一亩番茄的叶子发黄卷曲，是缺钾、是早疫病，还是上次打药浓度高了？这类判断过去靠的是种了二十年地的眼睛。现在手机拍一张照片，几秒钟就能给出病名和打什么药。农业是被 AI 讲得最多的场景之一，也是落差最大的场景之一：演示视频里识别率漂亮，真到田里，信号、电量、光线、农户愿不愿意掏出手机，每一项都能把效果打回去。下面按种植、养殖、溯源三段拆开，讲清哪些环节已经能进日常生产，哪些还停在示范阶段。
省下来的水和药，才是能算清的账
农业的账很薄：一亩地的净收入按千元计，多打一遍药、多浇一次水，都是直接从利润里扣。所以判断一项技术值不值，标准很朴素——它能不能让水、药、人工少花一点，或者让损失少一点。凡是只能让报表好看、落不到这三项上的功能，在田里活不过一个季度。
这也是农业 AI 与办公 AI 最大的不同。办公场景里，效率提升两成很容易感知；田里的效果要等一个生长季才看得出来，中间还夹着天气。判断周期长，意味着试错成本高，农户不会为了一个不确定的改进去学一套新操作。
三段业务，成熟度不在一个水平
把环节摊开看，各自能做到什么、做不到什么，差别很明显：
| 环节 | 能做 | 不能做 |
|---|---|---|
| 病虫害识别 | 按叶片、果面的照片给出几种可能病害和防治方向，常见病害识别较稳 | 在弱光、逆光、模糊照片下同样准；区分缺素与病害的早期相似症状 |
| 长势监测与灌溉 | 用无人机或卫星影像看地块间的长势差异，标出缺水缺肥的区块 | 替代土壤墒情实测；在云量大、地块碎的丘陵地区给出稳定结论 |
| 产量预测 | 结合历史产量与当期影像给出区间估计，用于安排仓储和销售 | 把极端天气、病虫害爆发算进去；对小农户的零星地块给出可信数字 |
| 养殖个体监测 | 识别个体、记录采食与活动量，行为异常时提前提示 | 替代兽医判断病因；在栏舍拥挤、遮挡严重时保持识别率 |
| 溯源记录 | 把种植、加工、运输环节的信息串成可查询的记录 | 确保录入信息真实；环节上没人愿如实填，链路就是空的 |
五行里最成熟的是第一行和第五行，前者因为需求明确、反馈快，后者因为技术门槛低、只考验执行力。最难的是第三行，产量预测要同时对付天气、品种、管理水平和病虫害，任何一个变量跳出来，区间就失效。
认出一片病叶容易，判断该不该打药难
识别是分类问题，打不打药是决策问题。前者只要告诉农户「这可能是早疫病」，后者要回答：现在这个发病程度，打药的成本和可能挽回的损失哪个大；这几天有雨，打了会不会白打；上次的药还没过安全间隔期，能不能换一种。这三个问题都需要当地的价格、天气预报和施药记录，而这三样通常不在模型手里。这类从图像到判断的链条，计算机视觉的任务类型里有更细的划分。
所以田间真正好用的产品，往往把识别做得很轻，把建议做得很窄——只在少数几种高发病害上给结论，其余情况直接提示找农技员。这种知道自己不知道的设计，比一个覆盖两百种病害但每种都含糊的模型更受欢迎。
田间的约束不在算法，在电、网和信号
演示环境里有稳定电源、满格信号和均匀光照，田里三样都缺。无人机飞一趟要换电池，山地果园的信号时断时续，大棚里的湿度会让设备结露。传感器装上去，三个月不校准，读数就漂了；坏了要等人来修，来回一趟半天。
数据这一头同样麻烦。农业数据分散在合作社、农资店、农机手的本子上，格式不统一，标注靠人。同一片叶子的照片，不同人标的病名可能不一样；不同年份、不同品种的样本混在一起，模型学到的规律就不稳。这类问题在训练数据的构成与质量里有更一般的讨论，落到农业上就是三句话：样本少、标注贵、季节性强。跨年份效果衰减，本质上是数据漂移在农业里的典型形态。
哪些判断仍然得由人来做
三件事模型替不了。第一是承担后果。打错药、误了防治窗口，损失是农户的，所以最终决定必须由人做，模型只能提供依据。第二是读现场。同样的病斑，长在弱树上和长在壮树上处理方式不同，这层判断依赖对地块的熟悉程度，不在照片里。第三是算总账。一套设备几千块，一年能省多少水药、少损失多少，要按自家地块规模和作物价格算，这个账只有经营者算得清。
还有一层是使用门槛。一线操作者多是四五十岁的人，戴着手套、蹲在大棚里，需要的是拍一张、看一眼、给一句话。任何要求先注册、再填表、再选三个下拉框的系统，用两次就会被卸载。这不是技术问题，是产品问题，但它决定了技术能不能留下。
判断一个农业 AI 好不好用，只看一件事
把技术先不先进放一边，只问一句：农户用完之后，是不是更省事、更省钱了。省事意味着操作步骤少、不用额外学；省钱意味着投入能在一年内收回。两条都满足，哪怕模型只覆盖三种病害，也能推得下去；两条都不满足，识别率再高也只是示范田里的展品。
对想采购的人来说，还有一个更实际的检验办法：让对方在你的地里跑一个完整生长季，把使用记录、识别结果和最终产量摆在一起看。跨季节、跨地块的效果，比任何演示都可靠。
速查：农业 AI 的四个判断点
- 先看它省的是水、药、人工还是损失，四项都不沾的先放一边
- 识别类功能问弱光、逆光、模糊照片下的表现，别只看样片
- 决策类功能问它敢不敢说「建议找农技员」，什么都敢答的要警惕
- 采购前要求跑一个完整生长季，用自家地块的数据验收
