為實體 AI 打造真實世界的農場實驗室

Reservoir 農場計畫主持人 Danny Bernstein 主張，農業機器人正成為「強健實體 AI」的真實驗證場域，而模擬與田間實作之間的落差，如今已是這個產業最關鍵的瓶頸。整段訪談大多圍繞 Reservoir 農場技術會議展示了什麼、作物育種與農場基礎設施如何為自動化重新設計，以及 Google DeepMind 的機器人與氣象模型能為開發者帶來什麼；標題以「農場實驗室」定調算得上貼切，只是節目談的範圍遠不止於此，還延伸到育種、化學品替代與氣象預測。

與 Bernstein 對談的是 Google DeepMind 的 Paige Bailey，她的模型（Gemini、Gemma、Weather Next）正被 Reservoir 農場上許多新創採用。讀者讀完應該能掌握農業機器人的具體經濟帳（一臺 6 萬美元的自動駕駛拖拉機、賣出 400 臺）、催生這座農場的模擬到實體（sim-to-real）失效模式，以及 Google 如何具體把機器人定位為成長市場、而非研究小眾。

一臺 6 萬美元的自動駕駛拖拉機，證明農業機器人負擔得起

Bernstein 的核心論點是：農業科技長年獨厚大型企業化農場，而價格是否親民，正是檢驗這個產業值不值得做的標準。曾在 Reservoir 農場演示的 Bonsai Robotics 已賣出超過 400 臺機器人，硬體已推進到第三代。目前產品是一臺 6 萬美元的自動駕駛混合式拖拉機，可在多年生作物與畦作作物之間彈性切換——同一臺機器既能跑草莓園，也能跑葡萄園——並搭配模組化掛載配件。Bernstein 說這條產品線已經售罄，並稱這個價位「具破壞性」。

「農業科技有一段不幸的歷史，就是實際上真的、你知道，比較偏向有利於整併、有利於企業化農民，我常說，如果那就是我們的終局，那我們現在就該收手別做了。」

Bernstein 把 Bonsai 的成功歸因於它的 DNA 是機器人優先，而非農業優先：這家公司深入加州農業與鄉村經濟，摸清價位與耕作體系，但核心專長仍是機器人。他把這點歸納成一個模式——願意深耕鄉村地區的公司（Bonsai、Orchard Robotics、Carbon Robotics）正是那些「開始看起來像創投規模公司」的企業。

新創拿到錢時，還碰不到農場

Reservoir 之所以存在，是因為一個被量測出來的落差。Bernstein 的團隊在規劃這個計畫、做前期訪談時，問新創在拿到創投資金後多久才能接觸到農場。答案是：平均在募資完成後六到九個月。Bernstein 直接把當中的荒謬點出來——為了一臺農場機器人募了幾百萬美元的 pre-seed 輪，卻根本沒有農場可用。

Reservoir 的回應是提供一座免費農場，而 Bernstein 說新創對它的使用率仍偏低。這個計畫正在打造一個農場上的技術社群，沒有前例可循。第二季起，Reservoir 把每週切分開來，每週保留一天安排大型種植者到場參訪——Bernstein 點名 The Wonderful Company、Driscoll's、Taylor Farms 為例——並安排結構化的回饋座談，還會提前三個月把這份行程表公佈給新創，「幾乎就像一份足球賽程表」。

更難解的是文化問題。Bernstein 說農業與科技講的是「完全不同的語言」，而種植者必須能接受不符宣傳的雛型，且不會因此傷到公司或工程師的名聲。他指出種植者本身就是愛動手改東西的人——他們有作物種失敗、有自己打造卻失靈的農機——他希望「把立足點拉平」，讓更多工程師在農場上感到心理安全。

模擬很誘人，田間一試就破功

Bailey 舉了一個警惕性的例子：有家公司打造無人機，在葡萄園上空觀測葡萄，掛著相機沿預設軌跡飛行以合成資料。在模擬環境裡一切正常。但一下雨，無人機的飛行軌跡就愈飛愈低，最後整段航程跑完時，鏡頭畫面裡全是泥巴。他們完全沒有因應天候的機制。

Bernstein 的說法是，模擬環境已經變得如此吸引人，以致機器人專家在裡面看到的進展比田間還多。他稱農業科技公司是「浴室歌手」，得「拿起麥克風」到真實世界證明自己。Bailey 補充她在農場聽到的限制清單：所有東西都得用柴油驅動，因為田裡的電池可能漏液，再加上極端溫度與壓力——她形容這些條件更像在月球或火星表面作業，而不是「帕羅奧圖某條有樹蔭的街道」。

與之抗衡的是 Google 自家的工具。Bailey 說機器人 trusted tester 計畫已有數百家企業參與，包括公開提過的與 Boston Dynamics 合作，而 Gemma 模型正被微調應用於醫療、製藥與機器人等場景。她最喜歡的例子：20 億引數的 Gemma 模型跑在 Raspberry Pi 5 上，讓機器人具備對話能力與工具呼叫（tool calling）來移動——她說這在一、兩年前根本做不到。

作物與果園正為機器重新設計

SAMI Robotics 的自動萵苣與十字花科採收機目前就在 Reservoir 農場上。這家公司是法裔加拿大人創辦，工程師在蒙特婁、現場工程師在 Salinas——Bernstein 說看他們溝通「真是奇觀」。它正在採收拜耳（Bayer）一個為自動化育種的長莖青花菜品種：青花菜會突出於植株冠層之上，更容易辨識與採收。Bernstein 稱這是首批為自動化而育成的品種之一。

更廣泛的轉變是「2D 樹」——把果樹以二維方式整枝生長的棚架系統。這種做法對人工採果本來就比較省力，等自動採收機到位時也更能配合，不像「棒棒糖」式樹形會把果實遮住。Bernstein 說這在加州與華盛頓州已具規模的果樹產區已看得到，但自助採果農場還沒有，因為那裡仍要滿足「田園牧歌式的期待」。

Bernstein 說種子公司與遺傳學家現在看到演示後，紛紛得出自動採收在一到五年內就會實現的結論，這正推動「為自動化而育種」成為一項研究計畫。他也謹慎指出，風味目前還沒納入設計：「現在青花菜上更多是結構設計，未來會把結構與風味結合起來。」

物理手段開始在農場取代化學品

Bailey 對比了過去的農業創新——主要來自化學，肥料、殺菌劑——這些化學品擾動了土壤與人體的生化平衡。她主張，機器人讓採收流程更順暢，又不引入新的化學品，並提到農場必須發布的噴藥日公告，是創新可以減少的東西。

Bernstein 把這股趨勢稱為「物理取代化學」，並指向電擊除草。他點名澳洲公司 Zennio，以電擊方式除草，但形容它「更像是鈍器」；他說全球大約有半打在採用不同方法的電氣化解決方案。他也提到 Zennio 在 LinkedIn 上的一則預告——田裡一個巨大喇叭的照片，配上「即將推出」——暗示可能用音訊、震動或聲波來除草。

法規背景很關鍵：Bernstein 說加州正變成監管愈來愈嚴的環境，不再核准新的化學品，所以選項只剩生物性方案（需要 AI）或新的物理方案（需要資本）。

Google 把機器人當成長市場，而非實驗室裡的好奇玩意

Bailey 說實體 AI「絕對是 DeepMind 視為優先的事」。她描述的轉變是架構性的：以前你得為任何一臺特定機器人微調專屬模型；現在 REST API 就能控制機器人、並在上面寫程式執行，把過去需要客製系統與專業知識的事民主化了。她把未解的問題定調為替機器人帶來「ChatGPT 時刻」，並問「我們能為世界培養出多少機器人專家」，還把它跟教育、以及黃仁勳所說「每家公司都將成為機器人公司」連結起來。

在 Google 待了 10 年的 Bernstein 回憶，當年機器人是「小眾中的小眾中的小眾」——他曾猶豫要不要讓一名團隊成員花四分之一的時間在機器人合作案上。如今他說，「大家爭先恐後地卡位機器人」。Bailey 證實了內部變化：雲端團隊現在託管許多過去由基礎研究團隊贊助的研究型機器人模型，而且已有專責機器人的業務與客戶工程師。

模型方面，Bailey 說 Gemini 模型可以呼叫程式碼執行來做影像分割、為植物型別做 2D 與 3D 邊界框，而 Zumi Robotics 團隊直接拿開源的 Gemma 系列做分割。Orchard Robotics 在農場上則用 Gemini Flash 模型做作物掃描視覺。Bernstein 談到彈性模型為何重要：當裝置要支援多個品種時，「你需要一個能彈性處理的模型，而不是隻為單一任務微調過的。」

氣象與衛星資料是自動化農場缺的那一層

主持人 Grayson Brulte 肯定 Google 的 Weather Next 模型在準確度與歷史資料上的表現，並問它能否在自動化農場上執行。Bailey 證實 Weather Next 現在已可用，客戶涵蓋金融、作物規劃與個人用途，並說有機會把它更深度整合給農民，搭配 Google Earth Engine 做規劃、視覺化，以及地形與衛星影像。

Bernstein 指出，學術界早已在研究中使用 Earth Engine 等 Google 工具，但過去缺乏接觸對外推廣或開發者關係團隊的管道；Bailey 的加入形成了回饋迴路。Bailey 提到加州現有的火災與洪水警示圖層，並說天氣條件圖層——特定時段的風、高溫、溫度警示——會很有價值，最後補上一句：「你給我們愈多回饋，我們就愈知道該做什麼。」

推動採用的會是人力問題，不是技術問題

被問到社會是否準備好迎接農場的大規模自動化，Bernstein 回答這是「需求催生的發明」。農業規模上不去、也不賺錢，加州農地還在流失——這跟起草電子郵件之類的領域不同，那些是科技去顛覆一個本來運作良好的現狀。他把自動化定位為「為了韌性的科技」，是「農場能不能繼續經營、還是得關門的差別」，是圍繞人力、投入成本與氣候的戰力倍增器。

他也反駁「取代人力」的說法：即便是最先進的機器，仍有大量人力在其中把關，所以這是協作機器人（cobot）與技能升級的故事，而非全面取代人力。在地理上，他預期為自主化調校過的耕作方式會先在成本高昂的市場整併——加州、澳洲、西歐——再擴及南美產區，而改種需要種植者投入資本，畢竟他們用棒棒糖式樹形已經幾十年了。

Bernstein 也點出一個更大的類別：採礦、海岸復育、海洋與核能領域的新實體 AI 實驗室。他把 Reservoir 的差異定位在地點——它坐落在一個 5,000 億美元的農業經濟體、世界葉菜與草莓之都，而不是舊金山某個模擬環境。他想鼓勵的動作，是開發者離開帕羅奧圖，「穿上法蘭絨襯衫、套上靴子」。

貫穿各段的主線是：實體 AI 的瓶頸已從模型轉移到實體與制度基礎設施——農場使用權、作物結構、電力來源與種植者的信任。尚未化解的張力在於時程：Bernstein 說自動採收一到五年內就會實現，育種計畫也已在回應，而 Bailey 的模擬到實體案例則顯示，部署可能只因為一個天氣變數就慘敗。接下來值得觀察的資料點是：Reservoir 第二季的種植者行程表、華盛頓州果樹產區的 FIRA 大會（Bernstein 說再一個月就要登場，會吸引數百家新創），以及 Google 是否真的推出 Bailey 預告的農場專用氣象與 Earth Engine 圖層。