这家公司叫 Halter来自新西兰。他们干的事就是给奶牛戴上太阳能 AI 项圈。最近彼得・蒂尔计划领投一轮 20 亿美元的融资竟是为了一个牛项圈。彼得・蒂尔何许人也硅谷风险投资界的顶级掠食者、PayPal 黑帮开山堂主、全球最早看懂 Facebook 并重仓入局的异类、Palantir 幕后缔造者、押注 SpaceX 给马斯克续命、把「竞争是失败者的游戏」刻进 VC 圣经的男人。♂️就是这么一个神人看上了一头牛脖子上的东西。一个造火箭的人去做了牛项圈这家公司叫 Halter来自新西兰。他们干的事就是给奶牛戴上太阳能 AI 项圈。这个项圈可以通过 AI 算法追踪每头牛的位置、健康状况、体温、咀嚼行为和繁殖周期每分钟采集 6000 个数据点全天候不间断。最具颠覆性的功能是「虚拟围栏」。农场主不需要打桩拉网打开手机 App在地图上随手画一条线那条线就成了「围栏」。每次牛靠近边界项圈便会发出声音和震动提示牛自然转头走开。如此训练七到十天它们就乖乖待在划定区域。如果想把整群牛赶去新牧场或挤奶棚轻点一下按钮即可。他们还给这套系统起了个正式的商业名字叫「cowgorithm」牛算法。目前已有 60 万头牛戴上了这款项圈遍布新西兰、澳大利亚和美国。美国农场主用它划出的虚拟围栏总长超过 1.1 万英里大约相当于绕美国本土一圈节省的实体围栏成本估计高达 2.2 亿美元。农场主每周还能因此少干 20 到 40 小时的活儿使用费呢每头牛每月只需 5 到 8 美元。公司创始人 Craig Piggott成长于新西兰一个奶农家庭从小看着父母每周工作 100 小时。后来这小哥勉强考进工程学院毕业后加入 Rocket Lab又在第一枚火箭发射前辞职22 岁开始捣鼓牛项圈。一个造火箭的人最后选择回去放牛并把高科技带回了田间地头人生际遇可太奇妙了。目前Halter 完成了由彼得・蒂尔旗下 Founders Fund 领投的新一轮融资估值从 9 个月前的 10 亿美元翻倍至 20 亿美元。Founders Fund 并非半路跟风早在 2018 年 Halter 的 700 万美元 A 轮融资时就已入场。种子轮投了 10 万美元的早期机构 Icehouse Ventures账面持仓如今价值 4.09 亿美元。按照 Halter 目前的增长速度有机构预测它将在 11 个季度内市值超越新西兰最大乳业合作社 Fonterra。网友们的神评论更搞笑。有人说「它就像是给牛用的智能手机。」「记得几年前也有人研究过给牛用 VR 头显不知道他们能不能也给鸡和其他牲畜做类似的项圈。」有人调侃AI 时代连牛都被高科技管了人类更跑不掉可以把这些东西戴在前沿 AI 实验室的开发者身上。「检查一下自己是否戴着 AI 牛项圈。」有人质疑「这算哪门子人工智能不过是带遥测功能的太阳能 GPS 追踪器而已。」「非洲牧民只用一声哨响就达到了同样的效果。」「奶牛无需任何人催促自然就会到牛棚挤奶…… 牛奶积聚的压力就足够了不需要人工智能项圈。」为了帮粉丝放牛何同学做了个 AI 项圈去年大 up 主「何同学」收到一封来自广西粉丝的邮件说他父亲在山里散养十几头牛每天上山找牛耗时耗力几年前还因此摔伤了腿。家里买过牛羊定位器但显示位置和牛的实际位置能差出整整一座山。何同学团队亲自进山放一天牛终于找到问题所在。山里信号极弱市面上的定位器普遍依赖 4G 网络上传位置。牛在信号好的地方时位置正常发送一旦走进山坳或林子信号断了位置就再也更新不了用户手机上显示的还是上一次有信号时的坐标差出一座山就不奇怪了。摸清问题后团队做了一套完整的找牛系统由项圈定位器、网关、LoRa 中继基站、牛牛对讲机和手机 APP 五部分组成基于 TuyaOpen 开源框架和涂鸦 AI agent 开发平台开发。信号差的问题用 LoRa 解决这是一种远距离、低功耗的通信协议定位器将位置逐级传给基站和网关再上传服务器推送到手机绕开信号盲区。上山找牛时人同样没有手机信号牛牛对讲机负责这一环。它通过 LoRa 实时接收牛的位置内置 AI 语音功能还专门适配了广西方言。问一句「7 号牛在哪」它会用本地地标回答地标可以在地图上标注也可以到了某个地点直接开口说「把这里标记为牛棚」系统随即记录。定位器外壳用尼龙加金属卡扣耐得住牛打架蹭痒外壳上印有序号方便辨认。内置加速度计可监测运动状态某头牛长时间离群或运动异常手机 APP 会及时提醒。对讲机还配有天气查询功能帮老人提前决定要不要把牛赶回牛棚。考虑到山路难走团队给对讲机加了 SOS 按钮长按触发后家人手机立刻收到警报并能看到实时定位。日本团队搞了个鸡叫 GPT既然牛有了 AI 项圈鸡呢日本东京大学教授 Adrian David Cheok 带领团队开发了一套名为「深度情感分析学习DEAL」的 AI 系统专门用来听懂鸡叫并判断鸡的心情。团队先将鸡叫声录制下来切割成独立的小片段每段对应一个具体的声音事件比如咯咯声或嘎嘎声。为了提高信号质量还专门做了降噪处理再对音频进行标准化确保不同录制条件下的数据能被模型稳定处理。处理好的音频随后进入 DEAL 模型。模型通过多个层次依次运作卷积层负责提取声音的空间特征池化层压缩数据规模、防止过拟合全连接层则进一步学习高级特征之间的非线性关系。最后softmax 函数将结果转化为各类情绪状态的概率分布概率最高的那个就是模型给出的判断。为了验证这套系统是否靠谱团队以 80 只鸡为样本在不同条件下记录和分析它们的叫声同时专程聘请了 8 名动物心理学家和兽医提供专业的情绪判断作为参照标准。最终结果显示系统能准确识别鸡的饥饿、恐惧、愤怒、满足、兴奋和痛苦六种情绪状态准确率接近 80%。不过研究人员也坦承全球鸡的品种繁多叫声差异客观存在这套系统未必能通吃所有情况部分品种的鸡叫声可能仍然无法准确翻译。果然技术这东西有时候很宏大有时候又很具体。技术从不嫌事小。