采收机器人难落地?AppHarvest6千万美元收购Root AI的案例拆解.

六千万美元买下的，可能不是那条机械臂

2021年4月，美国最大温室运营商AppHarvest收购了位于马萨诸塞州萨默维尔市的Root.ai公司，该公司的Virgo机器人通过小型三指抓手采摘串收番茄。如今，这项技术通过四指和八指抓手，也已应用于草莓和黄瓜的采摘。作为交易的一部分，Root.ai的首席执行官Josh Lessing 转而担任AppHarvest的首席技术官。

如果只把这笔交易理解成“买一条机械臂”，就很难理解这项收购的意义。

更关键的线索藏在公开表述里：AppHarvest 多次强调 Root AI 的“优势”在于机器人采收过程中产生的数据，这些数据将用于评估作物健康、预测产量并优化整体运营。 

这句话把农业机器人的价值坐标从“劳动力替代”挪到了“数据终端”，也把 Virgo 的角色从一台设备改写为温室数字化系统的一部分。

关于Root AI介绍请观看清研智慧农业视频号

01

从”通用采收”到”移动数据终端”

Root AI 早期对外宣传的定位是“通用采摘”。

同一平台面向番茄、甜椒、黄瓜甚至更娇贵的草莓。

但收购发生后，Virgo 更像被重新定义了岗位：它不仅要把果实摘下来，还要把温室里最难被数字化的那段：成熟度、遮挡结构、品质判断与采收结果，变成可被记录、可被复盘、可被学习的数据。

这是把一项“季节性、强人工经验”的工作，改造成可持续累积的资产。

02

行业里常见的隐瞒

真正拉开采收机器人距离的，常常不是“能不能摘”，而是“能不能在复杂遮挡与成熟度不确定中持续摘对”。

WIRED在讨论水果采收机器人时把行业痛点讲得很直白：从业者“heavy on demo videos and light on data”（演示视频多、实据数据少）；

多数公司不会公开损伤率 ，也不会公开视觉系统在果实成簇、或被叶片部分遮挡时的表现，而这两点正是计算机视觉系统失败的主要原因之一。

换句话说，演示视频展示的是“理想状态”，商业化要交卷的是“运营系统”

03

Virgo 的思路：先把空间看清楚

在技术路径上，Virgo并不满足于“看颜色”。《Greenhouse Grower》在收购背景报道中写到它会用摄像头配合红外激光形成 3D 彩色扫描，并且内置一种持续反馈机制，会像“游戏计分”那样评估采收表现，从而学习在不同果实配置下更有效的采收方式。

这种设计的要点不在“炫”，而在“闭环”：把每一次成功与失败都变成下一次更稳的依据，而不是一次部署后算法固化不变。

04

为什么是“扭转”？

在执行端，公开学术文献对 Virgo 的引用提供了一个很关键的细节：有研究在讨论番茄采收夹持器时提到，Root AI 的 Virgo 使用 SCARA 型机械臂，在抓取番茄后通过扭转实现脱离。

这不是在宣称扭转是“唯一正确”，而是说明它代表了一类工程取舍：当果柄位置难以做到完美定位、接触条件存在波动时，选择更容易稳定复现、对植株扰动更可控的脱离机理，把不确定性压缩到可管理范围内，再把“更少损伤、更少误判”的提升交给数据闭环与控制策略去逐步磨出来。

引自MDPI《Development of Continuum Robot Arm and Gripper for Harvesting Cherry Tomatoes》

05

最后10%的不确定性

2022年,另一家采收机器人公司Traptic被垂直农场运营商Bowery Farming收购。

新闻稿强调的是“毫米级定位精度”和”3D相机+神经网络”。

同年,英国公司Dogtooth Technologies宣布其第五代草莓采收机器人日采收能力可达200公斤,并具备”车载质检与分级能力”。

比利时公司Octinion的Rubion则声称”可无损采摘70%成熟草莓”。

把这些案例放在一起看，会发现一个分水岭：

当公司把采收机器人定义为”单机设备”时,谈论点就会围绕机械结构与速度展开。

当公司把它定义为”生产系统的一段“时,其自然走向数据、品控、采后流程、排班节拍与运营指标。

Virgo的并购归宿，明显属于后者。

但这条路上最难的，不是技术选择，而是如何处理”最后10%的不确定性”。

温室环境已经把光照、风雨、地形等变量收敛到很小范围。但果实遮挡、果串密集、成熟度在”刚好可采”的窗口期里的细微变化，仍然会让系统在边界条件下失效。

稍有误判就会带来损伤或漏采。

而损伤率、成熟度判断能力，恰恰是外界很难从演示视频里看出来、却在商业化里最致命的指标。

Root AI的应对方式是：把每次采摘动作变成训练数据。

他们对外的表述是”像游戏一样记分”，每次采摘后,系统记录果实位置、遮挡情况、成熟度判断、执行动作、结果反馈,然后用这些数据持续优化模型。

在温室里,机器人面对的是”每天都在缓慢变化的同一片复杂世界“。光照角度随季节改变,植株生长速度受温度影响,品种轮换带来新的果实形态。

能拉开差距的，往往是数据闭环与持续学习能力，而不是一次性部署后就固化的算法。

06

为什么先从温室开始

选择温室番茄，不是因为它简单。

而是因为它把”不确定性”关进了一个可控的迭代场。

受控环境能把变量收敛，作物更标准化，给算法训练与设备可靠性测试提供了相对稳定的基准。

更重要的是，在美国，温室运营商愿意为数据价值付费，他们不只需要采收设备，更需要一套能实时监测作物健康、预测产量、优化资源配置的数据系统。

AppHarvest收购Root AI的新闻稿里，这个逻辑说得很直白。

但即便在温室里，选择性采收仍然是机器人领域最硬的骨头之一。

它考验的不是单点技术突破，而是”感知—动作—反馈—再学习“能否成为一个长期稳定运行的系统。

这也解释了为什么行业里”看起来很像”的采收机器人，最终会分化成两种完全不同的产品：

• 一种是”能摘到”；

• 另一种是”能在农场的节拍里持续摘到”。

图片来源于网络

07

六千万美元买的是什么

回到最初的问题：AppHarvest为什么愿意出6000万美元？

如果只是买一台能摘番茄的机器人，这个价格显然不合理。市面上有很多团队在做类似的事，技术路线也大同小异。

但如果买的是：

• 一套在真实温室环境中经过验证的三维感知与动作规划系统

• 一个包含50多种番茄品类与成熟状态的标注数据集

• 一套能把每次采摘动作转化为生产数据的闭环架构

• 一个已经跑通”分层通用”逻辑、可以快速适配新作物的平台

那这个价格就有了解释。

更何况，AppHarvest需要的不只是降低人工成本。

作为一家试图用科技重构农业的公司，它需要证明：现代温室可以像工厂一样被数据驱动、被算法优化、被精确预测。

结尾：

Root AI 的技术启示仍在，但商业现实也必须被正视

Root AI 的故事后来被Chapter 11的行业背景笼罩（“Chapter 11”指美国《美国破产法典》第11章所规定的一类破产程序，主要用于企业的重整与再生，而非立即清算。它允许企业在法院监督下重组债务结构、继续运营并制定还债计划。）

AppHarvest在2023年申请破产保护，Virgo的命运也变得不明朗。但这不影响它留下的启示：

农业机器人的商业化，从来不是”把手做出来”就够了。

决定成败的，是能否把设备变成生产系统的一部分，与种植台架对接、与采后分级流程耦合、与排班节拍协调、与数据平台打通。

更重要的是，要清楚自己在卖什么。

• 是一台机器，还是一套解决方案？

• 是替代人工，还是重构生产方式？

• 是演示视频里的流畅动作，还是温室里连续运转、每天长期工作后仍然稳定的损伤率？

这些问题的答案，决定了一家公司是拿到一轮融资，还是真正改变一个行业。

我们研究中心长期从事农业领域非标定制研发，面对的正是这种“软硬一体+场景约束”的系统问题：从多传感器感知与三维重建，到作业策略、反馈评估与数据平台，再到与具体作物工艺与产线节拍的联调。

如果你希望把某一类作物的采收、分级或采后环节拆成可验证的工程指标与系统路线，我们可以基于公开证据与可复现实验框架，把“演示视频之外的难题”拆解成一套可落地的研发任务。

我们不生产标准化设备,我们解决“别人做不了“的技术难题

专注智能农业装备非标定制研发,从技术论证到样机交付,提供全流程工程化服务。

我们的核心能力

✓ 算法定制开发针对不同作物特性快速构建专属识别与控制算法,从数据采集、模型训练到现场部署；

✓ 多臂协同控制突破单臂效率瓶颈,通过任务空间动态规划实现多机械臂并行作业；

✓仿生控制技术基于作物生物力学特性,实现低损伤、高成功率的精准作业；

✓ 系统集成能力从感知层(传感器/视觉)、控制层(PLC/算法)到执行层(机械臂/平台)的完整解决方案。

如果您正在规划智慧农业项目，面临智能化升级的技术挑战，欢迎与我们联系。 

我们的技术团队将为您提供：

• 智慧农业全流程技术咨询

• 智能农机装备定制化研发

• 农业大数据平台建设

• 现有产线智能化改造方案

#智慧农业#农业机器人#采摘机器人#清华农业#农业机器人开发#农业机器人定制研发#农业机器人研发找陈灏#清华装备院陈灏#农业自动化#农业无人机

*往期精选*