Conservation X Labs

保育科技一直有個結構性問題：真正需要工具的人（保育區的巡守員、發展中國家的研究站）沒有預算，有預算的機構往往離現場很遠。Conservation X Labs 的運作方式就是針對這個落差設計的——它同時扮演創新競賽主辦者、技術開發者與現場部署者三個角色。

它最知名的技術資產是 Wild Me 與 Sentinel。Wild Me 是野生動物影像辨識平台，用電腦視覺從照片辨認個體（斑馬條紋、鯨魚尾鰭、鯊魚斑點各有獨特圖樣，等於動物的指紋），官網數字是已追蹤 288 個物種、重新辨識超過 30 萬隻動物。Sentinel 則把 AI 推到邊緣裝置上，讓相機在野外就地判斷、只回傳有意義的事件，而不是把幾十萬張空照片全部傳回來——這對頻寬與電力都受限的野外站點是關鍵設計。另有 NABIT 系統開發了 6 種被忽視病原體與物種的檢測方法。

規模數字：支持 189 項創新、管理 393,551 公頃保護區、帶動超過 5.93 億美元的後續資源投入到創新團隊。服務對象包含保育創業家、研究人員、保護區管理者，以及生物多樣性熱點地區（特別是亞馬遜）的社區。

功能特色與適用場景

「開放創新競賽」這個模式值得台灣的保育與科技社群注意。它不是自己做完所有技術，而是出題、匯集全球團隊提案、挑出可行的給資源與現場驗證機會。對資源有限的保育領域來說，這種模式的槓桿比自建研發團隊高得多。

給台灣使用者的具體用法

對台灣最直接可用的是 Wild Me——它的影像個體辨識已支援多種常見物種，台灣的鯨豚調查（花蓮、台東的海上調查累積大量背鰭照片）、鯨鯊與豆腐鯊記錄、石虎自動相機影像，都是典型可以套用的資料型態。Wild Me 屬開源專案，研究團隊可自行部署或使用平台。Sentinel 的邊緣運算思路對台灣山區監測尤其重要，因為台灣山區的通訊覆蓋與供電條件跟非洲保護區其實有相似的限制，把判斷推到裝置端才能長期運作。另外，台灣的科技業與保育團體長期缺乏媒合機制，Conservation X Labs 的開放創新競賽是個現成可以參考的制度設計——與其各自摸索，不如出題讓有能力的團隊來解。想了解同領域其他工具的讀者，可參考站上的 WildTrack 與 Synature。