把确定性，写进农业：四个外行、两次失败、三千万学费换来的答案| 2026AI Partner·北京亦庄AI+产业大会

两次失败、三千万学费——创业没有爽剧剧本，这是陆渔科技深耕农业AI真实的“入场券”。当99%的人还在用AI写文案、做设计时，有人把它扔进了鱼塘，只为解决一个最朴素的问题：不确定性。 鲁敏用18年IT男转型“新农民”的经历，揭开了水产养殖最残酷的真相：1.38万亿的市场，数字化渗透率不足5%，一叶方塘，百万归零。这场分享没有宏大叙事，只有从黑箱到白盒、从赌运气到算数据的血泪教训：农业要的不是快，是确定性。 以下为陆渔科技联合创始人、首席技术官 鲁敏 演讲内容，经36氪整理编辑： 鲁敏丨陆渔科技联合创始人、首席技术官 首先感谢36氪的邀请来参加在北京亦庄举行的AI Partner行业大会，我是陆渔科技的鲁敏，我就是所谓“新农人”，养鱼的，讲主题之前我先讲一个我们的创业故事，这个创业故事可能是全场最不专业的故事，通过这个故事了解一下我们是做什么的。 我们四个人，一个写代码的程序员，一个是产品经理，还有一个卖房子的，加一个做电子芯片解决方案的小伙伴，这几个人跟农业是没有一点关系的，而我就是那个程序员，一个在互联网一线做了18年的IT男，在当时的朋友圈里，我们是别人比较羡慕的职业，在互联网，在房地产，包括高端芯片，都是有光鲜和有前景的行业，有一次很偶然的饭局和机会，我们认识了一个做养鱼的小伙伴，他跟我们说做鲈鱼苗的孵化，把小渔村超小的苗养到10公分左右的苗，我们也很好奇，那个时候互联网、房地产各方面都比较饱和了，没什么机会，就尝试投了13万块，试了一下鱼苗孵化，很震惊，42天，这十几万的投入，回报超过40多万，这个事情蛮震惊的，我们算了一笔简单的账，一条小鱼苗毛利润接近300%，我想我们养个上千万条，那不得时时刻刻实现财务自由，这个利润率非常离谱，还是高频次的需求，我们四个就头脑一热一头扎进了水产养殖行业。 创业不是爽剧，接下来却是一次次沉重的打击，现在回头来看那时候的成功只有两个原因：一个是市场行情好，二是运气好。没有碰上自然的灾害，台风、高温、下暴雨之类的，也没有遇上病毒，那时候我们不懂什么叫靠天吃饭，开始了这趟旅程。 后来，我们的第一次正式投入是150万，全军覆没。厂房自建，总想着比在外塘风吹雨淋要靠谱吧？然而这个设备太差，养殖技术基本为零，最后鱼没了，钱也没了。我们不甘心也不认输，听说这个行业有一个循环水可以解决这个问题，工厂化可控的，不用看天脸色，又开始折腾。第二次创业，租厂房、买设备、建设循环水养殖基地，一次性投入150万，结果又失败了。买回来的设备是根本养不了鱼的，传统的鱼塘养殖技术在循环水技术里完全不适用，循环水涉及到很多方面的知识，比如设备结构、流体力学、微生物、生物学、化学、机电一体等，要想把鱼养出来太难了，从根源上就有问题，但是我们还是不死心，我们算过利润率，如果我们能成功肯定能赚很多钱。第三次，我们全赌上来，前前后后我们总共投了三千多万，才真正做了一套能稳定养出鱼的循环水系统，或者说摸索出一套能够真正养殖成功的养殖体系。我们从养殖设备研发，包括设备运营技术、养殖技术、病虫害、鱼苗、饲料、动物健康产品各个领域入手，逐步试错解决问题。至此我们才明白这个行业不是一个点的问题，而是一个面的问题，是整个产业链条的问题。 经过三千万的试错，到目前为止，我们完成了覆盖华南、西南、华北、华东等地区的十多个大型养殖基地的建设和运营，并且帮助众多养殖企业、养殖户完成现代化的循环水养殖基地的建设与改造，这是在全国各地的基地情况，包括直营的，包括合作运营的，同时在资本市场上完成了本地国资平台天使轮投资，逐渐被资本化认可，他们也看到了这个市场。而这之前，农业一直都是非常不确定的产业，也不被资本看好。 我们不是来展示养殖成功的，而是想和各位分享，在这个过程中教会了我们什么东西。 第一个事情，水产养殖的敌人不是市场，也不是价格，从来不是这个原因，而是不确定性。在一个生物环境中，有太多的变量因素了，无法确定，我们第一次失败，不是决策失误，而是你不知道设备什么时候坏，也不知道什么时候水质会崩掉，更加不知道鱼为什么突然死亡，所有的信息都在黑箱里，决策靠老师傅的经验，外塘养殖，能养成功的，能够赚到钱的一定有厉害的老师傅，靠学徒制传承的来解决这个问题，这个过程像开盲盒，结果就像是赌石、赌币，我们经常开玩笑的一句话，一叶方塘，百万归零，这个过程中死了太多小生命了。 第二个事情，在1.38万亿的市场里，几乎没有任何数字化，搞互联网的人进来才发现，以为农业信息化已经是天花板了，数字化根本没有，根据中国通信院数字经济发展研究报告表明，农业总体数字渗透率只有10.5%，服务业是44.7%，水产养殖可能连5%都不到，一个1.38万亿的市场，90%都是靠经验、靠直觉、靠运气。 2024年底的时候，DeepSeek彻底出圈，大模型的能力飞速发展，国内外大模型厂商都在卷参数、多模态，AI各种应用层层出不断，大大提高了生产力，在座各位90%以上都通过AI极大提高自己的生产力，而我们意识到大模型在AIGC上大放异彩的时候，在传统行业到底带来了什么东西。比如鱼会不会早上缺氧，会不会因为水质异动的时候，导致整池鱼死掉，AI到底如何赋能，这是我们思考的问题。 整个AI 2024年的火爆，我们如何通过现代AI技术解决我们这个赛道的问题，可以看一下通用AI和农业AI的区别，刚才杨总讲到一个关键的东西，关于健康数据诊断，包括诊断完以后决策的过程。当健康领域更多是非传统的关键知识和经验，诊断出来以后我们做决策，农业里也是一样的。数据维度，完全没有开源数据的，每个鱼塘都是孤岛，不可能把农民那一套搬过来，传统鱼塘整个可变因素太多了，没办法标准化或者规模化，通用AI走互联网爬取或者行业的数据制式灌过去，农业没人干这个事情，外塘也没办法干这个事情，循环水我们可以干，本身是标准化体系、标准化设备、标准化生产流程。 安全，就像百度健康讲的诊断。AIGC生出的内容可以修正，通过“最后一公里”把这个方案做得更好一点，利润做得更完善一点。而我们做指导性的诊断、建议是不可逆的，不可以发生错误的，错了就导致一个生命的消失。再加上物理上的问题，水、电、生物、化学等方面，数据只是冷冰冰的数据，如何跟产业、行业把数据真正联系起来，最后品种、地方区域各方面都不一样，这种难是我们最深的护城河。 这三千万的学费最终让我们学会了一个事情，我们不是要做更好的设备，而是我们要用AI的能力，大模型的能力，把不确定性从行业里一点点擦掉，这是陆渔AI在农业渔业板块解决的全栈，四层，数据、决策、执行、飞轮，每一层对应的是我们踩过的坑和经验。 数据层，我们遇到最大的坑不知道系统里发生了什么事情，我们做了“鱼全览”，有17类的数据闭环，包括水质、PH、氨氮、水温、设施、行为、投喂情况、制氧机工况、循环水泵的转速等，实现了实时采集、自动分析，包括每天早上生成全景的报告；第二个坑设备是会坏的，永远不知道设备什么时候坏，人的眼睛要天天盯着他，或者经验判断是不是会坏，循环水在系统里水泵是最便宜的，是整个循环最核心的心脏，我们开发了PdM预策性维护系统，提前五到十天预测水泵的故障，原则很简单，只要循环系统不死，保证鱼最基础的生命生存保障，鱼就不会在短期内死亡，我们就有充分的时间解决，大家一听这不就是搞大数据的