2026年8月，纳米比亚取消了一份价值240万美元的全国作物监测合同。美国农业科技公司6thGrain原本是打算用卫星影像和人工智能来做作物分布图，监测重点作物的生长状况，预估产量，还有评估干旱风险。项目停下来的原因很清楚：政府内部审查觉得，这份合同没符合公共采购所需要的法律和程序要求。
从整体角度去看非洲农业数字化，这一终止的事情容易被看成是一次平常的政府采购的小插曲，实际上更像是一个明显的信号。2025年12月，卢旺达布置GeoHub；2026年2月，肯尼亚启动CroME；同年7月，尼日利亚签订建设NAPS的合作备忘录。四个国家都在试着把分散的卫星影像、农田信息和产量数据接入一个国家级的系统。
这些项目直接服务政府的三个基础判断：全国种了多少、哪里长的不太好、下一季大概能收多少。答案会进到粮食进口、农资投放、灾害救助、农业信贷和保险定价里。谁掌握数据、模型还有更新能力，谁就更靠近农业决策的上游。
文末图表把中企进入这类项目的五个步骤放在一起，便于判断从哪一环切入、怎样把试点做成长期服务。
卫星先看清田地，地面样本让AI算得准
从卫星影像当中找出耕地和地块的边界，这是一套国家级作物监测系统的第一步。不同时间拍摄的影像可以呈现出植被的变化状况。人工智能根据颜色、纹理还有生长节奏，来判断地里可能种植着玉米、水稻、小麦或者别的作物，接下来把零散的田块汇聚成区域作物地图。
第二步就是把影像和地面样本对应上。工作人员得去到田间记录作物种类、生育期、播种方式还有实际产量，接下来用这些样本去校准模型。同一种作物在不一样的土壤、气候和耕作条件下会展现出不一样的特征；雨季的时候云层也会挡住光学影像。雷达数据、历史气象、土壤资料以及连续的地面调查就这么一起进入系统。
第三步就是产量预测以及风险预警。模型先对种植面积进行估算，接着结合长势、天气还有历史单产来判断收成。要是某个地区出现持续干旱、洪涝或者不正常的长势，系统就把风险位置和影响范围推送（给）农业部门。卫星有着重复观测的能力，AI负责把大量影像转化成能更新的地图和指标，地面样本决定结果能不能用来做真实决策。
传统农业调查还是有价值的，不过全国入户统计一般成本比较高、周期还长，而且结果在快速变化的种植季里很容易就滞后了。卫星监测能把更新频率提升到数天或者数周，接下来再由抽样调查来负责校准。把这两套方法结合起来之后，政府就能一直更新农业底图，不用等到几年才出一次静态表格。
四个国家同时推进，项目阶段和主导机构各不相同
肯尼亚的CroME是由肯尼亚航天局还有农业与畜牧业发展部牵头的，它在2026年2月就开始启动。项目计划生成全国作物地图、识别地块边界、监测长势、预测产量，并发现作物受损情况。微软AIforGoodLab、NASAHarvest、肯尼亚农业与畜牧研究组织以及东部和南部非洲资源制图中心等机构参与，说明这类系统需要航天、农业、科研和软件团队共同完成。
尼日利亚在2026年7月和OCPAfrica、GroundTruthAnalytics签了NAPS合作备忘录。公开的方案打算先在一个州做试点，接下来扩展到三个州，最后覆盖15个重点州；卫星影像计划每五天更新一回。项目还明确说，数据存放在尼日利亚境内的服务器上，敏感数据由本国的机构来控制。这里的重点已经从购买一套识别工具，转向建设一套由本国管理的农业数据平台。
项目团队透露，尼日利亚已经积攒了一批基础数据；前期农业数据工作在13个州经历了三个种植季，涵盖超出25万名农户，其中5万多名农户被调查，涉及五类作物和100多万个数据点。这些地面数据给后续辨认模型和产量预估提供校准基础；与此同时这也说明了全国平台为啥要分阶段扩大。尼日利亚已经积攒了一批基础数据。
卢旺达在2025年12月部署GeoHub，把卫星数据和政府数据库汇入同一套地理空间系统。农业部门计划用它识别作物类型、估算收获前产量、发现长势压力，并监测干旱和洪水风险。卢旺达航天局此前也把作物分类、农田边界识别、产量预测和智能灌溉列为重点方向。GeoHub目前更接近政府内部的数据底座，后续价值取决于各部门是否持续接入数据并把结果用于业务。
纳米比亚原本计划采购的系统，其功能和上面所说的项目大致相同，不过合同启动没多久便终止了。政府所指出的问题主要在于合同法律效力以及采购程序方面，并未将技术能力当作取消的缘由。这个差别是比较重要的。即便供应商能够做出地图和模型，也得先通过预算、采购、数据管理和政府审批这一关。全国级项目的第一个门槛通常是公共部门合规，技术演示仅仅能解决其中一部分问题。
国家先为粮食判断付费，金融和保险随后接入
农业部、航天机构、统计部门和灾害管理部门是国家平台最直接的购买方。它们需要依靠同一份数据来安排粮食进口、种子和化肥投放、抗旱资金、收储计划还有灾后补偿。要是作物面积和产量预测能提前好几个月弄出稳定结果，那政府就能够缩短决策时间，并且可以把有限的预算投到更具体的地区去。
商业需求会在国家底图之上展开。银行可以用地块和种植记录确认贷款对象与经营面积，保险公司可以依据干旱、洪涝和长势异常评估损失，加工企业和贸易商可以提前判断原料供应，农资企业可以按作物分布安排仓库和销售网络。6thGrain公开介绍的业务就覆盖作物保护、信贷、种子和产量估算，说明同一套底层数据可以服务多类客户。
这套生意的收入模式，会从一次性交付变成持续性的服务提供。供应商要同时提供影像采集与处理、平台布置、模型训练、地面采样、年度数据更新、系统接口对接、人员培训还有日常运维等好多项服务。第一年完成基础底图构建之后，作物轮作安排、极端天气影响、耕地动态变化以及新季样本采集，还是会推动模型一直迭代优化。长期合约的关键价值，在于数据积累的连贯性，还有本地团队对系统稳定、高频使用的实际能力。
项目越接近全国决策，数据治理越重要非洲联盟的数据政策框架，也是把协调规则、共享标准和可信数据环境当作共同方向，而且尼日利亚还着重突出本地服务器和敏感数据的掌控。对于供货商来讲，数据存放的位置、进入的权限、模型的迁移、接口的开放、审计的记录还有项目结束后的数据交接，在合同里边都得写明白。农业数据与地理位置、农户经营和国家粮食安排相连，买方会把技术能力与控制权一起评估。
真正难的环节在本地校准和跨部门交付
卫星数据能买到，通用模型也能快速搭建，可真正拉开项目差距的是本地校准。在非洲，不少地区地块比较零散，作物混种是常见的情况，而且不同地区播种时间还不一样。要是模型缺少连续的地面样本，作物分类和面积估算马上就会偏离实际。供应商不要把田间调查设计、样本质量管理还有模型迭代都包含在交付当中。
第二个难点是部门协同。农业部知道业务问题，航天机构熟悉影像，统计部门掌握调查方法，地方政府和研究机构能够组织采样，财政和采购部门控制预算与程序。要是任何一个角色没到位置，项目就很有可能卡在数据共享、验收标准或者后续预算这类事情上。肯尼亚把农业部、航天局、研究机构、国际技术团队和区域制图机构放在同一项目里，正是为了补齐这条链。
把技术指标改成业务指标是第三个难点。地图分辨率高，可不代表决策价值就高。政府更关心重点作物面积误差有多大、产量预测能提前多久、灾害发生后几天能给出影响范围、结果能不能按行政区输出；银行和保险公司还会关注地块识别稳不稳定、历史记录完不完整以及接口可用率怎么样。而且验收条件越接近真实工作，项目就越容易进入年度预算。
纳米比亚的合同终止又加了一条现实要求：供应商要把合规当成交付的一部分。当地合作方资质、招标路径、预算批准、数据授权、知识产权和政府合同生效条件，需要在技术团队进场前完成。这个环节做扎实，既保护买方，也保护供应商已经投入的影像、人员和模型成本。
中国团队已经有技术方面的入口了，接下来就是要把商业闭环给补上
中国科学院空天信息创新研究院研发的CropWatch，已经在非洲有了可用的基础。2023年，中国团队和尼日利亚国家航天研究与发展局等机构在阿布贾开展定制的作物监测培训，有32名来自9个政府部门和机构的人员参加。双方在10多个农场采集了数千条地面样本，用来做水稻、玉米等作物的高分辨率制图和本地模型校准。
在非洲南部，CropWatch还向莫桑比克、赞比亚和津巴布韦有关部门提供过10米分辨率的全国耕地地图，并支持莫桑比克发布月度农业监测信息。相关能力已经在20多个共建一带一路国家应用。对中国团队来说，这意味着算法、遥感产品还有培训经验有进入的条件，接下来关键的是把科研合作、政府采购和长期运维连成一个商业闭环。
中国企业可以沿着五个位置进入。卫星运营商和遥感公司提供稳定影像与预处理；云计算、数据中心和网络安全企业承接本地部署；地理信息和人工智能公司搭建作物地图、预测模型与业务看板；无人机、传感器和农机企业补充地面样本；银行、保险、农资和粮食企业把监测结果转成信贷、理赔、销售和采购场景。
一般来说，单个公司很难把整个链条都涵盖进去。更实际的组合就是，一家本地机构负责政府关系、采购还有田间组织，一家技术公司负责平台和模型，接下来由农业研究机构建立样本以及验收办法。在项目申报的时候，就把谁拥有数据、谁维护模型、谁培训人员、谁承担年度更新等明确清楚，这样就能够很大程度上降低后期争吵的成本。
从一种作物切入，试点才能走向长期服务
进入这类市场，头一步是先找准买方。国家农业部关心粮食和农资的安排，航天机构关心数据平台，地方政府关心灾害和产量，银行跟保险公司关心地块和风险。卖给不一样的买方，产品界面、验收指标还有预算来源都会不一样。先确定谁会用结果，才能反过来推需要哪类数据。
第二步就是把范围缩小到一个地区、一种重点作物还有一个明确场景。比如说，给一个州估算玉米的种植面积，用来服务化肥的投放；给一个水稻产区提前预测产量，用来服务收储安排；给一个干旱高发地区识别受损的地块，用来服务保险理赔。范围明确了之后，供应商就能在一个种植季里完成地面采样、模型校准还有业务验证。
第三步就是用能量化的指标来验收。项目可以定好影像更新的频率、作物分类的准确度、面积估算的误差、产量预测的时间、灾害报告的速度还有平台的可用率，而且要明确需要多少地面样本。试点达到指标了之后再扩大地区和作物，这样买方更容易安排后续的预算，供应商也能控制实施的成本。
第四步就是把数据治理和合同合规提前弄好。服务器位置、敏感数据权限、原始数据留存、模型迁移、接口开放、成果交接、人员培训和采购程序，都得在签约之前确认好。纳米比亚已经说了，一份价值240万美元的合同也可能因为程序上有缺口很快就停掉。
第五步就是把交付弄成持续服务。年度影像、每季样本、模型更新、平台运维还有人员培训能形成稳定收入；银行、保险、农资和贸易接口就扩大数据的使用范围。一个成功的试点得让本地机构在下一季接着更新、解释并且使用结果。中企真正有机会建立起来的，是一套能进入当地预算、能让本地团队接住、还能持续产生新数据的农业基础设施。
微信公众号原文：查看原文