农业AI企业麦麦科技集团近日于深圳举办M’ID计划全球发布会，正式推出国内首个“农业垂类大模型+特种机器人”一体化商业落地模式。

M’ID（Maimai Model Inside）AI技术赋能计划，以“Model+Robot”为核心路径，将自主研发的作物生长大模型与垂直场景模型深度集成到机器人本体，为硬件植入农业“智慧内核”，让设备真正懂农业、懂作物、懂农事。目前已在蓝莓、榴莲、橡胶等作物场景完成落地验证。

麦麦科技创始人、董事长兼CEO李楠谈到，农业因技术断层、劳动力老龄化加剧，催生了广阔的机器人市场，但行业普遍面临“有硬件无大脑”的痛点，麦麦科技以M’ID计划推动农业 AI“大脑”与机器人硬件的深度融合。

此外，麦麦科技正加速构建开放生态联合体，目前已汇聚20余家本体厂商、7家基础能力供应商与11家科研院所，生态矩阵已初具规模，成功跻身行业第一梯队。未来，麦麦科技将携手生态伙伴，以Robot之名，启耒耜之智，推动农业成为机器人首个落地的产业大场景。

在此次发布会上，多位专家围绕割胶、采摘和算法研发，展开了深入的探讨。行业共识指向一个关键结论：缺乏对作物机理的深度理解、缺少通用模型底座、极端环境应对能力不足——农业机器人亟须一颗真正“懂农业、懂作物、懂农事”的智慧内核。

机会

作为一家农业机器人，自走科技创始人黄少琴介绍，橡胶采收领域农业机器人产品，是基于市场需求强牵引。在科研院所时，就接触到这类项目，源于国际头部企业的应用需求，结合技术导向和产品市场导向，选择了农业机器人并聚焦橡胶智能采收。

自走科技在系统梳理后，选择以“单品突破再延展”的方式布局，同样的技术可以拓展到其他门类，如割胶机器人、生产管理系统、数字化资产盘点系统等。以核心主营产品做到行业头部，再结合产业方资源形成合力，逐步延展，包括植保等已有基础，为橡胶行业数字化转型带来质的飞跃。

在玄创机器人CEO傅喆看来，一方面，以麦麦科技为代表的农业AI企业积累了大量数据，为机器人公司减轻了前端数据训练压力。另一方面，农业场景和化工业类似，核心问题是缺人，业主愿意为机器人替代人工买单。

“在技术成熟和政策补贴的共同加持下，能节约前期部署成本。”傅喆预计未来三年内，农业机器人将有望在20个场景完成POC（概念验证）和落地部署。

挑战

当下，农业机器人技术从跌跌撞撞迈向成熟进程。

“这个行业太难了，尤其是橡胶这种野外非标准产品，太有挑战。”黄少琴说，农业非标性和分散化程度高，商业驱动模式非常分散和非标。

瑞石资本合伙人周木红也认为，AI和机器人在农业落地有很多特殊性。首先，农业不同于工业场景，生产环境非常复杂，天气变化和田间环境对落地的难度很高。其次，作业对象是生物、是生命体，不像工业上加工金属或焊接搬运那样不会发生大变化。草莓从种子到苗期到花果期到膨果，形态多样化，对机器人大脑的要求很高，不是简单执行。再次，数据采集很难，农业生长周期至少三个月，长则一年，搞养殖周期更长。

“可能去年犯了一个错误，一年收成就没了。网上有个段子说，从秦始皇到现在，麦子也就收了两千多回，说明数据采集难度很大。”周木红打了个比方。他还提到，具体地来说，从机器人角度，识别数据要标注，标注成本很高。通常大数据看一片叶子就是叶子，但农业领域还要看到叶尖是不是发黄了、叶片有没有斑纹，是药害、肥害、病虫害还是细菌？结果都不一样。

而在决策层面，工业机器人通过图像识别看到裂痕就知道是残次品，但农业不是。采榴莲或割胶，要判断今天采了这个果子会不会影响明年的产量。无人机做植保还要评估密度、稀疏、伤情、天气等综合因素来做决策。

农业机器人在田间地头运作，还会面临能源、信号不稳定等挑战。周木红说，在没有信号、能源断断续续的情况下，依靠自身数据达到百分之九十甚至九十五以上的精准度难度很高。因为很多机器人需要和数据大脑交互，但农业从成本和信号传输角度都不支持。

北京邮电大学人工智能与网络搜索中心王筱斐博士则谈到，研究机构或高校做的农业机器人和企业差别很大。企业推动落地首先要满足业务实际需求和商业价值，而高校多只要达到研究目标，并不考虑商业化和研发工具问题，高校研究和实际应用场景存在鸿沟。

王筱斐举例说，很多机器人的样机硬件成本就几十万元，放到产业中落地很难扛得住，而且研究机构缺乏真实实验田，很难有条件种植一片地来做农业研究。

采摘或农业作业涉及算法、硬件、机械臂轨迹规划、系统集成和模块耦合等。王筱斐最初是从事计算机视觉，应用在农业场景中发现，作物生长条件、状态和摄像机视角，都可能导致算法模块看到的信息非常复杂，比如遮挡、果实叶片颜色形状特征模糊等都会构成挑战。

王筱斐建议，在复杂农业场景下，单纯依靠视觉单一数据维度很难做到稳定可靠。可以引入3D激光雷达、3D建模等多维度数据。具体场景和作物成熟度受光照、气温等因素影响，这些数据累积构成多模态数据，对算法稳定性和可靠性提升很大。

展望

此次会上，多位专家也围绕具身智能在农业、工业等特种环境的作业发展趋势。

作为一家化工石油、核电新能源等领域的机器人企业，傅喆认为，在特种环境下，硬件整体稳定运行决定了终端应用中的效率和经济性，与此同时，虽然机器人硬件底层和操作系统有大量标准化，但实际场景化应用和交付过程中，仍有大量非标交付。

从去年7月开始，玄创机器人开拓了偏科研类型的首个农业项目，主要是激光除草、给棉花和辣椒打顶。傅喆认为，可以将农业机器人场景定义为三个方向：第一是大众种植，在大棚种植场景，机器人未来更偏向于集成化或模块化，单台只做打顶或采摘，经济性很难体现，集成化方向比较适合。

第二是工业化和工程化农业，在工业化垂直农业场景，更多是做精细化作业、生产管理、数据采集和采收，需要标准化电控底盘和标准化多机异构操作系统，适配不同经济作物，缩短研发周期。

第三是种植园。标准化底盘至少满足60%种植园地形通过性、载重和电气化要求，只有做电气化才能把感知模型、大模型和小脑运动系统紧密结合，逐步实现高效率作业。

“对具身智能公司，大家都在拿着锤子找钉子。”逐际动力联合创始人庞博抛出这个论断。

从产品经理角度而言，到底什么是好场景、好产品？庞博认为，首先，这是谁的需求？一定是场景的真实需求，不是个人的想象。其次，这个需求是锦上添花还是生产力需求？真实需求是“真的没人了，需要更智能的机器人替代生产力”，而且是持续的需求。再次，以我当前能力边界能否满足？客户是否愿意为此付费？下一步加上操作能力，客户是否也愿意继续支持？

庞博总结，有需求、有支付能力、技术能满足，就是好场景。

南方+记者 郜小平

【作者】 郜小平