“站點既是推廣渠道又是數據采集的接入口。”

作者：步搖

編輯：tuya

出品：財經涂鴉

產業數字化大趨勢，對農業來說，數字化的前提是要有數據。

在工業和服務業的數據顆粒度愈發精細化，而農業更多是處于數據化的“前夜”，這也催生了農業數據收集公司的出生和成長。

麥飛是一家聚焦視覺光譜技術的智慧農業大數據服務商，公司成立于2016年，核心技術源于中科院遙感所十余年的創新科研積累。目前，麥飛擁有4.5億+組光譜數據、500W+畝全國累計變量施藥服務面積和17種病蟲害監測種類。

傳統農產品流通方式難以讓農產品賣高價，這就難以在前端驅動技術的介入。近期，《財經涂鴉》對話麥飛聯合創始人兼CEO宮華澤，對這一“痛點”，他表示，麥飛不是和農產品生產端合作，而是與阿里京東等平臺合作，以撬動前端采用技術，這是麥飛商業模式的創新之處。

目前麥飛主要客戶有G 端（政府）和B端（平臺或大農戶），每年訂單量在幾千到1萬個，客單價在3萬-5萬，大平臺訂單大，而小B客戶基礎量多。

在他看來，麥飛的核心能力是建立算法庫。對于算法來說，難點在于通過數據驗證其有效性，而這也是公司國際化的原因之一，因國際市場可為算法提供更充沛的數據來驗證。在國內，他認為農業數據真正的采集難點或在5年后。

在業務推廣方式上，麥飛在創立的前三年，主要依靠自建站點拓展潛在用戶。如今，麥飛正在大力拓展加盟體系，吸引更多加盟商向農戶推廣公司的數據服務，麥飛也可因此在服務農田的同時也沉淀服務對象的數據。

“初期加盟商的目標是投入2-3年，在商業模式打磨后希望讓加盟商越來越賺錢。”宮華澤表示。

以下為對話正文（有刪節）：

Q：《財經涂鴉》

A：宮華澤 聯合創始人兼CEO

聯合創始人兼CEO宮華澤（來源：受訪人提供）

Q：麥飛使用什么樣的遙感技術？

A：人臉識別是遙感技術視覺感知的最廣泛分支，此外，遙感技術還有很多探測手段，在農田場景中，可以感知如地形地貌、周邊水資源供給、作物的不同生長階段參數等，遙感是個探測和數字化手段。

數字農業是建立在傳統農業基礎上，用新信息化手段，把整個農業種植過程的關鍵數據留存下來。數字化的下一步是智慧化，在完成數據積累后能分析規律，并用技術手段優化整個過程。

數據建模是個優化和驗證的過程，這樣行業才會較快進步，這也是整個農業數字化的核心點，而遙感技術是數字化的高效技術手段。

Q：目前數據采集的難點在哪里？

A：農業數據分兩種，一種是傳統農業種植數據，包括土地歸屬、權益人信息、作物品種等，目前較為欠缺且數據難歸集；第二類是用信息化手段采集的新農田信息，這些數據取決于客戶具體需求。

目前采集過程較簡單，自動化程度較高——但真正的采集難點或在5年之后 。此前多數采集方式是卡點，而在數據積累到一定量之后，就會更注重數據采集后的可分析結果，這才是真正的難點，平臺也只有能把在可分析數據重推到生產中才能讓客戶真正感知到價值。

Q：遙感技術各家的差別在哪里？

A：遙感技術使用哪種數據源關系不大，主要區別在于算法。算法的區別又取決于地面的尺度，觀測距離不同其土地特征和分辨能力有變化，用衛星、無人機還是地面測只是數據源的特征不同。

數據采集之后，根據不同算法能積累滿足各種需求和場景的算法庫，麥飛的核心能力是足夠多的算法庫。采集設備本身也是依靠遙感能力進行反向設計，我本人原來在中科院遙感所任職，之前的合作方都會使用定制化遙感技術。

在某些極端天氣情況下，標準化硬件采集的數據會出現問題，而其難點問題或都會通過軟件解決，我們會研究如何最有效剝離數據及算法分析，這是我們目前的最大區別。

Q：麥飛合作對象有哪些？

A：數字化農業基本目標是數據采集和分析，再把結果倒推進行驗證，倒推呈現形式或許是數據平臺中心，數據匯總分析最終變成科學生產力。

這樣的模式吸引一些生產基地型和對農產品品質有要求的新型種植主體，如某個生鮮農產品品牌。農產品可追溯體系是系統工程，目前農業生產中缺乏數據，整個可追溯系統無法建立。

而新型種植主體對可追溯有要求，如阿里，會強調農產品的可溯源，這種溯源信息不僅包括現有的產地和品種信息，還包括品種、生長期、收割期等，目前溯源系統都沒有此類數據。

麥飛跟阿里在水果種植基地的合作中有幾個關鍵指標即產量、生長期和優果率（優果指的是不大不小而是體型總等的果子）。目前阿里會把高優果率貨品送到盒馬。溯源最終要回歸產品管理，而只有產地的經濟化管理才能幫助生鮮流通商更好解決問題。

Q：公司還有哪些商業化途徑？

A：客戶目前主要是G端和B端。大B客戶訂單大，小B客戶基礎數量多，田地在百畝和千畝左右，每年訂單量在幾千到1萬個，客單價在3萬-5萬。

對于G端，他們更做農業大數據管理中心或中臺，G端客戶主要是走招標，一般都是大訂單，涉及的服務內容多。

B端是希望幫助生產基地完全數字化，小B端則是希望能提升種植能力，節約成本。大B客戶——比如京東阿里——需要公司進入其供應商序列，之后通過簽訂整體框架訂單。

好的商業邏輯其實都不復雜，只是大家對實際判斷和資源整合能力各有差異。農業基本沒有邏輯是其他人都想不到的，農業目前最大的問題在于數據化程度太低。

Q：如何理解麥飛的商業模式？

A：若以傳統的農產品流通方式很難讓農產品賣到更高價格。所以麥飛不是跟農業端合作，而是與阿里、京東這樣的大平臺合作。

麥飛可為這些平臺提供每個貨物的數據檔案，這是麥飛提供的價值。而上游為何要采用麥飛的技術，因農產品生產商了這些數據才能在阿里和京東上銷貨，由此將整個上下游串起來，以終端撬動前端。價值的聚焦點就不再是生產過程，而在于產品價值上。

對于農業場景和農戶而言，商業邏輯在于要讓農戶賺錢才能讓其付費，這就需要重新設計新商業模式。我們整個模式中有做技術、以線下站點做農業技術服務的，每個服務站點，從獲客開始就有一個數字化的農服系統。

站點會錄入訂單信息，包括客戶土地位置、播種作物、種植方式和播種周期等，輸入系統后，系統會計算大概生長周期，在關鍵時間節點，系統會提醒工作人員介入服務。

對終端種植戶，麥飛按種植規模收取服務費，同時通過系統化工具收集到多維度數據，這種基礎性信息具有高價值，而且每年會更新。目前每個站點的服務半徑約為2萬畝地，通過對站點的數據抽樣，可了解站點周邊乃至整個種植區的情況。從底層數據角度講，既有大維度信息又有最精細化信息。

在農田上，目前主推防治病蟲害（的產品），主要與大疆合作，先監測農田病蟲害，之后形成田間分布圖，再加工成食藥處方圖，通過劃分格子來明確農藥噴灑量，由此形成跟農業生產能力相關的數字化技術。

Q：麥飛在國內推廣方式都有哪些？

A：國內有多樣化推廣形式，商務團隊及專門渠道合作方幫我們獲得部分訂單，此外是渠道加盟的模式。

公司成立前三年，麥飛自建線下站點，在自建站點完成了服務標準化和系統化，公司就開始開放站點，給加盟商釋放一定利潤。目前麥飛單個站點輻射半徑約為30公里，大概配備約三個人。我們會統一品牌、技術等，且加盟站點有嚴格的邊界劃分。

公司加盟體系早期主要是讓加盟商賺錢，除去基礎運營成本外，只要不虧損，希望給加盟商更多利潤，這樣才能更快建立加盟商體系。我們更看中加盟體系網絡的建立，以充分推廣公司的數字化技術和服務能力，服務周邊農田的同時也沉淀每塊農田的檔案數據。

自建站點的成本收入模型是以站點數量相乘，而加盟模式下公司成本增加不大，但收入會急速增加，其運營成本在整個收入中占比會逐漸縮小，占比縮小則給予加盟商釋放的利潤也就越多，這是加盟商的整個邏輯。

初期加盟商的目標是投入2-3年，公司希望把商業模式打磨后讓加盟商越來越賺錢。

Q：公司做國際化的初衷和目標是什么？

A：麥飛從2018年開始著手國際化拓展，主要定位是把技術介紹出海，同時把當地技術信息回傳回國，2018年麥飛也還處于研發階段，需要更多信息維度來驗證我們的想法。

2018年，麥飛和日本代理商合作，2019年麥飛在加拿大開始建立團隊，此后也收購了這家公司。麥飛在海外的策略主要為推廣科技解決方案，目前正打算在馬來西亞市場推廣技術方案。

在海外市場，公司沒有營收計劃。中國遙感技術是世界第一，我們更希望是把遙感技術推廣出去，而對麥飛而言，國際化可以補足農業生產過程中用數字化驗證的經驗。

算法最難的環節在于數據驗證，算法地面實際效果校準越多其優化速度越快、產生的效用也越及時。

數字化農業技術不能只是概念，更多在實際生產過程產生效用的解決方案，中外在交流過程中，可以在這個領域的各個環節發現很多新商業模式。

Q：在數據監管方面，農業數據未來將面臨怎樣的問題？

A：目前農業智能裝備的機械化率提高很快，但農業生產過程的數字化建檔還未跟上，所謂建檔，是指將種植區域和種植品類建模，再結合植物生長模型及必要監測數據，變成可在電腦上推算出來的種植方式，且模型能根據實際情況不斷調整迭代。

國家應該管數據，前提是有數據才能管。對農業這種特別缺數據化的行業而言，前期不應以管為主，我個人認為，國內農業數據至少5-10年不會面臨被監管的問題。

是農產品流通方式還是農業流通方式？

大農戶是不是“農業端”的一部分？

我理解“能力”是一種“動態”，“算法庫”則是一種靜態的“資源”——如果是“建立算法庫”或者“計算”，應該是能力。

為什么？

談馬來西亞的什么？

算法和數據？算法和數據的邏輯關系是什么？

這種句子可以分成幾個短句，要不然非常難讀、也不容易理解。