AI 正深度渗透农业领域，多家聚焦 AI 农业的企业获得大额融资，其中 Orchard Robotics 凭借 “AI 果树体检” 模式脱颖而出，助力果园提升亩产、降低误差，打破传统农业粗放管理的局限。除此外，AI 在作物监测、除草、采摘、种子改良等环节也有丰富应用，正推动农业从 “看天吃饭” 向 “数据驱动” 转型。

AI已经开始对农业“动手”了。

上周，一家叫Orchard Robotics的AI果园机器人公司拿到了2200万美元的融资，相当于1.58亿人民币。

这公司做的业务很有意思，用AI给果树做“体检”。

简单来说，它们在拖拉机上装摄像头，每秒抓拍100张果树图像，然后AI实时分析每颗果实的大小、颜色和健康度。

这些数据会被上传到一个叫Orchard的云端软件里。它相当于是农场的“决策中枢”，会告诉种植者：哪片葡萄藤需要多施点肥，哪棵树该修剪，哪里需要疏果。

据说，这种检测的误差只有5%，比传统方式准2000倍。现在，Orchard已经在美国一些最大的苹果和葡萄农场中使用，并帮助了某大型果园提升亩产12.6%。

乌鸦君注意到，AI在农业领域跑得飞快，除了Orchard外，不少公司还拿到了大额融资，包括AI预测种子Inari（7.2亿美金）、AI基因预测BensonHill（超2亿美金）、AI除草机Ecorobotix（5200万美金）。

今天，跟着乌鸦君来看看这些藏在田间地头的AI应用。

01 美国果农靠天吃饭？华人小伙用AI破了局

老外向来痴迷中国的田园风。李子柒捡栗子、摘柿子，滇西小哥采葡萄做菜，这类视频在海外动不动播放破千万，评论区常常淹没在羡慕声里。

美国自己就是农业巨头，为什么要羡慕中国的果蔬？

真相是：美国农业强在大规模机械化，巨型农场+卫星遥感适合大豆、玉米这类田地规整的主粮，但对付果蔬就非常吃力。

像葡萄、番茄这类果实形态复杂、成熟不一致、需手工采摘的作物，机器识别难、自动化成本高。所以，美国蔬果又少又贵。

Orchard Robotics创始人Charlie Wu谈到：“如果你不知道田里长了什么、能收多少，就很难精准施肥、用工、销售。”

而这，也正是AI农业正在破解的方向：通过计算机视觉、传感器和机器学习，像Orchard Robotics这样的公司正在实现更精细的作物监测、产量预测与田间管理。

Orchard Robotics的具体做法是：摄像头拍照片、收集数据、云端AI分析。

①FruitScope超高分辨率摄像头：可装载在现有拖拉机上，一边开车一边扫描每棵果树、每根藤蔓或植物的细节，重点关注单个果蔬；其相机系统每秒可捕获约100张图像，可拍摄数百万张图像；

▲ 装载AI摄像头巡视

②FruitScope Vault记录系统：对捕获的图像进行处理，以识别单个水果，可用GPS绘制果实数量和树木大小，AI实时分析单个果实的大小、颜色、健康状态；

▲ 单个果实识别&标记健康状况

③FruitScope OS云平台：数据直传云端，显示果园果实大小分布的图表和图形，显示树木健康状况，辅助如灌水、施肥、修剪、间伐决策。可跟踪单个/多个季节里数千万株植物的成长。

▲ 云端数据

创始人Wu坦露创业受中国苹果种植户的祖辈影响，可以说是体现了中国人对种菜有着刻在DNA里的热情。在康奈尔大学攻读计算机期间，他发现美国农场还在靠人工抽样猜产量（仅检查0.01%的作物，用来预估数百万美元的产销计划），于是他果断辍学创业，把AI视觉带进田间地头。

另外，康奈尔大学以计算机、AI和农业课程而闻名，这段求学经历也帮助Wu了解在图像分辨率、模型推理、校准、泛化方面什么是可行的。

▲ Charlie Wu

Orchard Robotics后续将推出Canary 决策系统。据介绍，Canary的AI从数百万棵树及其结果中学习，将通过分析田间作物实时情况，让种植者提前掌握产量，精准管控各流程，如修剪、喷洒、灌溉、雇用、收获、营销和销售、分配作物等等，并提前锁定供应链下游。

Orchard Robotics从一开始的苹果与葡萄，到现在已扩展到蓝莓、樱桃、杏仁、柑橘等作物，覆盖美国多家大型果园。

农业科技从来不是容易的生意，一个很重要的原因是，信任周期太长。农户现金流季节性强，机器买了要用十年，地里的结果得等一季，客户付款还得看收成。对于他们，必须拿出省水、省药、增产这种真金白银的回报证据才行。

Orchard的策略很清晰：硬件走量，软件吃肉。具体来说，他们的车载摄像头是按成本价，一次性出售或租赁，靠后续按英亩/作物周期收订阅费。

ROI对照图就是最强销售工具，Orchard Robotics给出对照图：

用并排田块把“AI指导vs传统抽样”做成柱状图，AI预测误差≤±5%，远超人工抽样20%~30%的偏差。另外，搭载AI摄像头的农用车可省下巡检成本，提早发现弱势树，精准定点施肥、打药，以提高亩产。

客户报告称，某商业果园采用他们的产品后，亩产提高12.6%。对大型果园来说，几个点的提升就意味着几十万美元的利润差距。

02 从“看天吃饭”到“知天而作”

从“看天吃饭”到“用数据种地”，AI农业逐渐告别“粗放模式”。AI不仅能够精准预测产量、识别病虫害，还可能自动安排浇水施肥、机器人采摘——相当于给农业装上了“智慧大脑”加“机械手”。

接下来，我们再看9个AI农业工具案例。

（1）AI作物生长监测“笛卡尔实验室”

该公司把全球卫星“照片”变成产量预报：把光学、多光谱、高光谱和雷达影像，跟天气、土壤等数据叠在一起，用AI算亩产和异常地块。先花大钱把原始卫星数据洗成“能直接用的”干净图层，再喂给模型输出植被指数、产量预测和热点警报。最新估算年收入约1220万美元/年。

笛卡尔实验室于2024年10月被加拿大地球观测公司EarthDaily Analytics收购。

（2）AI作物生长监测Prospera Technologies（以色列）

温室里装摄像头，AI 24小时“盯梢”：看虫、看病、看缺水、看缺肥，实时把灌溉处方发到喷灌机。模型得学会在不同作物、不同光照和气候下分辨叶色、叶形。

（3）AI除草机Ecorobotix（瑞士）

除草机器人只给杂草打针：机载摄像头和多光谱眼当场认出谁是草，立刻微喷一滴药，官方数据省药40%，庄稼还能多收5–10%。不管太阳角度怎么变、土壤颜色多杂、苗高苗矮，都不能看走眼；底盘还得能爬坡、认路、扛一整天。最新一轮募资5200万美元，用于全球扩张。

（4）AI除草机Blue River Technology

该公司主打AI除草喷头。拖拉机装着“看见就喷”的智能喷头：边走边拍，AI瞬间分出庄稼和杂草，给杂草点喷药，不管局限于光线亮、土面反光、苗长势等条件。

（5）AI采摘机器人Four Growers

公司主打自动采摘番茄的温室机器人。在使用过程中，机器人先用机器视觉把整串番茄扫成3D图，再用AI看颜色、纹路和形状判断熟不熟，然后算出不碰伤果子的路线去摘。最难的是，叶子挡、棚膜反光，还要在0.3秒内做完所有判断。

这家公司2024年11月拿到A轮900万美元，由Basset Capital领投，YC参投，以扩大其旗舰机器人GR-100的生产规模。

（6）AI拍照识别病虫害Plantix（德国）

这家公司开发的手机APP PEAT一张秒诊病虫害。AI对图像中的气象、土壤情况进行标注，能解析出“叶片斑点”现象背后的病虫害、营养不良等问题，给出倒推肥料或农药配方的建议。

模型先“吃”了5000万张农民上传的照片，把地点、作物种类、生长阶段都一起学进去，等到准确率超过90%才正式发布给用户用，而且会越用越聪明。CBInsights口径累计融资1570万美元。

（7）天气助手aWhere

把天气数据变成产量预报：把气温、降雨、霜冻、风速等历史和实时气象信息，跟作物长势、产量记录一起喂给时间序列模型，画出天气风险地图和产量供需预估，主要卖给贸易商、保险公司和食品供应链。

（8）AI基因编辑优化种子模型Inari Agriculture

先让AI“算”出哪几个基因该剪，再使用基因编辑技术CRISPR，把育种周期搬到芯片里预演：电脑设计→实验室验证→田间迭代，目标是用更少水、肥换更高产量。2025年1月，刚拿1.44亿美元，总融资超7.2亿，估值21.7亿；2023年收入1.12亿美元，来自授权费和里程碑款。

（9）AI基因组学模型Benson Hill

用AI给种子“配餐”：把基因组、田间表现和气候数据一起算，快速挑出高蛋白大豆、高产玉米的杂交组合，育种时间砍一半。客户可买品种授权，也可直接买原料。2024年前9个月收入8900万美元，仍亏损，9月底账上现金只剩1440万美元。

03 总结

从目前看，AI对农业的改造主要分为三种路径：

第一种，数据与感知层如AI巡视摄像头Orchard Robotics、笛卡尔实验室，如同农业的“眼睛”，负责采集多源数据。

第二种，决策与执行层，将数据转化为精准的农事操作，是农业的“智能手脚”。

第三种，是在价值链与上游创新层，如Inari、BensonHill等，聚焦种子改良与供应链优化。

最终，可能形成一个类似“端-管-云”的农业OS，而像单点产品如AI视觉分析类，可能会被边缘化。