读取植物″电信号语言″！Electric Plant 获1120万美元种子轮融资，开启植物健康监测新路径

世界农化网中文网报道：植物缺水了、受到环境胁迫了，能否不依赖土壤传感器或叶片图像，而是直接通过植物自身的生理信号了解其健康状况？

近日，美国农业科技初创公司 Electric Plant Company 宣布结束隐秘研发阶段，正式对外亮相，并完成 1120万美元（约合人民币7480万元）种子轮融资。与此同时，公司推出了名为 Bombadil的植物电生理AI基础模型，试图通过解码活体植物内部的电信号，实现对植物健康状态的连续监测。

据介绍，Bombadil使用来自100种植物、超过400万小时的电信号记录进行预训练，能够从植物自身的电活动中推断多项生理指标，而不再完全依赖土壤湿度、气象数据或外部视觉特征来间接判断植物状态。

这项技术也提出了一种新的植物监测思路：从监测植物所处的环境，进一步走向直接感知植物自身的生理状态。

从外部环境监测到读取植物自身信号

长期以来，农业生产主要依靠土壤传感器、气象站、卫星遥感、机器视觉等技术监测作物生长环境和健康状况。

例如，土壤湿度传感器能够判断土壤中的水分含量，卫星遥感可以识别冠层变化，机器视觉则能够通过叶片颜色、形态等特征发现异常。

然而，这些手段并不总能直接反映植物当前的生理状态。同样的土壤含水量，对于不同品种、不同生长阶段的植物，可能意味着完全不同的水分胁迫程度。

Electric Plant Company选择了另一条技术路线——植物电生理监测。

植物虽然没有动物那样的神经系统，但其细胞和组织同样存在电活动。当植物受到水分变化、机械刺激、盐分胁迫等影响时，细胞膜电位及相关电信号可能发生变化，并参与植物体内的信号传递和生理调节。

这些电信号蕴含着与植物生理状态有关的信息，但由于信号微弱、容易受到噪声干扰，而且不同植物之间存在差异，长期以来难以实现规模化解读。

Electric Plant Company希望利用AI解决这一问题。

公司开发了一款名为 Bud的低成本植物电信号传感器，通过安装在植物组织中的电极，持续采集植物内部的电位变化，并将数据传输至AI模型进行分析。

根据技术白皮书，Bud采用电池供电，以每秒1次的频率采集电信号，并通过LoRaWAN低功耗广域网络传输数据，适用于果园等户外场景。

公司还开发了适用于实验室和温室环境的Stem设备，可以同时采集多个电极通道的信号。

通过硬件与AI模型的结合，Electric Plant Company试图将原本难以理解的植物电信号转换为能够指导农业管理的生理指标。

400万小时数据训练，让AI学习植物的″电信号语言″

Electric Plant Company此次发布的核心技术是Bombadil。

与传统针对某一种植物、某一种胁迫类型单独训练的识别算法不同，Bombadil采用了类似大型语言模型的基础模型技术路线。

根据公司于10月19日发布的技术白皮书，Bombadil基于Transformer架构，使用自监督学习方法进行预训练。

其核心思路是：先让AI从大量植物电信号中学习不同物种之间的共性规律，再利用相对少量的标注数据完成具体的生理状态预测任务。

具体而言，研究人员收集了来自100种植物、1400余株植株的超过400万电极采集小时数据，覆盖实验室、温室、商业果园和天然森林等10个采集地点。

模型训练过程中，研究人员随机遮蔽部分电信号数据，要求AI根据其他时间段的信号恢复缺失信息。通过反复训练，模型逐步学习植物电活动的时间变化规律及潜在特征。

在此基础上，研究团队进一步使用来自35种植物的标注数据，对模型进行生理指标预测训练。

目前，Bombadil能够估计7项与植物胁迫相关的生理指标，包括光系统II实际光化学效率、非光化学能量耗散、线性电子传递速率、叶片与环境空气的温差，以及作物水分胁迫指数（CWSI）等。

其中，作物水分胁迫指数是农业灌溉管理中常用的指标，可用于反映植物受到水分胁迫的程度。

值得关注的是，这些指标并非由Bud传感器直接测得，而是由AI根据植物电信号进行估计。研究人员使用独立采集的叶绿素荧光和叶片温度等测量结果作为训练和验证依据。

公司表示，Bombadil还能够对未参与相应训练的植物物种进行初步预测，并通过额外校准进一步改善结果。

这意味着，未来在扩展新的植物种类或生理监测任务时，研究人员有望复用同一个基础模型，而不必为每个物种重新开发完整的算法。

据公司披露，自Bombadil首次训练以来，其植物电信号数据库已进一步扩大至 700万小时。

从植物健康监测走向精准农业

对于农业生产而言，植物电信号监测具有较为广泛的潜在应用空间。

以果园灌溉为例，传统灌溉决策主要参考土壤湿度、蒸散量和气象条件，而植物电生理监测有望进一步提供作物自身的水分胁迫信息，帮助种植者更有针对性地制定灌溉方案。

在设施农业中，连续采集的电信号还可能用于研究作物对光照、温度、盐分等环境变化的生理响应，为精细化环境调控提供新的数据来源。

此外，Electric Plant Company还计划将这一技术扩展至病害识别、开花时间预测等任务。

不过，这些功能属于公司未来的开发方向，目前发布的技术验证主要集中于植物生理胁迫相关指标的估计。

根据技术白皮书，Bombadil在跨物种信号建模及部分生理指标预测方面展现了一定潜力，但不同指标的预测表现仍存在差异。对于盐分和除草剂胁迫，研究主要验证了模型输出的变化趋势，尚缺少相应的直接生理测量数据进行定量对照。

同时，现阶段的评估尚未充分验证模型在全新采集地点的独立泛化能力。

因此，植物电信号AI要真正实现大规模农业应用，仍需进一步解决跨环境适应性、长期监测稳定性以及预测结果与实际农艺决策之间的关联验证等问题。

获1120万美元融资，已进入商业化试点

Electric Plant Company成立于2023年，总部位于美国旧金山。

公司由Justin Mast和Lee von Kraus共同创立。其中，Justin Mast此前创办了在线植物零售平台Bloomscape；Lee von Kraus拥有神经科学博士背景，曾参与美国国防高级研究计划局（DARPA）等机构的相关研究工作。

此次1120万美元种子轮融资由 Onto Ventures和Climactic联合领投，Ponderosa、Endeavor Catalyst、Ludlow、Michigan Rise、The Fund、Schox VC以及Dug Song等投资方参与。

公司表示，其技术已在商业场景中开展早期部署，目前已有数百个传感器投入现场使用。

在商业模式上，Electric Plant Company计划通过向现有农业及植物养护服务运营商授权技术的方式拓展市场，而非直接取代现有的农业服务体系。

据报道，公司正在优先探索果园及其他多年生植物种植场景。与部分价格达到数千美元的传统专业监测设备相比，Electric Plant Company希望通过成本仅为数十美元的传感器，降低植物电生理数据的规模化采集门槛。

不过，传感器硬件成本的降低并不等同于完整监测系统成本的下降，其商业价值仍有待更多实际种植场景验证。

从行业发展来看，人工智能在农业领域的应用，正从作物图像识别、环境数据分析和产量预测等方向，进一步向生物体内部的生理信号感知延伸。

Electric Plant Company此次推出的Bombadil，将植物电生理传感与AI基础模型相结合，为植物健康监测提供了一条值得关注的新技术路线。

如果未来能够实现可靠的跨物种、跨环境泛化，农业生产中的数字化监测有望从″环境发生了什么″，进一步发展为″植物自身正在经历什么″。

关于Electric Plant：

Electric Plant 公司利用植物电生理学研究成果，解码植物用于交流的电信号，从而为农民、农业企业、科学家和消费者提供植物需求的直接信息。Electric Plant 的传感器 Bud 可以附着在植物上，记录其电活动；而其核心人工智能模型 Bombadil 则基于 100 种植物的电信号数据进行训练，并将这些信号转化为清晰的答案——例如需要浇水、施肥或照料——从而取代成本高昂的人工检查。

Electric Plant 由首席执行官 Justin Mast 和首席科学家 Lee von Kraus 联合创立。Justin Mast 曾创立颇受欢迎的在线园艺零售商 Bloomscape，而 Lee von Kraus 则是一位神经科学家，曾与美国国防高级研究计划局 (DARPA) 和美国国家航空航天局 (NASA) 合作，并联合创立了 Halo Neuroscience。该公司迄今已获得 1120 万美元融资，总部位于旧金山。