据统计，美国约翰迪尔公司是世界上最大的农业机械制造商--拖拉机、联合收割机制造商。根据Statista（一个在线的统计数据门户。它提供了来自各主要市场、国家和民意调查的数据，其数据主要来自商业组织和政府机构。）公布的数字，这家拥有185年历史的美国巨头在2020年创造了近320亿美元的收入。

排名后三位的公司依次是久保田（150亿美元）、纽荷兰和凯斯（CNH）工业（110亿美元）和爱科（90亿美元）。因此，迪尔现在显然处于领先地位，但这三家公司中的一家--凯斯纽荷兰工业公司--可能处于未来扩大市场份额的有利地位，因为它在几年前推出了一款外观相当引人注目的自主拖拉机。

虽然CNH的机器对于大多数农场来说可能看起来太过未来主义，可能导致人们相信它不会很快超越，但约翰迪尔还是通过推出自己的无人驾驶拖拉机（如下图）来响应整个自主趋势，并在最近的CES2022中展示。

中国AGV网（www.chinaagv.com)编译美国科技媒体《机器人与自动化新闻》记者Abdul Montaqim（简称AM）采访约翰迪尔公司的种植、喷洒和营养液应用业务经理Jesse Haecker；

Haecker没有透露该公司几个月后推出的自主拖拉机的任何细节，但越来越明显的是--尤其是在以3.05亿美元收购蓝河公司之后--约翰迪尔希望在新兴的自主市场上有实质性的动作，或许还能将该技术进一步扩展到其他市场，如建筑业。

AM：你在约翰迪尔的工作性质是什么？

Jesse Haecker：我在迪尔公司已经工作了23年，我目前的职位是全球喷洒和播种工作的业务经理。这意味着，从本质上讲，我的团队负责未来的产品组合规划和向市场推出新产品，然后也负责那些这些产品的业务成果。

AM：我想你的工作已经变得更加繁忙，或者说你的部门已经变得更加繁忙，因为机器已经变得更加计算机化。你能给我们讲讲在过去的几年里，事情是如何从机械化变成越来越计算机化的吗？

JH：是的，所以我的小组有点新。约翰迪尔在过去6个月里进行了重组，把更多的精力放在技术上。所以我的团队基本上是新的。但是，当你考虑到设备技术的演变时，这已经是约翰迪尔20多年来的一个历程。使用GPS引导车辆行驶，让设备行驶的想法，已经有15年的历史了。在过去的15到20年里，我们已经有了机器人技术的不同表现形式。因此，在设备上使用技术和计算机算法以及这些东西并不新鲜。但迪尔在过去的三到五年里所做的是加速了这一点，而且每年都在继续加速，越来越多。

AM：你把这种加速归因于什么？是不是因为人工智能和计算基础设施变得更可用，更小，更便宜，而且更有能力运行人工智能系统？而人工智能做的是什么样的事情？

JH：我想说就驱动力而言，有两件事：一个是宏观趋势，另一个是一般技术的进步。

因此，当你考虑宏观趋势时，我们都知道，到2050年全球人口将达到100亿左右，这比我们现在的70亿人口有了巨大的增长。但是，如果你把它归结为食物，随着饮食的变化，我们需要多生产50%的食物来养活这些人口，而且我们需要能够使农民的总体生产力比今天高60％。好的，所以这就是宏观驱动力之一。

另一个宏观驱动因素是劳动力的减少。农场里的人越来越少，这意味着单个农民需要用更少的钱做更多的事。然后，最后一点是环境压力的增加。环境管理、可持续性等等。这些宏观趋势正在推动像约翰迪尔这样的公司以不同的方式做事，把事情做得更好，更有成效。反过来说，技术的发展能够释放这种潜力，无论是机器人技术的进步、传感器的进步、人工智能与机器学习的结合等等。我想说的是，这些都是导致这种加速的因素。我可以给你举很多例子，但我要指出两个都是迪尔最近发布的产品。

一个是去年夏天。我们向市场推出了一种新的联合收割机（收割机），可以从田间收割谷物。那台联合收割机，在宏观层面上，在相同的框架内，比它的前代产品高出10%到20%的产量。因此，同样的信封，同样的相对尺寸，但生产力提高了10-20％。当你放大那台设备时，当那台机器穿过田地时，大约有18万粒玉米，比如说，穿过那台机器。

我们在这个系统中利用了摄像技术、人工智能和机器学习。每秒钟有180粒谷物通过机器，我们利用人工智能计算机视觉机器学习来分析这些谷物，并在联合收割机上进行实时调整，以确保我们获得干净的谷物样本，并确保我们不会损坏这些谷物。另一个例子是我们在上个月刚刚宣布的，围绕着我们的 "看到并喷洒 "技术，我们在120英尺的吊杆上使用了36个摄像头，这些摄像头可以识别不到一英寸高的杂草，并激活96个机器人喷嘴中的一个，只喷洒该杂草，而不是喷洒整个机器。

AM: 你怎么看市场上的大趋势，农业部门，在人工智能系统、物联网系统和车辆本身变得更加自主和智能方面的发展？初创企业或成熟的公司是否会利用这些技术威胁到迪尔的主导地位？

JH：我认为，农业的趋势是朝着这样的技术发展--而且这不仅仅是约翰迪尔。我们并不是唯一认识到这种趋势的公司。

但约翰迪尔在研发方面的投资比业内任何人都多，尤其是在这个领域，因为我们致力于此。我们相信，这是帮助到2050年实现这些目标的最重要方式--需要增加的粮食产量的目标。有很多人对农业领域感兴趣，我们致力于推进农业领域的这项技术。农业产业一直是竞争性的，无论是20年前、50年前还是100年前，在全球范围内，农业产业一直是竞争性的。

今天的区别是，竞争态势已经从更多的铁制品变成了具有许多不同技术的高度集成、高度技术产品。因此，一方面，我们的传统竞争对手正在认识到同样的机会，以帮助种植更多的食物，并帮助减少客户的任务负担，而我们也是如此。另一方面，你已经有了专注于不同技术领域的初创公司。

从我们的角度来看，我们专注于到2050年为100亿人提供食物的愿景和使命，并帮助农民变得更有利可图、更可持续，并减少他们的任务负担。而且我们在很多地方下注。你可能知道，在2015-17年期间，我们收购了加州的蓝河科技，这是一家计算机视觉机器学习初创公司。它专注于 "见缝插针 "的核心技术。在Agri-Technica展会上，我们展示了一台电动拖拉机。我们介绍了其他一些自主概念，这些概念与我们今天的设备有很大的不同。

因此，鉴于我们在行业中的地位，我们专注于推动行业的发展，并在许多独特的技术和许多独特的领域进行投资以实现这一目标。

AM：软件是你的专业领域。你面临什么样的挑战或？什么更困难--硬件还是软件？还是它们都以一种不可分割的方式联系在一起？

JH：说实话，它们都提供了独特的挑战，而且它们的应用也不同。我给你举几个不同的例子。围绕硬件和传感器技术的主要挑战之一是我们操作环境的严酷性--你不是在一个封闭的建筑里，比如在工厂里，你不是在一个半控制的环境里。

多年来，如果你的手机掉进湖里，你会把它放在一袋大米里，希望它能恢复正常。那是一个表里如一的环境--传感器上的雨水、灰尘、污垢的磨损、冲击。这些都是我们开发的真实环境，所以这确实给硬件方面的农业带来了挑战。我们必须对硬件进行加固，使其在恶劣的环境中生存。所以你有这些挑战。当你到了软件方面，在农业方面有很多多样性。因此，让我们考虑一下机器学习的算法。

这是真正有趣的，因为我们的大脑可以看一个杂草或一块草或外面的东西，不管太阳在哪里，我们都能认出它是一个杂草。但是，如果你对着太阳看它，远离太阳看它，颜色就会发生巨大变化，我们的大脑就会认为它是绿色的。这是因为我们在使用我们的心理模型的其他部分来做这件事。因此，当你考虑到它的软件方面，以及我们试图看到和识别的东西的巨大多样性，它不是一个受控的工厂环境，在那里我们正在寻找一个看起来不完美的焊缝。这实际上是一个非常动态的环境。因此，我们训练的机器学习模型和我们从软件角度所做的事情变得非常复杂，非常快。

所以我想说，这两种情况都构成了它们的挑战。

AM: 你对农业的物联网系统有何看法？因此，例如，遍布田间的传感器发现杂草和其他问题，并使用无人机进行喷洒杂草，甚至可能是播种的事情。它们是与基于车辆或拖拉机的耕作系统竞争，还是一起工作？

JH：我认为这是一个围绕技术能力与可扩展性的伟大问题。因此，一个问题是，"技术--把固定的田间传感器放进去并采取不同的方法--是否能够实际完成我们客户的工作？是的，我想说技术可能是有能力的。

但是，当你谈到可扩展性问题时，我的意思是，只是为了把这个问题纳入视野，我将使用美式足球场的比喻--我为没有使用欧洲足球而道歉，这是我的错--但如果你想一想美式足球场。我们会在一块场地上施用营养剂和杀虫剂。今天，我们可以在20秒内覆盖一个足球场。

因此，当你考虑到可扩展性时，我们可以我们可以在60秒内把种子放在那个相同的足球场上--60秒内有5万到20万粒种子。因此，如果你考虑到在60秒内将50,000到200,000颗种子放在那么大的区域，无人机和固定传感器的想法就会成为一个挑战。它成为一个重大的挑战

约翰迪尔公司自1837年以来就一直存在，我们已经学会了如何使客户在短暂的天气窗口内尽可能多地进入农田，同时完成多项任务，并以超级准确、超级可持续和超级有效的方式完成，所以这是我们考虑的事情之一。农民在田地里经过的每一秒钟，你知道它不仅仅是转动方向盘。他们周围有几十件事情在进行。我们喜欢说农民是终极多任务者和终极微观管理者。当我提到你每分钟有46,000到200,000颗种子进入地里时，农民的目标是对这些种子中的每一颗进行微观管理，以获得最大潜力。而与此同时，他们周围有很多事情要做。因此，利用机器人技术和所有这些技术的想法对这些农民来说超级关键，使他们能够做得更好。

一个典型的农场，对于美国客户来说，将有7.5亿株植物在上面。

AM：约翰迪尔是否开发了任何用于农业的无人机？

JH：不，我们还没有开发任何无人机。但是，在你先前的一个评论的基础上，它真正归结为传感器融合。当你通过一些领域时，我们可以在车辆上感应到一些东西。然后有可能来自其他传感器的其他输入或来自其他地方的其他信息。在约翰迪尔，我们有一个基于云的应用程序，称为 "运营中心"，这是我们为客户提供的数字工具，以监测他们的操作，收集关于操作的数据，并分析这些数据。运营中心是一个工具，通过API对其他供应商开放。它能够将其他数据融合到该系统中。

该平台通过调制解调器连接到我们的设备上，我们可以无缝地将信息从车辆上传到云平台上，并将机器上的数据与来自生态系统中其他地方的数据相融合。

AM: 约翰迪尔有任何采摘水果的机器吗？或者它正在开发任何，也许使用类似于联合收割机的技术原理？我读过一些创业公司开发的水果采摘机或机器人--它们看起来非常复杂。

JH：我们的投资组合中没有水果采摘设备。最接近的是棉花采摘机，从植物上采摘棉花，这与从植物上剥离谷物是一个非常不同的机器人挑战。

你可以想象它走到一棵棉花树上，把棉花从树上摘下来--这更像是一种机械手段，而不是完全的机器人手段。但是，自20世纪40年代末以来，我们已经能够通过技术手段从植物上机械地抓取单个棉花。

因此，这将是我们得到的最接近你所描述的那种机器人行动或手臂从树上摘下水果或那些东西的东西。

AM：约翰迪尔公司销售了很多车辆，但你们99%的车辆是由人驾驶的。我想象，在未来，所有这些车辆都将成为自动驾驶，因为对于像你们这样的公司来说，获得、开发或实施这项技术似乎并不困难。

JH：我想回到我之前的评论。如果驾驶是操作者唯一做的事情，我们基本上就到了。

我们今天已经有了技术：自动跟踪GPS导航，可以引导你沿着一个路径，正负半英寸，我们已经能够做到10年了；我们已经有了技术，可以在田地的末端自动转向车辆，回到另一个方向；我们现在已经有了技术，在你第一次通过田地后，它会自动为其他每一个通过田地的操作创建路径。

因此，你知道你可以从字面上把车开进田里，然后按下一个按钮，我们已经有足够的技术来驱动车辆。

然后，挑战就变成了你在田地里行驶时发生的所有其他事情。甚至在指导可以驾驶方向盘和驱动机器之前，客户花更多的时间来观察他们和他们的车辆后面的所有事情--优化将种子放入地里、喷洒杂草、将作物运出田地等的工作。

因此，在农业方面的旅程较少围绕着像汽车一样思考自动驾驶车辆 - 我们今天真的很接近能够做到这一点。事实上，非常有能力做到这一点。我们面临的挑战是，在一辆典型的农用车后面还有六到十二件其他的事情要做。

在农业方面，未来几年将专注于通过利用机器人技术、人工智能和机器学习以及传感器和摄像头等的自动化任务，减少操作员的任务负担。我们将结合所有这些东西来减少操作员在驾驶部分之外的任务数量。

另一件要认识到的事情是，你的典型农民是他或她的公司的CEO：他们在管理物流--投入到田里的东西和离开田里的东西；他们在营销粮食和销售粮食；他们是人力资源管理人员；等等。他们正在做所有这些事情。因此，今天，随着我们为农业设备带来的自动化和技术，拖拉机联合收割机的驾驶室成为他们的移动办公室。他们实际上是在手机上销售谷物，他们正在检查天气，他们正在做所有这些事情，因为他们正在穿过田野。

而自动化和机器人技术已经能够为客户做的是让他们把驾驶室变成他们的办公室，除了管理其他事情之外。所以这是一个很长的方式，没有直接回答你的问题，但我认为现实是，农业的跑道是一个巨大的自动化和减少客户必须做的任务。此外，那辆出租车已经成为他们的移动办公室，他们在那里开展经营整个公司的业务。因此，自动驾驶本质上是，比如，我们基本上在那里。重点是运营商需要做的所有其他事情，客户需要做的事情。有了我们在驾驶室里的所有连接，他们实际上已经选择把驾驶室作为他们的移动办公室来运行他们的业务。