派活靠群聊
巡田、打药、采收、复查和运输散在微信、纸单和主管记忆里，漏活和返工难追责。
Pitch 53 · Verified Farm Work OS
农场知道该做什么，但很难证明做成了什么。
AgriLoop 是面向规模化种植基地、合作社和农业服务商的农务闭环系统：把巡田、处方、派工、机器人/无人机执行、验收、成本、追溯和下一轮训练数据连成一条可验证的工作流。
01 · Problem
农业不是没有设备，而是农事执行断裂。
微信群派活、纸质记录、无人机/传感器数据孤岛、农资用量难核验、合格证和追溯临时补材料。机器人发现问题只是第一步，农场真正需要的是任务、执行、验收、成本和合规闭环。
设备成孤岛
无人机、拖拉机、传感器、相机、小车和人工记录没有统一农事任务语言。
投入难核验
农资批次、用量、作业轨迹、操作人、安全间隔和采收批次很难自动连起来。
合规临时补
合格证、追溯、采购商审计、政府示范和农残风险材料常常在最后一刻补齐。
02 · Why Now
劳动力、投入品、合规和机器人能力同时把“农务 proof”推到前台。
农业机器人已经能看见作物和执行窄任务，但商业化难点从“能不能动”转向“能不能证明任务完成、成本下降、记录可信”。
$477.7B
USDA ERS 预测 2026 年美国农场生产费用规模。
27%
GAO 报告中 2023 年美国使用精准农业实践的农场/牧场占比。
30万+
中国农业无人机存量已成为最成熟的农业机器人入口之一。
2026
全国智慧农业行动计划要求到 2026 年底生产信息化率超过 30%。
03 · 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。
农户不买“数字化”。他们买少漏活、少扯皮、能卖好价。每次农事都应该自动闭环成任务、证据、成本、合规和下一轮决策。
从发现到任务
病虫草害、缺水和成熟度不是 dashboard 红点，而是有位置、处方、负责人和时间窗的任务。
从作业到证据
照片、GPS、轨迹、农资批次、用量和 before/after 自动组成 WorkProof。
从纠错到学习
人工覆判、机器人接管和复查失败进入 LeRobot HIL，变成下一版农场技能。
04 · Solution
AgriLoop 是 farm work 到 farm proof 的 AI 操作系统。
它把巡田图像、无人机航测、相机、IoT、人工语音/照片和机器人动作变成可派发、可验收、可结算、可追溯、可训练的农务闭环。
- Field Evidence：巡田、影像、传感器、位置、批次和操作人证据。
- Task Engine：处方、农事任务、时间窗、责任人、设备和验收标准。
- Execution Proof：人、无人机、农机、UGV 和机器人执行记录。
- Audit & Learning：合格证、追溯、成本、采购商审计和 LeRobot HIL。
05 · Product Workflow
第一版只闭环一个高频农事，不追求全自动农场。
用一个作物、一个基地、一个农服队、一个合规输出证明价值，再把闭环模板复制到更多作业和设备。
建档
地块、作物、批次、SOP、采收目标、农资库存和采购商要求。
巡田
手机、无人机、rover 或固定相机识别病虫草害、缺水和成熟度。
派工
农技员确认处方，系统分配人、机、药、时间窗和验收标准。
验收
作业轨迹、before/after、用量、操作人和安全间隔自动成证据。
学习
低置信度和人工纠正进入主动学习和 LeRobot HIL 队列。
06 · Market Wedge
先打高价值、劳动密集、追溯价值强的作物。
大田粮食规模大但硬件品牌强、自动化成熟度高。AgriLoop 先选农事复杂、作业证据值钱、合规和采购商压力直接的场景。
果蔬基地
人工、农资、采收批次和采购商验厂压力集中，证明链价值高。
果园/茶园
巡检、植保、采收、运输和安全间隔都需要可验证作业记录。
设施农业
温室场景可控、作业重复，相机、传感器和机器人部署更容易。
订单农业
采购商需要投入品、采收、批次和质量的可信记录。
农服组织
按亩服务需要作业证明、客户结算、设备利用率和培训闭环。
县域项目
智慧农业示范需要监管、服务、数据和典型场景材料。
07 · Business Model
按闭环农事、基地规模和边缘设备收费。
AgriLoop 不靠一次性卖机器人硬件，而是把农务执行、合规输出和作业数据变成持续收入。
SaaS
按亩、基地、账号、活跃作业人员或作物模板收费。
边缘套件
相机、传感器、无人机/机器人 adapter、离线同步盒子和实施费。
合规包
合格证、追溯、采购商审计、FSMA / GLOBALG.A.P. / 中国质量记录。
农服网络
按亩次、作业量、设备利用率和结算流水抽成。
08 · Go-To-Market
30 天替代纸质记录和微信群验收，再接入机器人。
先做低摩擦的 farm proof，再把无人机、农机、rover 和机器人接进同一条闭环。买家先为少扯皮和可审计付费，再为自动化升级付费。
中国版
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。
海外版
Audit-ready in 30 days，卖给果蔬出口商、packing house、农场集团和审计顾问。
第一试点
一个作物、一个高频农事、一个农服团队、一个追溯或采购商输出。
扩张路径
作业记录 -> 植保闭环 -> 采收/质量闭环 -> 多设备调度 -> 采购商接口。
09 · Competition
硬件和农场软件都很强，但闭环层仍然分散。
AgriLoop 不替代 DJI、XAG、Deere、FJD 或 FieldView。它把这些设备和系统产生的洞察变成可执行、可验收、可结算、可训练的任务。
DJI / XAG
无人机、喷洒、播撒和航测强；AgriLoop 做跨品牌农务闭环。
Deere / CNH / AGCO
农机和自动驾驶强；AgriLoop 管混合车队、人工作业和合规 proof。
Carbon / Ecorobotix
精准除草和点喷强；AgriLoop 连接巡田、处方、执行和验收。
Taranis / Pix4D
影像和农学洞察强；AgriLoop 把洞察转成任务和结算。
FieldView / Trimble
农场管理和精准农业强；AgriLoop 更靠近一线作业 proof。
慧云 / 爱科农 / FJD
国内智慧农业和设备平台强；AgriLoop 做中立任务证据和学习层。
10 · Moat
壁垒是已验证农务事件图谱。
越多农事被闭环，系统越懂作物、区域、季节、设备、投入品、人员和最终质量/利润之间的真实关系。
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
照片、GPS、轨迹、农资批次、人工动作和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、相机、传感器、追溯和采购商系统 adapter 带来切换成本。
合规信任
基地、采购商、农服组织和政府项目使用同一套证据链。
HIL 数据
人工纠正、机器人接管和复查失败持续变成可训练技能数据。
11 · Product Architecture
AgriCore、EdgeScout、FarmOps Console、Learning Loop。
架构服务于商业闭环：从农事问题到任务、执行、proof、结算、追溯和下一轮训练。
AgriCore
FieldBlock、CropBatch、FarmTask、InputBatch、WorkProof、HarvestLot、AuditPack。
EdgeScout
Qualcomm edge 识别病虫草害、长势、成熟度、作业 proof 和低置信度样本。
FarmOps Console
派工、农服队结算、库存扣减、采收批次、合格证和采购商审计包。
Learning Loop
LeRobotDataset、HIL episode、云端训练、AI Hub profile、端侧灰度和回滚。
12 · Competition Demo
现场展示一个农事任务从发现到 proof 再到训练回流。
不要只展示作物识别框。展示一个完整闭环：识别、处方、派工、执行、验收、追溯、HIL 数据。
Sense
小车或相机在桌面温室/作物行间识别病斑、杂草或缺水标记。
Assign
Dashboard 生成处方、农事任务、位置、设备、用量和验收标准。
Act
人工批准后小车放置标记、喷清水或移动到复查点。
Verify
系统生成 WorkProof，扣减 mock 库存，更新成本和追溯记录。
Learn
操作者纠正一次漏检，系统记录 LeRobot HIL episode。
13 · Why Qualcomm
农业是 edge AI 比云 AI 更有说服力的场景。
农场弱网、强隐私、低功耗、多相机、无人机/机器人混合、现场安全监督和长期维护都要求本地智能。Qualcomm 可以把“农场边缘智能套件”做成参考设计。
Offline AI
病虫草害、成熟度、作业 proof 和低置信度判断在田间本地完成。
Vision
多相机、ISP、IM SDK、GStreamer 和 edge video pipeline。
Runtime
QNN、ONNX Runtime QNN EP、AI Hub compile/profile 和回滚证据。
Connectivity
蜂窝、Wi-Fi、GNSS/IMU、弱网缓存和本地数据平面。
Robotics
LeRobot HIL 把人工纠正和机器人接管变成下一版技能。
14 · Ask
把 AgriLoop 做成 Qualcomm 农业 edge AI 的参考应用。
比赛阶段需要把“农务闭环”做成一个可演示、可试点、可复制的边缘机器人样板。
开发板与 profile
田间/温室识别、离线 proof、弱网同步、功耗和端侧模型 profile。
样板场景
2 个中国样板基地或农服队，1 个海外果蔬/温室 pilot 数据场景。
生态联合展示
把 AgriLoop 展示为 Qualcomm edge AI + LeRobot HIL 的农业产品样板。
AgriLoop 的一句话 pitch：规模化农场和农服组织用它把每一次农事从“应该做”变成可验证的 proof、成本、追溯和下一轮机器人训练数据。