袁斯來

在內(nèi)蒙古牧場，達布西種著1.5萬畝苜蓿。這種開著紫色小花的牧草含有很高的蛋白質(zhì)，是奶牛最佳的食物。但這也是一種不好打理的作物—達布西售賣的是干鮮草，為了保證牧草的蛋白質(zhì)含量和色澤的新鮮度，最好是以陽光自然曬干。所以到了牧草收獲季，達布西最操心的是準確找到一周左右的無雨期收割和晾曬牧草。一旦判斷有誤，收割后遇上下雨，苜蓿就只能用機器烘干，賣價會大打折扣。

達布西習慣看電視里的天氣預報，手機上還裝著天氣App，但這些預報都是大范圍的，不會提供精準到草場區(qū)域。而遼闊的內(nèi)蒙古大草原上，“東邊日出西邊雨”的現(xiàn)象經(jīng)常出現(xiàn)。去年，一家名為佳格的農(nóng)業(yè)大數(shù)據(jù)公司找到達布西，向他推薦一個農(nóng)事管理平臺“耘境”，它能為草場區(qū)域提供更加精確的包括溫度、濕度、風速和降水的氣象監(jiān)測。達布西抱著試試看的態(tài)度，掏幾萬元購買了這項服務。

雙方最初的合作很不理想，達布西常常收到天氣預測微信，提示會在幾點幾分下雨，但等到那個時候，卻是萬里無云?！案嬖V我早上六點下雨，結(jié)果晚上九點才下，人家都在收割，我卻像個傻子一樣看著，什么都沒做。”達布西頗有怨言。在一個月后的一個早晨，達布西收到了強雷暴天氣預警。看到這樣災難性的預警，達布西提前收割了苜蓿。 3天后，一場冰雹砸壞了周圍的草場，只有達布西躲過了這場“天災”。這場如約而至的冰雹也讓佳格的創(chuàng)始人之一張弓松了一口氣，因為這是達布西對佳格“殘存的信任了”。

從國家開放土地流轉(zhuǎn)以來，像達布西這樣經(jīng)營著成千上萬畝土地的“大田農(nóng)戶”越來越多。農(nóng)業(yè)是典型的重資產(chǎn)行業(yè)，前期就需要投入高額的土地流轉(zhuǎn)租金，整個耕作季還會涉及數(shù)十項農(nóng)事決策，哪怕只是做錯一個決定，造成1%的損失，整體效益差別也會很大。

佳格所做的，正是幫助這些農(nóng)場主精準管理自己的土地?！爱斨挥幸划€三分地時，農(nóng)民比我們了解土地情況，但如果是成千上萬畝土地，就需要我們的服務了。”佳格另一位創(chuàng)始人顧竹告訴《第一財經(jīng)周刊》。

張弓和他的團隊都不是傳統(tǒng)意義上的農(nóng)民，從來沒有下地干活的經(jīng)歷，他們“看”農(nóng)田的“慧眼”，是距離地球萬里之遙的衛(wèi)星。佳格通過購買和合作兩種渠道獲得衛(wèi)星遙感數(shù)據(jù)，應用擁有自主知識產(chǎn)權(quán)的圖像解析和數(shù)據(jù)分析算法，從浩瀚的衛(wèi)星數(shù)據(jù)中提取需要的空間地理信息，再結(jié)合過往的氣象和植被數(shù)據(jù)庫，形成自己的大數(shù)據(jù)庫，為大田農(nóng)戶提供地塊測算、種植區(qū)規(guī)劃、長勢監(jiān)測、產(chǎn)量預估、病蟲害防治指導等農(nóng)事全流程服務。2015年9月，佳格獲得經(jīng)緯中國和磐谷資本的千萬元級天使輪融資，今年4月，完成由DCM領(lǐng)投，經(jīng)緯中國、磐谷資本跟投的6000萬元的A輪融資。

張弓曾經(jīng)在美國航空航天局（NASA）Ames研究中心擔任了8年數(shù)據(jù)科學家。他的日常工作是通過分析衛(wèi)星遙感數(shù)據(jù)，監(jiān)測地表作物的生長情況。這讓他自然而然關(guān)注到了美國的農(nóng)業(yè)狀況。在美國的家族農(nóng)場中，往往幾個人就能管理上萬畝的土地，這樣高效的關(guān)鍵正是借助“精準農(nóng)業(yè)”技術(shù)。從1990年代初，美國就在農(nóng)業(yè)中采用衛(wèi)星定位系統(tǒng)技術(shù)，采集信號分析土壤肥力，對不同長勢和狀況的地塊應用不同的施肥方案。這些精細化管理的地塊產(chǎn)量比傳統(tǒng)平衡施肥地塊產(chǎn)量高30%左右?！懊绹?jīng)從規(guī)模化生產(chǎn)中得到了紅利，但沒有享受到精準管理的紅利，如今要提高收益，需要精細化?！奔迅竦母笨偛脧埼涅i對《第一財經(jīng)周刊》說。

2013年，農(nóng)業(yè)公司孟山都斥資9.3億美元收購了一家創(chuàng)業(yè)公司Climate Corporation。這家公司利用歷年的氣候數(shù)據(jù)，為農(nóng)戶提供精確的小范圍氣象預測，指導作物生產(chǎn)。

這一收購事件直接刺激到了張弓?！巴瑯邮亲黾夹g(shù)，憑什么他們能夠商業(yè)化？”張弓發(fā)現(xiàn)，美國當時搞農(nóng)業(yè)大數(shù)據(jù)的人“基本上都是從Ames出去的”。這也讓他萌生了回國創(chuàng)業(yè)的念頭。但最初，張弓只是拉上同樣在NASA工作的王蘊剛，開發(fā)自己的深度學習算法模型，用于衛(wèi)星圖像識別。他意識到這是他們的強項，也是未來公司的核心優(yōu)勢。

整整用了兩年時間，整個算法系統(tǒng)才基本成型。最開始，他們就選擇了使用衛(wèi)星數(shù)據(jù)，包括分辨率高，但重返速度慢的WorldView，分辨率較低但重返速度快的公用衛(wèi)星則選擇了國內(nèi)的“風云”。這些衛(wèi)星傳輸回地面的均為原始數(shù)據(jù)，必須轉(zhuǎn)換成圖像才能使用。以往這個過程更多依賴于人力，包括圖像微調(diào)和數(shù)據(jù)核對。張弓的做法則是用算法模型自動分析和調(diào)整圖像，免去中間的人力環(huán)節(jié)。后來，在NASA負責機器學習的顧竹也加入了團隊，主要負責地塊識別工作。

在正式辭職前，張弓和王蘊剛游歷了中國從南到北十多個省，觀察中國農(nóng)業(yè)生產(chǎn)狀況。出乎張弓意料的是，中國農(nóng)業(yè)的機械化程度集約化程度超出了他的預期，他們觀察，到農(nóng)村基本只有55歲以上的人還在手工作業(yè)，還衍生出了中國獨有的農(nóng)機社會化服務?！昂芏噢r(nóng)事會外包給農(nóng)機戶，收夏季小麥時他們能從湖北北部收到內(nèi)蒙古，整個時間跨度長達幾個月，農(nóng)機利用率甚至高于美國。“這就意味著，我們農(nóng)業(yè)里有很多先進的因素，在其中數(shù)據(jù)能夠發(fā)揮作用。”張弓告訴《第一財經(jīng)周刊》。2015年年中，他們3個人回國創(chuàng)立了佳格。

佳格的服務對象一開始就確定為“大田農(nóng)戶”，也就是擁有2000畝以上土地的大型合作社、農(nóng)墾集團或個人。他們的第一個客戶是吉林省吉林市棋盤村的合作社，與這家客戶的合作從最易于認同的地塊管理開始。合作社管理的6000畝土地被分割成了幾百塊。這幾百塊地分布在好幾個村，即使只是開車繞著農(nóng)場大體轉(zhuǎn)一圈，不到地壟上仔細檢查，也得花費半天時間。除了分布不集中，這些土地種的作物也是多種多樣，有些土地中間種馬鈴薯，周圍又會種一圈玉米。合作社要靠傳統(tǒng)人力把自己的地塊和作物弄清楚，工作量和成本難以想象，而且“農(nóng)業(yè)是個良心活，大熱天的誰會真正下地認真幫著核查呢？”張文鵬說。