2025年中國智慧農業賽道最大一筆融資誕生了。

9月上旬，北京麥麥趣耕科技有限公司（下稱“麥麥科技”）宣布獲得來自啟鴻育遠、鴻鏈啟元、春光里、星連鼎森以及部分老股東的Pre-A輪投資，融資額達1億元。資方中既有華為系，也有大模型公司的投資平臺。

麥麥科技創始人、董事長兼CEO李楠在去年看到了一份來自美國某機構的報告。該報告選取了8個細分行業，深入探討了AI技術在這些領域的應用前景。報告指出，在未來十年里，美國將在“AI+醫藥”的應用領域領先全球；而中國可能會在一個領域明顯超越美國及其他國家，那就是“AI+農業”的應用。

李楠認同這份報告的結論。在他看來，AI在許多行業的應用，是對老技術的替代或升級，即用更新的技術取代舊技術。但在農業領域，AI在很多場景的應用都屬于“新建”。由于底子薄，發展壓力反而不大，能夠采用當下最高規格、最新技術和最新方式來進行“建設”。這對整個行業而言，是彎道超車的絕佳機遇。

麥麥科技成立于2015年，是一家致力于用科技賦能農業產業與消費的企業。它通過人工智能、云計算、區塊鏈、農業生產技術與物聯網等信息技術，改造傳統農業。實際上，在麥麥科技成立時，智慧農業已并不是新鮮概念，也有不少企業涉足其中。經過市場調研，麥麥科技將應用于農業場景的前沿技術形象地總結為三類：手、大腦和眼睛。

“眼睛”指通過圖像、實驗數據、現場檢測等方式，觀察并獲取準確信息；“大腦”將看到的信息，借助人工智能進行分析思考，進而給出解決方案；“手”的環節就是實施“大腦”提供的方案。李楠說，在“眼睛”和“手”的部分，麥麥科技很難突破成熟廠家的能力。例如，無人機行業的大疆、攝像頭行業的海康威視，其產品已廣泛應用于農業領域。

更多的機會存在于“大腦”環節。彼時，雖然華為等公司已將通用型方案應用于農業領域，但農作物之間的差異使得通用方案暴露出局限性，這也讓麥麥科技有了更明確的目標。蘋果和梨從種植到采摘各環節的指標各不相同，即便是蘋果這一單一品類，也會因果徑、糖量、色澤的不同而有不同的分選要求。因此，麥麥科技決定搜集、分析這些數據，并構建不同的模型，從而為各類農業應用場景提供合適的方案，改變農作物的最終結果。

李楠將這種能力稱為對農業的理解力，AI技術的爆發則加快了麥麥科技構建這種能力的速度。

據悉，麥麥科技與多家通用大模型公司合作，將開源的通用大模型能力與農業場景相融合，已完成小麥、水稻等主糧以及草莓、藍莓等經濟作物等15個大品類、200多個小品類、近千個垂直場景模型的研發。農作物模型技術也已應用于100萬畝農田、190多個現代化農場。

|對話|

要為結果買單

經濟觀察報：目前在“AI+農業”領域，主要的市場參與者有哪些類型？麥麥科技的差異化競爭優勢是什么？

李楠：我們的同行主要有四大類。

第一類是國外頂尖的科學機構，典型代表是荷蘭皇家藝術與科學院。他們研究農作物模型有十幾年時間，在番茄和花卉兩個品類上做得較好，但AI能力相對較弱。

第二類是國際頭部的生物公司，它們跨農業、生物、育種、農資等行業，如孟山都。

第三類是國內頂尖科研機構，如中國科學院、中國農科院、中國農大等，它們的特點是側重于某一個特定方向。

第四類是和麥麥科技同批成長起來的企業，如愛科農、佳格天地等。這些企業背后也有騰訊、經緯中國等大廠和資本的身影。這類企業面臨的問題是如何解決商業閉環以及實現盈利。

在同類型企業中，我認為麥麥科技的差異更多體現在商業模式上，我們要求為“結果買單”。麥麥科技已在華北、華中等地落地了多個智慧農業項目，并利用植物生長模型進行綜合決策分析。我們先后在植物工廠生菜種植、溫室草莓種植等具有典型代表意義的作物品種及場景中打造了實例，提高了農業產業效率和經濟效益。但我們也看到，一些同行企業的應用場景是新技術的示范展示場景。

我們還有一個差異化服務。2020年，麥麥科技成立了消費事業部，目前這是公司旗下一家全資子公司，也是第一條非主營業務線，目前貢獻了20%—30%的營收。在走訪和實踐中我們發現，雖然我們能把技術做到能力范圍內的極致，但有時仍無法解決農民的最終問題，最后卡在農產品賣不出去。

所以，如果不能把技術轉化為好吃的蘋果，再把好吃的蘋果變成增量收入，商業閉環就無法成立。基于這個痛點，我們為農民提供技術和銷售兩個方案。這兩個能力差異較大，一個是與代碼和技術打交道，一個是與果子和市場打交道。我們在組織結構上設立獨立的事業部，施行獨立的業務權、獨立考核、獨立盈利，人財物權完全分開，以確保各自不受影響，甚至能相互賦能。

舉個例子，麥麥科技合作的一家湖北柑橘合作社，很想把柑橘供應給當地的大型超市。但超市的最高標準是柑橘花皮率不能超過10%，大果率高于80%，糖度不能低于13。我們率先幫助客戶與渠道溝通，談下了采購合同，之后又針對這三個因素建立模型，通過技術改造，最終幫助客戶實現了目標。這個訂單讓客戶在這一批柑橘上的收入翻了4倍。

經濟觀察報：麥麥科技主要服務于哪些類型的客戶？當前“AI+農業”整體發展如何，市場需求呈現怎樣的特點？

李楠：麥麥科技的客戶分為三類。第一類是超大型的農業產業集團，他們每年會拿出一定預算用于技術升級和改造，是比較確定的客戶來源。第二類是大中型的農業合作社，他們有較強的技術升級換代和新技術應用預算，這類客戶的需求體量不如第一類客戶，但決策速度快。第三類是具有地方政府背景的農業投資平臺公司或城建類公司。近幾年，各地也成立了農業方向的專項投資公司，專注于基礎建設和新技術推廣應用。

我覺得這幾年大環境對行業非常利好，市場需求強烈。我們手里的項目量和線索量的比例一直保持在1:10。

我的切身感受是，從2020年到現在，農業科技的黃金時代已經來臨。一方面，在經濟下行的情況下，農業作為本身就不太發達的行業，在國家政策的積極引導下，釋放出了強烈的需求。另一方面，如無人機、衛星遙感等新技術的普及速度越來越快，成本也隨之降低。例如，連凍溫室的成本已經下降了65%—70%；無人機打藥的成本現在只需8元/畝；以前調用一次衛星數據，服務費要10萬元，現在只需20—30元。成本的下降并非由行業“內卷”引起，競爭尚未白熱化，主要是技術找到了精確的應用場景，從而降低了單位成本。還有一個重要原因是，很多跨學科的人才涌入農業，這對行業發展起到了巨大的推動作用。

經濟觀察報：當前“AI+農業”行業發展面臨的制約因素有哪些？

李楠：我認為可能存在三個層面的問題。

第一是缺乏標準。在技術服務過程中，我們感到最難受的是，農業鏈條非常長，涉及數百個環節，其中一些環節要么缺乏標準，要么標準混亂。比如，我可以把種子育好，但無法管控耕種和用藥環節。這個問題得到改善，或許有賴于行業內出現一個像華為一樣的頭部企業來引領整個產業鏈。

第二是人才問題。行業缺乏優秀的跨學科復合型人才，尤其是學工程學、通訊學、生物、基因、化學等領域的人才。我們之前做過一項調查，國內某高校農學專業方向的博士生本專業就業率不足30%。

第三，資本的支持至關重要，希望行業能受到資本更多的關注。

為中國優勢品類建模

經濟觀察報：此次麥麥科技獲得Pre-A輪融資的過程是怎樣的？

李楠：去年年底，公司接到了兩家財務性投資人的邀約，但這兩家最終未出現在我們的簽約名單里。此次融資，我們引進了戰略性投資人，一個是華為系的投資平臺，一個是大模型公司的投資。我們選擇的都是在技術或者業務層面上能為我們提供加持的戰略性投資人。

此次融資的資金，80%將用于研發，20%用于人才引進和品牌宣傳。在研發方面，我認為現在是跑馬圈地的關鍵時刻，我們建立模型的方式方法已經比較成熟。我們希望把中國具有優勢的300多個農作物品類、將近2000個小品類的模型建立起來，這需要時間和投入。一旦建立起來，我們的項目就可以直接應用，成本也會降低，這也將成為我們的護城河。

目前，我們在兩個方面需要加強，一是微量元素的研究，二是多年生木本植物模型的有效性，它需要的數據量過大，很難達成結果，比如枇杷的模型，我們還沒有找到有效的獲取數據的方式。

經濟觀察報：隨著“AI+農業”賽道的發展，目前資本市場對這個領域的關注度是否有所提升？

李楠：我們此輪融資的投資方代表是華為。它肯定看到了前沿技術在農業領域的應用空間，所以通過投資來搶占位置。我認為科技巨頭們已經意識到了這個問題。

還有一類是大模型底座公司。事實上，我們與百度云、阿里云、騰訊都有合作。大模型公司需要行業專家來幫助搭建生態、貢獻業務。

第三類是大型農業科技公司，我們最近也接到了一些項目，比如育種公司、殺蟲劑公司等，他們也在探索AI與業務之間的關系。

經濟觀察報：麥麥科技接下來將聚焦哪些方向？

李楠：我們核心團隊認為，應該在2—3年內，在中國優勢品類上與國外公司形成正面對抗的能力，這是值得期待的。中國的優勢品類有兩個標準，一是中國是最大的產區，二是中國是最大的銷區。比如中國是全球柑橘最大的產區，草莓、藍莓是最大的銷區。最大的產區和銷區意味著我們能夠獲取最大的產業數據，這對我們訓練模型和開拓市場都有很大幫助。我們已經框定了20個重點品類，第一個版本的搭建已經完成。

（作者 阿茹汗）