Flox Intelligence, la IA sueca que ahuyenta a la fauna de aeropuertos y vías de tren, busca 10 millones

Flox Intelligence fabrica dispositivos con IA que detectan animales cerca de pistas de aeropuerto, vías de tren o carreteras y los ahuyentan con sonidos adaptados a cada especie, sin dañarlos. La empresa nació en 2020 como spin-off del KTH Real Instituto de Tecnología de Estocolmo, tiene ya su sede en el estado de Nueva York y, según contó a TechCrunch el 13 de octubre, está abriendo una Serie A de 10 millones de dólares (≈ 8,7 millones de euros).

La ronda todavía no está cerrada. Lo que sí hay son unos 150 dispositivos instalados en Norteamérica, Europa y Australia, y un problema con un coste muy concreto.

¿Cómo funciona el dispositivo Edge?

Es una unidad autónoma, alimentada por batería, que procesa todo en el propio aparato y no en la nube. Se instala en postes, árboles u otras estructuras. Según TechCrunch, un sensor de movimiento despierta una cámara; modelos de IA que se ejecutan en el dispositivo identifican al animal, y el aparato reproduce un sonido apropiado para esa especie para alejarlo.

La clave está en que el sistema varía sus respuestas para que los animales no se acostumbren, que es el gran fallo de los espantapájaros acústicos clásicos. «Estaba convencida de que la respuesta no era un disuasorio más ruidoso», explicó a TechCrunch su cofundadora y consejera delegada, Sara Nozkova, que antes pasó 13 años en el sector del transporte y los vehículos autónomos.

Flox vende además una plataforma de software que muestra dónde están los dispositivos y qué detectan, y genera informes de cumplimiento normativo y de seguimiento de biodiversidad. Según la empresa, Edge ha registrado más de 60.000 eventos de fauna de 27 especies, una cifra que recoge Pulse 2.0 y que no ha sido auditada de forma independiente.

¿Por qué los aeropuertos son su mejor cliente potencial?

Porque el problema está medido y es caro. El último informe de la FAA sobre impactos con fauna, publicado en agosto de 2026, contabiliza 24.447 impactos notificados en la aviación civil estadounidense en 2025, un 9,3 % más que el año anterior. El 94,4 % fueron con aves.

El mismo informe estima para 2025 unas 74.372 horas de aviones parados y 391 millones de dólares en pérdidas, aunque advierte de que esas cifras pueden estar en la parte alta por cómo se notifican los costes. TechCrunch, citando a la FAA, da una media de unos 272 millones de dólares al año entre 1990 y 2025.

Flox ya tiene presencia en el sector. Entre sus clientes y socios figuran el aeropuerto internacional Gerald R. Ford y el Departamento de Agricultura de EE. UU., según Pulse 2.0. Antes, la empresa probó drones autónomos para despejar fauna en aeropuertos suecos (Malmö, Kiruna y Umeå) y preparó una demostración en un aeródromo del condado de San Mateo, en California, según el programa sueco Future Mobility.

Más allá de las pistas

El aeropuerto no es su único mercado. Los dispositivos también están en corredores de carretera y ferrocarril, parques nacionales, explotaciones agrícolas, minas y subestaciones eléctricas. Con Alstom tiene un acuerdo de tipo OEM: el fabricante paga una cuota anual por integrar el software de Flox en sus vehículos. Nozkova habla de una «IA física» que sale de la fábrica al exterior y sostiene que esas máquinas necesitarán una capa de «inteligencia de la naturaleza» que «casi nadie está construyendo».

Cuánto dinero ha levantado y cuánto factura

Unos 5 millones de dólares (≈ 4,4 millones de euros) entre presemilla y semilla, según TechCrunch. La secuencia, reconstruida con varias fuentes, es esta:

  • Verano de 2025: ronda semilla de casi 1 millón de dólares, liderada por Unconventional Ventures, con Norrsken Accelerate, según Tech.eu.
  • Febrero de 2026: ampliación Seed+ de 3 millones de dólares (≈ 2,6 millones de euros), liderada por Tilia Impact Ventures, con Satgana, GENIUS NY y J.O.S.S., según Pulse 2.0.
  • Mayo de 2026: gana el premio de 1 millón de dólares del acelerador GENIUS NY, que obliga a operar en el centro del estado de Nueva York durante al menos un año. Según CenterState CEO, Nozkova anunció que Syracuse sería su sede global; la I+D sigue en Estocolmo, según Techleap.
  • Octubre de 2026: abre la Serie A de 10 millones para pasar de 150 dispositivos a «varios miles».

Su modelo combina la venta inicial del hardware con una suscripción anual al software y la IA a partir del segundo año. Flox prevé cerrar 2026 con unos 1,5 millones de dólares de ingresos (≈ 1,3 millones de euros), según dijo a TechCrunch. La empresa es una de las finalistas de la competición Startup Battlefield 200 de TechCrunch Disrupt, que se celebra del 13 al 15 de octubre en San Francisco.

¿Qué la diferencia de la competencia?

No está sola. TechCrunch cita a Robin Radar, cuyo sistema Scarecrow emite llamadas de alarma específicas para cada especie de ave, y a iCHASE, que usa visión artificial y un láser móvil. Frente a ellos, Flox se presenta como un sistema para varias especies, mamíferos incluidos, pensado para lugares remotos con poca conectividad y que aprende de la experiencia para variar sus respuestas. Nozkova lo resume como «la verdad sobre el terreno de qué hace que un alce o un oso pardo se mueva de forma segura».

Mi lectura es que Flox tiene algo que muchas startups de IA no tienen: un problema caro, cuantificado por un regulador y con clientes que ya pagan por soluciones peores. Lo discutible está en la escala. Pasar de 150 a varios miles de dispositivos en entornos tan distintos como una pista de aterrizaje, una vía de tren o una mina es un reto de hardware, no solo de modelos, y las cifras de eficacia que maneja son todavía de la propia empresa.

Sería interesante ver datos independientes de algún aeropuerto: cuántos impactos había antes de instalar Edge y cuántos después. Hasta que lleguen, la apuesta tiene sentido, pero es eso, una apuesta. Para situarla en contexto, en wwwhatsnew hemos repasado otros usos de la IA en el campo, como la agricultura de precisión con sensores, drones e IA, y proyectos de conservación como la apuesta de Google por proteger la naturaleza con IA y su modelo SpeciesNet.

El salto de Nvidia hacia la IA física: robots más creíbles, robotaxis a escala y datos sintéticos como combustible

En el cierre de su keynote de GTC 2026, Jensen Huang apareció con un invitado inesperado: una versión robótica de Olaf, el personaje de Frozen. No fue una demo “perfecta” de conversación, y justo por eso resultó reveladora. El mensaje no era que el robot contara chistes mejores, sino que pudiera moverse con soltura, mantener el equilibrio y responder en tiempo real dentro de un entorno complejo. Según explicó Nvidia, ese Olaf “aprendió” a caminar usando Jetson y entrenando en Omniverse, el simulador de la compañía. La escena funcionó como metáfora: si puedes enseñar a un personaje a desplazarse con naturalidad en un parque temático, también puedes entrenar a una máquina para operar en fábricas, carreteras o almacenes, con la misma lógica de “practicar sin romper nada”.

Esta línea se engloba en lo que Nvidia llama IA física: sistemas de inteligencia artificial metidos dentro de máquinas que tienen que lidiar con el mundo real, con sus baches, reflejos, personas impredecibles y objetos que no se comportan como en un laboratorio. ZDNET lo señalaba como una de las grandes corrientes del último año, muy visible ya en CES, y en GTC 2026 Nvidia decidió apretar el acelerador con modelos, plataformas y una idea central: sin datos adecuados y pruebas a escala, la IA física se queda en promesa. Continúa leyendo «El salto de Nvidia hacia la IA física: robots más creíbles, robotaxis a escala y datos sintéticos como combustible»

AMD amplía Ryzen AI Embedded P100: más núcleos Zen 5 y hasta 80 TOPS para IA en el edge industrial

AMD ha aprovechado el contexto de Embedded World 2026 para ampliar su familia AMD Ryzen AI Embedded P100, una gama orientada a equipos industriales y soluciones de edge AI que necesitan ejecutar inferencias cerca de donde ocurren las cosas: en una fábrica, dentro de un robot móvil o en un dispositivo médico. La idea de fondo es sencilla: cuando el sistema tiene que reaccionar “ya”, depender de la nube es como pedirle a alguien que te pase una herramienta desde otra habitación cada vez que la necesitas. Funciona, pero llega tarde en momentos críticos.

Según AMD, la ampliación introduce procesadores con entre ocho y doce núcleos y un salto notable en capacidad de cómputo, buscando mantener un consumo contenido para escenarios “siempre encendidos”. Continúa leyendo «AMD amplía Ryzen AI Embedded P100: más núcleos Zen 5 y hasta 80 TOPS para IA en el edge industrial»

El auge de la IA pequeña: cómo la TinyML y la Edge AI están cambiando nuestra vida sin que te des cuenta

Seguro que has escuchado hablar de inteligencia artificial… esos algoritmos complejos que parecen vivir en enormes servidores, conectados a internet todo el día. Pero, ¿y si te dijera que hay una IA diminuta que cabe en dispositivos más pequeños que la palma de tu mano y que no necesita estar “enganchada” a la nube? Sí, así de mágica es la TinyML.


La inteligencia que vive dentro de tus dispositivos

Imagina que tu reloj inteligente detecta que estás estresado antes de que tú mismo lo notes… y lo hace sin mandar tus datos a ninguna parte. O que una lámpara se enciende justo cuando entras en la habitación, sin que haya cámaras enviando vídeos a internet. Eso es posible gracias a la IA en el borde, también llamada Edge AI, donde todo el procesamiento ocurre directamente en el dispositivo.

Me gusta pensar en la TinyML como esa persona que siempre tiene la respuesta correcta sin necesidad de buscar en Google. Está ahí, lista para actuar, sin molestar a nadie ni pedir permiso a un servidor lejano.


Por qué esta “mini IA” importa tanto

La gracia de este enfoque es que trabaja rápido. Si un sistema tiene que enviar datos a la nube, esperar que se procesen y luego recibir una respuesta, pueden pasar segundos… o más. Con TinyML, las decisiones se toman al instante, lo cual es perfecto para cosas como frenar un coche autónomo, detectar un fallo en una máquina o reconocer tu voz.

Y lo mejor: consume poquísima energía. Algunos dispositivos pueden funcionar meses o incluso años con una simple pila. Esto abre la puerta a colocar sensores inteligentes en lugares remotos, sin preocuparse por enchufes o recargas constantes.


Un tema serio: la privacidad

Aquí es donde me pongo un poco más serio. Hoy en día, casi todo lo que usamos parece querer enviar nuestros datos a algún sitio. Con la IA en el borde, la información se queda en tu dispositivo. Nadie más ve tus patrones de sueño, tus rutinas o tu voz. No es que sea paranoia, pero… ¿quién no prefiere que sus cosas personales se queden en casa?

Piensa en un asistente de voz que entiende tus comandos sin tener que enviar grabaciones a un servidor. Es como tener un mayordomo que hace su trabajo sin espiarte.


Ejemplos que ya están entre nosotros

  • En casa: termostatos que aprenden cuándo poner la calefacción sin depender de internet, cámaras que diferencian entre tu perro y un intruso sin subir vídeos a la nube, o luces que se encienden al detectar movimiento.
  • En el trabajo: sensores que “escuchan” el sonido de una máquina y saben si está a punto de romperse. Esto puede ahorrar miles en reparaciones y paradas.
  • En el campo: pequeños dispositivos que miden la humedad del suelo y deciden cuándo regar, incluso en zonas donde no hay cobertura.
  • En salud: pulseras que detectan arritmias en tiempo real y te avisan, todo sin mandar tu información médica por internet.

¿Cómo logran esto en tan poco espacio?

Aquí viene la parte un poco más técnica, pero te prometo que no dolerá. La TinyML funciona gracias a modelos de machine learning entrenados para ser muy pequeños y eficientes. Se usan frameworks como TensorFlow Lite para microcontroladores, que permiten “comprimir” la inteligencia para que quepa en chips con memoria y potencia muy limitadas.

Estos chips pueden ser tan básicos que consumen menos energía que una bombilla LED. Y, sin embargo, son capaces de reconocer patrones, sonidos o imágenes simples.


No todo es perfecto… todavía

Claro, no todo es color de rosa. Meter inteligencia en un dispositivo tan pequeño implica sacrificar algo de precisión. Es como intentar escribir una novela en un post-it: hay que simplificar muchísimo. Además, actualizar estos modelos en miles de dispositivos repartidos por el mundo no es tarea fácil.

Otro reto es la seguridad física. Como estos aparatos están “en la calle” (literalmente, en algunos casos), pueden ser manipulados o atacados. Y aunque no manden datos a internet, sigue siendo importante proteger su integridad.


Lo que viene a futuro

Yo creo que estamos al principio de una transformación silenciosa. Igual que hace años no imaginábamos que todos llevaríamos un superordenador en el bolsillo, pronto veremos que cualquier objeto —desde una cafetera hasta una bicicleta— puede tener su propia inteligencia local.

Quizá dentro de unos años, cuando alguien diga “IA”, no pensemos en un chat gigante en la nube, sino en cientos de pequeñas inteligencias repartidas a nuestro alrededor, cada una haciendo su trabajo en silencio y respetando nuestra privacidad.