约翰迪尔推出AI助手,AI开始读懂每一块农田

John Deere 官方列出的几个问题，很能说明 JD 的用途：

• • “今年整地时的燃油使用量与过去三年相比怎么样？”
• • “不同田块的播种单粒率有什么差异，对产量产生了什么影响？”
• • “哪个喷药机操作员每小时完成的面积最多？”
• • “根据历史趋势，什么时候是最佳收获时间？”

这些都不是通用农业知识，而是必须调用具体农场历史数据才能回答的问题。

Deere 全球农业与草坪业务负责人 Deanna Kovar 对 Bloomberg 表示，一个农民在一个生产季里会面临“数百个具有经济意义的决策”。JD 的角色，就是充当农民的研究人员和数据分析师，更高效地从已有数据里寻找答案。Bloomberg 举出的另一个例子是，农民可以询问某块田是否施肥过多或不足。

这也是 Deere 对 JD 产品定位反复强调的一点。

负责数字基础业务的 Jackson Baca 将它称为一个更像“商业伙伴”而不是“朋友”的助手。他表示，农民真正需要的是一个随时可以使用、专门理解自己经营情况的数据科学家，而不是了解一个“理论上的农场”的通用 AI。

JD 的核心数据来源是 Operations Center。

也就是说，过去通过 Deere 农机、传感器以及其他系统进入 Operations Center 的田块、机器和作业数据，现在可以通过对话的方式被重新查询和组合。

Deere 发布前的现场演示中一个问题是：为什么今年某块田里的杂草比平时更多？JD 随后调取该地块多年的历史数据，并结合当季种植作物和化学药剂施用记录，给出了五种可能原因。

目前能够进入分析的数据包括播种品种、播种密度、联合收割机产量监测数据、燃油效率、机器使用与磨损数据，以及 See ＆ Spray 生成的杂草热力图等。它还可以使用能够导入 Operations Center 的其他厂商设备数据。

Farm Progress 的报道还特别确认了一个边界：JD 的分析主要限制在用户自己的数据集之内。

Baca 表示，当农民提出问题时，JD 使用的是 Operations Center 中属于该用户的数据，而不是去公开互联网抓取信息，再拼凑一个假想农场给出答案。

John Deere 数字解决方案产品管理负责人 Kevin Seidl 将这种能力称为对“人类智能的增强”。很多工作原本由专业数据分析师也能够完成，但可能需要花费大量时间整理和分析，JD 试图把这个过程压缩到几秒钟。

Deere 并不希望 JD 只是一个搜索框。

Kovar 在采访中提到，JD 的价值并不完全来自用户提出的第一个问题，而是来自后续的追问和整个对话过程。

这意味着农民可以从一个结果继续往下追。例如先询问不同田块的播种单粒率，再进一步询问这些差异与最终产量之间有什么关系；或者先比较几台机器的燃油消耗，再继续寻找效率差异产生的原因。

Seidl 表示，JD 可以帮助用户查看不同年份的趋势、不同生产季之间的变化，以及同一田块内部或不同田块之间的差异，并进一步观察这些因素可能怎样影响产量。

已经参与测试的明尼苏达农民 Shawn Feikema 则表示，过去很多分析理论上可以完成，但缺少值得花时间去寻找和整理数据的基础设施。现在输入一个问题，JD 可以自动汇总大量数据并给出结果，使原本存在的数据拥有了“另一层分析能力”。

JD 使用了大语言模型，但 Deere 没有公布具体供应商。

DTN 在发布现场询问 Deere 使用的是 OpenAI、Anthropic、Google、xAI 还是其他公司的模型，Deere 拒绝透露具体合作方。其声称 JD 建立在多个前沿大语言模型之上，Deere 可以根据回答质量以及不同模型新增加的能力，在后台进行切换。对于用户来说，Deere 希望隐藏底层模型的复杂性，用户看到的仍然只是 Operations Center 中统一的 JD 界面。

这次推出的 JD 也不是 Deere 第一次尝试面向客户的生成式 AI。信息显示，这条产品路线可以追溯到2025年。当时 Deere 首先数字化大量设备操作手册和技术文档，并以此为基础开发 John Deere Equipment Mobile 中的 AI 助手，让用户可以更方便地查询机器和文档信息。

现在 JD 将 AI 的范围进一步扩大到 Operations Center 中的农场数据。Baca 表示，Deere 最终并不希望客户同时面对多个不同的 AI 助手。他的表述很明确：Deere 希望用户最终只面对一个统一的 JD。

因此，Equipment Mobile 中的设备 AI 助手和现在 Operations Center 中的数据助手，未来计划逐渐合并为统一体验。

JD 当前的能力仍然有明确限制。

第一阶段主要负责寻找信息、分析数据和生成结果，不会直接替农民做决定，也不会在驾驶室里自动控制机器。

Hindman 在发布现场特别强调，即使技术继续变得更强，最终的决策者仍然应该是农民。同时，系统需要让用户理解答案的局限性，以及建议是如何产生的。

但 Deere 已经公开了一部分后续规划。未来 JD 将增加更高级的预测分析能力，并能够搜索更多设备技术手册、优化机器工作流程，甚至根据用户指令创建新的工作计划。

Seidl 举出的例子包括帮我创建一个工作计划、帮我为这块田创建边界等。也就是说，现在 JD 主要“分析并给出结果”，下一阶段才可能逐渐进入“执行数字化任务”。

终端也会继续扩展。目前 JD 首先进入 Operations Center 的网页和移动端，John Deere 同时正在测试怎样把它放进 G5 驾驶室显示终端，让用户在农机驾驶室里直接使用。

JD 目前还没有全面开放。

John Deere 已启动 Early Access Program，首先邀请部分美国农业客户参与测试，在收集实际使用反馈后再扩大范围。报道称，JD 直接集成在 Operations Center 中，目前不会额外收取订阅费用。

John Deere 官方表示，2026年晚些时候将扩大 JD 在 Operations Center 网页端和移动端的使用范围，之后再逐步进入驾驶室显示终端。

未来，JD 的应用领域也准备从农业扩展至草坪养护、建筑施工、道路建设和林业。伴随 JD 推出，John Deere 还同时公布了新的 Farmer Data Commitment。

其中包括农民控制自己的农场数据、Deere 不出售这些数据、用户可以决定是否向第三方开放数据并随时关闭，以及 Deere 不会使用农场数据进行农业大宗商品交易或投机。

Deere 表示某个农场的数据可以用于改善针对该农场生成的结果，但不会被拿去训练 JD 或其他 AI 系统，也不会提供给未经农民批准的第三方。

所以目前来看，JD 的产品定位已经相当明确：它不是一个重新教农民如何种地的通用农业大模型，而是一个直接嵌入 Operations Center、帮助农民查询和分析自己生产数据的 AI 助手。

现在它做的是让历史数据更容易被找到、比较和理解。下一步，Deere 才准备让它从“回答问题”，逐渐走向“完成任务”。