多多农研科技大赛:50平方米植物工厂种草莓,113天采收284.45公斤

资讯 极客公园 作者:极客老友 全文 5004 字 · 约 13 分钟读完

贝索斯没算平的草莓账,一群中国年轻人解决了。

这大概是你能见到的最安静的一片「草莓地」。
房间里没有虫鸣,也听不到鸟叫。50 平方米的空间,草莓植株一层层往上码,一直堆到头顶。叶片舒展开,虫眼几乎找不到,枝头上挂着尚未转红的青果,也有不少已经熟透。不靠天、不靠地,草莓在这座赛博农场里被「种上了天」。
这片植物工厂属于第五届「多多农研科技大赛」一等奖得主赛博农人团队。5 月 12 日定植,草莓等了 113 天才迎来头一次采收;采收持续 50 天,累计产量 284.45 公斤。平时照看它们的,只有 1 名工人。评委贺冬仙说,再给半年时间,这一架草莓的产量会相当可观。
可每一束光、每一度低温,背后都是钱。过去几年,Plenty、Bowery、Infarm 等明星垂直农业公司接连破产或停运。到 2024 年,中国已有 493 座植物工厂,研究机构、照明企业纷纷入场,其中不少同样在亏损。
植物工厂商业化,始终只差临门一脚。种出植物不算结果,这几年技术一直在进步,成本的账却始终算不平。近两年,前沿技术更深地介入种植,光配方、环控算法和立体栽培的迭代明显加快。据大赛评委、中国农业大学水利与土木工程学院教授贺冬仙估算,照一等奖获得者赛博农人团队这个势头,全年持续生产的话,每平方米能产出 8 公斤草莓,追平全日本一季植物工厂草莓的最高单产水平。
50 平方米、国产设备、有限经费、选手不能进厂、操作工是新人,正是这些约束把植物工厂最真实的难处逼了出来。软硬件到底好不好,得由植物来判断。
国产植物工厂方案离商业化还差什么?当工程师的算法遇上老农的经验,未来农业会变成什么样?拼多多连续五年办这场比赛,用意也在这里:从帮农民把农产品卖出去,走到用技术帮农民把地种好。商业化前夜,这更像一次互相校准。

01

九死一生的垂直农业,
为什么最后都押注了草莓?
把过去几年倒下的垂直农业公司列一张名单,会发现一个奇怪的规律:种生菜的几乎全军覆没,活下来的都只种一种植物——草莓。
仅 2025 年一年,室内农业相关的破产就有 14 起。以种叶菜为主的 Bowery 停运,Infarm 裁掉近一半员工、退出欧洲;背靠软银、沃尔玛和贝索斯的 Plenty 破产重组后砍掉所有业务,只留下一座草莓工厂。草莓为什么这么受偏爱?既然大家都押注草莓,为什么全世界至今还没有一座草莓植物工厂能单靠卖草莓收支持平?
第一届「多多农研科技大赛」6 年前比的也是草莓,那几支 AI 赛道队伍没到现场,而是在云南富民的高原温室里远程操作,跟当地农人同场较量。产量上他们赢了,平均比传统农人高出 196%,甜度却差了一截。之后的比赛换过樱桃番茄、生菜,还把土壤和阳光都去掉,把赛场搬进了植物工厂;到了上一届,选手得在预算之内自己动手,把集装箱改成植物工厂。
比赛现场种植出的草莓,口感软滑 | 来源:极客公园
隔了三届,今年为什么又种回草莓?
中国农业科学院都市农业研究所首席科学家杨其长提到,这离不开草莓的特殊性。
说白了就是:比草莓好种的没草莓值钱,比草莓值钱的没草莓好种。
叶菜生长周期短,适合人工光,早期植物工厂几乎都种叶菜,但它的溢价很难比露天和温室种出来的高太多。
草莓在露天和温室种植,产季主要集中在 12 月到次年 4 月,其余时间基本种不了。草莓必须经历夜温低于 12 度的花芽分化,在热带甚至根本种不出来。遇上天灾或者气候不给力,草莓也难长好,完全靠天吃饭。而环境控制,恰恰是植物工厂最擅长的事。
中国农业科学院都市农业研究所首席科学家杨其长
换句话说,草莓卖得贵,靠的几乎就是「错季」两个字。市场上没货的那段时间,植物工厂的草莓价格能盖住成本;可草莓季一到,它拼价格拼不过大棚草莓,全年不断的水电和运营开支就更难扛。海外活下来的玩家走的是高端路线,Oishii 刚起步时一盒卖到 50 美元,可这种价位很难变成普通人的日常。各地对草莓的用法也不相同:欧美多拿它做果酱和甜品,产量高就够;中国、日本、韩国的消费者买来鲜食,讲究的是口感。
贺冬仙坦言,到现在为止,还没有哪座工厂能证明卖草莓可以把草莓植物工厂的本钱赚回来,「但这并不能说明未来三五年之内不能出现」。这一届比赛要解的正是商业化这道题:50 平方米的场地、有限的经费、国产设备、没有经验的操作工,品质、能耗和成本还得同时顾上。
在这样的条件下,他们会给出什么样的中国解法?

02

170 天,一群工程师被草莓「上了一课」
「最终还是要用植物来检验。」贺冬仙说。这句话几乎贯穿整场比赛,不管是老专家还是领域新手,最后都被一颗草莓上了一课。
麻烦比预想中来得更早,根子甚至能追到种苗上。5 月赶上种苗淡季,拟生态团队为省成本,从浙江建德的地里拉来一批苗,进厂之前做过处理,表面看着干净,却没灭菌,先招了蚜虫,接着又起白粉病。隔壁欧普智莓的工厂同样栽在苗上:AI 在 5 月中旬认出叶螨,一个月后类似炭疽病的真菌又扩散开,这支用电最省的队伍收成并不好看。
拟生态团队搭建的 50 平方米比赛场地一角 | 来源:极客公园
苗的问题不只是干不干净。真正更早决定一座工厂上限的,是选什么品种。
中国是全球最大的草莓生产国,长期种的却是进口品种。日本「红颜」在中国的种植面积,是日本本土的 8 倍多,草莓品种权的话语权一直握在国外手里。这届比赛要求全程用国产品种,粉玉、越王、越秀轮番上场。可这些品种原本是为大田和温室选育的,进了植物工厂会是什么表现,参赛队员心里都没底。
就算育种人亲自下场种,也在室温和根系温度之间判断失误。
种苗之外,第二个让选手翻车的因素居然是人。植物工厂里灯、温度、水分、肥料全都可控,唯独操作工不可控,于是人的每个动作,影响都被放大了。
比赛规则不许选手进厂,170 天里的日常照料全交给工人,而他们大多不是专业种植人员。有些操作,工人未必懂背后的用意,选手又只能靠工人的汇报判断情况。「你问他每天长怎么样,他说不明白,有可能就拍一两个地方看看。」莓立方的队员说,不少镜头之外的问题就这么被漏掉,等发现已经晚了。赛博农人也承认一开始「缺乏考虑工人作业因素」,指令下得不够细,执行回来总有偏差,好在发现得早,补得也快。照明、空调、灌溉都能交给系统,唯独判断草莓长势最难交出去。它涉及植物本身的生理,「有一定随机性和未知性」,至今仍离不开资深师傅的眼睛。
有些事情连人都摸不着头脑。莓立方的熊蜂进厂后闹起了「罢工」——近百只蜂不出巢,啃花,还蜇人。查来查去,原因是蜂箱被放在了噪音和气流扰动最凶的位置,蜂群应激了。偏偏熊蜂又是红色盲,植物工厂里常见的红光、白光在它眼里等于没开灯,花都认不出来。拟生态团队没别的办法,只能在灯里掺进紫光,算是给熊蜂「指路」。
在植物工厂里,连一只蜂的感受和视线都得算清楚。AI 越来越会种地的时代,人的价值反倒更清晰:工程师要学会让不懂植物的人也能看懂草莓的情绪,专家把几十年经验翻译成算法能懂的话,工人则是工厂里最后的眼睛和手。

03

「懂植物的工程师和懂技术的农民该站一起」
工程的力量,是把过去非标准的东西标准化。种草莓靠经验、靠手感,是农业里最难标准化的事情之一,这届比赛逼着选手把它拆成一项项可以计算的技术。每个技术方案到最后,都得算清楚每一度电、每一滴水该怎么消耗。
光在植物工厂里是最大的一笔电费,也是最好的调味剂。赛博农人的工厂里,光占了总能耗的近一半。他们自研的白红 LED 灯具把红光和蓝光按 2.9 比 1 调配,在不减产的前提下提高了草莓的甜度,系统还会根据冠层图像判断植株所处阶段,随时调整灯光。拟生态的灯比别支队伍多装了 20 千瓦,供电却撑不住,一组灯始终没能打开,成了赛事遗憾之一。
除了光,节水也是降本的路子。赛博农人团队连空调除湿时冷凝下来的水也没浪费,回收率超过 75%,又送回去浇了草莓,一点资源都不肯放过。
莓立方团队的种植架每层均配备独立风扇,构建高效的内部空气循环系统
在植物工厂里,空间能用到什么程度,说到底取决于均匀度。四支队伍分到的都是占地 50 平方米的工厂,路数却完全不一样。轨道移动栽培架成了共同选择——几排架子平时拉开距离,工人干活时收一收,腾出一条通道。赛博农人靠这个把种植面积做到了 126 平方米;莓立方盯的是每一层能不能长得一样好,中央风道分出 110 根细风道通到冠层,等于给每株草莓开了个「专属呼吸孔」,上下层温差被压到 0.5 度以内;拟生态则赌密度、抢产量,一口气种下 4400 余株,后来才发现受环境控制要求限制,这座工厂装不下这么多,灯开不满,光照跟不上,草莓反而越结越小。
此次比赛一等奖获得者赛博农人团队 | 来源:极客公园
真正握住这些钥匙的,是工厂的「大脑」。从前是人替植物定好环境,如今反过来,植物的需求推着环境走。赛博农人管自己这套大脑逻辑叫「与植物对话」:第一步,把专家经验和文献知识汇成一张覆盖草莓全生育期的知识图谱,当作环境参数的起点;第二步,把整座工厂视作一片巨大的叶子,持续监测其中的二氧化碳交换和蒸腾,判断这群草莓当下是在呼吸还是在光合。
莓立方则给草莓建了一个数字模型,让算法先「模拟种植」,现实再照着执行,技术的力量正在逐渐渗透到各个环节。
不过这个大脑还没长全。吕兆晨说,团队里的专家瞄一眼叶片边缘的焦黄,三秒钟就能判断是缺水还是缺光,「我们可以把其中一个环节写成代码,但那三秒的整体感,我至今不知道怎么建模」。「未来农业不是不需要农民,而是需要懂植物的工程师和懂技术的农民站一起。」吕兆晨说道。

04

在农研的慢赛道上,
拼多多搭起一座「练兵场」
一位莓立方的队员说:「参加比赛之前,我一直以为做农业的人不多,与我同龄的人更少。」在上海交大,搞农业的本来就少,肯做植物工厂的更是少数,这算是小众领域里还要更窄的一个方向。但这场比赛里,这位队员碰到了赛博农人那批年纪差不多的同行,也见到育种专家、企业工程师从截然不同的角度琢磨一颗草莓的长势。「我们不是一个很庞大的群体,但至少还有同龄人。能在植物工厂这条路上有结伴同行的人,对我来说非常重要。」
这条路要人多,也要技术一直跟得上。比赛收场了,植物工厂的事还没完。拟生态团队的浅液流方案已经在新加坡一所大学里跑了一年多;莓立方团队正推着自己的工厂进交大校园,做教学基地;上一届的墨泉团队更早,把植物工厂搬到了西藏亚东,让近十年才吃上叶菜的当地居民,吃上了家门口种出来的新鲜蔬菜。
拟生态团队走的是浅液流栽培路线,头茬草莓大约 40 天就采了下来。(来源:极客公园)
这场比赛对拼多多而言,不单单是一笔科研投入。它靠农产品电商起家,农业既是立身之本,也是这些年一直砸资源的方向。2025 年,拼多多推出「千亿扶持」计划,农业科技的投入继续加码,多多农研科技大赛就是其中的重要载体。在拼多多的理解里,助农不能只停留在帮农民把货卖出去,还得用技术去啃农业里的硬问题。赛题被放进真实生产环境,高校、企业、育种专家在同一块地里试错,结果再交给大众评审,由消费者来检验。用拼多多的话说,这是件「难而正确」的事,也是一家从农业里长出来的公司回头给农业补的长期功课。
大众评审员正在对大赛收获的草莓做感官评价
一颗草莓牵出的,是范围更大的农业变化。到 2024 年,全国现代设施种植面积已有 4000 万亩;2025 年,农产品网络零售额到了 7833 亿元,越来越多果蔬被消费者在手机上下单、直接送上餐桌。人们要的不只是买得到,还盼着品质稳、四季不断供,这些期待最后都得靠田间地头的技术一点点兑现。植物工厂里磨出来的光配方、环控算法和种植经验,也不会一直锁在那 50 平方米的赛博农场里。
「农业是一个慢赛道。」欧普智莓的队员说,这个行当需要时间沉淀,需要大量真实数据,也需要一轮又一轮复盘和迭代。有人全力奔向具身智能、飞行汽车的时候,另一拨人把 AI 用在了离土地最近的地方——在一座安静的草莓工厂里,为温度、熊蜂和电费折腾了 170 天。前沿科技决定我们能走多远,而这群有创新思维的青年人,决定未来科技能不能真正落回生活、落到每个人身上。
本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 埃森哲报告被指15条引用造假:AI幻觉还是编造案例?

    IT之家 11 月 8 日消息,埃森哲(Accenture)被指发布了一份充斥人工智能“幻觉”的研究报告,其中不仅包含大量虚假信息,还出现了多处疑似捏造的研究案例。据 GPTZero 最新分析,这家咨询巨头发布的一份报告涉嫌包含 15 条虚假引用,以及完全虚构的案例研究,因此正受到外界审查。这份名为《跨越式发展》(Le

    来源 腾讯网
  2. 对美加征关税再调:24%税率续停两个月,10%维持

    国务院关税税则委员会11月9日发布关于调整对原产于美国进口商品加征关税措施的公告。根据公告,自2026年11月10日13时01分起,在2个月内继续暂停实施24%的对美加征关税税率,保留10%的对美加征关税税率。

    来源 TechWeb
  3. 上海微电子前道光刻机模型进博会亮相:自主化阶段性成果落地

    IT之家 11 月 8 日消息,第九届中国国际进口博览会于 11 月 5 日在国家会展中心(上海)开幕。 本次展会上,上海微电子装备(集团)股份有限公司(简称 SMEE)携自主研发的新一代前道干式光刻机通用技术平台模型正式亮相,展示我国前道光刻装备自主化的阶段性成果。 据介绍,SMEE 成立于 2002 年,是国内唯一

    来源 AI 行业观察
  4. 清华团队让韦布望远镜看得更远:AI算法从噪声里捞星星

    凌晨两点,清华大学的博士生郭钰铎突然从电脑前跳起来。算法跑通了 —— 暗弱的星星从满屏雪花点的噪声里浮现出来。他激动地给组里所有人都发了微信,没一人回他…… 但那一晚,人类能看见的宇宙悄悄变远了:他的算法,让价值 100 亿美元的韦布望远镜,看到了以前看不见的东西。 图源:果壳视频 显微镜和望远镜,是一类问题? 202

    来源 AI 行业观察
  5. AI项目试点成功却跨部门失灵:复制粘贴为何行不通?

    试点项目在销售部跑得挺好,老板说"推到客服部去"。你以为复制粘贴就完事了,结果并不是。AI 项目复制到第二个部门,产品经理得先改这三样东西。 我做 AI 项目这几年,有个很明显的感觉:试点项目容易,规模化太难了。 几乎所有项目都是从一个部门开始试点的。选一个配合度高的部门,数据也比较干净,负责人也支持。花个半年时间把项

    来源 AI 行业观察
向下滚动自动加载更多