中科原動力：在最慢的農業，做最難的智能化

中科原動力正在為中國農業提供一種新的技術可能性：不追求炫技，只追求可用，真正地改變耕地的方式。

文｜胡嘉琦

ID | BMR2004

在中國多個糧食主產區，一批拖拉機正在脫離傳統意義上的“駕駛員”。它們可以在沒有網絡、粉塵彌漫、作業窗口期極短的環境中，完成耕、種、管、收等關鍵農業作業流程。

這些設備來自中科原動力，這是一家成立于2019年的農業智能裝備企業。公司孵化自中國科學院微電子研究所，目前已在東北、新疆、華北及部分海外農業國家實現規模化落地，并推出多款L4級無人駕駛農機及新能源電動拖拉機產品。

近日，中科原動力與土耳其客戶正式簽訂電動拖拉機海外銷售協議。由中科原動力自主研發生產的純電智能農機將批量出口“一帶一路”關鍵節點國家土耳其，開啟國際化合作新篇章。

在農業這一驗證周期以“年”為單位、對可靠性要求極端嚴苛的領域，中科原動力用6年時間完成了從技術驗證到批量交付的跨越，成為中國少數實現農業無人駕駛全流程商業化的企業之一。

“黃牛退休、鐵牛耕地、農民進城、專家種田”是中國工程院院士、中科原動力首席科學家李德毅在2018年提出的愿景，這也是中科原動力的創業初衷。

李德毅認為，無人駕駛將在農村發揮重要作用。未來，曾由拖拉機手操作的農機有望轉變為可交互、會學習、自我成長的農田作業機器人。團隊計劃逐步攻克農業全過程的各類作業環節，包括深耕、松土和平整土地等。

中科原動力是如何打造智慧農業的？2025年底，《商學院》記者專訪了中科原動力創始人韓威。

01

打造農業場景下的“駕駛腦”

如何利用智能算法應對非標準化環境，是農業無人駕駛的核心問題。

中科原動力目前已切入農業全流程作業，覆蓋耕、種、管、收多個環節。韓威向記者表示，農業生產各環節的重要性和復雜程度存在不同排序。按對增產的貢獻來看，他認為最關鍵的是“種”，其次是“收”，再是田間管理，最后是耕整地。韓威解釋道：“農業最終的目標是增產。種得好是一切的前提，其次收獲環節直接影響產量和損耗率，決定了能收上來多少。管理和耕整地雖重要，但對產量的直接作用相對次之。”

然而，從操作復雜性角度來看，排序則有所不同。韓威指出，田間管理的復雜性最高，因為作物已生長起來，作業空間狹窄、障礙物多、人員干擾及不確定性增加，同時對作業工具與作物的協調要求嚴格。這使得管理環節中出現的“長尾”異常情況更多，需要更高的技術應對能力。

在技術架構上，中科原動力延續了李德毅提出的“駕駛腦”體系，即通過感知、認知、決策與控制構建擬人化駕駛系統。李德毅作為我國人工智能領域頂級學者，在不確定性AI方面成就卓著，并推動了無人駕駛技術的產業化。他創新性提出的“駕駛腦”概念，為中科原動力的無人駕駛與農業智能裝備提供了核心技術架構。

“駕駛腦”體系從創立以來不斷迭代，認知模型、ODA模型（通常指開放文檔體系結構），這是一種支持應用系統可移植、可剪裁，并實現網絡節點互操作的體系結構，構成開放應用體系結構（OAA）的技術基礎。在此基礎上，團隊進行垂直場景的定制化開發，通過裁剪特定數據集和模型，實現農業場景的精準應用。然而，農業場景面臨獨特挑戰：網絡覆蓋不足或完全無網，使得傳統依賴服務器的AI方案難以直接使用。

為應對這些問題，中科原動力采取了分窗口處理的策略，先解決局部問題，再預測下一個作業窗口；同時，將部分算法實現離線化，使系統能夠在無網絡或低算力環境下穩定運行，保證無人駕駛與農業智能裝備的可靠性與可行性。

韓威坦言，農業無人駕駛在規模化落地過程中面臨諸多挑戰。與道路無人駕駛相比，農業環境的最大不同在于“非標性”極強：沒有兩塊地完全相同，也沒有兩批作物完全相同。因此，如何利用智能算法應對這種非標準化環境，是農業無人駕駛的核心問題。農業無人駕駛系統必須具備高可靠性和穩定性，因為作業存在明顯的季節性和短時窗口，例如搶種、搶收。在小規模試點向大規模推廣的過程中，不僅算法和硬件需要高度匹配，服務體系的支撐能力也直接決定了產品能否實現批量交付。

在最初的研發和產品落地過程中，韓威指出，團隊主要遇到幾類難題。首先是對農藝理解不足。例如，拖拉機在地頭掉頭，看似簡單，但如果操作不當，會損壞農具、影響土地和效率。操作細節涉及翻轉犁、輪距與作業痕跡貼合、放犁時機等，每一步都關系到土地的耕作質量和產量。其次地塊的隨機性問題也很常見，如退耕還林地中存在大樹根或障礙物。處理方法需要區別對待：經驗豐富的操作者會提升犁通過障礙，而非單純加油硬拉，以避免設備損傷，并在后續通過機械清理障礙。

此外，農業場景的數據缺乏也構成挑戰。與道路無人駕駛有完善的開放數據集不同。韓威表示，團隊進入農業領域之初，幾乎沒有現成的數據積累，團隊第一年的主要工作就是在實際生產場景中學習農業，并逐步深耕、積累數據。他指出，從控制系統設計的宏觀邏輯來看，無人駕駛汽車與無人駕駛農機在本質上是一脈相承的：都是構建一個“虛擬駕駛員”，核心流程包括感知、決策和控制循環。

但具體應用存在顯著差異。韓威解釋，無論是出租車司機還是拖拉機手，兩者的作業環境、工具和評價指標完全不同。道路車輛主要關注運輸效率，而農機作為生產工具，評價指標更注重作業質量、能耗以及對作物和土地的影響。此外，農業場景的非標性極高：田塊形狀各異，存在粉塵、震動、沖擊、陰影和遮擋等長期環境因素，這對軟硬件系統的魯棒性提出了更高要求。

與鋪裝道路上的汽車不同，農業無人駕駛不僅要控制拖拉機，還需同步控制后部農具，綜合考慮土壤、作物和作業機械的耦合。這意味著智能化系統必須與農業生產和運維體系形成完整閉環，才能實現高質量、高可靠性地作業。

韓威向記者表示，公司自創立開始就在無人駕駛和農業智能裝備中廣泛應用AI技術。在無人駕駛系統中，感知與智能規劃算法均依賴AI，而在采摘機器人（如番茄采摘機器人）中，運動控制、果實成熟度識別、位姿估算及可達性判斷等環節，也都高度依賴AI算法。

韓威介紹道，團隊自2008年起跟隨李德毅院士開始無人駕駛及AI相關研究，較早應用AI技術。對于數據質量問題，他指出，公司所有訓練數據均自行采集、清洗和標注，因此能夠確保數據可靠性。農業識別算法的核心模塊由團隊自主開發，同時在必要時借助通用基礎模型，但主要模型均為自研。

在技術應用上，韓威強調，AI的應用程度取決于場景的標準化程度。標準化程度高的工業場景可用規則驅動系統解決問題，而農業場景非標性強，需要AI提供更高的泛化能力，以應對作物、田塊及環境的多樣性。

02

電動農機：繞開傳統路徑的技術選擇

借鑒中國乘用電動汽車的成功經驗，有望在農機領域實現“彎道超車”，甚至領跑市場。

在無人駕駛系統逐步成熟后，中科原動力做出一個關鍵決策：進入新能源電動農機領域。

原因很直接，國產大馬力農機與國際品牌仍存在顯著代差，而電動化提供了一次“繞開發動機與變速箱”的機會。

目前，公司已推出25—260馬力的電動拖拉機，其中140馬力產品成為主力型號。

韓威表示，公司在3年前啟動了電動農機研發。起初，團隊的無人駕駛系統都是安裝在現有農機上，但在東北、新疆等地，市場上幾乎全是進口農機，國產大馬力農機與進口產品存在約20年的代差，主要體現在變速箱、發動機及整體可靠性上。韓威認為，借鑒中國乘用電動汽車的成功經驗，有望在農機領域實現“彎道超車”，甚至領跑市場。

研發電動拖拉機并非簡單移植汽車技術。例如，汽車電機強調高速與轉速，而農業場景更關注低速高扭矩的持續輸出，以保證牽引力、爬坡能力及重載作業的可靠性與耐久性。此外，能量管理要求也不同：汽車可回收部分能量，但農機持續做功，產生大量熱量，熱管理對電機、功率器件及整機設計提出了更高挑戰。

韓威認為，電動農機在農業中具有顯著優勢。一方面，運營成本低，其作業成本僅為傳統柴油拖拉機的約30%；另一方面，結構簡化后故障點減少，可靠性顯著提升，為農業無人化提供了良好的基礎條件。

當然，電動農機也有減碳的隱性價值。在全球范圍內，農業既是重要排放源，也是受氣候變化影響最直接的行業之一。中科原動力的智能電動農機，在減碳層面具備直接替代柴油能源，并通過精細化作業降低農資浪費雙重價值。

韓威表示，農業歷來是全球重要的碳排放源，同時也是受氣候變化影響最嚴重的領域之一。因此，歐美等國家逐漸重視農業生產的碳排放管理。例如，公司合作的百事集團就希望在生產環節全面采用綠色、智能化農機。

他指出，智能電動農機在農業減碳方面有直接作用：首先，電動化減少了對柴油的依賴，從而降低排放。其次，如果電力來源為太陽能、風能或光伏等清潔能源，則生產過程幾乎全程綠色；即便部分電力來自火電，也能實現顯著減碳。

此外，電動化農機具有精細化作業能力，可實現更精準的數據采集和作業控制，從而優化農業生產過程。韓威強調，許多國際客戶采購智能農機，正是出于ESG與“雙碳”目標的需求，希望從源頭上實現農業減碳。

03

實驗周期耗時3年

土地集中度提升，為自動化、智能化提供了現實基礎。

農業是一個非標性極強、“長尾”事件密集、容錯率極低的生產系統。任何一次失敗，意味著整季產量風險。

正因如此，中科原動力在產品導入期經歷了“3年3季”的完整周期，才進入商業化。韓威在接受《商學院》記者采訪時回憶，創業初期，公司在自動駕駛領域已取得多項國內里程碑式進展，因此一度認為農業場景相對簡單：沒有復雜道路結構，也缺乏交通信號燈和密集的交通參與者，看似更容易實現無人駕駛落地。

但真正進入農業領域后，這一判斷很快被現實推翻。由于對農業生產規律理解不足，產品從研發到被用戶真正接受，導入期整整用了3年，相當于對應3季糧食作業周期。

“第一年更多是試驗。”韓威解釋說，農戶最關心的不是買不買，而是“能不能用”。而所謂“能用”，歸根結底只有一個標準：是否實現增產增收。這一結果只能在收獲季才能驗證。以東北地區為例，一年一熟，試驗周期極長。

因此，第一年團隊幾乎都在田里“重新學習農業”，理解種田的節奏和不確定性，這也徹底顛覆了創業初期對農業的淺層認知。到第二年，產品才進入示范階段。從1塊地擴展到2塊、3塊，進行小范圍復制驗證，又耗去整整一年。直到第三年，客戶才愿意將一定規模的土地交由團隊進行小批量應用，進入中試階段。

韓威坦言，中科原動力的技術源頭來自無人駕駛與人工智能研究。團隊在創業前，已在該領域深耕近20年，并直接參與中國無人駕駛早期產業化進程。

2019年，中科原動力將無人駕駛與人工智能技術帶入農業領域。選擇這一方向，韓威向記者表示，背后有三重現實判斷：第一，農業的國家戰略重要性。糧食安全是長期命題，而農業生產方式正面臨結構性挑戰。第二，勞動力結構變化。在東北、新疆等地區，大型農場并不缺設備，而是“有機無人的矛盾”日益突出。第三，規模化經營的窗口期。土地集中度提升，為自動化、智能化提供了現實基礎。“這不是一個快行業，但一定是一個長期行業。”韓威說。

04

落地全國20個省市

隨著作業面積不斷擴大、實地經驗持續積累，團隊正通過不斷優化系統與產品狀態，提高無人駕駛技術在復雜農業環境中的穩定性和適應能力。

在長期主義的理念下，中科原動力在扎實地拓展市場，韓威向記者表示，公司起步于東北齊齊哈爾，目前已在全國至少20個省市實現小規模落地應用，覆蓋新疆、內蒙古、寧夏、山東、北京、河北等北方地區，并逐步拓展至福建廈門、四川宜賓等南方區域。在海外市場，相關技術也已在白俄羅斯、巴基斯坦等國家開始規模化應用。

韓威認為，這一選擇與農業結構性需求高度相關。一方面，東北是我國糧食生產的“壓艙石”，地方政府和農業經營主體對穩產、增產具有高度共識，對新技術的接受度相對較高；另一方面，東北及新疆等地區土地規模大、人口持續流出，大型農場對自動化、無人化技術的需求更為迫切，使農業無人駕駛具備更強的現實剛需。

不過，在跨區域推廣過程中，技術挑戰同樣顯著。韓威指出，農業無人駕駛算法與作物類型和地域條件高度相關。例如，玉米與棉花的種植方式差異明顯；即便是同一種作物，在東北與新疆，由于氣候、土壤和農藝體系不同，對作業路徑、節奏和參數的要求也并不一致。這對無人駕駛系統在農藝適配層面的普適性提出了更高要求。

此外，農業生產中存在大量隨機性和“長尾”問題。在實際作業中，設備可能遭遇農具脫扣、漏播、堵籽等機械問題，也可能遇到地塊內的大石頭、樹根、電線桿及拉線等復雜障礙。這類高頻、非標準化的異常情況，是農業場景中的常態。韓威表示，隨著作業面積不斷擴大、實地經驗持續積累，團隊正通過不斷優化系統與產品狀態，提高無人駕駛技術在復雜農業環境中的穩定性和適應能力。

在資金端，在完成B輪融資后，中科原動力進入新的發展階段。韓威判斷：過去完成的是研發，接下來更關鍵的是產能建設、交付體系與服務網絡。公司正在將產品從原型轉化為商品化，形成“研發—生產—銷售”一體化體系。目前研發部分已基本完成，接下來的重點是提升產能、交付能力，以及建設銷售與服務體系。

他指出，公司生產和服務體系的建設將參考傳統國際農機的成熟經驗，包括如何高質量生產農機和維護設備。同時，由于交付的是智能化、電動化的新型農機，品牌宣傳和客戶獲取也需要突破傳統經銷模式，建立差異化的營銷和服務體系。

農業是一門慢生意，但一旦被驗證可靠，就具備高度集中化的市場特征。在所有AI應用場景中，農業可能是最不性感的那個。它沒有即時反饋，沒有爆款邏輯，甚至連失敗都需要一年才能確認。但也正因如此，它成為最需要系統能力、工程能力與耐心的戰場。中科原動力選擇了這條路，也正在為中國農業提供一種新的技術可能性：不追求炫技，只追求可用，真正地改變耕地的方式。