爱科农郭建明：搞数字化种植科学家也得先证明自己会种地

爱科农郭建明：搞数字化种植科学家也得先证明自己会种地

爱科农郭建明：搞数字化种植科学家也得先证明自己会种地,

　　现代农业科技视频,农业知识种植小科普,《农业科学》,

　　说到农业，种地十几年的老赖皱了皱眉。这位80后年轻人（如果还算的话）在老家黔西南地区种过水果、茶叶、中草药，也搞过农业咨询服务，做过或接触过农业的方方面面，从农资到土地流转，从种植到管理，再到打造农产品品牌，操盘项目融资，无一不干。如果有需要，他可以在三五天内做出一份漂亮的农业项目全产业链可研报告。然而十几年来，他败多胜少，最后黯然退出，发誓再也不碰这个行当。

　　老赖在当地小有名气，农户遇到问题，总是想起这位在土地里成长起来的“专家”。老赖有求必应，到处为人出谋划策，最多时，同时在十余家农企、合作社兼职，疲于奔命。他曾寄希望于互联网，相信数据对于农业发展的作用，坚称不仅仅是在流通和品牌方面，种植方面，数据亦有用武之地，奈何自己能力不足，空有想法，难以付诸实践。说到这里，他撇了撇嘴，欲言又止。“我还是想看看农业全产业链数字化后，会发生什么。”这位执着的全产业链玩家决定说出内心的期望。

　　农业产业数字化最早开始于流通和消费端，互联网部分改变了农产品供需匹配方式，随后进入到上游农资领域。随着农业自动化的发展，加上计算机技术、遥感技术、GPS和物联网等方面的进步，智能农机具开始出现并不断提高“智力”表现。最后进入数字化视野的是种植，在这个综合了地理学、生态学、土壤学和植物生理学等诸多基础学科，同时又夹杂着大量效果难辨的个人经验和民间智慧的领域，数字化难度最高，发展最为缓慢，但近些年仍不乏勇猛之士，高举“数据和算法”大旗，践行“软件先行”的理念，投身其中。

　　一群农业方面的专家和科学家组建了一家叫爱科农的数字农业公司，开发了一套智慧种植决策系统，专注粮食作物的科学种植，简单而言，这套系统经过算法校准及模型优化，可以得出一些结论，告诉农民该种什么，怎么种，何时浇水施肥、用药，用量多少，几乎涵盖了种植的方方面面。踌躇满志的科学家跑到农村，向农户推广自己的得意之作，声称可以帮助后者提高产量，降低成本。农户也不简单，表示如果科学家们可以在种地方面胜过自己，可以考虑使用他们的方案，并付一些费用。

　　郭建明觉得农户的要求合情合理。郭建明是爱科农的创始人兼CEO，他是中国农业大学的博士，曾任中种国际副总裁。郭建明和他的科学家同事不属于那种夸夸其谈、墨守陈规的学术派，当农户提出挑战时，郭懂得变通，在全国，目前主要是北方几大粮食主产区开辟了10万亩自营示范田，用自家的智慧种植决策系统做指导，将毛利从15%的平均值提升到30%。农民简单务实，见效后纷纷加入。

　　爱科农的创始团队也不属于那种执着于“创造价值就一定能挣钱”的理想主义者，他们不会羞于谈论挣钱，对企业的生存问题重视有加。尽管爱科农起初设定的目标是做一个SaaS公司，想着做成本低，毛利高，关系简单的生意，但当SaaS模式难以迅速打开局面时，他们选择从种植户无法避开的农资，当然是围绕模型、算法和数据的优势开展，并尊重现存的产业规则，不与传统的农资经销商争利，而是加强合作，奉行互惠互利的原则。成立仅仅6年，爱科农已经实现年收过亿元。“商业模式基本跑通了，接下来不会盲目扩充新的收入来源，而是在现有模式上做大收入规模。”郭建明说。

　　郭建明懂得克制，相较于将业务延展到上游农资生产和下游品牌建设（熟悉的全产业链玩法），郭建明强调种植端仍然有许多事情可以做，帮助老百姓种植仍然是公司的焦点所在。因此一切仍是回归到模型、算法、数据，以及下地干活。

　　第一类是无人机植保，在种植过程中起到防治病虫害的作用，借助一些数字化技术，比如光谱分析，可以研究出一块地的受灾严重程度，相应地采取措施，让农药喷洒的效率更高。另外，在南方山区、丘陵地带，这些大型农机进不去的地方，采用无人机就非常方便。

　　第二类是传感器，通过在田间插一些物联网设备，可以获得比如空气中温度、湿度、土壤含水量等数据。第三类是水肥一体化，通过设备和技术，提高肥料和水的使用效率，对农田进行高效的管理。还有一类是智能农机，有前装后装，不展开讲。

　　但是整体上讲，这些方面帮农民解决了一些问题，但没有照顾到农业种植现存的一些实际问题。举个例子，在田里插传感器，获得了一些数据，但是农民或者农场、合作社没有办法来判断并使用这些数据。

　　问：爱科农看到了行业在数据处理方面的挑战和不足，所以选择从这个方面切入？

　　这是我们其中的一个逻辑。我们看美国，The Climate Corporation这家公司是农业数字化的鼻祖了，它的主要能力集中在算法和研发上面。然后跟约翰迪尔这样的传感器公司合作，数据共享，对数据处理后，提供给农场或者种植公司，告诉他们如何在田间进行科学种植。

　　那回到中国，其实我们也可以。但是又有些不同，举个例子，美国的一个现代化农场，平均有50个传感器，中国大部分农场没有传感器。我们国家获取数据的难度较高，为了解决这方面的问题，我们就想了一些办法，比如采用气象差值计算，用来弥补数据量偏小的问题。

　　这个我稍微解释一下。中国的农业种植数字化会经历几个阶段，第一个阶段是没有任何的田间数据，跑去农民家里问你家地里的土壤有机质含量多少，PH值多少，我相信99%的农民回答不上来；第二阶段，我们没有办法把传感器一下子插到老百姓田里去，因为成本太高了，老百姓一亩地挣300块钱，你让他花几千几万块钱装传感器不现实。那在这个阶段，我们通过算法的手段，利用地方气象站的数据，部分传感器传回来的数据，把地块未来生长季内的所需数据计算出来，虽然这跟完全有传感器提供的数据进行计算得出的结果会有差距，但相比以往没有基础数据，是一个很大的进步，而且可以输出比原来更科学的种植方法；再往后发展，就是老百姓发现这些科学种植方法真的对他帮助很大，那他可能接受在田间插传感器，而且密度不用很高，这样我们得到的数据会更加精准，计算的结果也更加精准。

　　目前我们大部分地区仍处于第一阶段，我们正在往第二阶段做，中国18亿亩耕地，我们只服务了几千万亩。

　　问：相对来说，规模种植地区的环境数据对地块数据的参考性更准确，所以你们选择规模种植地区的大规模粮食种植户为主要客户？

　　是的。这取决于两方面，一方面规模种植户对新技术带来的投入产出比是非常在意的。要是在我老家，平均一户就3亩地，如果这个新技术让一亩地多挣100块钱，在我老家就只能挣300，挣得太少了，大家就不太想要听你讲怎么用，怎么实践，万一他哪个步骤搞错了，回头还找技术人员，太麻烦了。那么新疆一户可能是1000亩，那就不同了，能多挣10万块，还是有兴趣了解新技术是怎么回事。二方面，如果未来要进入到第三阶段，他因为经历过第二阶段，意识到了数据的重要性，他可以算账，比如1000亩地加一套传感器是2万块钱，那平均到每亩也就20块。但对于3亩地来说，一套2万块的传感器就很贵了。

　　所以我认为农业种植的数字化进程，当下规模种植户或者合作社是我们更应该关注的对象。在地域上，北方比南方更适合。

　　一个是和农机具的配合，比如按照我们数据推演，一亩地最好是种4500株玉米，虽然播种机是按照这个数字种的，但是发芽的时候发现有些就不太好，因为播种机不给力，种得深浅不一，甚至漏种。那么这就会反作用给农机具的制造商，提高技术标准，提高种植效率，好的农机具反过来又可以印证数字化技术的科学种植决策效果。

　　一个是农资方面。数字化工具出来之前，对于某一地种什么品种，多大密度，病虫害防治，往往靠的是经验。比如按照往年经验，某一地就应该种B品种，但我们通过算法得出的结论是A品种，我们把结论告诉农户，帮助增产。用药也是，当你发现地里作物长虫了，但很小，觉得可以不打，但是等虫长大了，再用药控制不住，就成倍增加用量，然后怀疑是不是药不行，其实用数据一分析，就是时机不对。就这部分来说，那数字化工具的作用就是告诉你何时用药，用多大量。数字化工具和农资的关系，有点像药方和药的关系，就是你有好的药方，但没有好的药，达不到效果；有好的药没有好的药方，不知道怎么用，也没效果。

　　目前我们主要是为种植户提供种植建议，不会强制要求买什么设备或农资，平台上也没这样的服务。但我们会提供一些农资定制服务。我们还是尽可能在他们原有的基础上提供科学的种植建议，实现最优水平。当然我们想要带着农民一起干数字化种植这个事情，农民说你的这个数据有用，你的农资配方好，但是我没有用过，也不敢用，你能不能做一个示范，我看到效果之后再用。

　　是的。假如说一开始我们去农村，跟别人说我们是孟山都出来的，中科院出来的，我们发明了一套算法，可以帮你节约多少成本，提高多少产量，你愿不愿意用，付点费用，我估计老百姓会跟看傻子一样看着我们，说你们这帮人种过地吗？我在这个地方种了20年，我为什么要用你的东西，除非你种得比我好。所以我们就做示范田，他们慢慢地看到了效果，才愿意跟我们合作。所以这个示范田是我们的业务推广的一个重要环节。

　　有的。我们说示范田一共有四个方面的作用。一是因为我们的员工在现场进行管理，可以采集真实的数据；二是可以优化我们的模型和种植决策，因为是我们自己的示范田，可以比较灵活地试验；三是推广示范的作用；四是既然要证明我的方法好，那我肯定要比农民挣得多，所以我们在这些地方是盈利的，是我们公司的收入来源之一了。我们认为吃饭的问题很重要。

　　我看到网络上，农业这方面的毛利一般是15%，我们可以做到30%以上。我们觉得谈钱并不可耻，你说一帮科学家，在地里不挣钱的话，你把技术介绍给农民，农民更不挣钱，那你的技术没用啊，所以我们必须要展示我们的技术能在地里真真正正的挣到钱。

　　我们主要是种玉米，在黑龙江、内蒙、新疆、宁夏、甘肃和湖北都有基地。另外，在山东做了一些小麦的示范地，在内蒙有马铃薯的示范地，在上海和黑龙江有水稻的示范地。

　　自营的有10万亩，还有一些合作的。自营就是资金、技术、种植管理都是我们自己做，包括土地流转，农资投入。合作的话我们出人出技术，合作伙伴拿钱拿地，我们用技术帮助他种。一个一万亩的项目，一般1个技术人员就够了，但我们会派2个。

　　然后根据合作方式的不同，收费不一样，比如说，只用APP的，我们就收SaaS费，一亩地10块钱，如果要派人过去，一亩地就是20块钱，如果从头到尾都需要我们的人驻场，一亩地收100，这个看合作伙伴的能力和需求。

　　问：反正不管是哪种方式，背后主要用的还是你们的模型和数据？那么在数据相对缺乏的情况下，你们如何保证计算结果的准确性，从而保证决策的科学性呢？

　　是的。刚刚也谈到了数据，我们的数据一共有4个来源。一是中国气象局，我们从一些官方授权的下属企业进行合作，经过气象差值计算后推算到每个地块上，并应用到模型当中，这是气象数据；土壤数据主要来自于两块，一是国家权威机构，比如中科院、农科院有一些公开数据，另一块是我们在辽宁有一个土壤实验室，服务的地块我们会取一些土壤样本进行测试，这构成了我们土壤的基础数据库；第三块是卫星和无人机的遥感数据，卫星数据主要是国内外的一些公开数据，无人机这一块我们有自采，也有合作伙伴；第四块是品种生育期数据，我们和一些大型的公司合作，把数据参数化之后用到我们的模型里面。未来我们也积极寻求拥有数据的企业和政府机构合作，尽可能补充。

　　我们做的是一套白箱模型的算法，是基于机理模型，这就决定了我们无需那么多的数据，只需要少量的但是非常精准的数据，可以把算法做到非常精准。举个例子，比如某一种作物，每长出一片叶子需要50度的积温，那么通过算法算出来，不管南方北方，只要积温达到就可以长出一片叶。所以我们也不是非得大规模采集数据，而是要采集符合我们算法需求的数据。

　　问：爱科农介入农资行业，是因为你本人在中种国际和孟山都的一些经验优势，还是市场上出现了新需求？

　　一开始我们做这个公司的时候，我们要做的是SaaS，因为这个东西很轻，尤其是产品扩张到一定程度的时候，成本很低，毛利很高，是非常好的事情。但是刚刚也说到了，单单卖一个SaaS很难，农民不买账。那么我们在做示范地的时候，我们在智慧种植决策系统的决策下，建议使用一些特定的农资。老百姓看到了说没见过，也买不到，这个时候我们就发现，农民一开始不会买你的服务，但会买你的农资，但是他们又凑不齐一个大单，厂家也不会给他们定制，所以我们就想收集这样的需求，凑齐了以后找厂家，在这个过程中，我们把农资和技术用到他的地里去，把农资里面的一些利润作为技术的转化费用，这件事对农民来说比较容易接受。从这个角度出发，我们开始通过数字化工具帮助农民定制最适合他们的农资，确保他们的地块获得更高的产量和收益。

　　而且农资的市场天花板非常高，整个农资市场高达3万亿，定制化的可能占一半，哪怕10%的毛利，真的太大了。

　　其实我们没有直接卖给农户任何农资，我们是找了一些农资经销商，让他们把农资带给农户。一开始我们找了一些对科技非常感兴趣的农资经销商，告诉他们可以用数字工具帮助他们服务好终端客户（农户），因为经销商以前都是拼价格，现在当你有了一个工具更好的服务客户，他们获得更好的产量和收益后，自然会买更多的农资，那在这个过程中，经销商就会收集农户的土地信息，这些信息给我们之后，我们通过模型算法计算，得出一些农资方面的决策，经销商再问农户要不要，如果要那就交订金，这个量攒到一定规模后，我们可以到市面上找一家厂商定制出来，再由经销商卖给农户，整个过程就是这样。

　　是的。有些客户用了我们的技术，收益变高了，他想扩产，但是缺乏资金支持，找到我们寻求帮助，我们因为合作过，对他的地块数据表现很清楚，知道这个人非常可靠，就想帮助他们，慢慢接入了一些金融产品进来。

　　因为农业金融比较难做，主要是缺乏数据，金融机构没办法详细了解农户的地块种植情况、产量以及历史经营情况，那我们可以帮农户做一个信用报告，供金融机构参考。

　　不过，金融在我们的收入中占的比例非常小，我们投入的精力很小。目前，我认为在种植端能做的事情非常多，还是要聚焦在帮助老百姓种好地。

说到农业，种地十几年的老赖皱了皱眉。这位80后年轻人（如果还算的话）在老家黔西南地区种过水果、茶叶、中草药，也搞过农业咨询服务，做过或接触过农业的方方面面，从农资到土地流转，从种植到管理，再到打造农产品品牌，操盘项目融资，无一不干。如果有需要，他可以在三五天内做出一份漂亮的农业项目全产业链可研报告。然而十几年来，他败多胜少，最后黯然退出，发誓再也不碰这个行当。

　　老赖在当地小有名气，农户遇到问题，总是想起这位在土地里成长起来的“专家”。老赖有求必应，到处为人出谋划策，最多时，同时在十余家农企、合作社兼职，疲于奔命。他曾寄希望于互联网，相信数据对于农业发展的作用，坚称不仅仅是在流通和品牌方面，种植方面，数据亦有用武之地，奈何自己能力不足，空有想法，难以付诸实践。说到这里，他撇了撇嘴，欲言又止。“我还是想看看农业全产业链数字化后，会发生什么。”这位执着的全产业链玩家决定说出内心的期望。

　　农业产业数字化最早开始于流通和消费端，互联网部分改变了农产品供需匹配方式，随后进入到上游农资领域。随着农业自动化的发展，加上计算机技术、遥感技术、GPS和物联网等方面的进步，智能农机具开始出现并不断提高“智力”表现。最后进入数字化视野的是种植，在这个综合了地理学、生态学、土壤学和植物生理学等诸多基础学科，同时又夹杂着大量效果难辨的个人经验和民间智慧的领域，数字化难度最高，发展最为缓慢，但近些年仍不乏勇猛之士，高举“数据和算法”大旗，践行“软件先行”的理念，投身其中。

　　一群农业方面的专家和科学家组建了一家叫爱科农的数字农业公司，开发了一套智慧种植决策系统，专注粮食作物的科学种植，简单而言，这套系统经过算法校准及模型优化，可以得出一些结论，告诉农民该种什么，怎么种，何时浇水施肥、用药，用量多少，几乎涵盖了种植的方方面面。踌躇满志的科学家跑到农村，向农户推广自己的得意之作，声称可以帮助后者提高产量，降低成本。农户也不简单，表示如果科学家们可以在种地方面胜过自己，可以考虑使用他们的方案，并付一些费用。

　　郭建明觉得农户的要求合情合理。郭建明是爱科农的创始人兼CEO，他是中国农业大学的博士，曾任中种国际副总裁。郭建明和他的科学家同事不属于那种夸夸其谈、墨守陈规的学术派，当农户提出挑战时，郭懂得变通，在全国，目前主要是北方几大粮食主产区开辟了10万亩自营示范田，用自家的智慧种植决策系统做指导，将毛利从15%的平均值提升到30%。农民简单务实，见效后纷纷加入。

　　爱科农的创始团队也不属于那种执着于“创造价值就一定能挣钱”的理想主义者，他们不会羞于谈论挣钱，对企业的生存问题重视有加。尽管爱科农起初设定的目标是做一个SaaS公司，想着做成本低，毛利高，关系简单的生意，但当SaaS模式难以迅速打开局面时，他们选择从种植户无法避开的农资，当然是围绕模型、算法和数据的优势开展，并尊重现存的产业规则，不与传统的农资经销商争利，而是加强合作，奉行互惠互利的原则。成立仅仅6年，爱科农已经实现年收过亿元。“商业模式基本跑通了，接下来不会盲目扩充新的收入来源，而是在现有模式上做大收入规模。”郭建明说。

　　郭建明懂得克制，相较于将业务延展到上游农资生产和下游品牌建设（熟悉的全产业链玩法），郭建明强调种植端仍然有许多事情可以做，帮助老百姓种植仍然是公司的焦点所在。因此一切仍是回归到模型、算法、数据，以及下地干活。

　　第一类是无人机植保，在种植过程中起到防治病虫害的作用，借助一些数字化技术，比如光谱分析，可以研究出一块地的受灾严重程度，相应地采取措施，让农药喷洒的效率更高。另外，在南方山区、丘陵地带，这些大型农机进不去的地方，采用无人机就非常方便。

　　第二类是传感器，通过在田间插一些物联网设备，可以获得比如空气中温度、湿度、土壤含水量等数据。第三类是水肥一体化，通过设备和技术，提高肥料和水的使用效率，对农田进行高效的管理。还有一类是智能农机，有前装后装，不展开讲。

　　但是整体上讲，这些方面帮农民解决了一些问题，但没有照顾到农业种植现存的一些实际问题。举个例子，在田里插传感器，获得了一些数据，但是农民或者农场、合作社没有办法来判断并使用这些数据。

　　问：爱科农看到了行业在数据处理方面的挑战和不足，所以选择从这个方面切入？

　　这是我们其中的一个逻辑。我们看美国，The Climate Corporation这家公司是农业数字化的鼻祖了，它的主要能力集中在算法和研发上面。然后跟约翰迪尔这样的传感器公司合作，数据共享，对数据处理后，提供给农场或者种植公司，告诉他们如何在田间进行科学种植。

　　那回到中国，其实我们也可以。但是又有些不同，举个例子，美国的一个现代化农场，平均有50个传感器，中国大部分农场没有传感器。我们国家获取数据的难度较高，为了解决这方面的问题，我们就想了一些办法，比如采用气象差值计算，用来弥补数据量偏小的问题。

　　这个我稍微解释一下。中国的农业种植数字化会经历几个阶段，第一个阶段是没有任何的田间数据，跑去农民家里问你家地里的土壤有机质含量多少，PH值多少，我相信99%的农民回答不上来；第二阶段，我们没有办法把传感器一下子插到老百姓田里去，因为成本太高了，老百姓一亩地挣300块钱，你让他花几千几万块钱装传感器不现实。那在这个阶段，我们通过算法的手段，利用地方气象站的数据，部分传感器传回来的数据，把地块未来生长季内的所需数据计算出来，虽然这跟完全有传感器提供的数据进行计算得出的结果会有差距，但相比以往没有基础数据，是一个很大的进步，而且可以输出比原来更科学的种植方法；再往后发展，就是老百姓发现这些科学种植方法真的对他帮助很大，那他可能接受在田间插传感器，而且密度不用很高，这样我们得到的数据会更加精准，计算的结果也更加精准。

　　目前我们大部分地区仍处于第一阶段，我们正在往第二阶段做，中国18亿亩耕地，我们只服务了几千万亩。

　　问：相对来说，规模种植地区的环境数据对地块数据的参考性更准确，所以你们选择规模种植地区的大规模粮食种植户为主要客户？

　　是的。这取决于两方面，一方面规模种植户对新技术带来的投入产出比是非常在意的。要是在我老家，平均一户就3亩地，如果这个新技术让一亩地多挣100块钱，在我老家就只能挣300，挣得太少了，大家就不太想要听你讲怎么用，怎么实践，万一他哪个步骤搞错了，回头还找技术人员，太麻烦了。那么新疆一户可能是1000亩，那就不同了，能多挣10万块，还是有兴趣了解新技术是怎么回事。二方面，如果未来要进入到第三阶段，他因为经历过第二阶段，意识到了数据的重要性，他可以算账，比如1000亩地加一套传感器是2万块钱，那平均到每亩也就20块。但对于3亩地来说，一套2万块的传感器就很贵了。

　　所以我认为农业种植的数字化进程，当下规模种植户或者合作社是我们更应该关注的对象。在地域上，北方比南方更适合。

　　一个是和农机具的配合，比如按照我们数据推演，一亩地最好是种4500株玉米，虽然播种机是按照这个数字种的，但是发芽的时候发现有些就不太好，因为播种机不给力，种得深浅不一，甚至漏种。那么这就会反作用给农机具的制造商，提高技术标准，提高种植效率，好的农机具反过来又可以印证数字化技术的科学种植决策效果。

　　一个是农资方面。数字化工具出来之前，对于某一地种什么品种，多大密度，病虫害防治，往往靠的是经验。比如按照往年经验，某一地就应该种B品种，但我们通过算法得出的结论是A品种，我们把结论告诉农户，帮助增产。用药也是，当你发现地里作物长虫了，但很小，觉得可以不打，但是等虫长大了，再用药控制不住，就成倍增加用量，然后怀疑是不是药不行，其实用数据一分析，就是时机不对。就这部分来说，那数字化工具的作用就是告诉你何时用药，用多大量。数字化工具和农资的关系，有点像药方和药的关系，就是你有好的药方，但没有好的药，达不到效果；有好的药没有好的药方，不知道怎么用，也没效果。

　　目前我们主要是为种植户提供种植建议，不会强制要求买什么设备或农资，平台上也没这样的服务。但我们会提供一些农资定制服务。我们还是尽可能在他们原有的基础上提供科学的种植建议，实现最优水平。当然我们想要带着农民一起干数字化种植这个事情，农民说你的这个数据有用，你的农资配方好，但是我没有用过，也不敢用，你能不能做一个示范，我看到效果之后再用。

　　是的。假如说一开始我们去农村，跟别人说我们是孟山都出来的，中科院出来的，我们发明了一套算法，可以帮你节约多少成本，提高多少产量，你愿不愿意用，付点费用，我估计老百姓会跟看傻子一样看着我们，说你们这帮人种过地吗？我在这个地方种了20年，我为什么要用你的东西，除非你种得比我好。所以我们就做示范田，他们慢慢地看到了效果，才愿意跟我们合作。所以这个示范田是我们的业务推广的一个重要环节。

　　有的。我们说示范田一共有四个方面的作用。一是因为我们的员工在现场进行管理，可以采集真实的数据；二是可以优化我们的模型和种植决策，因为是我们自己的示范田，可以比较灵活地试验；三是推广示范的作用；四是既然要证明我的方法好，那我肯定要比农民挣得多，所以我们在这些地方是盈利的，是我们公司的收入来源之一了。我们认为吃饭的问题很重要。

　　我看到网络上，农业这方面的毛利一般是15%，我们可以做到30%以上。我们觉得谈钱并不可耻，你说一帮科学家，在地里不挣钱的话，你把技术介绍给农民，农民更不挣钱，那你的技术没用啊，所以我们必须要展示我们的技术能在地里真真正正的挣到钱。

　　我们主要是种玉米，在黑龙江、内蒙、新疆、宁夏、甘肃和湖北都有基地。另外，在山东做了一些小麦的示范地，在内蒙有马铃薯的示范地，在上海和黑龙江有水稻的示范地。

　　自营的有10万亩，还有一些合作的。自营就是资金、技术、种植管理都是我们自己做，包括土地流转，农资投入。合作的话我们出人出技术，合作伙伴拿钱拿地，我们用技术帮助他种。一个一万亩的项目，一般1个技术人员就够了，但我们会派2个。

　　然后根据合作方式的不同，收费不一样，比如说，只用APP的，我们就收SaaS费，一亩地10块钱，如果要派人过去，一亩地就是20块钱，如果从头到尾都需要我们的人驻场，一亩地收100，这个看合作伙伴的能力和需求。

　　问：反正不管是哪种方式，背后主要用的还是你们的模型和数据？那么在数据相对缺乏的情况下，你们如何保证计算结果的准确性，从而保证决策的科学性呢？

　　是的。刚刚也谈到了数据，我们的数据一共有4个来源。一是中国气象局，我们从一些官方授权的下属企业进行合作，经过气象差值计算后推算到每个地块上，并应用到模型当中，这是气象数据；土壤数据主要来自于两块，一是国家权威机构，比如中科院、农科院有一些公开数据，另一块是我们在辽宁有一个土壤实验室，服务的地块我们会取一些土壤样本进行测试，这构成了我们土壤的基础数据库；第三块是卫星和无人机的遥感数据，卫星数据主要是国内外的一些公开数据，无人机这一块我们有自采，也有合作伙伴；第四块是品种生育期数据，我们和一些大型的公司合作，把数据参数化之后用到我们的模型里面。未来我们也积极寻求拥有数据的企业和政府机构合作，尽可能补充。

　　我们做的是一套白箱模型的算法，是基于机理模型，这就决定了我们无需那么多的数据，只需要少量的但是非常精准的数据，可以把算法做到非常精准。举个例子，比如某一种作物，每长出一片叶子需要50度的积温，那么通过算法算出来，不管南方北方，只要积温达到就可以长出一片叶。所以我们也不是非得大规模采集数据，而是要采集符合我们算法需求的数据。

　　问：爱科农介入农资行业，是因为你本人在中种国际和孟山都的一些经验优势，还是市场上出现了新需求？

　　一开始我们做这个公司的时候，我们要做的是SaaS，因为这个东西很轻，尤其是产品扩张到一定程度的时候，成本很低，毛利很高，是非常好的事情。但是刚刚也说到了，单单卖一个SaaS很难，农民不买账。那么我们在做示范地的时候，我们在智慧种植决策系统的决策下，建议使用一些特定的农资。老百姓看到了说没见过，也买不到，这个时候我们就发现，农民一开始不会买你的服务，但会买你的农资，但是他们又凑不齐一个大单，厂家也不会给他们定制，所以我们就想收集这样的需求，凑齐了以后找厂家，在这个过程中，我们把农资和技术用到他的地里去，把农资里面的一些利润作为技术的转化费用，这件事对农民来说比较容易接受。从这个角度出发，我们开始通过数字化工具帮助农民定制最适合他们的农资，确保他们的地块获得更高的产量和收益。

　　而且农资的市场天花板非常高，整个农资市场高达3万亿，定制化的可能占一半，哪怕10%的毛利，真的太大了。

　　其实我们没有直接卖给农户任何农资，我们是找了一些农资经销商，让他们把农资带给农户。一开始我们找了一些对科技非常感兴趣的农资经销商，告诉他们可以用数字工具帮助他们服务好终端客户（农户），因为经销商以前都是拼价格，现在当你有了一个工具更好的服务客户，他们获得更好的产量和收益后，自然会买更多的农资，那在这个过程中，经销商就会收集农户的土地信息，这些信息给我们之后，我们通过模型算法计算，得出一些农资方面的决策，经销商再问农户要不要，如果要那就交订金，这个量攒到一定规模后，我们可以到市面上找一家厂商定制出来，再由经销商卖给农户，整个过程就是这样。

　　是的。有些客户用了我们的技术，收益变高了，他想扩产，但是缺乏资金支持，找到我们寻求帮助，我们因为合作过，对他的地块数据表现很清楚，知道这个人非常可靠，就想帮助他们，慢慢接入了一些金融产品进来。

　　因为农业金融比较难做，主要是缺乏数据，金融机构没办法详细了解农户的地块种植情况、产量以及历史经营情况，那我们可以帮农户做一个信用报告，供金融机构参考。

　　不过，金融在我们的收入中占的比例非常小，我们投入的精力很小。目前，我认为在种植端能做的事情非常多，还是要聚焦在帮助老百姓种好地。