助力传统农林行业的数字化转型
“元宇宙”和“数字孪生”是时下的热门概念。滴翠智能科技(上海)有限公司(以下简称“滴翠智能”)提出了“智慧农林+数字孪生”的创想:基于人工智能、Semtech LoRa® 以及大数据等技术,赋予植物以数字生命,助力传统农林行业的数字化转型。
滴翠智能的智慧农业解决方案,使用Semtech LoRa芯片和智能网关等升级传统电控设备,实现各类电控设备的远程智能控制,并通过SaaS、PaaS平台提供软件服务,集生态数据采集、人工智能监测管理、远程设备控制等功能为一体。该方案能够提高农业生产效率,达到高效作业、降本增效以及病虫害预测等目的。

图1 滴翠智能基于LoRa的智慧农业解决方案

图2 滴翠智能的智慧农业解决方案
滴翠智能的智慧农业解决方案集植物AI数据库、LoRa芯片和滴翠云平台为一体。方案支持多样化的物联网硬件设备,包括农业里常用的电磁阀、配电箱、电动门、过滤器、灯光等,并将这些设备产生的数据,以及传感器采集到的土壤温度、湿度、PH值、氮、磷、钾等数据,基于LoRa和通信网络传输到云平台。
在云端,滴翠智能把采集到的植物生长大数据,与农科院的基础植物数据库进行对比修正,并结合人工经验修正,形成最终的种植决策。过程中,滴翠智能积累海量的数据以形成植物生长模型,这些数据可用于溯源、调用和指导生产作业。此外,滴翠智能所打造的数字孪生显示平台,可以实时查看作物种植的环境数据、监控视频、传感器状态、设备远程控制、人员管理等。

图3 滴翠智能数字孪生显示界面
以木林森新疆奎屯植物方舱项目为例:面对冬季无法正常种植的瓶颈,滴翠智能使用农业智慧微观小环境转变人工管养模式,利用传感器采集土壤湿度、方舱温度、养分含量、PH值、二氧化碳、空气温湿度、气压、光照强度等环境数据,通过基于LoRa的网关将数据上传到云平台后,根据环境数据实时调控温控系统、灌溉系统等,相对于人工管控的植物方舱的模式,滴翠智能最终实现了种植效率增加50%,降低成本30%。
借助LoRa解决传统农业转型痛点
我国《数字乡村发展战略纲要》明确指出“要推进农业数字化转型”,加快推广云计算、大数据、物联网、人工智能在农业生产经营管理中的运用。
然而,目前我国的农业数字化转型还面临着诸多挑战。我国整体农业机械化程度和自动化控制水平仍然较低。由于农田面积广袤,大量的区域没有信号覆盖,为长距离的数据通讯带来挑战,同时布线覆盖信号的成本也很高,后期的功耗和运维成本也成为关键的制约因素。此外,由于植物生长情况的复杂性,即使建立起植物数据库的基础模型,后期模型和算法的优化也需要海量的数据积累。
在选择农业场景应用的组网技术时,滴翠智能验证了各种主流无线通信技术的可行性,认为在农业领域,LoRa是最优选,能够切实帮助解决农林行业数字化转型难点。

图3 滴翠智能智慧农林解决方案的系统架构
Semtech LoRa应用于智慧农林领域的优势包括:
农业+数字孪生,赋予植物数字生命
在滴翠智能关于“农业+数字孪生”的畅想中,基于人工智能技术、Semtech LoRa技术,将植物、土壤、空气、水泵、电磁阀等要素聚集在虚拟的信息世界中。这个数字孪生的农业世界,与现实世界一一映射对应,帮助农业从业者找到产量更高或者口感更好的最优点,以及无限趋近于植物生长的最优方向。
例如,滴翠智能基于Semtech LoRa为云天化集团旗下智慧大棚开发的个性PC软件系统和硬件系统,收集智慧灌溉、土壤改良、监测土壤肥力钙磷钾氮等数据,并根据植物需求精准计算后对电控设备进行无人化控制作业,形成了植物数字孪生系统闭环,打造出一座现代智能大棚,拥有智能照明、灌溉、温控,有效提升成产效率30%。
滴翠智能科技(上海)有限公司创始人安浚表示:“滴翠智能为智慧乡村建设提供智慧园林、智慧大棚、智慧灌溉、智慧灯光、低功耗通信网关等农业大数据解决方案,全面支持乡镇数字化转型。我们很荣幸能够与Semtech这样的行业领先企业合作,赋予植物以数字生命,推进人工智能技术在农业领域的应用,加速布局新时代智能农业。”
Semtech中国区销售副总裁黄旭东表示:“滴翠智能基于LoRa的解决方案,有力促进了智慧农业的发展,实现增效增收。中国智慧农业已经进入快速发展的通道,LoRa具有远距离、低功耗、易部署、组网灵活等优势,非常适用于农业领域。我们将持续携手生态伙伴,以领先的LoRa技术驱动传统农业变革。”
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。