共计 1287 个字符，预计需要花费 4 分钟才能阅读完成。
气候变化正在增加废水系统故障的发生频率、频率和成本。洪水变得更加频繁，导致废水处理系统频繁超出负荷。加剧这一问题的是，美国的基础设施严重过时；美国环保署估计，未来 20 年仅仅为了维持现有废水、雨水和其他清洁水管道的投资就需要近 7000 亿美元。
Matthew Rosenthal 和 Billy Gilmartin 均来自废水处理行业，他们看到了利用技术解决这一问题的机会——至少在某种程度上是如此。五年前，两人共同创立了 SewerAI，该平台利用人工智能自动化数据捕获和缺陷标记，这些是下水道检查的组成部分。
“大多数基础设施都是在二战后建立的，现在已接近其使用寿命的终点，导致故障更加频繁和成本增加，”Rosenthal 表示。“SewerAI 通过其基于人工智能的软件即服务平台，显著改善了地下基础设施的检查和管理。”
SewerAI 最初是 Rosenthal 的业余项目；他在共同创办了两家废水分析和服务公司后，开始在线学习人工智能课程。在尝试使用人工智能模型预测检查视频中的下水道缺陷时，Rosenthal 请求了当时在下水道检查公司工作的 Gilmartin 的帮助。
如今，SewerAI——其客户遍布市政当局、公用事业公司和私人承包商——销售基于云的、由人工智能驱动的订阅产品，旨在简化现场检查和下水道基础设施的数据管理。
其中一款产品 Pioneer，允许现场检查员将检查数据上传到云端并标记问题——项目经理随后可以使用这些数据来规划管道的修复。另一款工具 AutoCode，自动标记管道和检查井的检查，从 GoPro 或其他摄像机捕获的视频中创建基础设施的 3D 模型。
“传统的主要竞争者提供的是现场或车载软件，这些软件在过去 20 年中几乎没有创新，”Rosenthal 说。“SewerAI 的技术通过以更低的成本每天进行更多的检查，提高了效率和收益。”
SewerAI 的竞争对手包括 Subterra、Clear Object 和 Pallon，分别提供管道映射与问题预测、视频损坏分析和静态图像问题检测服务。
Rosenthal 声称，SewerAI 与众不同之处在于其数据的质量——特别是其模型训练数据的质量。Rosenthal 表示，SewerAI 拥有来自市政当局和独立承包商的 1.35 亿英尺管道的检查视频。尽管这只是美国 68 亿英尺下水道管道的一小部分，但 Rosenthal 表示，这是一个足够大的数据集，可以训练出具有竞争力的缺陷检测 AI。
“我们的产品简化了现场检查和数据管理，使客户能够主动管理基础设施，而不是应对紧急情况，”Rosenthal 说。
SewerAI 的商业模式和前景赢得了 Innovius Capital 等投资者的支持，他们与其他投资者一起向 SewerAI 最新一轮融资注入了 1500 万美元。这使得 SewerAI 的总筹资额达到 2500 万美元，这些资金将用于市场扩张、AI 模型训练、招聘以及将扩展 SewerAI 的产品线，超越现有的检查工具。
“SewerAI 正在继续增长，我们看到对我们平台的需求加速增长，因为我们使人们能够在现有预算内做更多的事情，这导致我们签署了第一批七位数的合同，”Rosenthal 说。
