看农业AI案例，我很容易被“少用一半除草剂”吸引。但如果要判断一项技术有没有实际价值，还得问：省的是哪种药，什么地块省得多，漏掉的杂草怎么办？John Deere的See & Spray提供了一个值得拆开的真实样本。以下依据公开资料分析，试点建议是我的编辑判断，不是亲自下田测试的结论。
1. 先看清：AI究竟接管了哪一步
See & Spray把识别和喷洒接在一起：喷杆上的相机采集田间画面，机载处理器识别目标，再由喷头控制系统对相应位置施药。John Deere的2025年说明介绍了这条执行链。这里的AI是计算机视觉，不需要农户边开车边向聊天机器人描述杂草。
还要区分版本。Select官方页面对应休耕地定点喷洒；作物已经长出来时，则涉及区分作物与杂草的能力。采购或改装时，不能把某一版本的场景、机型兼容性与效果数字挪给整个系列。
2. “近50%”后面，少不了三个限定
John Deere于2025年11月公布：该生长季使用See & Spray的作业面积超过500万英亩，客户的非残效性除草剂用量平均减少近50%，节省近3100万加仑药液混合物。这是厂商公布的历史作业结果，不是2026年的新试验，也不是每块田的效果保证。
我会把“非残效性”“平均”“混合药液”圈出来。它们分别限定药剂类型、统计层级与计量对象。不能据此写成所有农药减半，也不能把混合药液体积直接当成有效成分重量。更不能把用药减少比例直接填进整座农场的总成本表。
3. 同一种设备，不同地块差距有多大
爱荷华州立大学2024年发布的田间示范更能提醒我看差异：研究人员在5块、合计415英亩的大豆田使用See & Spray Ultimate，各田药剂节省比例从43.9%到90.6%不等。原文指出，初始杂草压力直接影响节省情况。
大学示范与厂商2025年汇总的年份、样本和作业条件不同，不能排成排行榜，也不能当作同一组数据互相验证。对实际决策更有用的问题是：自己的地块更接近哪一种条件？此前的管理、杂草分布与当次作业时机会不会改变结果？
4. 如果做试点，我会先建一张验收表
下面这套记录方法是编辑建议。先请农艺人员和设备服务方确认适用作物、药剂标签与作业条件，再在可比地块安排小范围试点，保留原来的喷洒方案作为对照，避免为了展示省药率而改变基本防治要求。
- 效果栏：记录作业前杂草情况，约定复查时间和方法，检查漏喷、复发及作物受损情况。
- 成本栏：分别记药剂、技术许可、设备改装或折旧、维护、人工和补喷费用。
- 条件栏：记清机型、软件版本、天气与作业设置，出现异常时能追溯。
试点前还应约定异常怎么办：画面识别受干扰、设备提示故障或复查未达标时，由谁判断是否停用、怎样切回已经批准的作业方案。当天的记录要同时交给农艺人员和设备服务方，避免只剩一张节省率截图，却找不到当时的设置。对有严格作业窗口的农场，维修响应、备件和培训时间也值得单独核实。
我尤其会保留失败地块。只有最漂亮的一次结果，无法回答下一季是否值得继续投入。验收也不能只看屏幕上“未喷面积”的比例，田间复查才知道省下的部分有没有换来新的问题。本文不提供农药配方或施用剂量，实际用药应遵循当地要求与专业指导。
5. 这个案例给其他行业的启发
我看重的是它把AI判断落到一个可观察的动作上：看到目标、触发喷头、留下结果，再回到现场核对。质检、仓储分拣等场景也可以借鉴这种拆法：先确定AI控制哪个动作，再明确误判的代价和复核方式。
因此，面对“效率提高多少”的宣传，我会先找统计口径和对照条件。省药值得关注，效果守得住、总账算得清、异常有人处理，才有继续扩大使用的依据。
资料来源
- John Deere：2025年See & Spray作业数据（2025-11-04）
- John Deere：See & Spray Select产品说明
- Iowa State University Extension：Precision Spraying Technology（2024-08-22）
资料核对日期：2026年10月5日。厂商作业数据、产品说明与大学示范分别标注，文中的试点清单为编辑建议。
