编者按：“赛博新农人”、机器人训练师、算力调度员…… 5年前还很少有人听过这些头衔。

当一些人担心AI会抢走饭碗时，另一群人已经端起新饭碗——他们不写代码，却每天都在教机器认识这个世界；不扛锄头，却一个人管着上千亩地。

我们走近几个AI时代的新职业。这些人未必懂深度学习原理，但他们的日常工作，恰好解释了AI是怎么从一堆数据变成可用的工具。故事可能不够酷，但足够真实。

本刊记者 谢玮

早上9点半，屏幕上弹出一条告警。一张番茄叶片的照片被圈了出来——新叶皱缩变形，叶脉间出现不规则黄斑。系统提示：“疑似病毒病，建议用药：氨基寡糖素+盐酸吗啉胍。请安排现场人员核实。”

郭玲娟在键盘上敲了几下，通知现场技术员。几十公里外的温室里，工人按照系统推送的位置完成精准施药。从发现到处置完毕，不到半小时。

这是她日常工作中再普通不过的一个片段。作为麦麦科技农业种植基地生产技术部主管，她每天的工作不再是一脚泥一脚水地扎在大棚里，而是通过农业AI平台，同时管理分布在不同基地的数百亩作物。

植物工厂鲜食生菜种植

植物工厂监测大屏实时画面

新农活

郭玲娟本科读园艺，研究生学设施栽培，科班出身。传统农户怎么防病？她太熟悉了：全田漫灌式喷洒，“一周打两次药，不管有病没病，打完心里踏实”。

AI的路数完全不一样。

拿番茄来说，后台提前录入了2000多张病虫害照片。在摄像头拍的番茄叶子中，AI一旦识别出异常，系统就弹出窗口，建议用药并提示人员现场确认。

“同样的病虫害，AI能识别出来，人未必能识别出来。”郭玲娟解释，当孢子刚聚集，还没表现出肉眼可见症状的时候，AI就能预警。而人用眼睛看，基本得等到症状明显了才发现，“早期介入就能实现点防，只处理发病点，不用全田施药。”

这套体系铺开后，变化更加直观。

郭玲娟手里管着3个基地：一个植物工厂，六层立体栽培，实际种植面积相当于12000平方米，现场只需一人负责扦插育苗和巡检；一个30多亩的玻璃温室，种番茄和西甜瓜；还有一块700多亩的智慧大田，无人农机自动完成播种、打药、收割，唯一的农机手干得最多的活是检修保养机器。

盛夏时节，田间温度能超过40摄氏度，过去只能硬扛，现在繁重作业交给智能农机，人在控制台上下指令就行。

“以番茄栽培生产为例，以前一个农户管两亩地就不错了。”郭玲娟向记者算了笔账，“现在大规模种同一品种，一个技术员人管一二百亩轻轻松松，远程管40公顷、50公顷都没问题。”

新农事

如果说AI是农业领域的新引擎，那么数据就是它的燃料。郭玲娟告诉记者，每个种植基地都配备有专职数据采集员。

这份工作具体做什么？她描述了一个典型场景：每周两次，采集员按“N字型”路径走点位，选取3组采样点，共计18株植株，逐一采集数据。

数据内容包括株高、茎粗、坐果数、单果重、叶面积……这些数据会与同期环境数据——温度、湿度、光照、CO2浓度等——进行匹配，反过来不断校正作物生长模型。

“数据量填得越多，模型越精准。”郭玲娟提到，荷兰瓦赫宁根大学的番茄数据模型积累了50年，到现在还在持续收集数据来矫正。“因为植物是生命体，永远有新情况出现。”

这些数据也让沿袭多年的种植经验被重新审视。

她举了个例子：老观念认为，昼夜温差越大、果实越甜。但数据跟踪后发现，温差拉得太大，番茄长速变慢，糖度虽然高了一点，植株却扛不住了。“本来能长一年的番茄，五六个月就早衰了。”

在她的团队中，基地端配备数据采集员，公司端设有数据分析师，负责将采集数据与AI模型输出进行比对，再由园艺技术人员作出综合判断，反哺模型优化。

不过郭玲娟也清醒地知道，现在AI农业还处于初级阶段。

比如，有时候番茄同时感染霜霉病和角斑病，现有模型就识别不了——模型还没见过“两种病同时长在同一片叶子上”的图片。再比如，黄瓜霜霉病的数据模型很成熟，但同一个病菌发生在油菜上，模型又不认识了，因为症状差异太大。

新农人

技术在跑，人也得跟上。

“我们做AI种植，目的是‘傻瓜式’种植。但这个‘傻瓜软件’你得会用，跟以前诺基亚老式手机和现在智能手机的区别一样。”郭玲娟这样概括。

眼下，政府推进的新型职业农民培训和数字农业培训，内容包括智能农机操作、数据平台使用、系统控制面板认知等。麦麦科技也承接了部分培训任务。

郭玲娟观察到，这几年参训人群已经在变。“许多返乡创业的年轻人开始进来，他们要学的是怎么看图、看数、读懂AI反馈。”

麦麦科技已开始向国内多个园区提供远程种植管理服务。

“农业不再是传统农业了。激光补光、LED补光、正压负压通风系统……很多其他行业的智能装备和材料都渗透进来。”郭玲娟说，“这个行业正在打开，年轻人进来，有很多事情可以做。”

田间地头的故事，正在重写。在这场变革中，新职业、新岗位加速涌现，重新定义着“谁来种地”与“怎样种地”。