八十年的化工业务，说拆分就拆分。尽管小麦技术非常出色，仍然决定退出食品市场。鲜有公司能像孟山都这样拥有一张「剧抛脸」。在很多同行还没觉醒时，极具前瞻性的领导层已经看到远处地平线上的新变化——转基因还不能代表行业未来，数字农业才是，并由此展开一场自上而下、击穿从研发到「最后一公里」每个业务板块、组织内外「兼修」的彻底重构。再一次将蹒跚于局部与某些技术的芸芸跟随者抛在身后。
2015年，在全球农产品市场一片萧条中，孟山都年营收增长呈负数。在公司某季度业绩说明会上，一位JP摩根分析师提到公司价值创造的问题。
「评估孟山都这样的农业公司，你不能看一个季度、一年。你要有十年或二十年的长远眼光。」时任公司CEO 休·格兰特婉转回答说，「这也是我们考虑开发新技术的（逻辑）。」
就业绩说明会之前，德国拜耳刚刚拿出溢价20%、总价620亿美元的「彩礼」，意图「迎娶」孟山都，却被嫌弃寒酸。两年后，拜耳再以630亿美元的价格打动孟山都，完成「联姻」。
这次「联姻」可能在未来十年主导整个世界农业，原杜邦先锋良种国际有限公司中国区总裁刘石评价说，还会通过数字化对传统领域进行降维打击。
早在七八年前，很多同行还没觉醒时，孟山都就在思考一个问题，没做房地产，Airbnb 能做成旅馆业务，我们如何从销售「一袋种子或一罐化学品」转变为提供数据驱动解决方案?
几年后，孟山都交出答卷，从一家农业生物技术公司发展成为以数据科学为主导的组织，并拥有企业界最成功的数据科学生态系统之一。探索的系统性与整体发力感，也勾勒出具有创新意识与战略的公司与芸芸众生的差距。
01 始于顶层
从农场通往工厂的路上，载有种子的卡车可以延绵几英里。每辆卡车里的种子价值高达数万美元。如在运输途中卡车温度升高或遭受高压，种子可能会发芽。
种子损失—–孟山都物流供应链环节最大损失风险之一，也因此构成时任公司CIO詹姆斯·斯旺森（James Swanson）对数据分析深刻信念的起点。斯旺森的想法很简单：给运输车辆装备可探知温度和位置的传感器，这样，IT部门就能全程监控种子运输过程，预防损失。
如果某辆卡车距离卸载点三英里之外，被检测到种子受到热压，可以动态调整路线，将这辆卡车移到队伍最前面，优先运送到冷冻中心或者加工处理。
这是孟山都运输管理系统 (TMS)的一部分，也是数据科学支持业务的一个开始。如今，这些传感器正帮助拜耳继续跟踪每年超过30万次的种子运输，不仅确保及时交付，还提高了卡车利用率并减少了产品丢失量，以及8%的二氧化碳排放量。
像这样提供数据化解决方方案，与卖种子的业务模式截然不同。「当今的领导者必须能够像往常一样拒绝生意，而采用令人震惊的新想法。」斯旺森说。孟山都「从一开始就是一家前瞻公司。」
吉姆·斯旺森（Jim Swanson）曾担任孟山都公司的前首席信息官和拜耳公司的首席信息官以及作物科学的数字化转型负责人。现为全球最大医疗保健公司强生公司的执行副总裁兼全球首席信息官。领导数字化转型，他非常强调创造数字能力与业务成果融合。
孟山都成立于1901年，以制造生产食品添加剂和化学品为主。当时，公司涉足业务广泛，油井、塑料、地毯......应有尽有。直到 80 年代初，孟山都公司才开始将重点转移到生物技术上，并于 1987 年在美国进行了首次生物工程植物田间试验。
1996年年底，孟山都公司董事会批准了一项分离化学业务的计划，公司一分为二——成立新的生物科学公司，将原来的化工公司分离出去。过去 10 年里，在一系列种子公司收购之后，孟山都逐渐成为全球最大种业公司，也成为我们今天所熟知和喜爱或讨厌的生物科技公司。
流水的业务，铁打的文化。如果说这家公司有什么恒定不变，一定是「围绕技术进步的文化」，斯旺森认为这是孟山都「独有的」。八十年的化工业务，说拆分就拆分。尽管小麦技术非常出色，孟山都毅然退出了食品市场。
2003年，一位痛恨PPT的苏格兰商人接手孟山都，当时公司销售总额已经下滑14%，经营利润下降了一半，投入几十亿的转基因作物种子业务仍然毫无起色。
这位苏格兰商人何尝不知变革之痛，但他知道将玉米、大豆、棉花和芥花籽等作物从农户手中转移到加工厂，在那里被加工成动物饲料或用于生产生物柴油燃料，消费者就绝不会直接在商店里看到这些农产品。这一举动不仅减弱了消费者对转基因植物的反对情绪，公司命运也迎来转折，成为一家面向企业的生物科技公司。他也因此被美国《CEO》评为年度最佳CEO，当选理由是——成功转型。
休·格兰特（Hugh Grant），苏格兰商人，孟山都公司在被拜耳收购前的最后一任CEO。格兰特为孟山都效力 35 年，2003年起出任公司CEO。在他的领导下，孟山都收入从 2003 年的近 50 亿美元攀升至 2017 年的 146 亿美元。
多年后，启动这场数字化转型的CEO休·格兰特，正是那位通过退出食品市场，拯救孟山都于水深火热之中的苏格兰商人。他看到地平线上出现了新的演化趋势——转基因还不能代表行业未来，数字农业才是。
这种转变始于公司高层。大约七八年前，格兰特和其他高级领导人开始在内部和外部承认，数据科学不仅支持业务，而且还是农业的核心部分。高层领导还强调，数据科学不仅仅是一种好奇心，它还是公司产品的支柱。
「我很容易看到我们在未来 5 年或 10 年内成为一家信息技术公司，」孟山都首席技术官Robb Fraley 曾说，「你不仅需要担心被颠覆，还要担心你的颠覆被颠覆。」「......作为研究负责人，这是一种健康的偏执狂。」
孟山都执行副总裁兼CTO Robert Fraley 博士，遗传学家。1981年以新分子生物学组高级研究专家的身份加入孟山都。Fraley 在伊利诺伊州的一个农场长大，他在 5 岁时就知道自己将成为一名科学家。
种子创新始于研发，经过严格测试之后，通过供应链进行制造和分销，最终出售到农民手上。物流供应链只是变革的试点，斯旺森希望将基于数据的决策集成到每个业务板块——从实验室的种子研发，到服务农民「最后一公里。」
必须重新构想我们的公司，重新构想农业，而不仅仅是增强它。
02 育种加速器
孟山都每年研发预算大约13亿美元，这个数字完全比不上大型制药公司、硅谷互联网巨头的研发费用，但其中一半都投在了作物育种研究，包括应用机器学习算法改造育种管道。长远来看，受全球粮食需求增加、缺乏新的农业用地以及对转基因作物接受度提升三大因素影响，孟山都未来利润之一还需植根于种子技术。
传统育种方法通过杂交并从杂交后代筛选需要的玉米进行下一轮杂交。玉米共有10对染色体，约3.2万个基因，搜索难题导致育种成功概率只有十二万分之一。
育种人员每年会进行10万次处理加工，并进行田间测试，六七年之后，我们会推出100或200个新的杂交品种，Fraley 说。历经六七年、10万次加工处理才能获得 200个新产品，难怪人们形容玉米育种犹如「在草堆中捞针」。
随着孟山都使用全基因组选择（GWS）育种，这一进程得以加速。GWS是一种通过覆盖全基因组的分子标记指导育种选择的新办法。不依赖于表型信息（比如植物高度等物理外观），通过对测序数据进行处理，并应用高度自动化的SNP分子标记检测设备，科学家们能在短时间内检测出成千上万份材料的基因型，从而判断出不同材料之间的关系，为有效进行亲本选配奠定基础。
利用玉米植株中所有基因的全部知识来研究这些新的组合，并建立基于序列的相关性，进而挑选出最佳组合，孟山都的育种人员可以进行100万加工处理，挑选出200个最好玉米杂交品种。
不过，执行GWS模型需要观察(基因分型)每个种子的大量遗传位置(标记)，成本高昂。例如，定位植物中有利性状的基因（比如抗旱或抗虫），以便将它们培育成新的种子品种，需要筛选基因组中的数十亿个碱基对。这也是为什么生物技术在过去20年里与计算机处理能力同步发展的原因之一。
自 20 世纪 80 年代以来，孟山都已经积累出世界上最大农业数据库之一，拥有数PB级别的种子基因组数据，以及在无数次实验条件下对无数种子品种进行无数次田间试验的数据集合。
每年，我们都会测试玉米和大豆种子，如果将所有测试数据放在一起，足以绕上地球三圈。这些数据涉及作物性能、抗虫性以及不同环境条件下的产量等。Fraley 说。
这些数据也成为机器学习算法的重要燃料，帮助预测杂交和近交系的性能。在机器学习帮助下，他们将早期种子产品的测试从田间转移到了实验室。孟山都发现，机器学习模型可以更准确地预测数千种种子的表现，比如，哪一个杂交品种将在试验的第一年表现出最佳性能。还将新产品的交付速度加快了一年，因为不需要再像过去那样进行第一年大规模表型测试（在每个测试季节将它们种到地里）。不仅节省了大量种子生产和试验成本，还可以比过去评估大约多5倍的玉米品种。
春季播种：孟山都位于伊利诺伊州蒙茅斯的工厂。孟山都每个季节种植超过 100 万粒种子。每颗种子都经过地理定位。每一颗种子都有一个特定的映射到田地的子集，可以精确到一米网格的保真度，他们使用运作研究模型来确定什么种子，在什么田地里，什么密度。
作为「双核业务」另一支，孟山都的农药研发也遵循着类似逻辑。Phillips Mcdougall 曾公布过一个数据，2015年，一个农药新活性成分从研制到商业化平均需要11.3 年，分析16万份化合物，商业化成本约2.86 亿美元，十年前，这个数字仅为2.56亿美元。
近年来，有关孟山都或拜耳可能放弃草甘膦（Roundup）除草剂业务的传言之所以不绝于耳，原因之一正在于该业务不再是赚钱工具，生产线面临巨大的环保和成本压力。
为了确保技术领先，孟山都风投团队远比其他大型农业企业更为活跃。他们投资了 Atomwise，也是第一家与之合作的农化行业客户。这家公司的 AtomNet 使用深度学习加速数万个分子的分析过程，进而预测哪些分子可能对控制有害疾病或昆虫产生积极影响。
他们还与初创公司Second Genome合作， 通过其发现平台来分析微生物功能蛋白质，扩大新型蛋白质来源多样性，以开发下一代昆虫控制解决方案。
虽然积累了大量制剂配方数据和相关分析数据（化学和物理稳定性数据），以及各种制剂相关的生物利用度和功效测试数据，但如何将制剂数据与分析数据和生物数据相结合来提高公司数据分析能力，为制剂设计提供更准确的预测，仍是一个巨大挑战。
03 「最后一公里」
当农民把作物种子埋进地里的那一刻起，农业就是一项复杂的努力，有成千上万种不同的因素可能会阻止种子发挥其全部基因潜力。
这里涉及人类需要做出的数百个，甚至数千个决定，尽管他们并不擅长管理大量的可变性。先正达 CIO Greg Meyers 形容农业是「一门艺术」，很大程度上仍然依赖直觉、判断和经验。
作为公司最赚钱的业务，孟山都的种子在推广过程中同样面临复杂多变的生态环境，各地区的光、温、水、气、病虫害等条件都有差别，同一地区不同地块之间也存在土壤肥力、小气候和轮作方案的不同，如何帮助农民选择合适的种子？实现产量最大化？
孟山都曾将种子利润损失归咎于气候和客户农业实践的知识差，一个看似很小的选择——例如，种植时间相差四到五天，也会对最终收成和农民的底线产生重大影响。
孟山都设想打造一个平台，将数据业务与传统「双核业务（除草剂+种子）」协同起来，借由平台捕获的数据以及模型生成的洞见，服务农民精细化耕作的同时，也让传统产品组合卖得更好。尽管传统农业和科技公司都认识到，这个数字农业「最后一公里」难以实现，但是，「我们需要能够有效回答有关我们业务各个方面问题。这就是为什么数据科学是我们使命核心。」斯旺森说。
这个平台（Climate Field View）类似苹果操作系统。农户、经销商、农产品和农用机械制造商，甚至合作伙伴和竞争对手都可以整合到这个平台上，就像其他行业App一样。
正如孟山都子公司气候公司前首席科学家 Sam Eathington 说的，数字农业的真正价值不在于那些图像和传感器数据，而是「所有相关工具和数据流的集成。」这是孟山都斥资20亿打造Climate Field View的底层逻辑。也是2015年那场电话会议上，格兰特提及的「没有体现在目前股市价值中」的东西。
过去传统「双核业务」的成功已经证明，孟山都非常善于利用广泛的产品套件来相互支持（尽管反垄断不太喜欢这一点）。有人甚至想象出未来终极图景：某农民在收割庄稼时遇到杂草或虫害，突然手机响了，原来是孟山都某款新产品广告，就像 Facebook 在知道您要购买运动鞋时所做的那样。
「营销方面有巨大的机会，」Frayley 也承认设想过使用数据向农民推销定制产品和服务，「我们只是在探索它。」
The iPad view of FieldView.FieldView 包括Prime、Plus 和 Pro版本。FieldView Prime 对所有用户免费，并通过一些云存储提供基本数据，而 FieldView Plus 每年收费 99 美元，并增加了分析、卫星图像、跟踪历史和其他升级工具。农民可以额外支付 1 美元/英亩的价格获得 FieldView Pro，以获得播种脚本和个性化推荐。具体费用取决于农场规模。
为此，孟山都于2012年1月依托自身已有的种子数据库，建立起「综合农田耕作系统（IFS）」部门，开始探索数字农业。几次较小规模收购之后，充满野心的平台已初具规模。
例如，收购精确播种公司（Precision Planting）之后，推出面向农户的应用软件——Field Scripts，为肥力不均的地块提供最佳的作物品种选择和播种方案。
值得注意的是，这家公司是当时美国仅有的两家高速、精密种植设备制造商之一，产品包括传感器和数据传输能力。他们善于通过附加件对种植者的旧设备进行物理改造，以实现精确的种植深度和间距，最大限度提高产量和作物性能。
这种改造能力对于孟山都来说，非常重要，因为市场上大多数设备已经无法跟上种子遗传复杂性对种植深度、密度等方面提出的具体需求。
为了将自身的种子数据库优势与气候数据库结合，2013年，孟山都斥资近10亿美元收购数字农业平台气候公司，成为数字业务发展的一个重要里程碑。这家公司自此成为孟山都农业数字化布局集大成者，统辖孟山都旗下精准种植和施肥指导业务，并广泛链接行业合作伙伴，提供综合化服务。
据报道，气候公司收集了超过250层的高清数据，250个不同数据层在每英亩土地上产生数十亿个数据点，如此巨大的数据成为分析算法的重要燃料，为农民提供种植建议。
比如，根据田地实时温度、天气和土壤湿度，以及用户对未来一周这些指标的预期，系统会建议某天是拖拉机田间工作最佳日子；如果输入种植的种子种类和时间数据，系统可以告诉你收获时间以及预期产量。付费版本还会提供更多详细建议，例如，使用多少水和肥。
气候公司旗舰产品——「Climate Basic」的智能手机应用程序的截图，他们以 10 米 x 10 米的分辨率绘制土壤和气候数据。
收购之前，美国 1.61 亿英亩农田中只有不到 1000 万英亩是在气候公司软件帮助下耕种的。2014年，这个数字已经增长到超过 6000 万。换句话说，当时已经有超过三分之一的美国农田是在孟山都气候数据的指导下耕种的，并且还在继续快速增长。Frayley 曾预计，气候公司将在 2020 年开始产生收入。
在随后几年，气候公司继续进行收购，高管们也希望将重点放在合作和小规模收购上。Fraley曾透露研发投资中「可能有 25% 或更多用于支持合作、伙伴关系或收购」，尤其是在生物、数据科学领域。
除了广泛撒网从政府卫星和气象站、大学研究传感器以及他们能找到的任何其他来源获取气候数据，孟山都还积极扩张基础设施，使得其他人能够在此基础上构建并提供额外数据层。
第一个此类平台合作伙伴是位于堪萨斯州的 Veris Technologies，该公司制造和销售世界上第一个高分辨率移动土壤传感技术，可生成土壤质地、有机质和 pH 值的地图，并将其捕获的数据集成到FieldView，与现有的数据流一起访问。
孟山都还与传感器初创Understory合作，使用该公司数据帮助农民做出有关玉米灌溉、收购等重大决策。通过收购SupraSensor Enterprises和获取使用授权，孟山都的传感器网络田间信息采集系统采用了业界首款硝酸盐传感器，帮助农民优化氮肥管理。
孟山都/气候公司收购一览（不完全统计）。为了更快走向未来，2011 年，孟山都还成立了一个风险投资部门——孟山都成长风险投资公司 (MGV)，以投资拥有与农业相关的技术的初创公司，投资分布在精准农业技术、生物制剂、生命科学公司以及新作物和新商业模式。一些收购对象也是MGV曾经投资的公司。
除了获取数据，生态本身意味着一个川流不息的动态过程，数据流不断涌现，并与其他数据流「交汇」。农民需要无缝收集田间农艺数据，在设备商、服务提供商和农村管理App之间毫不费力地共享数据。为此，孟山都还尝试与生态成员建立合作伙伴关系。
他们曾与约翰迪尔签协议，除了出售 Precision Planting 的设备业务，平台还与某些约翰迪尔硬件设备实现实时数据链接。尽管交易因反垄断而告吹，但孟山都最终将该业务出售给了另一农机巨头爱科。爱科的Fuse连接服务与Climate FieldView之间建立无缝数据连接，用户可享受实时可视化农场数据服务，比如，已种植指导图和收成指导。
因为一些农民用户购买了无人机，孟山都还和DroneDeploy合作，提供农业无人机图像分析服。
与DroneDeploy合作，提供农业无人机服务。
每增加一名平台新用户，孟山都就多了一个关于客户的实时信息的新来源：他正在使用什么样的产品以及他们生产了多少（即，他们赚了多少钱）？通过将数据科学扩展到与客户最关键互动环节——曾经是农民与零售农艺师的互动，孟山都可能会彻底改变传统供应链模式。
传统上，农艺师通常是农作物产品的销售点。现在「像孟山都和杜邦这样的公司可能正在考虑最终成为颠覆性的在线销售，以及如何利用自己与种植者更直接的交流而从整个供应链获取更多利润。」农业技术风险投资公司Cultivian Sandbox的负责人，前农艺师马特·贝尔（Matt Bell）表示。
04 「混合模型」
Keith Larrabee 在美国加州萨克拉门托河谷拥有4,000英亩土地。尽管靠山近水，他那种植核桃和山核桃的果园还有3,000英亩稻田的灌溉用水和水价却总是让他放心不下。
「每次打开泵，一切都要花钱，」他说。「如果能根据需要管理灌溉，我就不会冒过度灌溉的风险。」
Larrabee 在果园土壤5英尺深的地方埋下了25个传感器。每15分钟，来自25个传感器的读数就会被输入分布在果园中太阳能信息收集站，其中一个收集站会通过园区信号，将这些信息传到主数据库。Larrabee 通过智能手机几乎可以实时获取这些数据。比如，蓝色表示给定位置的水太多，红色表示不够。
结合周围气象站的数据， Larrabee 能够更加清楚地知道恰当的灌溉时机、位置和水量。灌溉可以按照他的目标进行调整，不管他是想促进作物生长，还是想避免霜冻。
由于传感器数量众多，来自农场传感器的每个数据点都有一个地点和时间戳，生成的信息量非常大。据 IBM 称，来自一个大型农场的数据量可能以数百 TB 计，创建一个将数据资产迅速转化为可操作种植建议的基础设施，非常复杂。
孟山都也因此打造出第一个基于云计算、高度可扩展的数据科学平台science@scale，作为内部分析平台和计算框架。
现场数据：孟山都开发了一种新的科学方法来分析数十亿的数据层。
例如，孟山都种的每颗种子都有DNA图谱。为了将这个图谱与特定表型匹配，比如良好的根部结构、吸收更多水分的阔叶或抗旱能力，过去的做法是看完数据在播种，测试表现型是否是公司想要。
现在，通过部署模拟引擎，不到一个小时里完成超过10亿次模拟。几个小时就能获得过去花费数月才能获得的成果。
孟山都在Hadoop和HBase上建立了一个地理空间平台，管理超过1200亿个多边形。平台可以赋能嵌入分析模型的地理空间分析管道。在大规模部署情况下，公司预测了超过1.5兆米（1.5MM）英亩的水域分割。2016年种植季节，他们自动绘制了241个试验田，改善了种植决策，节省了大量成本。
孟山都还设立了土壤转化分析管道，可以对收集到土壤样品进行定性分析，还可以推导出多个层次的空间加权平均值，满足500兆米以上的API要求。他们还实现了对北美地区环境分类的预测。
目前，这个平台正在绘制和跟踪 100 多项业务决策，并使用模型为这些决策提供信息。在格兰特眼里，这个平台「至关重要」。「通过将才华横溢的大数据和云分析工程团队与技术娴熟的科学家相结合，该团队建立了独特的合作伙伴关系，以推动创新思维。」
斯旺森更愿意将这种不同背景人员的「相结合」描述为「一种混合模型」，「IT与业务之间的界限模糊」正是「推动他们成功的最大因素。」
数字化不是一个IT问题，而与企业转型有关。从一开始，孟山都就希望在公司内部建立一支从上到下的数字化员工队伍，因此，非常注重在技术组织之外培养数字敏锐度——例如，如何让工厂经理、供应链工程师、市场专家、采购专业人员和财务人员更加精通数字技术？
孟山都数据科学社区的人数一直在增加，但增加的并不都是新员工，甚至不是传统数据科学家。他们发现，对现有员工进行数据科学方法的培训可以让其过渡到仍然利用过去技能和领域知识的新角色。如果只是聘请了一名数据工程师或统计学家，这个人可能需要 6 个月到一年的时间来了解业务。
「数字领导力（意味着）将每个人都变成数据科学家。」斯旺森说。听他说话，你往往感觉不出他是一位IT专家，更像是经济学家、科学家和风险投资家的组合。他谈话不仅仅是围绕数据，而是围绕业务。
「你可以开发世界上所有的模型，但如果没有人使用它们，就没有价值。」
成为一家真正的数字公司，需要塑造一支完全沉浸在技术和数据无限潜力中的员工队伍。
为了提高整个组织的数字素养，孟山都与 Coursera 和 DataCamp 合作开发了一个学习平台，帮助提高所有员工的数字敏锐度。通过学习平台，鼓励员工探索使用 R 和 Python 以及其他语言编写的在线程序。此外，孟山都通过定期的内部活动来鼓励员工。
公司还通过引进工具来加速这一过程。比如，员工无需对写代码或者算法有深入了解，凭借 DataRobot平台提供的各种算法，就可以很快创建一个分析管道，比如开发种子植物生长模型。
坦白说，数字民主化的过程并非没有痛苦。孟山都不得不将其现有IT组织减少约三分之一，以便为更多现代技能留出空间：数据科学家，大数据工程师，云工程专家和全栈开发人员。
除了数字民主化，孟山都还通过创建数据科学卓越中心 (DSCoE)， 将全公司数据科学家联合起来，在单一平台上进行开发时的密切合作。
十多年前，孟山都公司的第一批数据科学家被聘用时，是为了特定群体的工作，例如生物技术或育种。当时，数据科学工作处于脱节状态，组织中为数不多的数据科学家彼此不了解，也不知道正在做的工作。然而，不在核心组织中嵌入领域专业知识，数字化转型也不会成功，他们积极邀请领域专家参与算法模型开发，将专业know-how 注入模型。
最显而易见的成效就是加速了玉米育种。在领域专家帮助下，公司开发出的机器学习模型可以准确预测数以千计种子在田间第一年的表现，使得他们可以评估大约比过去多五倍的玉米品种，节省了数百小时研究时间。
模糊 IT与业务边界的同时，孟山都还在积极拆除数据壁垒，强调自己使用的数据不是个人数据，甚至不是部门数据，而是公司的数据，数据必须可供所有人使用。孟山都围绕五个重要类别组织数据：产品、位置、客户、公司信息（通常是财务和人力资源相关数据）和物联网数据。通过连接这五个存储桶中的数据，跨孟山都提取和连接数据变得更加容易。
其中，共享数据构成孟山都智慧供应链核心。通过结合客户需求变化、供应预测、作物种植和环境变化等因素，孟山都创建了一个标准化、自动化和强大的田间生产预测，涵盖整个季节——从种植前到收获，并据此优化种子生产。
例如，如果没有整个企业数据民主化，孟山都将无法减少种子安全库存。因为需要来自研发、供应链和商业的信息来找到合适的作物供应量生产。
05 天使还是魔鬼
孟山都的决心很坚定。当目标像改变整个世界将食物摆上餐桌的方式一样雄心勃勃时，就没有半途而废的余地。
我曾带头进入种子业务。Fraley回忆说，我们在 Holden 上花了 10 亿美元，在 Dekalb 上花了 30 亿美元，每个人都说它永远不会得到回报，我们应该做点其他事情，结果对我们来说并没有太糟糕。「我们成为世界上最大的种子公司之一。」
2016年的一份数据显示，孟山都的数字农业平台已经成为农业第一品牌，付费用户量正以2.5倍的速度增长，其中75%都是活跃用户。到了2021年，该产品已在 23 个国家/地区拥有 1.5 亿英亩的订阅面积。
在提升全球农业效率，喂饱更多人的同时，地球上也很难找出第二家像孟山都这样始终伴随激烈争议并被赋予天使与恶魔两幅面孔的公司。在被问及联姻拜耳，公司放弃孟山都名字的感受时， Fraley曾直言不讳，「我一直是改变孟山都公司名称的大力倡导者。......很明显，孟山都的名字已经被贬低了。」
即使在通往未来数字农业的路上，他们仍然伴以巨大争议与质疑。有人形容他们是「农业 Facebook」，但同时也面临着各种陷阱。
与拜耳「联姻」的大部分重点是种子、化学品等，但交易中鲜为人知的一个组成部分对于了解其对食品和农业未来的影响至关重要：数据。谁将最终拥有所有这些数据？谁可以决定如何使用这些数据？农民?还是拜耳、孟山都？
自 1990 年代高科技农具首次出现以来，许多农民一直在收集有关其运营的数字化产量数据。但这些信息会保存在拖拉机或监视器上，直到农民手动将其传输到他的计算机，或将 USB 记忆棒交给农艺师进行分析。然而，现在，智能设备可以将数据直接无线传输到公司的服务器，有时农民不知道。
他们担心这些公司可能会滥用收集的数据，特别是决定是否以及如何与第三方（例如其他零售商或农作物保险公司）共享数据时，大家在不知道放弃什么的情况下就签约了，「当我开始在互联网上存储信息时，我就失去了对它的控制。」
美国农业局联合会在 2016 年进行的一项调查发现，77% 的农民担心谁可以访问他们的农场数据，60% 的人不知道他们的农场数据是否被农场投入公司用来向他们推销产品。
而且，关于在分析过程的哪个阶段谁拥有什么的详细信息不太清楚。例如，即使合同保证农民拥有原始数据，农民是否能够以非专有格式访问这些数据也并不明显。农民也无法轻易阻止这些设备收集和传输数据。
农民团体和小型开源技术初创公司希望确保农场数据处于农民控制之下，并为之服务。一些较小规模的开源公司正试图为农民提供一些类似技术，比如开源组织包括 ISOBlue，该项目教农民如何捕获和独立存储他们自己的数据。不过长远来看，这些规模较小的公司是否能够跟上老牌巨头步伐，仍然存疑。
除了数据隐私这一重大挑战，另一个与之相关的隐忧来自生态封闭性。孟山都将种子数据库的信息与种子经销商的种植配方信息相结合，通过平台优化生成每英亩耕作信息的脚本程序，然后将脚本程序自动发送OEM设备，设备收到信息后开始自动化耕作。最终，农民将种植的农作物及其产量信息反馈给孟山都，形成了整个耕作过程信息的闭环。
通过数据控制，他们可能会生产几乎所有主要的种子和化学品投入品，而且广告可能会专门引导农民购买该公司生产的产品。这意味着，农民用户会被「锁定」在整个使用特定产品的过程中。
2018年，The Konkurrenz Group 的一份调查显示，农民对拜耳与孟山都合并的三大关切之一正在于控制农村经营数据，以及利用一种产品的主导地位来推动其他产品销售。
刘石也认为，孟山都的数字农业是闭环的，跟其他公司产品兼容性可能存在问题。
当数据所有权转变演变为让公司充当重要信息的看门人，这些信息很可能最终被用于提高利润率并排除竞争对手。竞争越来越少，大公司就有更强的能力和动力来创建封闭竞争的专有平台，除了导致农民选择更少，对于创业公司来说，也是五味杂陈。
与其他行业不同，农业领域目前可供合作的开放平台数量很少。而仅凭创业公司自身力量，他们又很难单独渗透农业科技市场，因为传统分销渠道仍然基于关系，他们甚至为如何使用其传感器吸引客户并成为盈利业务感到沮丧。面对大公司的收购，他们可能别无选择，只能同意交易。
但这些创业公司也认识到，尽管构建开放平台方面存在实质性技术挑战，更大的挑战可能是信任与具有其他动机巨头的合作。孟山都还没有完全从平台上看到投资回报率，因此，更有可能发生的故事是，孟山都从对这个技术平台的投资中获得的大部分价值都来自于其现有的种子和化学品销售。
无论如何，土壤传感器和种子种植算法可能会改变游戏规则。农民是否完全收获了收获的成果，巨头最终是天使还是恶魔，将不取决于技术，而是生态成员之间的博弈与力量平衡。
1、Monsanto's CIO Develops Data Science Platform Of The Futurehttps://www.forbes.com/sites/peterhigh/2017/10/23/monsantos-cio-develops-data-science-platform-of-the-future/?sh=732d1e1c62fb
2、Monsanto’s Fraley on Staying Ahead in Agtech Innovationhttps://agfundernews.com/monsantos-fraley-on-staying-ahead-in-agtech-innovation5552.html
3、Seeing Clear to the Horizon: Advancing The Climate Corporation’s Industry-Leading Digital Ag R&D Pipelinehttps://climate.com/tech-at-climate-corp/advancing-climate-corporation-industry-leading-digital-ag-pipeline/
4、Inside Monsanto's Digital Transformationhttps://blogs.oracle.com/ai-and-datascience/post/inside-monsantox27s-digital-transformation
5、The Last Mile in Digital Agriculture https://www.agriculture.com/news/technology/opinion-the-last-mile-in-digital-agriculture
6、What do Monsanto’s Plans to Open Up its Digital Platform Mean for the Agriculture Industry?https://agfundernews.com/what-do-monsanto-plans-to-open-up-its-digital-platform-mean-for-the-agriculture-industry.html
7、Monsanto’s Scary New Scheme: Why Does it Really Want All This Data?https://www.foodandpower.net/latest/2013/12/29/monsantos-scary-new-scheme-why-does-it-really-want-all-this-data-2
8、Seeing Clear to the Horizon: Advancing The Climate Corporation’s Industry-Leading Digital Ag R&D Pipelinehttps://climate.com/tech-at-climate-corp/advancing-climate-corporation-industry-leading-digital-ag-pipeline/
9、Can Artificial Intelligence Help Feed The World?https://www.forbes.com/sites/themixingbowl/2017/09/05/can-artificial-intelligence-help-feed-the-world/?sh=3599e93a46db
10、Monsanto: Driving digital leadership to elevate the business (and feed the world)https://www.cio.com/article/3308380/monsanto-driving-digital-leadership-to-elevate-the-business-and-feed-the-world.html
12、Data science at Monsantohttps://pubsonline.informs.org/do/10.1287/orms.2018.04.08/full/
13、For Bayer Crop Science, decision science breeds successhttps://www.cio.com/article/3356817/for-bayer-crop-science-decision-science-breeds-success.html
14、Monsanto Is Using Big Data to Take Over the Worldhttps://www.motherjones.com/environment/2014/11/monsanto-big-data-gmo-climate-change/
15、新型农业操作系统（AOS）正在形成https://liushi.blog.caixin.com/archives/154421
