气候变化正在提高污水故障的风险、发生率和成本。洪水变得更加常见，导致倒灌情况经常超出废水处理系统的承受范围。加剧问题的是，美国的基础设施非常陈旧；环保局估计未来20年仅需要约7000亿美元的投资来维护现有的废水、雨水和其他清洁水管道。
五年前，来自废水处理行业的Matthew Rosenthal和Billy Gilmartin看到了利用科技来解决问题的机会 — 至少在某种程度上。 这对合伙人共同创立了SewerAI，利用人工智能来自动化构成下水道检查的数据获取和缺陷标记。
“大多数基础设施是在二战后建成的，正逐渐接近使用寿命的尽头，导致更多的故障和成本增加,” Rosenthal告诉TechCrunch。“SewerAI利用其基于人工智能的软件即服务平台，革新了地下基础设施的检查和管理。”
SewerAI最初是Rosenthal的副业项目；他在共同启动了两家废水分析和服务公司后开始参加在线人工智能课程。在尝试使用人工智能模型来预测检查视频中的下水道缺陷时，Rosenthal招募了当时在一家下水道检查公司工作的Gilmartin帮忙。
如今，SewerAI的客户包括市政府、公用事业公司和私营承包商等，销售云端、基于人工智能的订阅产品，旨在简化下水道基础设施的现场检查和数据管理。其中之一是Pioneer，允许现场检查员将检查数据上传到云端并标记问题，项目经理随后可以利用这些数据来规划管道的修复。另一个工具AutoCode，可以自动标记管道和检查井的检查，从GoPro或其他相机拍摄的视频中创建基础设施的三维模型。
“传统的市场主导者提供的是在场或卡车上的软件，近20年来几乎没有任何创新，” Rosenthal表示。“SewerAI的技术通过以更低的成本每天进行更多检查，从而提高了收入和利润。”
SewerAI并不是唯一一家在AI辅助管道检查的新兴市场中的公司。该公司的竞争对手包括Subterra，用于绘制、分析和预测管道问题的公司；Clear Object，提供用于分析管道检查录像中损坏的软件；以及Pallon，开发从静态图像中发现排水管道潜在问题的算法。
Rosenthal声称，让SewerAI与众不同的是其数据的质量 — 具体来说是其模型训练数据的质量。Rosenthal表示，SewerAI拥有来自市政府和独立承包商的1.35亿英尺管道检查录像。虽然只是美国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，可以训练出一个竞争力强的检测缺陷的人工智能。
“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，而不是对紧急情况作出反应，” Rosenthal说。
SewerAI的销售策略吸引了像Innovius Capital这样的投资者，他们与其他投资者一起向SewerAI最近的融资轮注资1500万美元。将SewerAI筹集的总额增加到2500万美元，这笔资金将用于扩大市场覆盖、人工智能模型训练、招聘以及将SewerAI的产品组合扩展到超出检查工具范围之外。
“SewerAI正在继续增长，我们看到了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下做更多事情，这导致我们签署了第一份七位数合同，” Rosenthal表示。
