在内蒙古牧场，达布西种着1.5万亩苜蓿。这种开着紫色小花的牧草含有很高的蛋白质，是奶牛最佳的食物。但这也是一种不好打理的作物—达布西售卖的是干鲜草，为了保证牧草的蛋白质含量和色泽的新鲜度，最好是以阳光自然晒干。所以到了牧草收获季，达布西最操心的是准确找到一周左右的无雨期收割和晾晒牧草。一旦判断有误，收割后遇上下雨，苜蓿就只能用机器烘干，卖价会大打折扣。
　　达布西习惯看电视里的天气预报，手机上还装着天气App，但这些预报都是大范围的，不会提供精准到草场区域。而辽阔的内蒙古大草原上，“东边日出西边雨”的现象经常出现。去年，一家名为佳格的农业大数据公司找到达布西，向他推荐一个农事管理平台“耘境”，它能为草场区域提供更加精确的包括温度、湿度、风速和降水的气象监测。达布西抱着试试看的态度，掏几万元购买了这项服务。
　　双方最初的合作很不理想，达布西常常收到天气预测微信，提示会在几点几分下雨，但等到那个时候，却是万里无云。“告诉我早上六点下雨，结果晚上九点才下，人家都在收割，我却像个傻子一样看着，什么都没做。”达布西颇有怨言。在一个月后的一个早晨，达布西收到了强雷暴天气预警。看到这样灾难性的预警，达布西提前收割了苜蓿。 3天后，一场冰雹砸坏了周围的草场，只有达布西躲过了这场“天灾”。这场如约而至的冰雹也让佳格的创始人之一张弓松了一口气，因为这是达布西对佳格“残存的信任了”。
　　从国家开放土地流转以来，像达布西这样经营着成千上万亩土地的“大田农户”越来越多。农业是典型的重资产行业，前期就需要投入高额的土地流转租金，整个耕作季还会涉及数十项农事决策，哪怕只是做错一个决定，造成1%的损失，整体效益差别也会很大。
　　佳格所做的，正是帮助这些农场主精准管理自己的土地。“当只有一亩三分地时，农民比我们了解土地情况，但如果是成千上万亩土地，就需要我们的服务了。”佳格另一位创始人顾竹告诉《第一财经周刊》。
　　张弓和他的团队都不是传统意义上的农民，从来没有下地干活的经历，他们“看”农田的“慧眼”，是距离地球万里之遥的卫星。佳格通过购买和合作两种渠道获得卫星遥感数据，应用拥有自主知识产权的图像解析和数据分析算法，从浩瀚的卫星数据中提取需要的空间地理信息，再结合过往的气象和植被数据库，形成自己的大数据库，为大田农户提供地块测算、种植区规划、长势监测、产量预估、病虫害防治指导等农事全流程服务。2015年9月，佳格获得经纬中国和磐谷资本的千万元级天使轮融资，今年4月，完成由DCM领投，经纬中国、磐谷资本跟投的6000万元的A轮融资。
　　张弓曾经在美国航空航天局（NASA）Ames研究中心担任了8年数据科学家。他的日常工作是通过分析卫星遥感数据，监测地表作物的生长情况。这让他自然而然关注到了美国的农业状况。在美国的家族农场中，往往几个人就能管理上万亩的土地，这样高效的关键正是借助“精准农业”技术。从1990年代初，美国就在农业中采用卫星定位系统技术，采集信号分析土壤肥力，对不同长势和状况的地块应用不同的施肥方案。这些精细化管理的地块产量比传统平衡施肥地块产量高30%左右。“美国曾经从规模化生产中得到了红利，但没有享受到精准管理的红利，如今要提高收益，需要精细化。”佳格的副总裁张文鹏对《第一财经周刊》说。
　　2013年，农业公司孟山都斥资9.3亿美元收购了一家创业公司Climate Corporation。这家公司利用历年的氣候数据，为农户提供精确的小范围气象预测，指导作物生产。

　　这一收购事件直接刺激到了张弓。“同样是做技术，凭什么他们能够商业化？”张弓发现，美国当时搞农业大数据的人“基本上都是从Ames出去的”。这也让他萌生了回国创业的念头。但最初，张弓只是拉上同样在NASA工作的王蕴刚，开发自己的深度学习算法模型，用于卫星图像识别。他意识到这是他们的强项，也是未来公司的核心优势。
　　整整用了两年时间，整个算法系统才基本成型。最开始，他们就选择了使用卫星数据，包括分辨率高，但重返速度慢的WorldView，分辨率较低但重返速度快的公用卫星则选择了国内的“风云”。这些卫星传输回地面的均为原始数据，必须转换成图像才能使用。以往这个过程更多依赖于人力，包括图像微调和数据核对。张弓的做法则是用算法模型自动分析和调整图像，免去中间的人力环节。后来，在NASA负责机器学习的顾竹也加入了团队，主要负责地块识别工作。
　　在正式辞职前，张弓和王蕴刚游历了中国从南到北十多个省，观察中国农业生产状况。出乎张弓意料的是，中国农业的机械化程度集约化程度超出了他的预期，他们观察，到农村基本只有55岁以上的人还在手工作业，还衍生出了中国独有的农机社会化服务。“很多农事会外包给农机户，收夏季小麦时他们能从湖北北部收到内蒙古，整个时间跨度长达几个月，农机利用率甚至高于美国。“这就意味着，我们农业里有很多先进的因素，在其中数据能够发挥作用。”张弓告诉《第一财经周刊》。2015年年中，他们3个人回国创立了佳格。
　　佳格的服务对象一开始就确定为“大田农户”，也就是拥有2000亩以上土地的大型合作社、农垦集团或个人。他们的第一个客户是吉林省吉林市棋盘村的合作社，与这家客户的合作从最易于认同的地块管理开始。合作社管理的6000亩土地被分割成了几百块。这几百块地分布在好几个村，即使只是开车绕着农场大体转一圈，不到地垄上仔细检查，也得花费半天时间。除了分布不集中，这些土地种的作物也是多种多样，有些土地中间种马铃薯，周围又会种一圈玉米。合作社要靠传统人力把自己的地块和作物弄清楚，工作量和成本难以想象，而且“农业是个良心活，大热天的谁会真正下地认真帮着核查呢？”张文鹏说。 　　佳格的深度学习算法模型正是在那时发挥了作用。在卫星图像上，通过图像识别和深度学习，系统能够通过土地纹理、地垄方向、植物间距等辨认出农地，用不同颜色标注出客户的土地位置，从而划分出地界、计算土地总面积。
　　这种在系统界面“虚拟集中”的方式，让客户首先能够远程监测自己的土地，“一目了然”。“先不谈精细化，我们先完成基础管理，告诉客户地有多少、现在种了什么、耕地位置究竟在哪里。”张弓说。
　　实时监测成千上万亩作物的长势也是耘境系统基础模块中的重要部分。这部分是张弓在NASA的老本行，他知道如何分析这类数据。比如植物叶片生长时会吸收太阳中的红光，并会反射近红外光，耘境系统可以从数据中筛选出红光数据和近红外光的反射数据，通过算法模型，判断某地植物的光合作用情况，再加上不同颜色的标注，让植物长势一目了然。目前佳格的长势预测模型已經能够精确到0.5米。
　　佳格目前已经实现对每一个地块的实时监测，为客户的农事决策提供量化依据，比如一块土地遭遇虫灾，过去，客户只能在上千亩土地上都喷一次农药，但一旦清楚每块地的长势后，可以精确地为某一小块地补水、除虫或施肥。
　　达布西的苜蓿地由一个个圆形草圈组成。每个草圈正中有灌溉设备，伸出的机械臂类似于圆规笔头，直径有120米。“我们通过卫星图像发现有一个草圈中间长得好，外面不好”，这种情况显然是浇水有问题。但客户说自己一直按时浇灌和施肥。最后下地检查才发现是那个草圈的喷灌设备出了问题，“一个草圈几百米的直径，靠人工很难及时发现，客户也不会知道。”张文鹏说。
　　达布西所种植的苜蓿是多年生植物，在返青期如果遇到了倒春寒的低温，幼苗会冻死，必须费时费力补种。但利用佳格的气象预测，如果在倒春寒前减少灌溉，延缓幼苗生长速度，由于植株高度较低，贴近地表，就能避开倒春寒的影响，用户免去了补种的功夫。
　　不过，现实并不是那么顺利。从数据落地与用户需求匹配，是一个漫长的过程。最开始，张弓在为达布西提供天气监测服务时，使用的是城市里常用的天气预报方式，推送信息会告知每天各个时间段的天气状况。达布西对屏幕上精确到几毫米的降雨量并无兴趣，他关心的是，雨是不是会大到让农机下不了地。
　　后期，张弓拿着历史降雨数据找到达布西，让他选出认为是大雨的日期并更新到模型中。最终，他们为达布西制定了一套天气预测方案。新的方案只会告知可能出现雨天的时间段，单位精确到天，还加上了具体的降雨状态，如第一天是雷暴雨，第二天是中雨。同时，佳格会给出农事建议，包括天气是否适合机械操作。“农业只需要天气的过程，并不需要这么精确。”张弓说。
　　达布西并不是个例，卫星数据和分析虽然准确，但落实到地面，仍然会与实际情况产生偏差。张弓常常发现，在卫星图像中显示长势不佳的田地实际上并无问题。原因很简单：用户作业习惯不同，有些插秧间距大，在卫星图上就会表现得非常稀疏。有时还会遇到光合作用图正常，但由于用户使用的是果实较小的品种，最终产量与张弓的预测模型有偏差。因此，在后期调整产量预测算法模型时，张弓会询问用户过往产量、种植历史和作业习惯，做到“天地结合”。
　　“我们虽然能通过光合作用监测叶片健康状况，但最终种子究竟收成如何并不清楚。叶子健康不代表最后收成好。关键的农事节点都需要结合地面数据校对。”张弓说。
　　在精准农业刚刚萌芽的中国，佳格只能一步步尝试。“但一开始不知道做什么，逮啥做啥。”张弓说。佳格一开始总希望为客户提供一整套解决方案，甚至“财务系统也得接进来，比如没水得运水，还得评估运水的费用和减产的费用”。张弓说。但现在他会更现实地考虑客户的执行力和价格承受力。“农业不是按个按钮就能完事的。”佳格会主动帮客户选择用得上的功能，尽量让数据与客户业务逻辑匹配。“我们保证能够帮助解决核心问题，不是一揽子都解决了。”张弓说。
　　目前，佳格已经覆盖国内200万亩耕地，有北方的主粮产地，也有南方火龙果的种植园。客户包括吉林省棋盘村数字农业项目等，收费由客户根据需要自主搭配模块数量确定。2016年，佳格的营收达千万元。
　　张弓计划在精准农业领域“下一盘很大的棋”，除了农事管理，佳格还希望提供农村金融服务，包括为保险公司提供标的管理、费率厘定，为信贷公司提供土地风险评估等。但从国内规模农业生产现状看，要打通这样的全流程，还有很长的路要走。