近日，农业数据基础设施公司 Leaf Agriculture 宣布完成 1300万美元B轮融资。本轮融资由拜耳旗下影响力投资部门 Leaps by Bayer 与多家产业战略投资方共同领投。Leaf 表示，这笔资金将用于进一步扩大其农业数据管理平台能力，帮助农资、保险、农业零售、食品和可持续发展等企业构建AI驱动的农业应用。
在农业AI加速落地的背景下，资本关注的不只是″模型″本身，也开始转向支撑模型运行的数据底座。
农业AI真正缺的，可能不是算法，而是干净数据
Leaf Agriculture成立于2021年，总部位于美国旧金山。与很多直接面向农户的农业软件不同，Leaf更像是一家″幕后型″农业数据基础设施公司。
其核心业务是将来自农机、土壤实验室、气象站、卫星、无人机、农场管理软件等不同来源的数据，进行连接、清洗、标准化和结构化处理，再提供给农业企业、保险公司、农资零售商、种子和农化公司、食品企业、可持续项目方等客户使用。
在农业生产中，数据并不稀缺。大量农机具会记录播种、施肥、收获和耕作数据；土壤实验室会生成检测结果；气象站和卫星持续提供环境信息；农场管理系统也在不断记录地块、作业、投入品和产量信息。真正的问题是，这些数据往往分散在不同系统中，格式不同、口径不同、接口不同，甚至存在大量非结构化和不一致内容。
这正是 Leaf 要解决的问题。它试图成为农业数据世界里的″连接层″和″翻译层″，让企业不必反复为不同品牌、不同平台、不同格式的数据做重复集成，而是可以在统一的数据基础上开发产品、训练模型和服务农户。
处理全球约20%作物面积数据
根据 Leaf 披露，其平台目前每年处理的数据覆盖全球约 20%作物种植面积。这意味着，Leaf并不是一个仅服务少数试点项目的工具型公司，而是在农业数据基础设施层面具备了一定规模。
公司官网显示，Leaf 提供统一农业API，支持地块边界、农机作业、卫星和无人机影像、天气数据、处方图、资产关联、第三方数据接入、投入品校验、灌溉数据等模块。其系统强调可扩展性、安全性和对主要农业品牌的兼容性。
Leaf 对自身的定位也比较清晰：它并不一定直接出现在农户手机界面上，但其能力会嵌入到保险、农资推荐、可持续项目、农场金融、碳市场、供应链追溯等应用背后。换句话说，农户未必知道 Leaf 的名字，但很多服务农户的数字工具，可能会依赖 Leaf 处理过的数据。
从保险理赔到农资推荐，数据开始影响农场收益
Leaf 披露，其平台已经在多个农业价值链环节产生应用。
在作物保险领域，使用 Leaf 平台的合作伙伴可以将原本需要数月完成的理赔流程缩短至数天，让农户在遭遇损失后更快拿到赔付资金，并为下一季生产做准备。
在农业零售和农资服务领域，经过 Leaf 标准化处理的田间数据，可用于构建更细分的种子、农药、肥料和生物制剂效果模型，从而帮助服务商基于具体地块和历史表现，向农户提供更有针对性的投入品建议。
在可持续农业和合规项目中，Leaf 的价值则体现在减少人工填报负担。许多碳项目、再生农业项目、供应链可追溯项目，都需要农户提交大量作业数据。如果这些数据能从农机、地块、遥感和农场管理系统中自动提取并标准化，农户参与新型收益项目的门槛就有望降低。
这也是农业AI真正走向应用的关键：AI并不是凭空生成农艺建议，它需要可追溯、可计算、可比较的数据基础。
拜耳为何出手？
拜耳参与本轮融资并不意外。
拜耳作物科学长期布局数字农业，其 FieldView 平台已经成为全球较有代表性的农场数据和数字化决策平台之一。对于拜耳而言，Leaf 的意义不在于取代 FieldView，而在于增强不同数据系统之间的连接能力，让更多农户能够将 FieldView 数据用于保险、可持续项目和农艺决策支持。
拜耳作物科学数字农业与商业生态系统负责人 Jeremy Williams 表示，数字工具正在改变农户使用种子和作物保护产品的方式，FieldView 等平台正在发挥重要作用。Leaf 能够帮助更多农户通过其合作伙伴网络，将 FieldView 数据用于作物保险、可持续发展和农艺决策支持。拜耳通过 Leaps by Bayer 投资 Leaf，是其推动生态连接、为农户提供更好回报和更简单数字体验的一项具体行动。
从这段表态可以看出，拜耳关注的不是单一数据工具，而是农业数字生态的″连接性″。随着种子、农药、保险、金融、碳项目和农场管理软件之间的联系越来越紧密，谁能掌握可信、合规、可流动的数据基础设施，谁就可能在农业AI时代获得更强的平台能力。
农业经营承压，数据效率变得更重要
Leaf 融资发生在美国农业经营压力仍然较大的背景下。
美国农业部最新预测显示，2026年美国净农场收入仍将较2025年小幅下降。虽然净现金农场收入预计略有增长，但在通胀、投入品价格、燃油和化肥成本波动等因素影响下，许多种植户仍面临利润压力。
同时，地缘冲突和供应链扰动也继续影响农业投入品市场。公开报道显示，燃油和化肥等成本仍然是美国农户关注的重要压力来源。对于粮食、油籽和大田作物生产者而言，投入品成本高企与作物价格波动叠加，使得精细化管理的重要性进一步提升。
在这样的背景下，农业AI和数据工具不再只是″锦上添花″的数字化产品，而是可能成为农场降本增效的一部分。无论是优化播种密度、改进施肥处方、提升农资推荐准确性，还是缩短保险理赔周期，背后都需要高质量数据支撑。
LeafLake：从数据接入走向数据分析
值得注意的是，Leaf 在本轮融资前已经推出了 LeafLake，进一步从″数据连接与清洗″延伸到″农业数据分析″。
LeafLake 被定位为面向农业企业的数据湖与分析产品，可将播种、施用、收获、天气、土壤、地形和影像等数据统一到可查询的数据层中。用户可以通过SQL等方式快速分析不同地块、区域、品种和管理措施之间的关系，例如比较不同种子品种的产量表现、分析某类生物制剂在特定环境条件下的效果，或基于产量和环境变量划分管理区。
这说明，Leaf 的业务正在从″帮客户接通数据″进一步走向″帮客户理解数据″。在AI应用加速进入农业场景的当下，这种基础设施能力可能会变得更重要。
因为对于农业企业来说，自建农业数据平台通常成本高、周期长、兼容难度大；而直接调用通用AI模型，又难以解决农业数据的空间属性、时序属性、作业逻辑和农艺语义问题。Leaf 所处的位置，正是农业AI应用落地前必须经过的数据工程环节。
来源: 公众号：农业科技侠数字与智慧农业