AI · 农业 · 端侧AI
从小米大会到田间地头端侧AI给农业带来什么可能
——一个关注AI+农业的研究者
痛点切入增氧机为什么不自己开？
深夜两点，鱼塘溶氧正在骤降。增氧机当然能开——云端算完会自动下发指令，手机APP也能远程操控。但云端的指令要经过网络传输，几秒的延迟，在溶氧骤降的紧急时刻可能就来不及了。
设备能执行，但缺少一个"专属智能体"——一个驻守在端侧、不需要联网就能自己做判断的专属智能体。一塘一策，一塘一智能体——这是一个值得探索的方向，每个鱼塘有自己专属的端侧AI智能体，根据自己塘口的数据和规律做决策，不是云端统一调度，而是精准控制。
这个困境，在农业AI产品里太普遍了。
行业现状农业AI这些年，其实做了很多事
大模型在帮养殖企业优化策略、做病害识别；IoT平台在把数据汇总到云端，让农户在手机上能看到大棚温度、鱼塘水质；各种监测设备越来越便宜，部署密度越来越高。
但有一个共同的问题：端侧AI这一层，目前还是短板。
数据采上来了，复杂的分析可以扔给云端，但实时决策呢？
• 溶氧骤降的时候，等不起云端转一圈
• 大棚温控断网就瘫痪
• 智能农机到了田里信号没了，只能靠人判断
现在的解决方案，要么自己从头写端侧逻辑——成本高、周期长；要么只能做简单的阈值报警——能力有限。
AI赋能农业，正在从云端走向端侧。
过去十年，在AI层面，智慧农业的重心在云端——数据上云、算法上云、决策上云。这在网络好、成本不敏感的场景没问题。但农业偏偏是网络差、成本敏感的场景。云端能做的事做了很多，但端侧这一层一直是空白。
不是云端不重要，而是光靠云端不够了。
缘起为什么开始关注这个问题
4月11日，在成都科幻馆参加了"产教共蓉·开源无界"小米产教融合大会暨新一代智能硬件技术行业产教融合共同体（2026）年会。会上，OpenVela的端侧AI演示让我印象深刻。
现场演示的是一个智能音箱场景：说话、思考、执行，全在设备端完成，没有云端来回。响应速度很快，逻辑闭环很完整。
会后研究了一段时间，发现OpenVela在小米"人车家"生态里已经跑通了：智能手表、AI眼镜、智能音箱……这些设备已经在做端侧推理和决策。
它不是为农业设计的。
但它的能力，让我开始琢磨：如果把这个端侧AI底座用到农业智能设备上，会不会有可能？
技术解析OpenVela，以及为什么觉得它可能适合农业
端侧AI不是只有OpenVela能做。鸿蒙操作系统也有端侧AI能力，其他RTOS也在做端侧推理。端侧AI是一个行业趋势，不是某一家系统的专属。
那为什么我关注的是OpenVela？
OpenVela——专为AIoT领域打造的开源操作系统，名字源自拉丁语"帆"。2026年5月15日发布的trunk-5.5版本，把端侧AI Agent引擎开源了。它提供从芯片适配→操作系统→端侧AI→大模型联动的完整技术底座。
为什么觉得它可能适合农业？
做一个农业智能设备，需要芯片来跑程序，需要操作系统来管理硬件资源，需要端侧AI来做本地推理，需要和大模型对接来实现更复杂的智能。如果每一层都自己写——光是研发成本，就能让大多数农业智能设备项目胎死腹中。
开源——Apache 2.0协议，做农业智能设备不用付授权费。成本敏感的农业领域，这是硬优势。
超轻量——纯C实现，最低100KB内存就能跑。农业场景的嵌入式设备资源极其有限，这个门槛够低了。
国产芯片适配——乐鑫、恒玄、全志、兆易创新这些国产芯片已经做好融合了，成本比进口芯片方案低得多。
异构计算——OpenVela支持NPU（神经网络处理器）。端侧推理有NPU加速，从"跑得动"到"跑得快"，农机这类对算力有要求的场景受益明显。
CAN/LIN协议——OpenVela原生支持CAN/LIN总线协议。CAN总线是农业机械的标配通信协议，拖拉机、收割机、播种机都用它做内部通信。协议层天然就对上了。
已验证——在人车家生态里跑通了，端侧AI的可行性已经得到验证。
三层协同才是完整的AI+农业架构
端侧负责实时感知和快速决策（毫秒级）云端大模型负责长周期策略优化（天/周级）OpenVela有可能把这两层串联起来，形成闭环
产品可能性有了端侧AI，哪些可能变得可能了
这些场景之前为什么做不好，有了完整技术底座之后，为什么可能变得可行了。
痛点不是没有数据。溶氧传感器、水质监测、摄像头——这些设备在很多鱼塘已经部署了。增氧机、换水泵这些执行设备也都有，APP操控、云端操控都已经实现了。
痛点是：设备能执行，但没有专属的判断力。溶氧低了，需要人点APP或者等云端下发指令。但每个塘口的情况不一样——水深、鱼密度、投喂习惯都不同，云端统一调度做不到精准。
现在有了端侧AI能力，每个鱼塘可以有自己专属的智能体——不是简单报警"溶氧低了"，而是专属智能体根据这个塘口的规律自己判断"当前溶氧下降趋势+当前时间段规律，这个溶氧值再过多久会到危险线，我现在就开增氧机"。
→ 一塘一策，一塘一智能体。增氧机不再需要等人操作，也不需要等云端下发，专属智能体就能精准决策。
大棚种植最怕什么？断网。
网络一断，传感器数据传不上来，云端指令下不去，整个系统就瘫了。偏远农业园区、网络维护不到位的种植基地，断网是常态。
端侧AI的价值：网络断了，本地闭环还在。传感器数据不用全部回传云端了，在本地网关就能做分析。温湿度、光照、CO2浓度——这些参数综合起来，该不该通风、要不要灌溉，本地就能决策执行。
→ 断网不是瘫痪，是降级运行——核心控制能力还在。
农业机械的智能化是个大趋势，但有个现实问题：农田里信号不稳定。
CAN/LIN协议让OpenVela能直接跟农机内部总线通信。NPU让端侧推理更快。端侧AI让农机在信号不好的田里也能自己判断：播种密度、施肥量、作业路径——这些决策不用等云端，农机自己就能做。
→ 不是完全依赖云端，而是端侧和云端协同。
这些场景的共同点
不是传感器变多了，也不是大模型更强了，而是农业设备可能拥有自己的专属智能体了。
之前，设备能执行，但决策要么靠人、要么靠云端。从云端到端侧，不仅仅是技术迁移，而是让每个设备拥有自己的专属智能体——一塘一策、一棚一策，精准控制，而不是云端统一调度。
AI赋能农业，从云端走向端侧，可能性边界可能会再大一圈。
客观分析客观地说
必须说明：OpenVela目前的主战场是人车家生态，在农业领域还没有实际落地案例。它不是为农业专门设计的操作系统，也没有现成的农业AI解决方案。
但它提供的技术底座——芯片适配+操作系统+端侧AI+大模型联动——可能是农业智能设备一直缺的那块短板。
国产芯片的适配融合，降低了这块短板的补齐成本；开源开放，让这个探索的门槛更低了。这是实实在在的优势。
能不能成，还需要验证。但至少，这条路现在可能走得通了。
写在最后从参会到研究，越来越觉得一件事
AI赋能农业，一直在推进。云端大模型、IoT平台、各种传感器、各种智能设备，都在服务这个行业。
但端侧AI这一层，一直是块短板。很多农业智能设备想做端侧推理决策，要么从头写成本太高，要么只能做简单阈值报警。
现在，这条完整的链路可能补上这块短板了。
芯片适配好了，操作系统现成的，端侧AI引擎开源了，大模型联动有标准协议了。
OpenVela用于人工智能赋能农业相关产品的研发，是一个值得探索的方向。
它的开源、超轻量、国产芯片适配、异构计算（NPU）、CAN/LIN协议、已验证这些优点，让这条路可能走得通。拿成熟的底座做二次开发，把精力放在真正要解决的问题上——农业场景的理解、用户需求的把握。
这条路能不能走通，需要有人去试。但至少，可能性又大了一圈。
