熊蜂智能熊卫华：寻找农业的“智能涌现时刻”？

本期嘉宾：熊卫华

“如果你恨一个人，就劝他来做农业。”

熊卫华经常把这句行业里流传甚广的玩笑挂在嘴边。作为熊蜂智能的创始人，他并非在发泄情绪，而是在陈述一个残酷的经济学事实。在几乎所有的现代经济体中，农业都被视为基础安全产业，这意味着它必须通过补贴、最低收购价和政策干预来维持生产。这种机制决定了一个长期的宏观事实：农产品在大多数时间里，都处于供给充足甚至“刚性过剩”的状态。

在一个刚性过剩的行业里，单纯依靠价格战或者扩大规模，很难形成长期的竞争优势。 然而，就在这片看似“苦、累、慢”且利润微薄的泥土之上，却存在着一个令人咋舌的极端反差现象。

在蓝莓这一高价值作物领域，一位经验丰富的顶级种植专家，其年薪可以高达数百万人民币，甚至经常出现被各大基地一抢而空的盛况。

为什么会出现这种价值的断层？

答案在于“不确定性”。过去十年，蓝莓产业通过“专家经验+数据辅助”的管理模式，将亩产量提升了五到六倍。但这种惊人的效率提升，被锁死在极少数人的大脑皮层里。水肥如何配比？温度变化时如何调整？这些关键决策高度依赖专家的隐性知识，难以在不同基地间快速复制。

这就引出了一个触及行业灵魂的问题：植物的语言，是否可以被转换成token（词元）？那些昂贵、隐秘且不可言说的农业经验，究竟能不能是自动融合进模型进行决策？

熊卫华和他的团队，正在浙江安吉的田间地头，进行一场漫长而孤独的实验，试图给出肯定的答案。

故事的切面，始于浙江安吉金伯利农场的一个清晨。

这里是设施农业的基地，尚未完全苏醒。晨曦微露，温室里没有传统农耕那种人声鼎沸的喧闹，作业人员也寥寥无几。 但在看不见的比特世界里，一场精密的战役早已打响。

当天的第一批农事安排，并非来自某个早起的工头或现场负责人的吆喝，而是在凌晨时分，由一套后台系统自动生成。 这是一份不仅包含时间表，更包含战术参数的指令集：

• 灌溉调整： 根据夜间的环境反馈，今日的灌溉时间被系统判定需要提前 30 分钟。

• 营养修正： 捕捉到作物生长阶段的微妙变化，营养液中的氮元素比例被下调了微小的数值。

• 重点标记： 巡检路线被重新排序，部分区域因为数据异常，被系统标记为“需要重点关注”。

这些指令，构成了当天所有作业的基础。它们不是简单的日程提醒，而是一套由模型自主完成的农事任务分配结果。

图｜BOMBUSPAD农事任务指令和审计画面 （由受访者提供）

在这里，AI 的角色发生了本质的转变。它不再是一个只会报警的仪表盘，而是一个拥有调度权的指挥官。系统会根据作物的生长阶段、环境的实时变化以及历史执行效果，将复杂的农事工作拆解为不同类型的任务，并精准分配给合适的执行主体。

对于那些标准化、可重复的工作，比如灌溉与配肥，AI直接指挥机器完成；而对于那些需要现场判断的非标工作，如检查管道运行状况、田间病虫害调查、作物生长情况记录，任务则会被AI分配到工人的移动终端上，在完成后进行审核。

熊卫华将这一机制概括为“让 AI 检查执行情况”。在执行过程中，系统持续采集结果数据——通过传感器反馈、图像记录或人工回传信息——并与原先的预期进行比对。 当偏差出现时，系统会重新调整后续任务，或提示需要更高等级的人工介入。

这不仅仅是自动化，这是管理的“闭环”。其目的并非单纯地监督人，而是确保每一次操作都能够被记录、被评估，并最终反映到下一轮决策之中。

第二章：JOJO，听懂植物口渴的“物理智能”

在温室的一角，一台发着轻微嗡嗡声的设备，是整个系统的核心触角。

它拥有一个醒目的 BOMBUS（熊蜂）品牌标识，但在外观上，它并不像人们想象中的高科技机器人那样长着机械臂，也不像传统的水肥控制柜那样布满了复杂的按钮。在熊蜂智能内部，它被称为JOJO——灌溉机器人。

图｜JOJO灌溉机器人 （由受访者提供）

与其说 JOJO是一台机器，不如说它是一个嵌入在温室里的“物理智能体（Agent）”。

如果你问熊卫华，农业中最容易被低估、却最关键的决策是什么？他会毫不犹豫地告诉你：是“水肥”。灌溉不仅决定作物能否生长，还深度影响根系结构、养分吸收和病害风险。在蓝莓等高价值作物的种植中，如果灌溉无法被系统化，其它所有决策都无法真正闭环。

那么，JOJO 是如何听懂植物语言的？

它并不是在那儿死板地执行“每天早上 8 点浇水 10 分钟”的定时程序。相反，它像一个把手指插进泥土里感受湿度的老农，持续从作物根区、回水端以及环境侧获取海量数据。

• 根区数据： 它可以感知基质含水量的微小变化，仿佛听到了植物根系吸水的“吞咽声”。

• 化学数据： 它实时监测尾水的 pH 值和 EC 值（电导率），通过这些化学指标，判断植物是“饿了”还是“撑着了”。

• 环境数据： 温湿度的波动，也是它决策的依据。

这些数据并没有触发预设的死板规则（If-Then），而是被送入了一个更高级的大脑——JOJO 内部封装的一组可调用大模型的分析与决策的技能（skills）。

利用这些技能，JOJO能够判断当前作物的吸收状态、营养趋势以及潜在风险。这原本是那些年薪百万的水肥专家才具备的直觉，但现在，这套逻辑被拆解成了可计算、可迭代的决策过程。

模型并不追求一次性给出上帝视角的“最优解”，而是在持续反馈中修正判断。JOJO 在做出决策后，会自动配肥、调整溶液浓度、修正 pH 值，并通过实时监测验证执行结果是否符合预期。最终的反馈通过记忆（Memory）机制，在JOJO中“沉淀”下来。

在熊蜂智能的定义中，JOJO是“物理 AI”的一部分。如果决策无法在现实环境中被稳定、可重复地执行，智能就只是停留在屏幕上的概念。 JOJO 的存在，让算法有了手脚，让植物的生理需求能够被即时响应。

第三章：第三条道路——接受不完美

要理解熊蜂智能为什么选择这条路，我们需要把视线拉长，看看全球农业正在发生的巨变。

在气候变化日益加剧的今天，极端天气频发，传统露天农业变得越来越脆弱。全球范围内，设施农业（Protected Agriculture）正迎来爆发式增长。这不仅是中国，也是全球农业的必然趋势——为了在这个不确定的星球上获得确定的收成，人类必须为植物撑起一把“伞”。这是一个万亿级的巨大增量市场。

然而，对于中国的农业创业者来说，这把“伞”该怎么撑？摆在面前的技术路线图通常只有两张：

一张是“荷兰模式”。这代表了工业化的极致。通过昂贵的玻璃温室、全时段加温、人工补光和二氧化碳调控，荷兰人试图在温室里制造一个与世隔绝的“完美天堂”，尽可能消除一切环境变量。这种模式在技术上极其成熟，但代价是极高的资本投入和能源消耗，对于大多数中国农场来说，这几乎是不可承受之重。

另一张是“日韩与以色列模式”。由于土地资源限制或自然条件恶劣，这些国家采用相对低成本的设施，通过极其精细化的人工管理（也就是人的经验）来弥补环境控制能力的不足。 这种模式高度依赖人的素质，难以规模化复制。

熊卫华站在了这两者之间，或者说，他开辟了第三条道路。

“我们接受环境并不完美的现实。”熊卫华说。

既然无法像荷兰人那样砸钱消除所有波动，也无法像日本人那样依赖匠人精神，那么中国农业的出路在于：提高系统应对波动的能力。

“与其追求完全控制，不如在不确定性中寻找确定性。”这意味着在硬件上做减法，不再追求温室的极限配置，强调设施的稳定与可维护；但在管理和决策系统上做加法，将资源投入到核心的水肥管理、植株健康监测和调度系统中。

这个选择看似妥协，实则对技术提出了更高的要求。当环境波动被暴露出来——比如突然的降温、连续的阴雨——对决策和执行精度的要求会急剧提高。只有当你的 AI 系统反应速度够快，能够像 JOJO 那样实时感知并调整策略，才能在这种“不完美环境”中种出完美的果实。

第四章：重构“五感”——从适应人，到超越人

当 JOJO 解决了“执行”的问题，另一个更基础、更棘手的拦路虎出现了：数据。

不管是大模型还是小模型，没有数据就是无米之炊。但在农业领域，尤其是中国农业，几乎没有现成的、可直接使用的数据。

大量关键信息长期以非结构化的形式存在：老农的一句“地有点干”，技术员的一句“叶子不太精神”，或者只是临场的模糊判断。哪怕是最基础的农事记录，往往也停留在纸笔之间，或者干脆烂在工人的肚子里。

最初，熊卫华的团队试图用互联网那一套思维解决问题：给工人发表格，让他们记录农事行为。但这一招在田间地头彻底失效了。“人在地里，很难一边干活一边填表。”熊卫华回忆道。强行要求工人配合数据的生产，不仅效率低下，数据的真实性也大打折扣。

转折点来自一个思维的逆转：系统不再要求人适应数据，而是反过来，让系统适应人的工作方式。

为了实现这种“适应”，团队决定通过技术手段，将那些原本飘散在风中、藏在泥土里的隐性信息，数字化为 AI 的“五感”。

第一步是“听觉”与“视觉”：让系统听懂人的抱怨，看懂人的目光。

既然工人不爱填表，那就让他“说”。团队开发了端侧语音农事记录系统，赋予了 AI “听觉”。作业人员不需要停手，只需对着手机吐槽：“三号棚这几棵苗看着有点蔫。”哪怕是夹杂着方言的模糊描述，系统也能通过语音识别转化为结构化数据。

既然描述不准，那就让系统自己“看”。遍布温室的摄像头构成了 AI 的“视觉”。它们昼夜不歇地盯着叶片，采集了数千张病害样本，学会了像老农一样“察言观色”，识别出人眼容易忽略的早期病灶。

但适应人只是第一步，更深层的感知来自那些人类感官无法量化的维度。系统开始延伸出超越人类的感官：

• “触觉”——感知空气和土壤的呼吸： 传感器成为了 AI 的指尖。它们实时检测着土壤以及空气的温度、湿度。AI 能通过数据的细微波动，精准感知到环境的变化。

• “味觉”——品尝尾水的酸甜： 在回水端，高精度传感器时刻监测着尾水的 pH 值和 EC 值。这相当于 AI 的舌头，它在不断地“品尝”植物喝剩下的水，判断它们是“饿了”还是“撑着了”。

• “嗅觉”——嗅探气候的情绪： 悬挂在空中的气象站，就是 AI 的鼻子。它敏锐地捕捉空气湿度、二氧化碳浓度……

图｜智能感知设备与AI摄像头视觉识别图片 （由受访者提供）

当“五感”齐备，奇点来临了。

这些海量的五感数据——听觉、视觉、触觉、味觉、嗅觉，源源不断地与熊蜂智能的“植物生长模型”发生化学反应。

在这种深度的融合中，系统涌现出了一种超越人类感官的“第六感”——全知决策能力。

它不再依赖模糊的直觉，而是基于精准的感知直接给出战略：“视觉看到光照增强，触觉感到土壤张力上升，第六感预判蒸腾速率将加快，建议立即启动脉冲式灌溉。”

这就是熊蜂智能的答案：先适应人，再武装人，最终让农业拥有了可计算的智慧。

回到文章开头提到的那个年薪数百万的蓝莓专家。他的存在，其实反映了农业产业化最大的痛点：不可复制。

一个顶级的农业专家，无论多么勤奋，一年也只能完整经历一个生长季。他的经验积累是以“年”为单位的迭代。而且，这种经验往往带有强烈的地域性，在云南种蓝莓的经验，搬到浙江未必完全适用。

这也正是为什么海量资本在农业大门外徘徊不前的原因。

资本从来不缺钱，也不缺对设施农业趋势的判断。他们可以轻松买下万亩土地，建起连片的温室，但他们买不到“确定性的产出”。因为一旦基地扩张，专家就不够用了。最核心的种植技术是个“黑盒”，锁在少数人的脑子里，这就导致了农业项目往往“小而美，大而亏”。

但在熊蜂智能的体系里，这个死结被解开了。

在早期，基地依然需要专家来设定关键参数。但不同之处在于，专家的每一次判断、每一次调整，都被系统记录下来，并与当时的传感器数据（土壤、气候、水肥）一一对应。 隐性知识被显性化，进而被算法化。

“专家一年只能经历一个生长季，但系统每天都在学习。”熊卫华说。

随着生产周期的数据积累，JOJO 在相似条件下给出的反应越来越接近专家，甚至更为精准和稳定。系统逐渐接管了那些常规的决策，而专家则从繁琐的日常管理中解放出来，转变为模型的校正者。

这是一种农业领域的“智能涌现时刻”。当植物的生长逻辑被向量化和token化，农业生产效率的提升不再单纯依赖生物技术的突破，而是开始享受算力与算法迭代的红利，产生真正的农业智能。

这意味着，高水平的种植能力变得“可复制”了。

这不仅仅是技术的突破，更是商业模式的质变。当这套智能化系统可以被批量复制到全球各地，它就相当于为资本进入农业发放了一张“通票”。

资本只需要负责投入硬件设施，而熊蜂智能提供核心的“种植大脑”。这种模式将彻底打破农业“有资本无技术”的尴尬局面，带动资本大举进入，在提升全球农业产量和品质的同时，也让大规模的商业化运作成为可能。

图｜位于浙江安吉金伯利农场的草莓种植基地（由受访者提供）

“最大的阻力是不被认可。”在很长一段时间里，投资人看不懂农业，认为它太重、太慢。但现在，随着气候变化的紧迫和AI能力的跃升，风向正在改变。

熊卫华并非典型的技术狂热派，他有着深厚的产业背景。正因为在地里反复犯过错，他才笃信：农业终将迎来它的“智能涌现”时刻。

关于农业的未来，熊蜂智能正在验证一条清晰的路径：

它没有去追求昂贵的完美环境，而是通过算力赋予农业“气候韧性”；它没有去神话个人的经验，而是通过算法将种植变成了“可复制的标准品”。

当植物的语言被翻译成代码，当农业被数据计算，农业就不再是一个看天吃饭的古老行当，而将变成一个资本与技术共舞的现代精密产业。

农业可以被计算吗？

安吉温室里那台正在嗡嗡作响的 JOJO，已经给出了回答。

肆芃科技陶飞：用生物“长出”材料的先锋者