种地的老王最怕水稻起斑——一早发现不了，三亩地一星期就能黄半边。现在不少植保 App 把"拍照识病"塞进了手机：你对着叶子拍一张，模型几秒告诉你"这是纹枯病、该打什么药、最佳施药期在几天内"，比等农技员下乡快了不止一点。
过去病虫害靠人眼加经验，县里植保站人手有限，大片田根本跑不过来。AI 视觉进来后，把"认病"从稀缺的专家资源变成了人人手机上的一点。它的价值不是"更准"，而是"更早、更密"——发现得早，用药少、损失小，这块账农户算得最清。
这背后是"海量病斑图像 + 轻量模型 + 边缘部署"。模型不一定要跑在云上，很多直接塞进手机或田边的小盒子，断网也能用。和通用识图最大的区别是数据得是本土的：南方的稻瘟和北方的叶锈完全两样，模型得吃够当地样本才懂你这块地的病。所以农业 AI 拼的不是算法多酷，是谁的本地样本多、谁就真懂这片田。
在湖南种晚稻的老周跟我聊过他的转折：以前发现叶子发黄，得骑摩托到镇上问农技员，来回大半天，有时赶上人家下村，白跑一趟。现在他巡田时顺手拍几张可疑叶子上传，App 直接回"纹枯病初期，三日内吡唑醚菌酯喷雾"，他当天下午就打了药，没让病害扩散。他说现在最值钱的本事是"会拍会问"——把模型当随身农技员，而不是自己硬扛。但有一回模型把缺素黄叶误判成病，他多打了一遍药才发觉，从此疑难他宁可截图发给当地植保站复核。
落到不同人身上，变化很具体。对普通农户，是少跑腿、少用药、少减产；对农技员，从"到处救火"变成"盯模型预警、把精力留给模型接不住的难症"；对农资商和保险公司，病虫害数据第一次可量化，用药推荐、灾害定损都能做。三层里最该被重估的是农技员——他们从重复劳动里被解放，却要接住模型误诊留下的尾巴。
给种地的朋友一个实在建议：先把"拍照识病"当辅助，别盲目照方抓药，模型误诊会错杀或漏治；真拿不准的，截图加位置发给当地植保站复核最稳。农业 AI 最动人的，从来不是它多聪明，而是它让最传统的行当，第一次有了"随身农技员"——只是这个农技员，得有个真人在身后帮它兜住错。