借助数据融合技术与AI技术，将原本静态的卫星影像转化为持续动态的数据流，以满足农业等产业对高频次数据的需求。

　　将国际先进科技引入中国田间地头，佳格数据（以下简称为“佳格”）创造了中国农业管理的全新模式。

　　10年前，张弓选择回国创业。此前他曾在美国航天局相关机构任职，研究气候与碳循环，聚焦全球大尺度农业问题，涉及非洲、拉丁美洲等地区的农业排碳与固碳研究，积累了应对跨区域、复杂农业生j9.com态问题的经验。

　　回国前，他在一年夏天利用休假，从中国最北端的黑龙江齐齐哈尔，一路南下至云南边陲。彼时，以黑龙江、吉林为代表的北方区域聚焦扩大经营规模，通过引入大型农机、整合土地资源，降低单位面积的劳动力投入，契合规模化发展趋势；而云南边境农业区通过雇佣比本地劳动力更便宜的边民来降低单位劳动力成本，通过种植火龙果、茶叶、三七等高附加值作物，提升单产收益。这段行程让他看到了中国南北方农业的巨大差异，也看到中国农业正处于从小农经济向规模化、现代化转型的关键期，存在大量待解决的痛点和发展机会。

　　2015年，张弓创业时，国内已经有公司在做遥感、气象服务。仔细比较之后，他认为公司的差异化定位在于商业化的理念。

　　张弓之所以选择农业作为卫星数据商业化的落地场景，源于其行业背景与农业需求的双重契合。早年卫星数据的设计与应用规划均未从商业角度出发，导致数据处理多为零散化操作，针对单颗卫星的影像，往往是单日获取后仅做单次分析，缺乏系统性、持续性规划。这使得产业界对卫星数据的使用更多是偶然补充，而非常态化依赖。但农业领域对数据流存在迫切需求，多数地区一年种植两季，如长江中下游第一季种小麦、第二季种水稻，作物生长周期短、动态变化快，需要每周甚至固定时段获取连续数据分析，才能动态跟踪作物生长、水土变化等情况。传统科研思维主导的模式，根本无法满足高频次、实用性的数据分析需求。

　　张弓向《商学院》表示：“我回国后的目标，正是希望重构这套数据应用体系，借助数据融合技术与AI技术，将原本静态的卫星影像（照片）转化为持续动态的数据流（类似于视频），以满足农业等产业对高频次数据的需求。”国内此前因相关应用需求较少，这一领域的探索相对有限，佳格成为最早在国内推动卫星数据云端处理的团队之一。

　　佳格构建起持续动态数据体系，通过整合多颗不同轨道卫星的数据实现持续追踪，无论当天过境的是哪颗卫星，均将其影像数据纳入分析体系，通过数据融合技术弥补单颗卫星观测的局限性。这一成果还要得益于近年来卫星数量的增加与商业化程度的提升。

　　从理论观测能力来看，卫星单日可对目标区域实现多次观测，但受云层遮挡、降雨等天气因素影响，数据有效性会打折扣。因此，佳格最终实现每周提供数据服务，目标是通过数据融合与质量管控，确保每次输出的数据均具备可用性，彻底解决早年行业数据质量维护不足、频繁出现无数据可用的问题。

　　从卫星分布来看，单一轨道卫星j9.com（低轨、中轨或高轨）无法满足高频次、高可用性的观测需求，实际中需要采用“低轨+中轨+高轨”多轨道卫星结合的方式。佳格与卫星机构的合作更有应用探索的意义，通过实际场景验证技术需求与发展方向，再反向为卫星机构提供未来的发展参考，形成应用牵引技术迭代的良性互动。

　　佳格借助AI技术，尤其是遥感AI识别，将原本复杂的数据分析流程简化，极大降低了技术落地成本，让中小农户和种植企业都能负担。

　　张弓此前长期从事学术研究，缺乏商业运营经验，对市场规则、客户需求的把握几乎为零。农业领域的实操性极强，即便掌握气象、生态、遥感等技术，仍需从零学习农业生产的具体逻辑。

　　在创业初期，佳格聚焦农业风险预警预测，其中一个牧草种植预警项目让他深受触动，彻底转变了技术落地的思路。气象学中对小雨、中雨、大雨的界定有明确标准（如每小时降水量毫米数），但这类基于通用场景的标准，与农业生产实际需求存在严重脱节。当时佳格依据气象标准预报“小雨”，认为不会产生影响便未重点提示，可实际情况是，该区域前期持续潮湿，此次小雨导致土壤泥泞，农机无法下地作业，直接影响了牧草种植进度。

　　这件事让张弓深刻意识到，农业技术的价值不在于理论上的精准，而在于能否贴合生产实操。此后，佳格摒弃了通用化的技术标准，转而建立“农业专属标准”，比如雨级判断不再依据降水量，而是结合土壤湿度、农机类型（小拖拉机与大拖拉机的作业条件差异）等生产要素，以能否开展农业操作为评判依据。将卫星数据、气象数据等转化为“能否下地”“何时灌溉”等直接指导生产的结论，让技术真正服务于农业实操。这种“低成本+强应用”的组合，成为打开市场的关键。

　　佳格数据并未受限于一家一户的传统模式，而是通过托管、租用等形式，将分散的几十块甚至上百块土地集中管理。

　　张弓此前以生态学为研究核心，更关注植物对环境的影响，而创业聚焦农业领域后，关注点转变为环境对农业生产的影响。这种角度的差异，既帮助他从更全面的生态视角理解农业生产的本质，也促使其更聚焦农业生产的实际需求，避免脱离实操的理论化设计。

　　虽然张弓了解美国农业商业化的方法，但是中国农业的现实问题更为复杂。中国农业规模化发展中涉及土地流转、人力投入等问题，虽然复杂，但是中国农民的创新能力远超预期，佳格数据并未受限于一家一户的传统模式，而是通过托管、租用等形式，将分散的几十块甚至上百块土地集中管理。根据这一现状，佳格的技术找到了重要落地场景：针对分散土地难以统计管理的痛点，利用电子地图技术，帮助农户建立土地数字化台账，替代传统“村头树旁”的模糊描述，实现土地面积、位置、种植情况的精准管理，用技术适配现有模式。

　　卫星技术的爆发式发展，正在推动卫星数据成本急速下降。随着卫星发射数量增多，原始数据的获取成本已非常低。估算下来，一亩地（666平方米）的原始数据成本不足一分钱。这一成本优势为商业化打开了广阔空间，但数据成本仅为基础，算力投入才是核心支出。

　　张弓说，算力成本高昂的核心原因在于，数据处理的高尺度要求，需要将原始卫星影像转化为农业生产可直接使用的决策产品，如灾害预警、问题诊断及原因分析，而非单纯提供影像，这需要大量数据支撑模型训练。例如，要生成某区域某季节每周的有效分析结果，需整合约20份不同来源的数据，才能提炼出1个可用的核心数据层（Layer），模型的持续优化也进一步推高了算力需求。

　　面对极端天气增多的现状，佳格的模型体系通过“时空双重维度”保障数据的连续性与可用性。卫星公司会持续保存过往影像数据，无须额外重复计算，即可快速调用多年历史数据，为分析提供基础。

　　当前气候变化（如气候带北移）导致的极端天气，并非完全无迹可寻，例如黄淮海的高温天气，可借鉴原长江流域的相关数据；河南南部的降水模式，与早年湖北北部的特征具有相似性。历史数据在应对极端天气时仍具备复用价值，无须完全重新建模。

　　中国农业类型差异极大，因而对“好”技术的定义缺乏统一标准，如防灾效果与生产效率提升难以单一量化。

　　佳格的灾害预警主要涵盖两类核心场景：天气灾害（如降温、洪涝、大风等）与病虫害灾害。但灾害对农业生产的损失占比并无普世标准，主要取决于区域特征。在一些受季风气候影响显著、环境变化大、土壤肥力弱的区域，灾害损失占比更高；而地中海气候等相对稳定的区域，灾害影响极小。张弓说：“中国受季风气候影响明显，但不同地区、不同年份的灾害情况差异较大，需结合具体区域的气候、土壤等条件针对性评估，无法一概而论。”

　　佳格将服务聚焦在粮食（如小麦、水稻）和主要经济作物种植区域，这类区域是中国农业的主体，其生产稳定对农业发展至关重要。

　　当前粮食和主要经济作物区域面临的问题集中在两大层面。天气是不可控因素，如降温、洪涝等极端天气难以人为干预，即便提前预测，也只能通过应急措施减少损失，无法完全规避。为此，佳格优化可控因素，帮助精准种植技术落地，提供包括施肥、灌溉、病虫害防治等环节的精细化管理。

　　佳格的农业服务聚焦两大核心方向：一是推动农业从“看天吃饭”向“知天而做”转型，应对不可控风险；二是在成本可控前提下，通过精准操作实现降本增效，这些措施涵盖智能农机应用等环节，通过数据与技术，平衡风险，提升生产效率。

　　江苏省稻麦病害预警是“知天而做”的应用场景。江苏小麦、水稻的灾害除受极端天气影响外，还受小麦赤霉病、水稻稻瘟病等病虫害影响。张弓说：“这类病害的防治逻辑与人类传染病防控有相似之处，均以预防为主。”但因要保障产量，作物密集种植，导致病害传播速度快、范围广，一旦爆发便难以挽回，且需区域统防统治，因为单一地块防治无效，易交叉感染，因此“提前预判”成为关键。

　　佳格的解决方案是精准预判病虫害发生概率与时间，这需要结合天气条件，如赤霉病高发的低温高湿环境、作物生长周期、区域品种抗性等多维度数据，替代传统“固定时间施药” 的模式。实施后成效显著，预报时效从原来的几周压缩至几天（苏南苏北略有差异）；预报精度大幅提升，误差率显著降低，精度从原来的县一级细化至田块级（亩级别），部分区域可达到10米级精度。全省实施预警的成本仅为百万级别，能有效支撑起政府统筹、统防、统治的时机与力度。

　　佳格的作物模型包含有上百个参数，受限于实际数据获取能力，目前主要聚焦“四情” ，即天气情况、土壤情况、病虫害情况、作物生长情况，以此为核心推进分析工作。张弓说：“这些因素并非孤立存在，而是深度关联实际生产场景。”例如在水肥一体化技术的应用中，天气与施肥时机的匹配至关重要。水溶肥的施用效果和自然降水关系很大，若在降雨前施肥，肥力易随雨水流失到土壤深层，作物难以吸收造成浪费；而结合天气数据精准规划施肥时间，既能提升肥效，又能实现少施肥仍保产的目标。土壤分析的核心也围绕肥效优化而展开，在降低肥料投入的同时保障作物产量。

　　随着无人机技术的普及，佳格进一步采用卫星与无人机组合获取地面数据，提供精准服务。卫星的价值在于原始数据成本极低、成本可控，数据可覆盖全国，不受空域限制。适合开展大面积、规模化的基础数据采集与服务；无人机的价值在于弥补卫星难以覆盖的精细化数据，可作为数据采集补充，同时亦可直接用于农业植保，如播种、施药等。两者的结合，在农业保险定损等场景中，能精准确定损失范围与程度，这其中无人机聚焦“点”上的精准核查，卫星支撑“面”上的趋势判断。

　　张弓认为，随着无人机成本的持续下降，其应用场景将进一步拓宽，既承担数据采集功能，也将成为田间实操服务的重要载体。

　　佳格当前构建的“天空地一体化”数据采集与服务体系，由三类设备协同构成：高空的卫星、中空的无人机以及地面及高空架设的摄像头，如铁塔公司部署的高空摄像头，三类设备数据深度耦合，实现全场景覆盖。

　　未来，农机搭载的摄像头也将成为一个重要的数据源。张弓说：“这类设备与田间实操场景深度绑定，在精准施肥、精准播种、精准植保等环节能提供实时数据支撑，是衔接数据与实操的关键载体。目前国内在这一领域的研究仍较少，但海外已呈现快速发展趋势，未来潜力巨大。”

　　10年前，张弓带回的是美国农业的商业化理念，在中国推动农业数字化、可视化进程。这10年间，中国农业数据化管理发生了巨变，从最初依赖村级上报，到如今农业管理与服务均已实现“以图为基”，数据的精准性与应用性大幅提升。虽然在推动的路径上与初期的设想有差异，但经过中国实践，佳格反倒形成了独特优势，积累了大量针对破碎化、非规模化土地的服务经验。“这种经验不仅适用于中国，也为全球其他发展中国家的农业现代化提供了可借鉴的新路径，且可延伸至农业金融、技术服务等多个领域。”

　　中国小农经济的特点是土地破碎化、离散化，与美国大农场的规模化种植存在本质区别，佳格正是通过技术创新实现了突破。第一，信息技术实现“虚拟集中”，农业服务的低效性曾受物理距离制约，如技术员下乡指导需耗费大量时间，而信息技术打破了这一限制，无论对接多少农户，均可通过远程视频、数据推送等方式提供服务，无须人员实地到场，将实体分散的农业生产转化为虚拟集中的服务体系，大幅提升服务效率；第二，AI推动技术平权化。传统农业新技术普及慢，部分源于农民群体的沟通习惯与使用场景限制，如田间强光下难以打字操作，而语音、视频类AI技术的应用，解决了这一痛点，农民可直接对着田地、作物叶片语音咨询，无须复杂操作，让技术触达更普惠；第三，技术绕过制度障碍实现规模化。中国无法像美国那样通过大规模土地整合实现规模化种植，但通过技术手段达成了等效目标，即使1万亩地分散在100块甚至数百块高标准农田中，仍可通过农机调度、社会化服务统筹等方式，实现规模化耕作与管理。这种“技术推动资产联营、绕过制度阻碍”的模式，是发展中国家从小农经济迈向规模化农业的重要突破。

　　从发展前景来看，张弓说：“技术层面我们持乐观态度：航天、无人机、AI等相关技术迭代迅速，硬件成本持续下降，新的技术成果与产品不断涌现，为农业服务的升级提供了坚实支撑，技术本身已不再是核心瓶颈。”未来，佳格希望推动技术向外输出，尤其是服务于发展中国家，在数据管理、数据安全等一系列关键问题上，若能在顶层制度设计上提供更完善的保障，消除技术输出过程中的合规顾虑，将为公司的国际化布局扫清重要障碍。

　　在张弓创业的10年间，硅谷的农业发展思路也发生了显著转变，从早期的技术服务输出，逐渐转向AI技术的深度应用。“AI本质上是高效的成本控制与效率提升工具，而农业领域对成本敏感度极高，因此AI的落地场景日益广泛，这一趋势与中国当前的技术跃迁方向一致，中美两国均在积极推进AI与农业的融合。”但张弓同时也指出两国的差异，“两国的差异在于服务聚焦的核心场景。硅谷及美国农业的思路更偏向服务大农场、规模化农业，而我们的关注点是在中国农业转型及广大发展中国家的小农经济背景下，如何通过技术实现三大层面的突破，即虚拟集中、技术平权、绕过制度障碍。在这一细分领域，我们有信心处于世界领先地位，我们积累的针对小农经济、破碎化土地的数字化服务经验，是其他国家难以复制的核心优势。”