中科原动力：在最慢的农业，做最难的智能化

中科原动力正在为中国农业提供一种新的技术可能性：不追求炫技，只追求可用，真正地改变耕地的方式。

文｜胡嘉琦

ID | BMR2004

在中国多个粮食主产区，一批拖拉机正在脱离传统意义上的“驾驶员”。它们可以在没有网络、粉尘弥漫、作业窗口期极短的环境中，完成耕、种、管、收等关键农业作业流程。

这些设备来自中科原动力，这是一家成立于2019年的农业智能装备企业。公司孵化自中国科学院微电子研究所，目前已在东北、新疆、华北及部分海外农业国家实现规模化落地，并推出多款L4级无人驾驶农机及新能源电动拖拉机产品。

近日，中科原动力与土耳其客户正式签订电动拖拉机海外销售协议。由中科原动力自主研发生产的纯电智能农机将批量出口“一带一路”关键节点国家土耳其，开启国际化合作新篇章。

在农业这一验证周期以“年”为单位、对可靠性要求极端严苛的领域，中科原动力用6年时间完成了从技术验证到批量交付的跨越，成为中国少数实现农业无人驾驶全流程商业化的企业之一。

“黄牛退休、铁牛耕地、农民进城、专家种田”是中国工程院院士、中科原动力首席科学家李德毅在2018年提出的愿景，这也是中科原动力的创业初衷。

李德毅认为，无人驾驶将在农村发挥重要作用。未来，曾由拖拉机手操作的农机有望转变为可交互、会学习、自我成长的农田作业机器人。团队计划逐步攻克农业全过程的各类作业环节，包括深耕、松土和平整土地等。

中科原动力是如何打造智慧农业的？2025年底，《商学院》记者专访了中科原动力创始人韩威。

01

打造农业场景下的“驾驶脑”

如何利用智能算法应对非标准化环境，是农业无人驾驶的核心问题。

中科原动力目前已切入农业全流程作业，覆盖耕、种、管、收多个环节。韩威向记者表示，农业生产各环节的重要性和复杂程度存在不同排序。按对增产的贡献来看，他认为最关键的是“种”，其次是“收”，再是田间管理，最后是耕整地。韩威解释道：“农业最终的目标是增产。种得好是一切的前提，其次收获环节直接影响产量和损耗率，决定了能收上来多少。管理和耕整地虽重要，但对产量的直接作用相对次之。”

然而，从操作复杂性角度来看，排序则有所不同。韩威指出，田间管理的复杂性最高，因为作物已生长起来，作业空间狭窄、障碍物多、人员干扰及不确定性增加，同时对作业工具与作物的协调要求严格。这使得管理环节中出现的“长尾”异常情况更多，需要更高的技术应对能力。

在技术架构上，中科原动力延续了李德毅提出的“驾驶脑”体系，即通过感知、认知、决策与控制构建拟人化驾驶系统。李德毅作为我国人工智能领域顶级学者，在不确定性AI方面成就卓著，并推动了无人驾驶技术的产业化。他创新性提出的“驾驶脑”概念，为中科原动力的无人驾驶与农业智能装备提供了核心技术架构。

“驾驶脑”体系从创立以来不断迭代，认知模型、ODA模型（通常指开放文档体系结构），这是一种支持应用系统可移植、可剪裁，并实现网络节点互操作的体系结构，构成开放应用体系结构（OAA）的技术基础。在此基础上，团队进行垂直场景的定制化开发，通过裁剪特定数据集和模型，实现农业场景的精准应用。然而，农业场景面临独特挑战：网络覆盖不足或完全无网，使得传统依赖服务器的AI方案难以直接使用。

为应对这些问题，中科原动力采取了分窗口处理的策略，先解决局部问题，再预测下一个作业窗口；同时，将部分算法实现离线化，使系统能够在无网络或低算力环境下稳定运行，保证无人驾驶与农业智能装备的可靠性与可行性。

韩威坦言，农业无人驾驶在规模化落地过程中面临诸多挑战。与道路无人驾驶相比，农业环境的最大不同在于“非标性”极强：没有两块地完全相同，也没有两批作物完全相同。因此，如何利用智能算法应对这种非标准化环境，是农业无人驾驶的核心问题。农业无人驾驶系统必须具备高可靠性和稳定性，因为作业存在明显的季节性和短时窗口，例如抢种、抢收。在小规模试点向大规模推广的过程中，不仅算法和硬件需要高度匹配，服务体系的支撑能力也直接决定了产品能否实现批量交付。

在最初的研发和产品落地过程中，韩威指出，团队主要遇到几类难题。首先是对农艺理解不足。例如，拖拉机在地头掉头，看似简单，但如果操作不当，会损坏农具、影响土地和效率。操作细节涉及翻转犁、轮距与作业痕迹贴合、放犁时机等，每一步都关系到土地的耕作质量和产量。其次地块的随机性问题也很常见，如退耕还林地中存在大树根或障碍物。处理方法需要区别对待：经验丰富的操作者会提升犁通过障碍，而非单纯加油硬拉，以避免设备损伤，并在后续通过机械清理障碍。

此外，农业场景的数据缺乏也构成挑战。与道路无人驾驶有完善的开放数据集不同。韩威表示，团队进入农业领域之初，几乎没有现成的数据积累，团队第一年的主要工作就是在实际生产场景中学习农业，并逐步深耕、积累数据。他指出，从控制系统设计的宏观逻辑来看，无人驾驶汽车与无人驾驶农机在本质上是一脉相承的：都是构建一个“虚拟驾驶员”，核心流程包括感知、决策和控制循环。

但具体应用存在显著差异。韩威解释，无论是出租车司机还是拖拉机手，两者的作业环境、工具和评价指标完全不同。道路车辆主要关注运输效率，而农机作为生产工具，评价指标更注重作业质量、能耗以及对作物和土地的影响。此外，农业场景的非标性极高：田块形状各异，存在粉尘、震动、冲击、阴影和遮挡等长期环境因素，这对软硬件系统的鲁棒性提出了更高要求。

与铺装道路上的汽车不同，农业无人驾驶不仅要控制拖拉机，还需同步控制后部农具，综合考虑土壤、作物和作业机械的耦合。这意味着智能化系统必须与农业生产和运维体系形成完整闭环，才能实现高质量、高可靠性地作业。

韩威向记者表示，公司自创立开始就在无人驾驶和农业智能装备中广泛应用AI技术。在无人驾驶系统中，感知与智能规划算法均依赖AI，而在采摘机器人（如番茄采摘机器人）中，运动控制、果实成熟度识别、位姿估算及可达性判断等环节，也都高度依赖AI算法。

韩威介绍道，团队自2008年起跟随李德毅院士开始无人驾驶及AI相关研究，较早应用AI技术。对于数据质量问题，他指出，公司所有训练数据均自行采集、清洗和标注，因此能够确保数据可靠性。农业识别算法的核心模块由团队自主开发，同时在必要时借助通用基础模型，但主要模型均为自研。

在技术应用上，韩威强调，AI的应用程度取决于场景的标准化程度。标准化程度高的工业场景可用规则驱动系统解决问题，而农业场景非标性强，需要AI提供更高的泛化能力，以应对作物、田块及环境的多样性。

02

电动农机：绕开传统路径的技术选择

借鉴中国乘用电动汽车的成功经验，有望在农机领域实现“弯道超车”，甚至领跑市场。

在无人驾驶系统逐步成熟后，中科原动力做出一个关键决策：进入新能源电动农机领域。

原因很直接，国产大马力农机与国际品牌仍存在显著代差，而电动化提供了一次“绕开发动机与变速箱”的机会。

目前，公司已推出25—260马力的电动拖拉机，其中140马力产品成为主力型号。

韩威表示，公司在3年前启动了电动农机研发。起初，团队的无人驾驶系统都是安装在现有农机上，但在东北、新疆等地，市场上几乎全是进口农机，国产大马力农机与进口产品存在约20年的代差，主要体现在变速箱、发动机及整体可靠性上。韩威认为，借鉴中国乘用电动汽车的成功经验，有望在农机领域实现“弯道超车”，甚至领跑市场。

研发电动拖拉机并非简单移植汽车技术。例如，汽车电机强调高速与转速，而农业场景更关注低速高扭矩的持续输出，以保证牵引力、爬坡能力及重载作业的可靠性与耐久性。此外，能量管理要求也不同：汽车可回收部分能量，但农机持续做功，产生大量热量，热管理对电机、功率器件及整机设计提出了更高挑战。

韩威认为，电动农机在农业中具有显著优势。一方面，运营成本低，其作业成本仅为传统柴油拖拉机的约30%；另一方面，结构简化后故障点减少，可靠性显著提升，为农业无人化提供了良好的基础条件。

当然，电动农机也有减碳的隐性价值。在全球范围内，农业既是重要排放源，也是受气候变化影响最直接的行业之一。中科原动力的智能电动农机，在减碳层面具备直接替代柴油能源，并通过精细化作业降低农资浪费双重价值。

韩威表示，农业历来是全球重要的碳排放源，同时也是受气候变化影响最严重的领域之一。因此，欧美等国家逐渐重视农业生产的碳排放管理。例如，公司合作的百事集团就希望在生产环节全面采用绿色、智能化农机。

他指出，智能电动农机在农业减碳方面有直接作用：首先，电动化减少了对柴油的依赖，从而降低排放。其次，如果电力来源为太阳能、风能或光伏等清洁能源，则生产过程几乎全程绿色；即便部分电力来自火电，也能实现显著减碳。

此外，电动化农机具有精细化作业能力，可实现更精准的数据采集和作业控制，从而优化农业生产过程。韩威强调，许多国际客户采购智能农机，正是出于ESG与“双碳”目标的需求，希望从源头上实现农业减碳。

03

实验周期耗时3年

土地集中度提升，为自动化、智能化提供了现实基础。

农业是一个非标性极强、“长尾”事件密集、容错率极低的生产系统。任何一次失败，意味着整季产量风险。

正因如此，中科原动力在产品导入期经历了“3年3季”的完整周期，才进入商业化。韩威在接受《商学院》记者采访时回忆，创业初期，公司在自动驾驶领域已取得多项国内里程碑式进展，因此一度认为农业场景相对简单：没有复杂道路结构，也缺乏交通信号灯和密集的交通参与者，看似更容易实现无人驾驶落地。

但真正进入农业领域后，这一判断很快被现实推翻。由于对农业生产规律理解不足，产品从研发到被用户真正接受，导入期整整用了3年，相当于对应3季粮食作业周期。

“第一年更多是试验。”韩威解释说，农户最关心的不是买不买，而是“能不能用”。而所谓“能用”，归根结底只有一个标准：是否实现增产增收。这一结果只能在收获季才能验证。以东北地区为例，一年一熟，试验周期极长。

因此，第一年团队几乎都在田里“重新学习农业”，理解种田的节奏和不确定性，这也彻底颠覆了创业初期对农业的浅层认知。到第二年，产品才进入示范阶段。从1块地扩展到2块、3块，进行小范围复制验证，又耗去整整一年。直到第三年，客户才愿意将一定规模的土地交由团队进行小批量应用，进入中试阶段。

韩威坦言，中科原动力的技术源头来自无人驾驶与人工智能研究。团队在创业前，已在该领域深耕近20年，并直接参与中国无人驾驶早期产业化进程。

2019年，中科原动力将无人驾驶与人工智能技术带入农业领域。选择这一方向，韩威向记者表示，背后有三重现实判断：第一，农业的国家战略重要性。粮食安全是长期命题，而农业生产方式正面临结构性挑战。第二，劳动力结构变化。在东北、新疆等地区，大型农场并不缺设备，而是“有机无人的矛盾”日益突出。第三，规模化经营的窗口期。土地集中度提升，为自动化、智能化提供了现实基础。“这不是一个快行业，但一定是一个长期行业。”韩威说。

04

落地全国20个省市

随着作业面积不断扩大、实地经验持续积累，团队正通过不断优化系统与产品状态，提高无人驾驶技术在复杂农业环境中的稳定性和适应能力。

在长期主义的理念下，中科原动力在扎实地拓展市场，韩威向记者表示，公司起步于东北齐齐哈尔，目前已在全国至少20个省市实现小规模落地应用，覆盖新疆、内蒙古、宁夏、山东、北京、河北等北方地区，并逐步拓展至福建厦门、四川宜宾等南方区域。在海外市场，相关技术也已在白俄罗斯、巴基斯坦等国家开始规模化应用。

韩威认为，这一选择与农业结构性需求高度相关。一方面，东北是我国粮食生产的“压舱石”，地方政府和农业经营主体对稳产、增产具有高度共识，对新技术的接受度相对较高；另一方面，东北及新疆等地区土地规模大、人口持续流出，大型农场对自动化、无人化技术的需求更为迫切，使农业无人驾驶具备更强的现实刚需。

不过，在跨区域推广过程中，技术挑战同样显著。韩威指出，农业无人驾驶算法与作物类型和地域条件高度相关。例如，玉米与棉花的种植方式差异明显；即便是同一种作物，在东北与新疆，由于气候、土壤和农艺体系不同，对作业路径、节奏和参数的要求也并不一致。这对无人驾驶系统在农艺适配层面的普适性提出了更高要求。

此外，农业生产中存在大量随机性和“长尾”问题。在实际作业中，设备可能遭遇农具脱扣、漏播、堵籽等机械问题，也可能遇到地块内的大石头、树根、电线杆及拉线等复杂障碍。这类高频、非标准化的异常情况，是农业场景中的常态。韩威表示，随着作业面积不断扩大、实地经验持续积累，团队正通过不断优化系统与产品状态，提高无人驾驶技术在复杂农业环境中的稳定性和适应能力。

在资金端，在完成B轮融资后，中科原动力进入新的发展阶段。韩威判断：过去完成的是研发，接下来更关键的是产能建设、交付体系与服务网络。公司正在将产品从原型转化为商品化，形成“研发—生产—销售”一体化体系。目前研发部分已基本完成，接下来的重点是提升产能、交付能力，以及建设销售与服务体系。

他指出，公司生产和服务体系的建设将参考传统国际农机的成熟经验，包括如何高质量生产农机和维护设备。同时，由于交付的是智能化、电动化的新型农机，品牌宣传和客户获取也需要突破传统经销模式，建立差异化的营销和服务体系。

农业是一门慢生意，但一旦被验证可靠，就具备高度集中化的市场特征。在所有AI应用场景中，农业可能是最不性感的那个。它没有即时反馈，没有爆款逻辑，甚至连失败都需要一年才能确认。但也正因如此，它成为最需要系统能力、工程能力与耐心的战场。中科原动力选择了这条路，也正在为中国农业提供一种新的技术可能性：不追求炫技，只追求可用，真正地改变耕地的方式。