当前位置: 首页 > news >正文

造火箭的辞职去放牛,彼得·蒂尔花20亿美元押注一个AI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。

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。

http://www.jsqmd.com/news/530755/

相关文章:

  • Vivado IP核实战:从Accumulator到XADC的10个高频使用技巧
  • 三步精通OpCore-Simplify:零基础搞定黑苹果EFI配置
  • 2026乐山特色餐饮礼盒评测深度解析 - 优质品牌商家
  • 道心网络安全学习笔记系列之好靶场的信息收集
  • Gcode文件处理中的常见错误及解决方案:从缓存不足到刀具补偿配置
  • RWKV7-1.5B-g1a效果展示:三类典型提示词(自我介绍/概念解释/文案压缩)生成质量集锦
  • 保姆级教程:手把手教你用Qwen-Image-Edit实现一句话魔法修图
  • Windows 10下Nacos-Server 2.4.0.1安装配置全攻略(含MySQL数据库连接避坑指南)
  • 如何一键下载番茄小说?终极离线阅读解决方案指南
  • RVC模型开源社区参与:从使用者到贡献者的成长路径
  • 2026中国大模型行业爆发!字节跳动128W年薪抢眼,你的机会来了!
  • 告别复杂配置!Realistic Vision V5.1一键部署,小白也能玩转AI摄影
  • 从内存操作到系统升级:RT-Thread临界区保护的5个典型场景避坑指南
  • AI自养计划_Day5_幻觉复盘
  • ChatGPT Codex 实战指南:从技术原理到高效应用
  • 从谷歌封杀 OpenClaw 被封事件,看AI平台如何判断“异常账号”?
  • OpenClaw夜间任务:Qwen3.5-9B定时执行数据备份与报表生成
  • Java 与 Kotlin 区别详解
  • 嵌入式UI开发实战:在LVGL7.11中如何用freetype动态加载中文字体(附完整配置流程)
  • 低显存福音:Z-Image-GGUF在RTX 3060上的实测体验与优化技巧
  • SNANDer_GUI从入门到精通:全面掌握NAND闪存管理技巧
  • 5个技巧让你高效批量下载抖音资源:抖音批量下载工具完全指南
  • RMBG-2.0效果AB测试:A/B两组用户对去背结果自然度评分对比分析
  • Flink任务传参避坑指南:除了--key value,还有哪些更优雅的配置文件加载方式?
  • 高效Axure RP本地化配置:一站式实现原型设计工具全中文界面
  • 拒绝「降智、减配、乱收费」:面向LLM API的可信验证框架
  • 企业级统一身份认证全景指南:深入解析 Keycloak、OAuth2、OIDC 与周边生态
  • nli-distilroberta-base惊艳案例:教育答题系统中‘选项是否蕴含题干’自动判别效果
  • 01_安装指南
  • 小米净利392亿增四成,创新业务收入破千亿意味着什么?