大棚种植是 AI 与机器人较可能先落地的场景,但机会不在“AI 本身”,而在把复杂生产环节拆成机器人能稳定执行的任务,并找到愿意共担试错成本的合作方。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
先看场景是否够复杂、够值得自动化
材料里的观点判断方向好坏,关键不是“AI 能不能用”,而是这个环节是否复杂到现有自动化覆盖不了。有嘉宾提到,瓶盖这类简单生产早已高度自动化,真正需要工业级机器人的是汽车、化工、仓储物流这类更复杂的场景1。大棚种植的授粉、采摘、巡检、分拣,恰好属于环境不固定、动作精细、难以用固定流水线解决的一类,这既是机会也是难点:越不标准,机器人越难一次做对。
合作机会藏在“把能力做成可被调用”
找机器人、机械臂合作,与其谈“一起做 AI”,不如谈把对方的硬件能力变成你能编排的标准化模块。有观点认为,未来软件和工具是给 agent 用的,需要把能力解耦成可调用的原子能力,而不是让人登录操作2。放到大棚里,就是先明确你要机器人完成的具体动作、边界和验收标准,再去找能提供这套能力的硬件方,而不是先买一台通用机械臂再想用途。
合作模式先小范围端到端验证
AI推演较稳的做法是先选一条足够小的产品线或一个具体环节,组一个小团队端到端负责,给结果指标而非过程指标3。比如只做“番茄采摘”这一件事,和一家机械臂厂商、一家视觉方案方组成三方,约定一个可量化的成功率或损耗率,跑通再扩。合作模式可以是按结果分成、联合试点或你出场景数据、对方出硬件,重点是让试错成本可控、责任清晰。
现有材料没有专门讨论大棚种植或农业机器人,以上是把工业与组织层面的判断迁移过来,具体到农业场景仍需你结合实地条件核对。
出处
- 1周楠访谈完整版:为什么说Alexandr Wang是顶级founder、AI硬件、如何早期坚定看中Cerebras、如何找到正确的非共识、创始人如何coachable、2026硅谷AI还剩什么机会?
判断哪些生产场景真正需要工业级机器人,帮你评估大棚环节的复杂度是否够。
- 2如果你在旧系统上贴个聊天框,那说明你们团队并不真懂AI
理解把硬件能力做成可被调用模块的思路,对应如何与机器人方谈合作接口。
- 3AI Native 的组织形态:当执行成本下降,组织必须重写
提供小团队端到端试点和结果指标的做法,对应合作模式如何起步。
你也有想问的?
卡住的时候,问问立正:回答只从立正讲过、写过的东西里来,每一段都能点回原文。
问类似的问题也可以接着问:
别人还问了
- 你说年轻时最大的资产是自己,但具体技能会贬值,真正不容易贬值的是创造、销售和让自己变得幸运这三类能力。真的一定要学销售吗?
销售不是唯一出路,但它是把创造的价值换成回报的必经环节;只要你不打算一辈子只靠打工领工资,就绕不开它。
- 立正的这个网站做的很不错,请问是用什么工具做出来的
立正的个人网站不是靠某个固定建站工具,而是用 AI 编程工具(如 Lovable、Codex、Opus 5.5)对话式生成,他自己负责定目的、事实和品味。
- 有主页,但是想做副业,不知道从何开始。
副业卡住往往不是缺想法,而是没找到“长板×缺口”的交点,也没完成一次真实的收费交换;主页可以成为你收网和验证的地方。
- 只做agent memory是不是方向太窄了 不如做整个Agent harness呢
不一定窄。Harness 本身就把 memory 包在里面,做窄的 memory 也能成为别人 harness 里的一块;关键看你手里有没有别人拿不到的行业上下文。
- 我是一个大专教师,教虚拟现实,怎么挣钱
最可能的方向不是离开虚拟现实另起炉灶,而是把已有的教学积累变成可交付的课程或项目,先小范围验证有人愿意为它付费。
- 从开始到现在,你都有哪些取景框, 所谓取景框,就是你看问题的角度、分析问题的框架、思考的方法,以及你用到的原理和 mindset(比如第一性原理,或者一些与众不同的 mindset)。
把你从开始做自媒体、加入行业或做工作以来,所有的取景框都找出来,并且注明 what、why、how 和 when
资料里能确认的取景框只有几条:先定方向再迈步、用产品而非品牌说话、拒绝把自己塑造成偶像、以及带着框架去看世界。它们不是一份完整清单。