植物「會說話」？這家新創用 AI 讀樹幹電訊號，判斷是否缺水

新創 Electric Plant 用插進樹幹的電極與通用 AI 模型，推估植物缺水與光合作用狀況，並募得 1,120 萬美元種子輪。不過白皮書顯示準確度中等，離完全聽懂植物還有距離。
（前情提要：Meta 黑科技：戴頭盔讓 AI 讀你的腦，文字準確率衝上 61%）
（背景補充：三星發布兩大健康 AI 基礎模型！主打智慧手錶「裝置端運算」免上雲端）

本文目錄

植物不會說話，但是體內有微弱的電訊號在流動。舊金山新創 Electric Plant 做的事，是在樹幹裡插電極，錄下這些訊號，再用一個通用的 AI 模型推估植物缺不缺水、光合作用順不順。它瞄準的是果園、林場與各類種植者。

據 TechCrunch 報導，這家公司目前已拿到 1,120 萬美元種子輪，白皮書顯示，其技術目前讀得出七項植物壓力指標，準確度中等，但也有不少限制。

它到底在聽什麼

執行長 Justin Mast 表示，他幾年前讀文獻，看到一株接上電動底座的盆栽：植物想要更多光時體內電訊號會改變，控制板偵測到電流，就把盆栽推向光源。那是 MIT 媒體實驗室 2018 年的 Elowan 計畫。他說：「那就是我掉進兔子洞的入口。」

實際做法比較樸實。戶外感測器叫 Bud，電池供電，每秒取樣 1 次，用 LoRaWAN（一種省電、傳得遠的無線網路）回傳資料；實驗室與溫室用的叫 Stem，同時接 8 對電極，每秒取樣 120 次。據白皮書，電極要插到木質部與韌皮部，也就是植物輸送水分與養分的管道，同時是電訊號的通道。資料送到接收站，在雲端由名為 Bombadil 的模型解讀，結果用來調整澆水與施肥。

預訓練資料超過 400 萬小時，來自 1,400 多株植物、10 個地點，官網寫能判讀超過 125 種植物。

準不準，現在能用嗎

模型讀出七項「生命徵象」：五項跟光合作用效率有關，用葉綠素螢光來量；兩項跟葉片溫度有關，缺水時葉片氣孔關閉、散熱變差，葉溫就升高。訓練情境大多是少澆水，標準答案來自 PhotosynQ 公司的手持儀器 MultispeQ。

準確度用相關係數衡量，看模型估計值和儀器實測值的起伏是否同步：1 代表完全同步，0 代表毫無關聯。七項指標落在 0.27（作物缺水壓力指數）到 0.71（光合作用的電子傳遞速率）之間。儀器自己重複量也有誤差，所以有理論上限；模型達到上限的 39% 到 73%。

要它直接報出準確數值就更吃力：七項裡有 3 項的誤差，比「每次都猜該種植物的平均值」還大。白皮書歸因於每個感測器各有固定偏差，扣掉後三項都優於基準。趨勢抓得到，絕對數字還不可靠。

差異也大。重點評估的 6 種植物裡，常見觀葉植物變葉木完全讀不出來，不過這個物種僅有 4 株。依指標不同，有 9% 到 25% 的感測器讀出的趨勢跟實際相反。沒見過的物種，在沒有標準答案的情況下，達到上限的 19% 到 65%；校準後提升到 39% 到 73%，官網 FAQ 也說新客戶需要到場短期校準。

白皮書自己列的限制：沒測試從沒去過的地點，每個物種僅在一個地點錄過；單株錄製最長不超過三個月，沒涵蓋季節變化；標準答案僅來自缺水與正常澆水兩種狀態。

誰會用、多少錢、跟現有做法差在哪

官網列的應用包括果園、大型林場、都市景觀、室內植栽與智慧盆栽，FAQ 說果園與樹木作物最快回本。不過 Mast 不肯透露首批客戶是誰。價格上，他說每英畝僅需幾個感測器，現有工具動輒數千美元，他們的感測器是「幾十美元」。

他也宣稱這套做法能提高產量、讓用水減少 20% 以上。但其實 Electric Plant 不是第一家做這件事的企業。瑞士新創 Vivent 2020 年就在賣 PhytlSigns，在植物莖上接電極，用 AI 判讀電訊號，抓病蟲害與缺水。AgFunderNews 當年的報導標題，就是讓植物對人類「說話」，這個說法六年前就用過。

官方白皮書批評這類前人模型每個僅做一件事，通常僅針對一個物種、一個場域；Electric Plant 的差異是一個模型跨物種通用，不過新客戶仍要到場校準。