发现和处理脱节
无人机和巡田能发现病虫草害，真正处理还要靠人找位置、派工、确认和复查。
01 · Problem
农场知道该做什么，但执行链条断在“谁做了、做没做成”。
无人机、传感器、农机、微信群和农场软件都能产生数据，但基地经理真正痛的是季节工难招、农事漏做、喷药/除草/采收扯皮、投入品和采收批次难核验，以及采购商和政府项目要证据时临时补材料。
人工越来越贵
设施蔬菜、果园、茶园和采摘场景高度依赖季节工，喷药、巡检、搬运和采收更难排班。
设备各自为政
无人机、农机、机器人、传感器和手机照片没有统一任务语言，作业 proof 分散。
ROI 无法闭环
农场买机器人和软件后，仍很难证明节省了多少工、少用了多少药、哪一批次质量变好。
02 · Why Now
农业机器人从“能不能动”，进入“能不能闭环赚钱”。
2025-2026 年，全球农业机器人、精准喷洒、RaaS fleet、中国智慧农业政策和 Qualcomm 边缘 AI 同时成熟。机会不在再造一台昂贵单机，而在把多设备作业变成可验证、可训练、可复制的 crop-care loop。
$15B+
多家机构估算 2025 年全球农业机器人市场已达约 150 亿美元以上，仍保持高增速。
19,500
IFR 统计 2024 年农业服务机器人销量约 1.95 万台，真实部署仍处早期。
30%+
中国智慧农业行动计划要求到 2026 年底农业生产信息化率超过 30%。
700 TOPS
Qualcomm Dragonwing IQ10 RRD 支持高算力、多相机和传感融合，适合田间弱网 edge AI。
03 · Core Insight
农场数据的最小商业单元不是地块，而是已闭环的农事任务。
农户、基地和农服队不买“数字化”。他们买少漏活、少扯皮、能结算、能卖好价。每一次农事都应该自动变成任务、动作、证据、成本、追溯和下一轮模型训练数据。
从发现到动作
病虫草害、缺水、成熟度和杂草不是 dashboard 红点，而是有位置、处方、负责人和时间窗的任务。
从动作到证明
轨迹、照片、农资批次、用量、人工批准、安全约束和 before/after 自动组成 WorkProof。
从证明到学习
人工覆判、机器人接管和复查失败不是噪声，而是 LeRobot HIL 和下一轮 edge 模型的训练资产。
04 · Solution
AgriLoop 是高价值作物的闭环 AI 作业层。
它不替代 DJI、XAG、Deere、FJD 或现有农场软件，而是在它们之上做轻量作业闭环：把“巡田发现”变成“人机执行”，再把“执行结果”变成可验收、可结算、可追溯、可训练的证据。
- EdgeScout：Qualcomm edge 本地识别杂草、病斑、长势、缺水、成熟度和作业 proof。
- Task Engine：农技员确认处方，系统分配人、无人机、地面机器人、农机和验收标准。
- WorkProof：GPS、图像、轨迹、用量、操作人、农资批次、安全间隔和 before/after。
- Learning Loop：低置信度、人工接管和复查失败进入 LeRobot HIL、区域云训练和端侧灰度。
05 · Product Workflow
一个高频农事，从发现到 proof 跑完。
第一版不追求全自动农场。先闭环设施番茄、草莓、彩椒、黄瓜或果园中的一个高频任务：巡检、精准处理、搬运、采收辅助或复查。
Plan
导入地块、作物、SOP、限制区、作业窗口、采收目标和采购商要求。
Scout
无人机、固定相机、手机或 UGV 识别杂草、病斑、缺水和成熟度。
Decide
系统生成处方和任务，农技员批准人机资源、用量和安全约束。
Act
无人机、农机、地面机器人或人工执行，机器人低置信度时请求接管。
Prove
WorkProof 写回库存、成本、追溯、采购商审计和下一轮训练队列。
06 · Market Wedge
先打高价值、劳动密集、道路相对标准化的作物。
大田粮食规模大但 OEM 强、自动化链条重。AgriLoop 先选能快速证明 ROI 的 specialty crops：单品价值高、人工占比高、作业频繁、追溯价值直接。
设施番茄
轨道/行间标准化，巡检、采收辅助、搬运、病斑复查和批次证明高频。
草莓 / 彩椒
高价值、短窗口、人工密集，适合先展示机器视觉和 HIL 接管。
果园
柑橘、苹果、猕猴桃的巡检、点喷、采收辅助和搬运可分阶段闭环。
农服组织
按亩、按棚、按季服务，需要作业证明、客户结算和设备利用率。
智慧农业示范
浙江未来农场、数字农业工厂和县域项目需要可展示、可复制的闭环场景。
第二增长线
规格外果蔬和农业剩余物的边缘分级、撮合与追踪，延展为循环农业 proof。
07 · Business Model
按闭环作业和设备利用率收费，而不是一次性卖机器人。
硬件销售容易被售后和季节性拖垮。AgriLoop 采用 paid pilot、年度软件、边缘套件、农服 RaaS 和结果 proof 的组合，把 CAPEX 变成可验证作业成本。
中国试点
6-8 周，1 个作物、1 个作业闭环、1 个基地或农服队，50k-150k 元。
中国生产版
基地软件 60k-200k 元/年；边缘套件和机器人/无人机 adapter 单独计费。
海外试点
15k-50k 美元，面向 greenhouse、vineyard、orchard 和 specialty crop grower。
RaaS / 农服
按棚、按亩、按任务或按设备小时收费，绑定作业 proof、结算和 ROI dashboard。
08 · Go-To-Market
先替代微信群验收，再接入机器人自动化。
第一单不卖“全自动农场”，而是让基地经理 30 天内看到：作业少漏、结算少扯皮、投入品和采收批次可追踪。机器人接入是第二步，proof 先创造付费理由。
中国打法
一个县一个作物模板：样板基地 -> 合作社/农服队 -> 农资经销商 -> 县域项目。
海外打法
Audit-ready crop-care loop，卖给温室集团、果园、葡萄园、packing house 和 labor contractor。
试点 KPI
作业记录完整率 >95%，任务关闭周期下降 25-40%，人工复查时间下降 20-30%。
扩张路径
作业记录 -> 巡检/植保闭环 -> 采收/搬运闭环 -> 多设备调度 -> 采购商接口。
09 · Competition
农业机器人很热，但“闭环作业层”仍然分散。
AgriLoop 不替代硬件厂商和农场软件，而是连接它们：把巡田洞察、农艺处方、人机执行、作业 proof、结算和训练回流做成跨品牌闭环。
Deere / Kubota
整机、渠道和自动驾驶强；AgriLoop 更轻、更中立，更适合混合车队和农服队。
DJI / XAG
无人机植保和航测强；AgriLoop 把航测结果接到任务、验收和 HIL 训练。
Carbon / Ecorobotix
精准除草和点喷强；AgriLoop 做多作物、多设备、多任务的 proof layer。
Niqo / Solinftec
spot spraying、robot fleet 和补给网络强；AgriLoop 强调区域训练云和作业闭环。
FieldView / Trimble
农场管理和精准农业强；AgriLoop 更靠近一线执行和机器人工单。
国内玩家
大疆、极飞、丰疆、乔戈里等强在设备；AgriLoop 做跨设备执行证据和模型回流。
10 · Moat
壁垒是已验证农事事件图谱。
单个识别模型会被复制；闭环事件很难复制。它包含作物、区域、季节、设备、农艺、人工接管、投入品、采收质量和最终经济结果之间的真实关系。
农事本体
作物、地块、病虫草害、投入品、机具、人员、时间窗和验收标准。
事件图谱
图像、GPS、轨迹、农资批次、人工动作、采收结果连接到成本和利润。
作物 SOP
不同区域、季节、品种、设备和农服队的真实执行效果持续积累。
设备集成
无人机、农机、机器人、相机、传感器、追溯和采购商系统 adapter。
HIL 数据
人工纠正、机器人接管、行间漂移和复查失败持续变成可训练技能。
信任网络
基地、农服组织、采购商和县域项目使用同一套证据链，切换成本上升。
11 · Architecture
Field Layer、Edge Autonomy、FarmOps、Regional Learning。
架构服务于一个商业目标：让农场每一次作业从“发现问题”走到“安全执行、证据回写、模型变好”。
Field Layer
无人机、UGV、固定相机、土壤/气象传感器、GNSS/RTK、农机 telemetry。
Edge Autonomy
Qualcomm edge inference、本地地图、geofence、安全监控、LeRobot HIL bridge、离线缓存。
FarmOps
地块、作物计划、工单、处方图、WorkProof、库存扣减、采收批次和审计包。
Regional Learning
区域数据隔离、标注/replay、模型评估、AI Hub 优化、签名 OTA、灰度和回滚。
12 · Competition Demo
现场展示“发现作物压力 -> 安全处理 -> 证明结果 -> 训练回流”。
比赛 demo 用桌面温室/作物行间、相机或小车、Qualcomm edge 设备和 mock FarmOps 即可成立。动作必须安全：水/染色水、LED 标记或虚拟喷洒，不做真实农药喷洒。
Scout
RGB / 多光谱回放或小车相机识别杂草、病斑、缺水或成熟度异常。
Approve
系统生成处方和安全约束，操作者批准或接管，接管事件成为 HIL evidence。
Act
机器人在 geofence、限速、避障和急停条件下执行标记、复查或模拟点喷。
Learn
WorkProof 写回 FarmOps，低置信度和人工纠正进入区域训练云和端侧发布队列。
13 · Why Qualcomm
农业是 edge AI 比云 AI 更有说服力的场景。
农场弱网、低功耗、多相机、GNSS/IMU、长时间户外运行、现场安全监督和区域数据隔离，都要求本地智能。AgriLoop 可以把 Qualcomm 从“跑模型的板子”推到农业机器人闭环的端侧参考设计。
Vision
IM SDK / GStreamer / ISP / 多相机 pipeline 处理田间视觉和作业 proof。
Runtime
QNN、ONNX QNN、AI Hub compile/profile，把感知模型落到端侧。
Robotics
ROS 2、LeRobot HIL 和 human override 让机器人动作可训练、可审计。
Connectivity
蜂窝、Wi-Fi、GNSS/IMU、弱网缓存和区域同步，让田间 proof 不依赖稳定网络。
Ecosystem
连接无人机、农机、地面机器人、农服软件和区域训练云，形成农业开发者样板。
14 · Ask
把 AgriLoop 做成 Qualcomm 农业 edge AI 的参考应用。
比赛阶段要交付一个可现场演示、可试点、可复制的闭环样板，而不是一个农业大屏或孤立机器人。
开发板与 profile
多相机田间识别、离线 proof、功耗、弱网同步、QNN/ONNX artifact 和端侧 latency。
样板场景
2 个中国设施农业或农服队样板，1 个海外温室/果园/葡萄园数据场景。
生态联合展示
把 AgriLoop 展示为 Qualcomm edge AI + LeRobot HIL + 农业机器人/无人机伙伴的商业化样板。
AgriLoop 的投资人版一句话：Farmers do not need another dashboard. They need an autonomous loop that sees, acts, and proves ROI every pass.