在很长一段时间里，激光除草机器人并不是一个被看好的方向，但最近几年，这个判断正在发生变化，激光除草机器人从实验的原型机走向真实的田间作业，从概念验证走向了量产与商业化落地，资本、政策和产业正在关注这个赛道。就在今年 1 月初，八爪智能完成了中国激光除草机器人最大的一笔单笔融资 2500 万元。
本期《数字农业 Insights | 田野信号》独家对话八爪智能联合创始人李昌政。和我们一起聊一聊激光除草机器人究竟是如何从实验室走出田野的。
（注：以下是对李昌政的访谈文字版本，作者进行了语言优化。）
01. 资本注入与跨界团队的农业破局
融资之后：责任与踏实
数字农业 Insights | 田野信号： 恭喜你们完成了2500万元的融资，这是激光除草机器人迄今为止最大的一笔融资。当你们拿到这笔融资的时候，团队是什么样的反应？
李昌政：拿到这笔融资，我们主要有两种感觉。
第一个是踏实。之前我们一直说，底下的人包括我们一起从事激光除草这个“难而正确”的方向，大家都说“因为看见所以相信”。但作为创始人团队，我们是“因为相信所以看见”。这笔融资是国内目前为止激光除草领域最大的一笔，对我们来说是沉甸甸的责任，也是对我们研发技术、营销团队的信任。我们可以踏踏实实把这笔钱用到产品验证和技术路径的迭代上。资本和市场的认可，也推动我们以更快、更稳的方式把机器人打磨好，在田间地头走好规模化、可靠性这条路。
第二个是投入。庆祝完之后，大家又完全投入研发状态，开始探索如何高效、精准地把机器人用在农业生产环境里，怎么让客户真正把它的价值发挥出来。
数字农业 Insights | 田野信号： 状态很好。资方看重你们什么呢？
李昌政：我觉得有三个维度。
第一，创始团队互补。我们有机器视觉、自动驾驶、大模型算力框架方面的长期工程经验和落地经验。
第二，专业的销售和市场团队。我们同时还有专业的销售和市场能力，能保证产品快速向阿尔法客户导入。今年我们已经形成了订单，从原理样机到工程机导入客户的速度得到了资本认可。
第三，踏实做事的氛围。资方看到我们真正有一群伙伴踏踏实实在田间地头作业、调设备。跟大地交互、跟农业交互，就需要真正深入到田间地头解决真问题，把心踏实下来、把人踏实下来，一点点去做事。
工程师下田：从“顶天立地”到田间地头
数字农业 Insights | 田野信号： 你们的团队非常硬核，资料显示有五位清华工程博士。这样的人才密度在农业科技领域比较少见，去其他行业也是大有可为的。是什么样的契机让你们选择了农业机器人这个赛道？
李昌政：其实我们团队不止五位清华工程博士参与。我们是各行各业在工程领域深扎多年、取得一定成果的人，去申报清华工程博士。开学第一课，老师告诉我们要做“顶天立地”的事，延伸出来就是“利国、利民、利家、利校”。我们的培养是以工程实践和成果转化技术应用来提升工程化能力，所以博士期间就有机会去田间地头实践调研。
当时，我们二三十名同学赴赤峰拜访了一位种植数千亩中草药的老先生。他提到，内蒙古地广人稀、劳动力紧缺，除草是长期未解的难题——中科院、农科院都看过，始终没有高效精准的方案。
调研归来后，团队成员背景各异，涵盖底盘、自动化、机电、锂电池、半导体、计算机等方向，大家坐下来深度讨论，形成了基本判断：识别问题可以用视觉解决，关键是找到高能、高效的执行手段。
恰好有位师兄有激光设备背景。激光技术在工业领域的焊接、切割、增材制造中早已成熟，毫秒级响应、定位精准——这套逻辑能否平移到农业除草？
围绕这个问题，我们用约三个月完成了技术可行性调研，确认农业市场前景可行后，便以内蒙古和东北三省为起点，开始打造第一台样机。
大家回到入学第一课的问题：如何让现有工程技术再往前走半步，通过技术整合、集成化、体系化的创新，服务国家重大战略需求。农业作为一产，真的要把论文和成果落在田间地头，落在真实场景里。
国家重视粮食安全、农药减量、劳动力短缺、人口老龄化这些问题，最终需要机械化和智能化装备去挑战直接面临的痛点。大家一交叉融合，又跟中国农大、农机院的老师专家聊，就以工程博士交叉培养的模式，组成了交叉融合创新的团队，开始打磨产品，啃一啃农业这个硬骨头，看硬科技能不能在社会和商业上都实现价值。
从技术到市场：工程师的“紫领”之路
数字农业 Insights | 田野信号： 大家都是工程师，您有半导体背景，是如何走到市场这一端的？
李昌政：我们创始人里，我负责产品和市场两块，内部产品研发、新产品规划和企划也在我这儿。市场这块，我要离客户最近。我们是创业项目，不像高校或科研团队的转化项目，我们是从市场到产品再到技术的正向逻辑：先有需求，再看产品做什么样，再看整合什么技术。
负责产品就必须跟市场接轨，才知道真需求在哪里，要什么样的产品解决方案能满足田间地头的除草作业场景。创业项目最终要走向规模化和商业化，这不单单是技术本身，是产品“跨越鸿沟”的环节。创业公司0到1很难，1到10更难，但0到1迈出去后，要跟市场建立理解和信任，让客户认识到产品的技术价值和未来商业价值。我们产品部门叫“布道”——告诉客户这个技术能解决你的问题，未来投入产出会有更好回报。
这对我自身是挑战，更是思维转换。我原来是军工背景，做过产业化工作，早期对接的是to大B、toG层级的中高层领导，双方交互建立联系、早期充分信任。现在把从市场到产品到技术的思维完全贯穿下来，摒弃了原来“玩命追求新技术、追求完美产品再去找客户”的思路，变成先跑出去找客户、找需求，再把产品推到田间地头去。
我发现自己必须做中间的桥梁或纽带：把需求转化为技术人员懂的语言，把市场需求转化成产品定义的语言。今年学到一个词——“紫领”， 清华主题颜色也是紫的，紫领就是又懂技术又懂业务的人才，复合型角色。从博士角度主观认为是做技术的，其实更多是做市场接轨、产品导入、产业化和规模化推广。
02. 技术路线的底层逻辑与工程化跨越
第一性原理：为什么选择激光
数字农业 Insights | 田野信号： 为什么在选择除杂草时选择了激光？有没有对其他路线做过技术可行性调研？
李昌政：我们调研过几种路径，分两种：一是在互联网上找，二是跟农机装备专家聊他们做了哪些前沿研究或已具备工程化落地的场景。
我们了解过传统割草机械装置、扰动式物理除草、国外用夹子夹草、喷火火焰方式、电弧电击方式。当时主打的概念是摒除化学试剂（农药），把物理除草方式都调研了一圈。
调研完跟中国农业大学教授聊，得出结论：除草作业周期很短，最早干预效果最好。基于现在技术发展阶段，要用最小作业面积和尺度高效解决除草问题，就聚焦到激光。这不是凭空做的，美国Carbon已经做了好多年，欧洲也有几家厂商做，只是一直没有商业化规模化落地。
反过来从第一性原理看，热方式解决作物苗期和芽期阶段、特别是草叶幼小阶段的除草效率，这种方式最有效。随着工业激光器成本下降、国内制造业优势，规模化后可以梯度往下降。
火和电弧等方案在结构设计与能量供应上更为复杂，并且存在明显的农艺局限性。例如电弧要给电压输出，火要给燃料，弊端是很多株间草不能除；火焰除草在内蒙的青贮玉米地里用过，但它要求玉米必须长到40厘米左右才能喷火，如果是幼苗期喷火，会直接把玉米烧死，或者蒸发掉大量水分，严重影响作物的生长周期。
调研完哪个技术、痛点是什么、环境适应能力怎么样、怎么精准高效解决除草问题，就找到了激光器。同时把激光光波也做了调研测试，最早选的是二氧化碳玻璃管长波红外激光器，效果蛮好。紫外的也测过，效率、能效、除草效果没那么直观，所以锁定这个方向，再聚焦不同波长、不同激光器的适配和挑选。
技术成熟度的“三位一体”：成本、AI、制造业
数字农业 Insights | 田野信号： 如果激光除草有优势，为什么没有更早应用？门槛和难度在哪里？
李昌政：这个问题投资人也常问。最主要的是关键零部件成本和技术成熟度问题。
拿人比喻智能装备：第一，眼睛能不能看得清、看得准；第二，能不能跟激光器协同作业，把作物发芽的生长点精准识别和执行除草。这是核心关键零部件。
十年前（大概2018年），激光器上游成本非常高，而且很多是大功率激光器，没聚焦农业场景。我们现在采用射频激励二氧化碳激光器，这种长波红外场景比较少，量上不来，核心器件成熟度不高，大家都在试错阶段，很难规模化批量生产和田间应用。现在射频、半导体、光纤激光器成本逐步在下降。
第二个是AI技术发展。20年后大模型出来，发现“万物皆可训”，只要见过或知道数据来源，就可以给视觉或模型叠加，提高泛化能力。农业复杂环境里，早中晚光照不同、温湿度不同，草的形态完全不一样，同一个草呈现不同形态。早期传统AI视觉算法只是“见过”，没法高效二次作业。现在大模型提高泛化能力，见过一类草就能预测大概长多高、未来生长点在哪里，能判断作物和杂草怎么区分、杂草生长趋势在哪。
第三个得益于国内制造业机器人发展。国外先进技术靠前是因为创投鼓励、风投多；国内资本背后牵扯政府类基金，有产业生态或资本驱动生态的背景。国内机器人成熟得益于AI技术发展、硬件软件整合的智能体或智能装备。机器人平台成熟催生了自动驾驶、精准导航定位、结构件控制设计等，国内制造业生态完全具备了。
这三个条件满足，激光除草机器人就能在田间作业：成本规模下降、大模型AI视觉技术成熟、本土制造业配套能力成熟。中国又是农业大国，国内有场景，就是怎么把产品做好、持续迭代的问题。
技术护城河：真实田间的“Know-how”与纯国产方案的底气
数字农业 Insights | 田野信号： 融合了这么多技术，技术瓶颈在哪里？算法、激光组合到一起，真正的难度门槛在什么地方？
李昌政：最核心的是实验环境和真实田间环境的区别。很多算法可以在虚拟环境或实验台采集作物、杂草数据训练，但一到田里精度就下来，不能保证系统高效稳定田间作业。
第一个护城河：看谁跑得快。看谁的设备在田间跑得远、跑得多、见得多。Carbon最近推出视觉杂草大模型，完全得益于全球投放那么多台机器人，积累大量作物和杂草高质量数据，训练完的模型天然有鲁棒性和泛化能力，再做硬件处理就相对简单。
第二个护城河：视觉国产化解决方案。我们用国产化芯片和自研双目相机，解决不同光照、不同生长条件、杂草遮挡情况下，通过视觉尽快进行农作物检测和分类，保证不同环境下图像质量。创始人一直在做交通智能相机，在这领域有长达二十年的沉淀。
第三个护城河：多类传感器定位、激光控制、姿态控制。回归“手能不能抓准”的问题：机器人往前走，怎么把识别和激光灼烧点跟踪定位，高效率精准打到生长点。从80分到90分用了三个月，90分到95分大概半年，95到99可能还要一年。技术成熟度和田间应用违背不了工业化或技术发展路径，需要在真实环境里反复打磨、迭代、升级。Know-how很关键。
03. 数据资产化与农业大模型的探索
数据飞轮：高质量数据集的价值
数字农业 Insights | 田野信号： Carbon创始人有数据算法模型背景，很早就发布了植物专用大模型。我们关注到八爪智能开发了高质量数据集，以230万价格成交，是国内首次交易，在农业机器人里很不常见。它对你们来说是附加资产还是核心内容？
李昌政：数据对我们来说是AI大模型的粮食，是喂给模型的生产要素。做高质量数据集的初心很简单：把数据打磨好，让模型尽快训练出高质量模型，赋能激光除草作业的精度和效率。
高质量数据集有三个维度：
- 高技术含量：怎么构建数据，是不是用大模型、先进数据标注技术；
- 高密度知识含量：挂载很多信息，未来做智能体、大模型训练时能让模型一眼看到，就像国外初创公司给OpenAI“做铲子”、我们“造铲子”的过程；
- 高商业应用价值：构建完后有外部客户认可，能转化成商业价值和交换。
我们的模型不单单是平面图像信息，还有关键三维对应信息，包含二十多种农作物的算法训练模型。从农作物田间作业机器人投放，通过AI自动化标注、人工精准标注、图像画质处理，再把多模态数据融合，训练出机器人能跑起来、能作业的作物和生长预测视觉模型。
二十种作物，同一种作物不同地区、不同早中晚的数据，不同作物在同一地区的数据，对农业生产、生产态势分析、病态预测都有潜在应用价值。形成闭环：数据是AI模型的主梁，把场景扎深，机器人快速投放形成数据到模型到作业性能的飞轮效应。
我们本身还要做大模型，这类数据非常宝贵。数据越来越多，对农作物通用视觉监测能力方法逐步提升，模型数量达到一定量级，做某个作物垂类模型就有很好的优势和先发基础。高质量数据集是大模型的粮食和主食，要长时间做下去。
数字农业 Insights | 田野信号：三高的难度究竟在哪？不担心把数据放在交易市场让后来者更快追赶吗？
李昌政：三高难度：高知识密度看对场景理解深度、有没有农业专业知识融入；技术含量考虑现有技术怎么支撑机器人迭代速度和升级，高质量数据是针对细分领域解决某类问题打造的，不是躺在服务器上的海量非结构化数据；商业价值看前两个要素满足后会不会有人来问、来咨询。
完全不担心数据交易。这是开放生态，国家提数字农业、数字经济发展。农业作为一产保民生，但早期物联网基础设施建设反而忽略了数字化信息化建设。
现阶段国内提“智慧农业”是瞎扯，“智慧”太高端。从数字化到信息化到智能化有阶段进阶，现在农业只做好了规模化土地流转或机械化种植，数字化还在早期。十四五到十五五规划提到十五末信息化率才到30%-40%，数字化还是长期要做的事。
大量数据里，怎么能形成单一或垂类场景、细分领域里真正有价值、能给智能化载体或装备赋能的，这是“升维”处理方式，能体现数据迭代速度和生态伙伴共享共赢。
不担心是因为机器人投放后长时间采集，数据量无限多时就形成自己的大模型。以后可以以大模型做模型性服务或接口算法服务，也可以封装到农业机器人本体大脑里，把硬件终端算法一起给科研单位、农业机器人开发企业。行业内还在做高质量数据联盟，育种、作物表型分析、病虫害等数据共享。农业高科技技术渗透慢，三产服务业用最前沿技术，一产大部分数据在科研单位服务器里，不知道怎么用、解决什么问题。国内农业工程类、机电系的老师专家已开始意识到：只有开放生态，数字农业才能加速推动发展。
蛋糕做大是现在首先要考虑的，不是担心数据放出来有竞争。欢迎竞争，激光除草国内今年十几家，希望明年100家，都是好事，说明方向正确，会坚定往下走。
作物迁移：标准化作业流程的建立
数字农业 Insights | 田野信号： 高质量数据集中在20种作物，从这些作物之间的迁移难度高吗？
李昌政：早期有一定难度。技术上实现难度不高，但时间积累上有难度。比如先做了白菜，后来做大豆，白菜数据采回来、模型训练完，AI大模型不认识大豆，还需要从原始方式再走一遍。
但好处是数据采集和治理构建过程中，已经形成标准化作业范式。机器人到田间一开始跑，就同步组织人员做数据构建，形成正向循环。有数据标注团队、审核团队、模型训练团队、现场机器人工程师保障团队，同时把现场作业效果实时回传和总结。
整个迭代起来，周期跟着生产周期进行迭代，模型能力逐步提升。基于建得越多、走得越多，未来形成标准化作业流程范式，提升能效比和人效比。
04. 市场切入策略与商业化落地蓝图
选择内蒙古：离客户最近的地方
数字农业 Insights | 田野信号： 我们注意到八爪智能将总部落在了内蒙古赤峰。无论是从制造业的产业链配套，还是科研人才的聚集地来看，这都是一个相对另类的选择。这背后有什么深层考量？
李昌政：没有太多深意。
第一，地多、场景多、需求大。战略性选择要在这里深耕，不管是中草药、有机农业还是高标准规模化种植基地，要保证市场客户在哪、就近服务为主。激光除草机器人早期工程化验证有个强烈预感：机器人造出来可以，但要贴近客户做技术支持，牵扯很多运维成本。早期供应链成本可以先忽略，不像C端消费类机器人要考虑物流供应链配套。早期要生存下来，要把产品更好交付给客户、更好服务辅导作业，积累就是离客户越近越好。
第二，内蒙古自治区地域面积大，种玉米、大豆、中草药面积比较大，能找到机器人作业的真实田间环境、规模化种植基地，阿尔法客户很多在这。
第三，创始人杨云飞董事长就是赤峰人。从小看到大的要么是草场、要么是农田，农田和草场两个场景从小见到大，田里的问题现场就能解决和配套。有家乡情怀，董事长说了要在赤峰或内蒙古打造硬科技上市公司，总部落在赤峰。
场景切入： 直击高附加值中草药
数字农业 Insights | 田野信号： 你们好像集中在中草药材，同行有选择大田作物。你们市场切入的逻辑是什么？
李昌政：我们采取差异化或剪刀差逻辑策略。美国大田农场主田养得好，草籽少，Carbon视频里前面牵引后面激光除草，田里草几乎很少。真的到国内田间地头看实际场景的草，总有种质疑：他们机器人拉到国内会水土不服，不会像理想中拖拉机往前开那么快就能激光除草。这是技术判断，所以不聚焦大田作物——大田需要土壤环境里草籽少的先天条件。
作业效率上看，首先要聚焦中草药或高附加值经济作物，找价值高的、对农残要求严格的。跟客户调研过，框客户可以这么框：种植面积千亩以上、已规模化种植，人工除草成本能达到50%-60%占比成本，购买机器意愿比较强烈**。这是早期客户分类、精准客户定位，所以选择这个农作物场景。
随着技术成熟度或成本下降，再考量怎么向大田玉米、大豆渗透，路径比较清晰。今年会聚焦玉米，也会做大田。玉米不单单是大田种保证粮油、饲料，还有高附加值甜玉米，一颗玉米很贵，可以做高端、提升单品价值或品牌价值的种植农田和大户。全国这么大种植面积、农作物面积，吃透几个大区域市场完全够了。
数字农业 Insights | 田野信号： 高附加值中草药材、有机这一块，市场规模和潜力如何？
李昌政：统计过内蒙赤峰周边和全国。国内中草药种植面积大概8000万亩，赤峰做高附加值如红景天、党参、沙参、桔梗这类大概几十万亩。
更关注的是：中草药农场主或种植大户管理过程中，投入人工除草成本是多少。机器人能力足够强，他就敢规模化种植。现在很多用户不敢规模化种植，雇人雇不来，草多了不但影响产量，药性都会减少。中草药有道地属性，今天看见工信部发文推动中药市场，要达到几十个高标准中药农田。国内高标准农田早期建设模式跟想象不一样，还是要深入去把作物品质提升，品质提升了农田就是高标准农田。
客户画像：谁会成为第一批用户
数字农业 Insights | 田野信号： 哪一类用户比较容易变成你们的客户？
李昌政：分两种。
第一种，已有规模化种植的农村合作社或种植大户。从育种子到育苗到规模化种植，农业生产过程很熟悉，明确知道这一块投入成本是多少，这笔账很清楚。比如某一种中草药种植在1000亩到2000亩以上规模，土地已流转完，早期踩过很多坑——苗从哪来、种子从哪来、怎么管人、怎么组织，管完之后账很清楚。后面中草药有人收，国药、同仁堂全国各地有高标准中草药种植基地会收，路径已验证完，知道大概消纳多少成本在里面，就找这样的客户。
第二种，大规模农业科技类公司。已做强数字化基础设施建设，知道上机器人服务第一是打示范打中式场景，第二能意识到数据化资产或沉淀好的品牌溢价——耕种管收全链条能打通。一般是地方龙头或大型农业企业、农业科技企业，已知道在哪个环节遇到卡点问题，或想卖高附加值中药、打自己标准比国家标准还高，国家标准来卡的时候能从源头溯源——有没有打过化肥、农药，怎么杂草管理、种植管理。有些大规模企业已开始有这种意识形态转移，形成内部闭环后，这是第二类盯准客户。
商业模式：卖设备or卖服务
数字农业 Insights | 田野信号： 涉及商业模式，你们是卖整机设备，还是机器人及服务的理念？
李昌政：从产品设计之初和定义，包括车身大小、搭载八个激光器，就以设备销售为主，不以除草服务为主。国内有些小企业做设备服务方式，但设备销售模式能跟客户把账算清楚。按亩除草服务费用，应该随着成本下降和技术成熟度提升，到这个场景里再做服务，这也是好模式。
早期以设备销售为主，设备消费到客户那里后，才能反复迭代产品能力。后面要做模块化、小型化、规模化产品投放时，会考虑租赁服务。但早期这款产品定义就是以产品销售为主，能愿意花钱买的早期客户是能陪着一起成长的。不是2 C端直接跟农户说包一亩地除草多少钱，现在技术达不到。现在提服务概念的，可能三年后能走出来，现在提是“还没整明白田间怎么干活”。
数字农业 Insights | 田野信号：渠道选择如何？直销团队还是经销模式？
李昌政：目前以直销为主。纯研发团队人数偏多，销售端很少，销售都是创始人和总经理带头去销售。现在更多聚焦产品前期测试完后怎么优化迭代，后面大量订单回来后怎么标准化、产线建起来后规模化生产降低成本。
早期阶段以销售方式往客户导入。分销需要铺当地很多渠道资源，需要把后面机器人维护和成本摊薄核算，这个模式现在没考虑，未来会有想法，但前提看产品怎么跟客户粘性融合。想自己打市场，打完后再通过口碑相传——某一类作物做得好，全国就有客户口碑相传足够产品推出。坚信只要产品性价比达到、技术服务和维修保障体系构建起来，直销完全可以支撑激光除草在国内作物里的投放和运营。海外会考虑代理。
05.行业竞争格局、出海战略与终局推演
规模化瓶颈：成本是最后一道坎
数字农业 Insights | 田野信号： 激光技术这么好、技术路径清晰，大规模推广距离还有多远？最大瓶颈是什么？
李昌政：瓶颈还是成本问题。技术层面上没有太多卡点或卡脖子问题，是综合成本问题。
前两天看到公众号关于激光除草的分析，理解是这样：现在用户端比的经济模型或价值模型，是跟无人机喷洒农药模型和激光物理除草模型对比，这有个天然差距，没办法像中草药那样跟人投入成本对比，这还是认知差问题。但一旦模式走通，随着规模化效应持续迭代，规模在2-3年左右会突破。
国内硬件标准化、激光单元集中度越来越高，国外Carbon、华工科技机器那么大。产业一旦起来会倒逼激光器产业和振镜产业上游供应链去改、来适配。作为中游厂商，让他们适配农田场景，成本就会摊薄很多，可以把成本转移到上游，大家联合开发定制。
激光灼烧方式的最终目标，是将成本控制在除草剂或无人机喷洒农药的5到10倍以内。目前无人机除草的成本不到一亩十元，一旦激光除草实现规模化、成本摊薄至一亩200元左右，就具备了在全国推广的经济条件。瓶颈还是成本，成本下来就OK。模块化、规模化后直接带来硬件成本降低，软件技术上都不是问题。
出海机遇：从“挣美元”到法务挑战
数字农业 Insights | 田野信号： 刚才注意到你说要出海，八爪智能有出海想法？
李昌政：有。一直对标Carbon，出海想法不是自己提的，是产品发布后有国外很多朋友主动要代理产品——北美加拿大、美国，非洲、巴西、澳大利亚都有来问企业传统啥时候能出去、在他们那边推广应用的。
现在有困惑，有布局但不知道出海过程中一些环节怎么应对：知识产权、国外专利、出海海关手续，现在还没整明白。但出海想法一直在，内心话是“去挣美元、挣国外农民大户的钱，心里贼高兴”。早期反过来去挣每个农户、真正种田种地的农民的钱，是另外一种思路看能降多少成本。换了个维度：从做生意方式，海外市场比国内市场好做。但从国际关系、产品能否达到海外监管或政策条件，现在没太多精力关注。
今年或明年会探索，找服务机构把路趟通。Carbon把美国做激光除草的人起诉掉了（数字农业 Insights注：Laudando & Associates被起诉，详见《重磅！激光除草专利大战！反击巨头Carbon Robotics封杀，L&A“自爆”开源》），牵扯很多法律法务问题，早期阶段没太重心思考虑，但是个卡点。还是聚焦国内市场先做起来，做起来后慢慢向海外渗透，可能先从金砖国家、友好国家走起来。（我们）判断这些国家农业底子也不错，人没有中国人勤劳，机器人是好场景，打造成真正能出海、能做服务，是最好的商业模式。
未来竞争：可靠性、成本、生态位
数字农业 Insights | 田野信号： 各种条件具备情况下，未来激光除草机器人市场竞争会是什么状态？
李昌政：最近一直在探讨未来五年怎么干、近一两年怎么做，就是考虑竞争问题。国内十几家做激光除草，还有高校慢慢有想法渗透。
初期看可靠性和特定场景方案能力。 初期竞争很直接：谁可靠性强、谁在特定场景或特定作物上方案更优，谁就能赢得客户。我从军工产品出身得到的判断是——在某个场景里真正做得好，再贵都有人买。东北和新疆跑的约翰迪尔拖拉机，售价是国产的十几倍，照样畅销，因为用得好、十几年不坏。这个阶段拼的就是可靠性和场景方案能力。
中期拼成本与生态位。 一是供应链成本：能不能把一批上游企业紧密绑定、协同迭代，早期共同开发新技术、后期共享利益，这是控制硬件成本的关键。二是数据生态：在竞争过程中，谁能把数据沉淀为自己的资产，并将其转化为模型迭代和业务发展的优势，谁就占据了更强的生态位。硬的是关键零部件成本持续下降，软的是模型与数据能否快速形成小生态。
长期看数字农业。待前期硬件成本摊薄后，竞争重心将转向基于数据和模型的综合服务能力——不只是向农业企业提供服务，数据资产还可以流通给机器人厂商、农田管理平台、智能化平台等多方，真正发挥数据作为生产要素的价值。
不过这一阶段尚需时日：初期到中期大约对应未来五年，数据产品层面的深度竞争，预计要到五到十年后才会真正到来。
跨界者入场：友商而非竞品
数字农业 Insights | 田野信号： 怎么看待越来越多跨界者或产业资本？激光除草领域，例如华工、顺达都具有产业基础，很多企业开始与高校做产业协同。
李昌政：首先是友商，不是竞品。志同道合的路上总得有一些披星戴月的追逐者一起走，一个人走会孤独。
华工做激光除草的初心是消纳更多激光器和装备产能，跟哈工大合作，哈工大做机器人，他们提供高端激光器做产品导入。产业链上看是正确选择，觉得农业有大场景，可以做大规模资金或资本驱动。类似机器人行业，做电机做得好的都在做机器人，核心零部件做好了都想往下游探，这是大方向驱动或技术方向、需求方向。
南京一家企业本身做农机或模块单位机械制造，切入激光除草是跟南京院所合作。大家都看好方向，过程中找到自己优势切入点：有的带着核心产品导入新赛道，有的对行业深扎好多年突然看到新方向。我们是看到需求就一头扎下去干，不像他们原来对产业或农业、激光理解那么深，就是冲着未来趋势发展在农业杂草管理或智能装备方向，觉得不错就选择努力去做。
大家都会有自己在产业链或生态里的定位，按自己定位往这条路探索追逐。这几年态势很像2021年左右中国大模型生态，底座就几家，未来都会有垂类模型出来，适者生存，生存下来的就是好的。
通用vs垂类：大模型的边界
数字农业 Insights | 田野信号： 如何看待大模型泛化？有两派：通用派觉得大模型可以泛化到一切行业、消灭垂类大模型；另一派认为会有垂直大模型存在，核心竞争力在数据壁垒。如果大模型泛化能力加快，草类植物大模型有没有可能（被）泛化冲击壁垒？
李昌政：有可能。通用底座大模型就这几家，堆算力、堆资源、抢人才堆了四年，但真正面临商业化时都在底下做垂类定制化研发。底座大模型只是秀肌肉，一到细分领域垂类模型，需要专门结合信息化专家、领域专家做数据重构和治理，才能训练出快速迭代的垂类模型。这是在中国做一件事的发展模式和范式。
互联网也是这么干的：圈人、垄断人才、干高大上东西，再找行业专家渗透每个行业赋能。大模型现在完全按这个流程走。
为什么不太担心农业方向？大模型发展后几乎大家都在用，只要有人用得好，就沿方案找合作伙伴合作，很快能把专业知识沉淀为技能或作业范式流程，把现有数据按要求做垂类细化。关键还是回到解决什么场景的问题，再延展系统解决方案。
不担心是因为看过农业数字化和信息化底子，国内不是大家想的那么好，还得从认识到尝试验证，很多人农业口里没接触过大模型或人工智能，只是想用、怎么用好、怎么把数据变成数据资产或好数据集，都没有思路。这是看谁跑得快、跑得早的问题。
国内大模型渗透不了任何垂类触角，只能保证持续迭代模型能力，同时跟美国开源模型PK追逐。竞争压力更多是如何跟高大上企业战略合作做背书，迭代资源做通用模型和开源模型迭代。开源目的就是让行业数字应用商、模型应用商基于他们做垂类模型开发应用推广，未来再找生态或商业模式深度合作，这是比较好的互动生态。
国内几个底座大厂从来不公开说他们去做垂类的细分赛道，真正有需求会找他们联合开发。他们也缺数据，没有想象中那么好、对大模型有价值的数据很少。这是长功夫、久久为功，需要长时间沉淀。
齐民大模型：从除草到生长监测
数字农业 Insights | 田野信号： 留意到你们有齐民大模型，介绍一下。
李昌政：齐民大模型最早想识别作物生长态势。激光除草作业过程中采集双目、合成三维数据，想把这个数据——在哪、是谁、哪块范围内种的、生长态势怎么样、长怎么样、周边草有没有打干净——做了这么一个模型，还是初级阶段。
现在等数据规模上来，把数据集打包后对齐民大模型再次重构训练，会增加更多信息：病虫害、遥感信息、土壤墒情信息，未来作物估产等场景做深度研究。现在数据量有限，只是把训练好的二十几类品类模型做到全生命周期分析检测、简单问答。齐民大模型还是初级阶段，探索后面怎么丰富功能。
国产化突围：不走“英伟达依赖”老路
数字农业 Insights | 田野信号： 你们对标Carbon有什么想法？
李昌政：不是说想法，合伙人一帮人去做这件事，最早初心就是国内要干就干个声响，干出跟美国能PK、能直面竞争的公司，要不然干这事儿就没这么大的心气儿。
要做就深度瞄着他们做。Carbon成立时间长，美国农场主农田环境比国内好，资本驱动给他们很多赋能——英伟达投那么多钱，在生态位里占主导地位，可以完全借鉴英伟达硬件算力、软件、机器人生态和模型训练，基于英伟达生态打造。
我们选择国产化生态体系，跟国产化芯片厂商合作，基于国产化芯片瞄着他们方向打造农业农机装备生态生产体系或综合解决方案，只有这样才能具备竞争条件。前期投入成本比主流激光智能机器人成本高、时间长，是因为用了国产化核心主控芯片，这个很难。国内国产化AI芯片没有像英伟达这么成熟，国内人形机器人后面装的基本都是英伟达芯片。从初心就把这方案否掉了，现在走一条非常难的路，跟芯片上游厂商合作打造，围绕他们打造机器人整个控制、自驾、小模型大小脑协同，都基于国产化去做。
创始人最早初心就是要做就做国产化装备，跟美国打就是中国力量和美国力量核心去打。
资本选择：政府基金与产业协同
数字农业 Insights | 田野信号： Carbon拿了英伟达不少融资，你们拿的是政府投资基金。选择资本时看中哪些要素？
李昌政：主要看两个要素。
第一，政府基金。早期认可我们是技术，入选全国颠覆性创新大赛优胜奖。看中我们一帮人抱着国产化装备去做、而且做了很难的事，颠覆性更像从客户端或市场端把现有技术做更精细化、体系化创新，商业化应用端具有很强颠覆性。接纳创新项目比较愿意接受，对技术初心和装备做这件事、推广上得到充分认可。
广东还有个基金进来，会在广东落地。看好南方供应链优势，一旦规模化生产或大批量降成本，有基地保证一南一北不断除草作业，同时把成本整个往返验证迭代，规模化后把成本打下来，背后有基金资源。广东机器人生态非常好，深圳、广州对机器人支持力度大。
第二，产业协同方。上下游产业，考虑下游企业协同。今年还会做下一轮融资，找产业协同方合作。目的跟第一个一样：思路定下来，中试完要量产，量产前把各类资源、能力培养起来，就是要降成本。降成本是怎么把生态位摆正，跟上下游合作伙伴、产业协同伙伴紧密合作一起。股权合作、投融资合作，利益协同是最好方式。后面再说市场上怎么联合打。
政府类基金配套政策、未来科创项目申报有支持；产业方协同是市场化运作方式，希望大家构建紧密合作伙伴关系，一起走远、把这个方向走下去。
06.工程师思维与农业未来
工程师思维：从系统方法论到敬畏土地
数字农业 Insights | 田野信号： 确实看到八爪智能在国产化从0到1、生态系统打造上不一样的地方，里面故事很多值得讲。
李昌政：创业是修行。创始人杨总比我长十多岁，一帮“老登”带一帮“中登”带一帮年轻人，老中青团队做创业，有传帮带感觉。不同年龄层次看待事情角度，修行过程中看到形形色色的人、接人待物，对产品、赛道、产业方向的把控，到细节里盯某个产品细节、某个生产周期、某类产品什么时候打出去，都是坐下来深度学习、成长、修炼。保持开放心态，相聚是缘，把有长期价值的事做成、发展成事业，比较好。
数字农业 Insights | 田野信号： 工程师的思维确实有其独到之处。
李昌政：是的，工程师思维是遵守系统工程思维训练做事方向。大方向没错就开始干，干的过程中系统思考每一步怎么闭环。
这里面完全有科学方法论，按这个方法论在任何行业都可以做出成就。看能不能坚守，逐步迭代方法论，结合现在技术发展趋势、国家政策、产业导向整合在一起。
内部从不担心大模型发展能颠覆具有系统性思维或工程化思维的人。以问题为导向，整合现有技术资源，更快更高效解决问题，未来再思考怎么低成本、更有效果实现长期价值和创造。
大模型能解决初级助理工作，但真正到田间地头，现在也没把大模型真正用到每台机器上，只能先解决现有真实问题，小模型先跑一跑。大模型真能用起来，也在等国内芯片啥时候能跑起来、把比较好的模型承载住，大家都在技术发展里互相打磨融合。复杂机器人里有很多，不单单传感端、控制端、结构端，还有国内激光器，完全是生态打法、联盟打法。
希望激光除草行业、智能装备里大家能串起来合作起来，最怕埋头各干各的。早期可以这么做，中期联合起来会有更好方式。真正把先进技术在农田里跑起来，还是开放比较好。开源或开放生态比闭源生态走得远、走得好。大家都闭门造车就完了，农业科技人才流动性赶不上互联网或前沿大模型，再封锁起来影响整个蛋糕一起做大。国内市场足够大，技术快速迭代后总会找到场景、找到长板往下做，不用考虑太多。
终极愿景：让下一代吃到“小时候的味道”
数字农业 Insights | 田野信号： 我们非常赞同这种理念。我们做这个公众号的初衷，就是想打破信息差，让信息流动起来。我们希望成为一个“扩音器”，把科技公司的故事讲好，让普通人真实地看到农业的创新与变革，从而吸引更多优秀人才加入。基于这样的初衷，最后想请您分享一下，您个人以及贵公司的长期愿景是什么？
李昌政：敬畏市场，更敬畏土地。
什么样的土地就会长出什么样的果实，这是改变不了的根源。我们做硬科技的初心，就是希望通过智能化的装备把土地养护好，让下一代的小孩，能再次吃到我们小时候吃过的那种番茄和玉米的味道。人类的味觉是非常敏锐的，只要做到真正的有机和高品质，大家一定会买单。
其实未来的农业市场和消费品很像，走普惠路线的“蜜雪冰城”和走高端路线的“星巴克”都能活得很好，最难受的反而会被挤压的“中间态”。所以只要我们死磕品质，把产品的稀缺性做出来，自然会有专门的渠道和愿意高价买单的客户群体。
当然，这一切需要一点耐心。就像早年的国产手机，一开始大家觉得难用，但把时间轴拉长，它现在完全可以和国际巨头正面PK。农业机器人的发展也一样，它需要遵循客观的周期。我们愿意给它十年的时间去迭代，我们最终最想要的那个场景其实很简单——就是有一天，孩子们在田间地头，摘下果子就能直接放心吃。
评论