日本农民用 Codex 管百公顷农田：零基础搞定硬件与卫星遥感

如果要在 100 公顷的土地上搞现代化农业，通常的做法是找外包团队，或者买一套贵得吓人的智慧农业大厂方案。

但北海道的一位农夫选了一条完全不同的路：自己动手，把代码全交给 AI 写。

2026 年 6 月，OpenAI 讲了 Hiroki Tomiyasu 的故事。这位农夫在北海道管理着整整 100 公顷的农田，种植西兰花、南瓜、大葱和大豆。在下地干农活之前，他其实是一名公务员，既没有接受过正规的农业培训，更没有任何工程和编程背景。但现在，他靠着 ChatGPT 和 Codex，把一整套农业自动化系统跑了起来。

从单片机电机到太空卫星

Tomiyasu 目前手里跑着 8 套活跃的 AI 工作流，覆盖的范围大得惊人。

在地面上，他用单片机 ESP32 控制电机运转，把温室里的温度传感器和平地上的物联网设备连在一起，实时追踪大棚温度和田间状况。

在天上，他甚至调用了卫星遥感数据，自动生成农田的 NDVI 植被指数映射图，直接在屏幕上看作物的生长健康度。

这些软硬件打通的定制工具，代码基本都出自 Codex 之手。Tomiyasu 自己在 note.com 上持续记录这些实验。按照他的说法，用 AI 辅助开发的感觉，就像身边时刻坐着一位技术极其顶尖的工程师随时待命。

为什么重要

我们认为，这个案例最耐人寻味的地方，不是 AI 又帮农业提高了多少效率，而是它彻底推翻了一个长久以来的假设：做软件必须先学会写代码。

长期以来，行业数字化的最大死结是懂业务的人不会写代码，而会写代码的人不懂一线的泥土与温室。把真实痛点翻译成技术需求，中间损耗巨大，甚至直接把许多个人和小农场挡在门外。

Tomiyasu 的实践说明，当大语言模型把代码语法的门槛砸平之后，真正的核心竞争力变成了对业务本身的理解。只要你清楚地知道自己需要控制哪个电机、需要监测哪块地的植被指数，AI 就能帮你把底层逻辑拼出来。

对普通开发者和创业者来说，这一步走得很给力，但也必须看到现实的边界。AI 能瞬间生成 ESP32 的控制逻辑和数据处理脚本，但硬件布线、传感器损坏、田间的风吹日晒等物理世界的麻烦，依然得人肉去解决。AI 搬开了技术的绊脚石，但真正让系统转起来的，还是那位愿意在泥地里反复调试的农夫自己。