-布莱克继续说道。
City Detect目前在至少17个城市运营,与达拉斯和迈阿密等地的地方政府合作。该公司迄今为止已筹集了1500万美元的资金,是政府AI联盟的成员,符合SOC 2 Type II标准(意味着它在隐私方面获得独立认证),并遵循自己的负责任AI政策。
"我们发布负责任AI政策是为了回应一个地方政府联盟的要求,他们表示正在寻求供应商实际愿意承诺的内容的明确性,"鲍姆-布莱克说。"我们承诺遵循这项政策,以便我们的地方政府合作伙伴知道对我们的期望。"
鲍姆-布莱克表示,新资金将用于雇佣更多工程师并推进一些风暴检测损害技术。公司还希望在美国全国范围内扩张。
"我们看到与我们合作的部门在效率方面取得了巨大提升,我们看到更多的枯萎实例在没有任何人收到传票的情况下得到解决,我们看到轮胎和垃圾以及非法倾倒被更快地减少和检测,"他说。"看到技术先进的市政当局倾向于像City Detect模型这样的预测性AI令人兴奋。"
Zeal Capital Partners、Knoll Ventures和Las Olas Venture Capital也参与了这轮融资。
Q&A
Q1:City Detect是什么?它能做什么?
A:City Detect是一家利用视觉AI技术帮助地方政府监控建筑和社区健康状况的公司。它在垃圾车和街道清扫车等公共车辆上安装摄像头,捕捉周围建筑物的照片,然后使用计算机视觉分析图像,识别涂鸦、非法倾倒、垃圾等问题,帮助城市跟踪和解决这些问题。
Q2:City Detect相比人工监控有什么优势?
A:City Detect在效率方面具有显著优势。传统的人工追踪破旧建筑方式一周只能处理50个,而City Detect的AI系统一周能够处理数千个。它能够自动识别结构性问题、风暴损害,还能区分街头艺术和破坏行为,大大提高了监控效率。
Q3:City Detect如何保护用户隐私?
A:City Detect在隐私保护方面采取了严格措施。所有捕获的图像中的面部和车牌都会被自动模糊处理。公司符合SOC 2 Type II标准,意味着在隐私方面获得了独立认证,并且遵循自己制定的负责任AI政策,确保数据处理的透明度和安全性。
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。