百亿生态监测市场的笨功夫：博凡科创的数据积累之路

一个鸟类学家如果要去秦岭做一次繁殖鸟类调查，依然要背着干粮走两天的样线，听到鸟叫就在笔记本上画一笔，回到驻地再把记录整理成表格。

过去几十年，生态学的研究工具和方法发生了不少变化，但最基础的野外数据采集流程——靠人走、靠眼看、靠耳听——并没有被真正替代。红外相机、声学记录仪等技术工具早已被引入监测工作，但它们承担的角色更多是辅助记录，距离替代人力仍有不少工作。与同期的城市安防、自动驾驶相比，技术对一线生态调查的改变要慢得多。

这背后有两层原因。表层看，愿意为数鸟需求定制专用设备的技术公司确实不多，细分赛道的市场体量难以吸引大厂重兵投入。更深层的约束在于：野生动物物种普查属于周期性项目，全国生物多样性调查通常五年一次，地方政府缺少持续性的年度运维预算来支撑常态化智能监测；同时，AI识别数据尚无国家统一质控标准，人工纸质记录仍是官方认可的法定调查依据，保护区不敢完全放弃人工复核。

一位生态监测领域从业者算过一笔账：单处无人山区监测点位，全套智能设备部署及年度运维费用约数万元；而地方财政在阶段性物种普查项目中的短期人工巡护支出，往往更低。当采购决策以年度预算为基准时，硬件的长期成本优势并不总是胜出选项。

需求真实存在，替代迟迟未至。这个缝隙里藏着一门慢生意。在北京，有一家成立三年有余的初创公司钻进了这个赛道。它叫博凡科创。

01 从学术走向产业，他选了更重的那条路

宋英石是中国科学院生态环境研究中心的博士，2015年毕业，研究方向是生态学。

他没有留在学术机构。毕业后的十年里，他在联通数科负责智慧环保业务，客户一直是政府机构和大型央企。他熟悉的是项目制的运作逻辑、B/G端的采购流程，以及如何在长期项目中把交付做稳。

博凡从B/G端切入，不是战略上放弃C端，而是基于他过去十年积累的资源禀赋——客户关系、行业认知、交付经验都在这个方向上。这是他最自然、也最有把握的起点。公司从事的是生态监测——看生物多样性，和他在联通做的环境监测（盯污染源）不是一回事。但工具从论文里的数学模型，变成了野外部署的AI设备。

博凡在北京办公，客户以央企、科研院所为主，通过渠道获取项目。据公司介绍，成立三年便实现了正向现金流，目前在手合同覆盖多个国家级项目。

公司的产品逻辑是：针对不同物种，定制智能监测终端。

鸟类靠声纹识别和图像识别，据公司数据，在北京奥林匹克森林公园已识别出280种；

哺乳动物用红外触发相机，动物经过自动拍照，通过4G回传，智能区分动物种类；

藻类和浮游动物使用自主设计的显微成像设备，自动上样、自动拍照、AI识别——据企业介绍，这套野外一体化水生显微识别设备是国内较早规模化落地的同类自动化监测方案之一，该结论尚未经第三方行业评测验证；

花粉监测同样采用显微成像原理，辅助以荧光和偏振光，对空气中悬浮的花粉颗粒拍照、识别、计数；植物则用生长环测树干周长增量，用液流针测水分输送速度，进而推算固碳量。

目前公司研发起步于订单牵引——有确定的真实需求再做开发。宋英石解释：“我们研发还没有阔绰到凭自己兴趣爱好，去做一个还没有客户的产品。”

02 数据库是这个行业的稀缺资产

宋英石反复提到一个判断：数据库是公司的核心资产。

在生物多样性监测领域，公开可用的物种图像和声纹数据极为有限。网上能找到常见动物图片，但某一种珍稀鸟类的叫声——不同季节、不同地域、不同年龄个体的叫声——公开数据几乎空白，我们很难系统的找到鸟类的喙、脚趾、尾巴等细节照片，也很难系统找到植物树干、枝叶、花、果实等细节照片，关于昆虫，不同发育阶段的照片也是少之又少。藻类、花粉、浮游动物等微观物种，公开数据集接近于零。

据博凡方面介绍，公司数据平台自2024年上线以来，通过奥森公园、秦岭自然保护区、海南宁远河、丹江口水库等项目的实地部署，已积累超过123万条有效数据，覆盖2000多个物种。数据库中绝大多数物种的声纹和图像样本来自博凡自有设备实地采集，而非公开数据集。在项目制框架下，数据积累与项目交付同步推进——有项目就有收入，也有新增数据。这类数据的获取依赖特定的硬件方案和采集条件：花粉、藻类等物种的样本，需要专用设备和前置处理流程才能获取，并非通用AI模型或公开数据集所能覆盖。

配图说明：灰喜鹊不同时节声纹图

人工智能对生物多样性监测的影响分两类看待。常见物种有大量公开网络素材的物种，大模型可通过开源数据快速识别；但藻类、花粉、珍稀兽类等缺乏公开样本的数据。换句话说，模型再强，也绕不过“先有数据”这一关——这正是数据壁垒在中长期的价值所在。

“人工智能也不是无根之木，有些数据还是需要专业的人去测试去积累，”宋英石说，“你只能去现场，把设备架在那里，等它出现。”

03 重模式的逻辑

在生态监测这条赛道上，大多数AI公司选择的是轻资产路线：采购现成的摄像头和拾音器，专注做算法优化。博凡的做法相反——针对每一个物种类别，重新设计采集端的硬件方案。

“鸟类靠听，兽类靠红外，昆虫需要微距相机，藻类得用显微镜，花粉还要单独做富集装置，”宋英石说，“我们要根据不同物种的特性设计前端感知设备。”

这意味着更高的研发投入、更慢的产品迭代、更重的交付模式。他选择这条路的核心逻辑是：生态数据不是靠爬虫能从网上获取的，必须去现场，用对的设备，一点一点积累。在别人追求轻的时候，他选择了重。这是博凡和许多同类公司最根本的区别。

研发的投入方向也体现了这一逻辑。据宋英石介绍，公司在鸟类和哺乳动物识别之外，已将研发重心转向藻类、花粉和浮游动物等微观物种的智能监测设备。这些物种的共同点是“看不见”——肉眼难以分辨，通用设备难以采集。藻类的显微成像设备需要解决自动上样、自动对焦、自动拍照的一连串工程难题；花粉监测则要先在空气中富集样本再做鉴定，背后涉及空气动力学和精密光学。这两个方向被宋英石视为博凡最核心的技术壁垒：“这些不是把摄像头对准了就能识别的，你需要先解决怎么拍到它。”

“怎么拍到”先于“怎么识别”。正是这道前置工序，把只做算法的公司挡在了门外。

他承认这条路走得慢，但他相信，越是需要时间打磨的东西，后来者越难在短期内追上。公司当前仍在持续投入研发，尚未进入大规模商业化推广阶段。

配图说明：博凡科创创始人宋英石

04 标准与共识：还差几步

宋英石把行业起量的希望，部分寄托在政策和标准上。

他提到的一个细节很有说服力。2026年，北京市发布了一项关于藻类监测的地方标准，要求使用显微成像结合AI识别进行藻类分类和计数——和博凡正在做的事一模一样。他说，“整个技术路线和我们走的方向完全一致。”

但这样的巧合目前仍是少数。在鸟类声纹、哺乳动物红外监测、水生生物识别等大多数细分方向上，全国性的统一标准和数据格式仍然缺失。他判断，一旦AI识别数据被纳入国家标准、成为法定调查依据之一，整个市场的采购逻辑会发生根本变化——从设备采购转向数据采购。2025年10月国务院颁布的《生态环境监测条例》（2026年1月1日起施行）明确要求“全面提升生态环境监测的自动化、数字化、智能化水平”，但对AI识别数据能否作为法定调查依据，尚未有专门条款予以明确。

他同时透露，博凡计划在未来发布行业白皮书。他举了一个例子：现在做生态监测，一个生态系统该布几个点位、布在哪里、布什么设备、怎么计算和统计，基本靠经验，而经验很难复制。在他看来，行业最缺的不是技术，而是能把经验整理成方法的东西——哪怕只是把“点位怎么布”这件事说清楚，对整个行业都有价值。“现在最大的问题是没有标准，大家各做各的，数据没法打通，也没法互认。”

技术标准之外，还有一层更微妙的变化在发生。宋英石提到，他接触的资深生态学家对AI的态度正在转变——从最初的不确定，到越来越多的人开始主动尝试用这套技术帮他们做数据筛选。

中国工程院院士、中国科学院沈阳应用生态研究所所长朱教君在2025年接受《中国绿色时报》采访时，曾对此有过一个系统的判断：“人工智能可以让我们的认知突破时空局限，但它永远无法替代生态学家对自然规律的深刻理解。无论人工智能应用多么广泛，我们必须坚守人机协同、尊重自然的底线思维。”他强调，由于AI监测结果由机器生成，仍需顶级专家与人工智能配合进行实时评估，经验丰富的顶级专家和实时监测评估体系不可或缺。

这个判断，与宋英石在博凡项目中的一线观察彼此印证。

在物种识别之外，博凡还在推进另一项技术方向：个体识别。宋英石举了一个例子：如果在某一区域的五个不同点位都拍到了大熊猫，传统设备只能告诉你拍到了五次，而博凡的算法可以判断这五次拍到的是同一只大熊猫，还是五只不同的。“珍稀物种本来数量就少，能搞清楚个体数量，比物种识别更有生态学价值。”他说。对种群本就稀少的物种而言，从“记录到”走向“数清楚”，监测数据的分量随之不同。这项能力的核心同样是数据积累——需要在前端配合矢量感知设备，加入新的数据，重新训练模型才能学会区分。“这个事，靠公开数据集做不了。”目前，个体识别仍处于研发和验证阶段，尚未在项目中规模化部署。

配图说明：博凡科创的产品墙

05 辅助，而非替代：三个标志性部署

人机协同的判断落到具体项目中，呈现为一套清晰的作业流程。AI在生态监测中的角色，目前仍以辅助筛查为主：行业共识并非AI替代人工，而是AI帮助人工从大量无效数据中筛选出有效信息，再由专业人员做最终判断。博凡在奥森和海南项目中的实际操作也遵循这一逻辑——AI初筛后，仍有相当比例的数据需人工复核。

博凡在过去三年里完成了几个标志性部署。

北京奥林匹克森林公园鸟类声纹和图像监测网络。奥森是北京城区生物多样性最丰富的公园之一。设备运行一年多，积累了大量鸟类活动节律数据，该项目被博凡视为标志性案例。据创始人介绍，项目受到多位相关领域领导、院士的关注和实地考察。在技术层面，这套系统的AI识别结果仍需人工监督，“老法师”（资深观鸟者）会定期检查AI的判断是否准确；在复杂声学环境下——如多物种重叠鸣叫、暴雨或大风天气——系统的识别准确率是否会明显下降。嘈杂的环境是城市生态系统典型代表，也是对识别算法的一大考验，在识别物种的同时，还要记录各类噪声强度，为以后的研究积累数据。

目前野外的自然保护区没有基站，没有电源，没有路。设备必须在野外无人环境中自主运行、自主供能、自主通信。博凡的方案是：柔性太阳能板供电，边缘计算盒子在本地完成识别，结果通过自组网或通讯卫星回传。通讯卫星每次仅能发送1000个字符，只传送“发现某物种”的识别结果。此类常见是典型生态监测场景——能在这种环境下设备长时间正常运行、把数据传出来，本身就是对方案可靠性的验证。

水生浮游生物监测系统本质上是一台自动上样、自动对焦、自动拍照、自动识别的显微成像识别系统，专门监测水中藻类和浮游动物。技术难点在于：把一台需要人工操作的显微镜，变成在河边风吹日晒、自动运行的设备。在野外河流环境中，设备需要克服泥沙堵塞管路、高湿影响等，是整个行业部署这类设备时都要面对的工程问题——而这恰恰回到博凡的那道壁垒：先解决怎么拍到，再谈怎么识别。

配图说明：公司浮游生物自动监测系统及户外装备

06 项目制：现阶段的行业课题

三个项目跑通了技术，也把另一个问题摆到了台前。

底层算法和硬件平台有通用性，但每到一个新项目，部署方案、设备调试、模型微调都要根据现场环境重新适配。定制化程度高，规模化扩张的节奏自然放缓——这不是博凡一家的问题，而是To B/To G硬科技创业的行业共性课题。

博凡的客户是高质量的：中科院、国家公园、地方政府。但项目交付的定制化属性较强，标准化产品和大规模复制的拐点尚未到来。据宋英石介绍，已有部分客户在首期项目完成后追加了二期订单，例如海南宁远河项目和秦岭多样性监测项目；他同时承认，这些复购仍属于项目制框架下的延续，并非持续性数据订阅服务。

国际同行也走过同一段路。美国的声纹监测品牌已发展近二十年，产品在全球百余个国家有部署，在硬件成熟度和物种库覆盖面方面均领先于国内企业；超低功耗红外相机领域亦有国际品牌长期占据行业标杆地位，单次部署可持续运行一年以上。这些标杆的存在也提示着，这条赛道的产品成熟以十年为尺度，生态监测的慢，某种程度上是行业本身的属性。

市场端的情况同样如此。从各地保护区近两年的政府采购公告来看，智能监测设备的采购模式基本为“设备+系统集成”的一次性项目，合同金额从几十万到数百万不等，采购内容以硬件部署和平台建设为主。三江源国家公园的案例也显示，即便在国家公园体系内，当前仍以人工巡护为主，智能装备的配备和常态化数据运维预算尚未到位。换言之，市场现阶段能买到、也愿意买的，就是项目。

项目制的局限显而易见，但在当前市场阶段，这恰恰是博凡唯一可行、也相对合理的路径。它的客户以政府机构和科研院所为主，采购逻辑遵循硬件设备预算框架，数据订阅或年度物种报告刚刚出现——这不是一家公司能改变的。而项目制本身正在为下一步积蓄资产：设备需要在实际项目中迭代，数据需要在一线场景中积累。

没有项目，就没有产品；没有产品，就没有数据；没有数据，就没有未来转型的基础。

宋英石对此的表述是：“这个行业还没到标准化的阶段。我们现在做的每个项目，都是在为标准化积累样本。”

换句话说，当下的慢和重，可能是为了未来的快和轻。

07 从设备到数据，中间的障碍

博凡的长期设想，是从一次性硬件交付转向持续性数据服务：

• 花粉过敏人群订阅本周北京杨树花粉浓度预报；

• 国家公园按年购买区域内物种种群变化报告；

• 生态修复工程验收不再靠人工抽样，而是靠全年不间断的监测数据。

这一设想在逻辑上成立。如果模式跑通，好处是双向的：对客户而言，不必一次性投入大笔硬件采购预算，按需购买数据即可；对博凡而言，就像从卖工具转向卖服务——硬件卖一套是一套，数据的价值在于持续输出。但从设备到数据，是整个行业都要面对的转型，中间隔着几级现实的台阶。

第一级台阶是政府采购预算科目。现行财政预算以硬件采购和运维服务两大科目为主，原生数据产品没有独立的预算类目。查阅北京市2024年以来的生态监测类采购公告可以发现，绝大多数项目为“设备+1-3年运维打包”模式，纯数据订阅类订单极为稀少。地方政府采购年度物种变化报告这件事，目前甚至没有一个合规的预算通道。在标准与预算科目就位之前，数据订阅很难成为政府采购的常规选项。

第二级台阶是C端付费的验证。花粉过敏人群看起来是最直接的用户，但气象部门和公立医疗机构已有免费的花粉浓度发布渠道，用户付费意愿和获客成本均未经验证。此外，气象、生态监测数据的商业化对外发布需取得专项资质，公司团队目前也没有C端运营、流量和用户服务的能力配置，短期落地可行性较低。

第三级台阶是数据权属。博凡采集的物种声纹和图像数据，涉及与国家公园、保护区合作项目的知识产权归属问题。据熟悉该行业合作惯例的人士介绍，在多数国家公园及科研合作项目中，采集自野外的物种声纹、图像数据，其原始数据权属通常归甲方（保护区或科研机构）所有，企业仅拥有在特定范围内的使用权，未必能对外商用或二次售卖。根据《生态环境监测条例》，政府财政资金项目产出的公共监测数据，其管理、使用和共享遵循国家有关规定，服务商仅可在合同约定范围内使用数据开展自有产品迭代，无权独立对外售卖原始监测数据集。对博凡而言，收集数据用于识别模型训练，为客户提供更精准的识别结果，每个客户都有自己的识别库，博凡需要为客户保密，不能用于其他——拥有数据访问权与拥有数据处置权是两回事，也是转向数据服务之前需要逐个项目厘清的前提。

宋英石对此并不回避：“我们还在探索，这条路没有人走过，我们也不知道能不能走通。”

他提到的参照对象是一家英国公司Natural Matrix——后者从生态监测设备起家，逐步转型为ESG（环境、社会和公司治理）数据服务商，为企业和政府提供生物多样性评估报告。但宋英石也承认，中国市场在政府采购制度和数据合规要求上与英国差异显著，Natural Matrix的路径不能直接复制。

另一个潜在付费方是国内央企和上市公司。随着ESG披露要求日趋严格——2024年沪深北交易所已发布《上市公司可持续发展报告自律监管指引》，将生态系统与生物多样性保护列为核心披露议题——风电、光伏、水电等项目的生态修复成效评估存在明确的合规需求。但这一市场同样有门槛要过：ESG报告的编写和认证目前由第三方咨询机构主导，监测设备企业能否从提供数据升级为提供合规报告，涉及资质和行业话语权问题，博凡尚未进入这一环节。

08 一条赛道上不止一种打法

转型需要时间，而时间要靠现金流来换。在这条赛道上，不同的公司对怎么活到那一天给出了不同的答案。

博凡并非这条赛道上唯一的玩家。在国内，多家创业公司和科研团队也在鸟类声纹、水生生物识别等细分方向布局，产品形态和商业模式各有侧重。也有团队选择了一条与博凡完全不同的路径：以免费App作为切入点，先积累C端用户，再向B端和G端转化。这与博凡先做G/B端、用项目养产品的打法形成鲜明对比。

两种路径各有取舍。C端路径能更快积累用户和品牌认知，但变现周期长、商业模式验证慢；博凡直接切入项目，现金流更早转正，产品在真实场景中迭代，代价是市场覆盖面相对有限，规模化能力有待验证。目前尚无公开数据能佐证哪一种模式更具可持续性。

在行业标准落地之前，先做G/B端、先活下来，比先做C端、先圈用户更符合这个行业的现实逻辑。博凡是这个判断的实践者。

一个值得关注的参照系是污染源在线监测行业。2005年前后，该行业同样由项目定制化主导，分散、碎片、难以复制。转折点出现在国家环保标准体系建立之后——统一的设备技术规范、统一的数据传输协议、统一的运维质控要求——让一批企业完成了从定制到标准化的跨越。这段历史提示着生态监测可能的演进顺序：标准先行，规模随后。只是眼下，生态监测领域的标准化进程仍处于非常早期的阶段。

09 尾声

我问了宋英石一个问题：如果三年后，你在某个行业论坛上宣布博凡做成了一件事，你觉得会是什么？

他想了想，说想发布一系列行业白皮书。“现在这个行业最大的问题是没有标准，我们要从科学出发，给出每类设备的具体使用场景，大家各做各的，数据没法打通，也没法互认。”

至于更远的设想，他想从卖设备变成卖数据服务。但这个转型，他说需要5到10年。

他知道这个节奏。不着急，也不打算绕路。

信息说明： 文中涉及北京博凡科创科技有限公司的经营数据及项目规模等信息，来自创始人宋英石采访口述，未经第三方机构独立核验。数据库规模等信息，系作者在访谈现场查看系统界面后记录，数据未经第三方核验。行业市场、政策标准及专家观点信息来源于公开资料整理。

关于作者

舒书，青萍之末创始人，产业组织顾问。钛媒体、虎嗅、澎湃新闻作者，《企业家》杂志撰稿人。青萍之末是一家专注硬科技与AI赛道的咨询机构，提供产业分析、战略与组织咨询服务。

本文基于一次实地走访和深度访谈，记录了一家生态监测创业公司的真实处境，以及这一细分领域背后更普遍的制度与商业命题。