四年前，兩個 NASA 科學家和一個孟山都中國市場總監創辦了一家公司，他們的目的是，用衛星資料掘金。
採訪 撰文 | 茜茜
在去往會議室的途中，一面牆引起了我的注意。這面牆上不僅有「太陽系」的八顆行星，還有這家公司的發展史，每一個關鍵節點依次分佈在每顆行星的執行軌道上：
2015 年，產品 DEMO 正式上線；同年，獲經緯中國、磐谷資本千萬元天使輪融資。2016 年，公司對外資料服務、上線耘境平臺。2017 年，完成 DCM、經緯中國、磐谷資本、王剛（個人投資者）共計 6000 萬人民幣 A 輪融資；同年，簽約第一個數千萬級客戶，上線農業保險服務……
這家公司主要是利用中、美、歐等數十顆衛星和無人機實時採集地面和氣象資料，整合土壤、地塊、作物、農資等全方位資訊，通過衛星遙感技術、AI 技術分析農業大資料，用大資料指導精準農業種植，幫助客戶進行標準化生產，致力於幫助中國農業實現「看天吃飯」到「知天而作」的轉變。
他們知道農業大資料能給中國農業帶來多大價值，也深知這背後的無限商機。天上的攝像頭（衛星）監測視角更為豐富，足以覆蓋全中國耕地，而且，衛星常年不斷運轉，資料豐富。使用演算法對觀測資料進行智慧統計、分析，服務萬畝以上農田的價格也遠遠低於其他技術。張弓稱，他們通過購買衛星遙感影像獲取資料的成本，一畝地不到一分錢。
回國前，他們在中國幾十個省做過田野調查，從黑龍江到雲南。當了解到中國勞動力大量流向城市、規模化經營快速推進，「節本增效」成為農業各細分領域的普遍剛需時，他們知道，自己的機會來了。
當懷揣著改變中國農業現狀的一片熱忱、帶著一身美國經驗投身農業後，創業之路卻走的磕磕絆絆。中美農業的現實差距讓他們踩過不少坑。當美國經驗失效，他們不得不另找技術落地的場景，經過幾年探索期，才終於發現一條行得通的路。
現在，佳格天地還為金融業務提供服務。他們利用衛星遙感資料和 AI 技術、服務金融業務，幫物流、能源等行業客戶監測風險，提供風險預警服務，客戶包括農業保險公司、財產保險公司和銀行。
張弓說，對農業大資料的應用，目前還停留在初級階段。然而，即使道路艱難、進展緩慢，他們幫助中國農業實現「知天而作」的使命不變，「佳格還是一家農業大資料公司」。
他們正與規模化農戶合作，從市場需求量最大的主糧、主要經濟作物入手，探索農產品生產過程的標準化和智慧化。一個可喜的進展是，今年，他們幫鐵觀音準確預測了其價格走勢。
創始人張弓為我詳細講述了他回國創業的理由、創業四年的經歷，我從中看到了在中國做精準農業的艱難，也看到了未來農業的希望。故事，就從這個天文愛好者與 NASA 的交集講起。
1 機緣巧合進 NASA，萌生創業心2007 年，在北大唸完碩士後，張弓去了美國猶他州立大學深造，讀生態學博士。
然而，張弓剛到學校報道，導師就告訴他，自己要去《自然》雜誌當一年編輯。無奈之下，他只得去別處尋找機會。碰巧趕上 NASA（美國航空航天局）位於矽谷的艾姆斯研究中心新推出的招募學生的計劃（develop），他抓住了這個機會。
這不是張弓與 NASA 的第一次交集。張弓回憶，研二期間，因為研究需要，他曾給 NASA 發過郵件，借衛星影像資料。他沒想到，NASA 注意到了他，並免費寄給他那麼多資料——「一個冰箱那麼大的箱子，裡面全都是資料光碟」。
顧竹（左）、張弓（中）、張文鵬（右）
創始人、CEO 張弓是美國猶他州立大學生態學博士，在美國航空航天局（NASA）艾米斯研究中心工作過八年, 擔任資料科學家，研究衛星、氣象大資料在農業和生態領域的應用。
CTO 顧竹是美國紐約州立大學博士，NASA 專聘深度學習工程師，專注遙感影像的深度學習應用專業衛星影像深度學習演算法的研究。
負責商務的副Quattroporte張文鵬，曾任美國農業部農業研究局科學家、孟山都中國公司市場總監。
進入 NASA 後，張弓參與開發了全世界最先進的衛星氣象資料共享系統，用鐳射統計森林的樹高，通過熱紅外波段精確調控土壤水量，用資料看葡萄種植所需的水分等。
張弓稱，在 NASA 八年，他系統了解了遙感、氣象、土壤以及其他技術在農業領域的應用。但由於 NASA 不講究技術的應用，研發完相關技術後就沒有了下文——即技術並沒有真正為社會帶來商業價值。
在 NASA 待了三四年後，張弓漸漸發現，研究中心的很多同事去了旁邊的 Google、Apple、Linkedin 等知名的網際網路公司或者投身創業型的導航公司，將技術落地為具體的應用。
「那個時候我就感覺，商業能夠推動技術更快的發展。」張弓從那時起就在思考，怎麼把技術真正讓人用起來。
有了創業的想法後，工作之餘，張弓開始學習如何創業，他上過斯坦福的公開課，參加本地的討論組（workshop），他也到美國的「趕集市場」測試過自己的商業勇氣。
張弓笑著回憶了他首次「尷尬」的銷售經歷，一個週日的陰天，他站在趕集市場的門口，嚮往來的行人兜售自家院子裡種的枇杷。在對下雨及被警察抓的擔憂中，花了一個上午的時間，在經過給產品定價、向其他人介紹「產品」以及討價還價等環節後，最終將用超市塑料袋裝的三四袋枇杷，按袋賣了出去。
2 美國經驗失效，那些年踩過的坑回國後，張弓在「有點矽谷意思的」中關村創業大街註冊了公司。（因為跑了兩次稅務局，最後都空手而歸，張弓後來是在淘寶代理的幫助下才將公司註冊成功的。）
他們以農情監測為突破口。在搭建完產品 demo、定好價後，他們就到處找人聊、找人試用產品，但願意嘗試者寥寥。
張弓事後分析，是因為他們兜售了中國市面上沒有的產品，很多人沒見過，而他們自己對產品能夠應對什麼需求、如何定價也不太了解——他們原來心想，怎麼也能賣個一兩百萬。
在經歷幾十次失敗後，他們終於找到一個願意試用的朋友——一個在北方某省種了幾千畝玉米的農場主。
張弓回憶，那已經是 2015 年下半年，馬上進入豐收季。「玉米多在地裡立一天，收成就會好一點，但也伴隨有風險。颳風下雨會把玉米毀掉，確定最佳的收穫時機特別關鍵。我們就用產品幫他判斷收玉米的時間。」至少營收幾百萬的這位朋友，最後用數十萬元買了這款產品，這是佳格天地的首筆訂單。
當一款產品無法打動市場時，他們只得拿著技術找別的應用場景。
他們嘗試過做農資電商，用機器批量給產品打標籤，對消費者進行個性化的農資產品推薦。他們用遙感資料、氣象資料、農作物資料等多個維度的資料進行演算法建模，再結合消費者真實的種地環境（比如某個區域適合用什麼種子、施什麼肥）進行相應的農資產品推薦。從理論上講，方法很科學，但消費者並不買單。
3 兩年摸索，找準定位經過幾年摸索，到了 2017 年，張弓才發現了一條走的通的路——「通過社會化服務的方式，幫中國農業實現適度的集約化經營」。可以簡單理解為，針對規模化種植、集約化管理，主要為規模化農戶、農業社會化服務組織（如農機合作社）和農業金融服務組織（如保險公司）三類客戶提供服務。
張弓表示，為了讓客戶看到實際效果，他們會針對客戶的每一個地塊（一畝地）進行單一建模。但這並不意味著所有的工作都需要工程師來做。
作物生長的環境資料（如降水、溫度、海拔等）都可以通過衛星或者無人機獲得，自動生成；作物本身的資料，通過針對不同品種的作物進行取樣、輸入資料。「你可以認為一個品類的模型都是一樣的，只不過我們針對每一個地塊用計算機自動做了調參。」
佳格要做的是，首先，通過付費購買、合作或者物聯網採集資料的方式獲取到衛星影像資料、氣象大資料、農作物本身資料等原始資料，然後利用計算機識別、遙感氣象等相關模型和演算法對原始資料進行處理、加工，既能得到地塊邊界及面積、作物長勢、水土情況、天氣狀況等資料，也能預估產量、預測病蟲害、預測自然災害及評估災情。
這些資料都會呈現在佳格的核心產品——「耘境」上。通過耘境平臺，客戶使用自己的個人電腦或者智慧手機，就能隨時隨地了解和預估天氣變化和農作物的生長情況。
規模化農戶、農業社會化服務組織可以利用這些資料進行農事安排、農機調配、農藥噴灑等，耘境也會根據每塊地的實際情況為客戶提供個性化的種植/管理建議，以達到幫客戶增產增效、降低生產成本的目的。
農業金融服務組織也可以利用這些資料提高工作效率、降低人力成本。以農業保險為例，以前都是保險公司的人去田地裡核查農作物受災的情況，定損核保。佳格的解決方案可以幫保險公司的人做這項工作。
他們通過在高解析度遙感影像上，根據耕地的紋理、種類等特徵，實時確定地塊位置、識別地塊分界、測算地塊和種植面積；並對承保的地塊進行自動監測；待災害發生，使用風險監控模型核實災害的情況（比如是否發生了災害）；核實後，用作物識別模型確定受災作物型別（如玉米還是大豆）；再通過對遙感衛星影像資料及氣象資料的分析，評估受災程度（中度/重度）。
除了農作物，保險公司承保的物件還包括牲畜。佳格可以用體態識別的方法判斷死豬，（比如，活豬是四腿站立的，死豬是側臥的）；也可以通過標的物及 AI 技術自動測算豬體長、反推豬的重量，並通過深度學習演算法不斷提升準確率。
佳格也為非農客戶提供服務，他們主要將多元的衛星遙感資料與 AI 相結合，服務金融業務。目前，他們主要幫物流、能源等行業客戶監測風險，提供風險預警服務。比如，通過對不同時間、同一港口的貨物進行快速盤點，得到目標港口吞吐量的客觀資料，進而做到風險預知。
4 深挖農業大資料，探索農作物生產過程的標準化張弓預計，佳格天地服務的農田範圍今年將超 3 億畝。
中國一共有 20 多億畝耕地及 20 多億畝草地，張弓希望，公司能未來能做廣做深。如何打市場？張弓認為，不存在速成的妙計，唯有腳踏實地，跟客戶站在一起，從市場需求出發，做深。
在 NASA 從事相關研究八年，張弓深知，深挖農業大資料能給中國農業帶來多大價值，也深知這背後的無限商機。
「農業的一個顯著特徵是波動性，農業大資料的核心就是去掉這些波動性，指導農業更好地產生價值。」張弓表示，「美國、歐洲已經在用資料指導整個農業生產。其中最核心的是，提前預測供需，根據需求調節生產。」
受限於中國農民的種植專業化程度、中國農業全產業鏈標準化以及金融工具的不完善（沒有完善的農產品期貨市場、現貨市場，也沒有完善的農業保險和農業信貸政策），中國目前對農業大資料的應用還處於很初級的階段——只是做了一層開發。
以設施農業為例，相較於其他因素，溼度對作物的影響更大，因此，配備自動氣象站或者其他監測溼度的物聯網裝置以驗證/校正相應資訊，對相關企業來說，是一件十分必要的事，但即便這樣，依舊有很多企業沒有安裝相關裝置。
為了實現「用資料提前預測供需，再根據需求調節生產」的最終目標，佳格正與一些規模化農戶、農業生產單位一起，以專案合作的形式，共同探索農產品生產過程的標準化。張弓希望，未來把從這些專案裡總結出來的標準化經驗變成產品——一個依據資料決策的系統，面向更大的範圍進行推廣，幫更多農戶科學種地。
但他們目前能做到的是，具體指導一些生產應用。比如，在某地種植某種農作物，就應該用某種型別的種子、噴某種型別的農藥（噴幾次）等等。
一個可喜的變化是，隨著中國經濟作物的發展，佳格正在給茶葉等經濟作物提供全產業鏈的資料服務。張弓介紹，以往，一個地方晾晒茶葉的時間都是固定的，可能由於雨期太長導致茶葉的晾晒時間過短，進而影響茶葉的品質和價格。佳格需要做的，「簡單來講，就是預測茶葉每年的品質與其價格間的關係。」
但預測茶葉銷售並不是件容易的事，茶葉上市的時間、茶葉的產量及品質，都對價格有影響。影響茶葉品質的因素也十分多樣，比如，長在不同地區的茶樹，採摘茶葉的時間不盡相同，甚至是每一塊茶園的品質可能都不一樣。
因此，佳格對每一個地塊進行了建模。建模前，他們派人去調查了每一個地塊的情況，比如，調查每一塊茶園所在區域的情況（比如茶樹是在山的向陽面還是向陰面、每個地塊的茶樹常年的土壤水分情況），了解每一塊茶園裡茶葉的品質情況。
建模後，就可以實時監測茶葉的長勢、估算茶葉的生長週期及預估茶葉的產量，他們再根據資料指導茶農，何時採摘茶葉、晾晒茶葉，何時將茶葉上市，以及產多少茶（茶葉產量）。張弓說，準確預測了茶葉的價格走勢，幫了農民大忙。
5 先從市場需求量最大的入手在張弓看來，很多農人還沒有意識到，他人的成功經驗未必是自己可以複製的。農人本身的種植專業化程度不高，容易受一些錯誤觀念的引導。比如，XX 化肥/XX 農藥一用就靈。
張弓說，農業具有多變性，大資料的核心也是不依賴於單一方法或者單一資料來源實現最終的效率提升，是一個動態決策的過程。因此，佳格不在行業內打標杆，而是寄希望於通過實現整個農作物生產過程的標準化，將實際的效果（通過視覺化資料）展示給大家，以扭轉大家的意識。對佳格來說，資料也可以佐證其所提供服務的品質。
張弓稱，他們的計劃是，先從市場需求量最大的主糧（五六種）、主要經濟作物開始，先實現一個個地方品種的農產品的生產過程標準化和智慧化，然後再一個個品種往外擴。
張弓坦言，「做這些事兒挺難的，很多效果不是立竿見影的，需要長期投入，也需要客戶的長期信任。對我們來講，現在只是剛開始。」
張弓說，市場剛剛起步，他希望有更多人能夠參與進來。