过去，绿化管理主要靠人。
老师傅看一眼植物、摸一下土壤，大概就知道该不该浇水；巡查人员每天走一遍，判断哪里需要修剪、哪里出现病虫害；管理者再根据经验安排人员和任务。
经验本身没错，问题在于它很难复制，也很难规模化。
我们在尝试把 AI 放进绿地管养。做法是先让现场的设备连上平台，把绿地里的数据攒起来，再让青灵大模型在数据的基础上做判断，一步步进入灌溉、巡查和任务管理。
AI 进了园林，浇水的做法会变，绿地怎么管也会变。
1. 园林里最难数字化的，是大量经验藏在人脑里
绿地不像标准化生产线。
同一个园区，不同区域的光照、土壤、植物、水分都可能不同，不同季节的养护策略也不一样，园林行业因此长期依赖经验。
经验如果主要留在个人手里，企业内部就会碰到几个实际问题。
• 老师傅离职以后怎么办？
• 一个优秀项目经理能不能同时管理十个项目？
• 不同团队的管养标准怎么统一？
• 管理者怎么知道现场到底有没有按要求执行？
园林 AI 的价值，在于把现场数据用起来。参与灌溉、巡查、任务管理和设备控制，再根据执行结果形成反馈，把原本靠个人记的经验，变成能留下来的数据和规则。
2. 为什么 AI 不能脱离现场设备单独存在？
AI 再聪明，如果不知道土里干不干、哪个阀门在开、今天的活有没有干完，它也插不上手。
我们没打算只做一个园林大模型。要让 AI 管得动绿地，先得把现场的设备和平台连起来。
绿地里的土壤探头、气象站、水表负责「看」，阀门、喷头、灌溉控制器负责「动手」。它们看到和做过的事，通过通信网络传回平台；平台把每个项目的数据存下来、算清楚；青灵大模型在这堆数据的基础上做理解、分析，判断下一步该做什么；判断最后还要回到现场，由阀门和喷头去执行。
这几步缺一步都不行。只有模型，不知道现场发生了什么；只有设备，不会判断该不该动。两头都连上，AI 才算进了绿地。
拿「今天要不要浇水」走一遍。
土壤探头测到偏干 → 数据传回平台 → 青灵结合天气和植物状态给出判断 → 灌溉控制器按指令开阀 → 浇完之后，用水量和植物反应又回到系统里。
一圈走下来，判断有依据，执行有记录，结果还能用来修正下一次判断。
园林 AI 得接在现场上，参与判断，不是陪人聊天。
3. 智慧灌溉，是 AI 进入真实绿化管理流程的一个入口
我们目前较成熟的应用入口，仍然是智慧灌溉。
原因很现实。灌溉既有现场数据，又有执行动作，效果还能用用水量、人工投入、植物状态这些指标看出来。
智慧灌溉不是装个定时器自动浇水那么简单。广州琶洲的三一集团华南总部大楼，是个能说明问题的例子。
200 米双塔，每隔四层就是一个空中花园平台。
在 200 米高空种树，比地面苛刻得多。没有雨水积蓄，也没有地下水，人工灌溉几乎是植物唯一的水源。高空风速是地面的 2 到 3 倍，水分蒸发更快。种植土层受楼板荷载限制，只有地面绿地的几分之一，存不住水。断水 48 到 72 小时，植物就可能从缺水进入不可逆的损伤。
在这样的地方，灌溉出不得岔子。
我们的做法是让每一层空中花园独立成一套灌溉单元，节点自带控制器，不必把三十几层的控制线全拉到地下室的一台总机上。
这些单元又接入同一个平台，统一监测和调度。
这样一来，某一层出问题不影响其他层，物业工程人员换一个控制器就能解决。每一层还能按自己的光照、风向和植物品种设定策略，朝南暴晒的多浇一点，被相邻建筑遮挡的少浇一点，台风天自动暂停，风过去再补灌。
在这里，「今天要不要浇水、浇多少」不再只靠某位老师傅判断，现场数据和系统会一起给出答案。
根据我们的项目统计，智慧灌溉相关项目的 A/B 测试平均==节水超过 35%==，综合成本下降约 20%，植物健康问题减少约 60%。
这些数据来自我们相关项目的企业统计口径，不能理解为所有项目都能获得同样效果。
智慧灌溉之所以是入口，是因为从这里能跑通感知、分析、执行、反馈这一整条链。AI 和数字化只有真正进入绿化管理任务，并且反映到用水、人工、成本和植物状态这些指标上，价值才算落地。
4. AI 能不能用起来，最后看数据攒得怎么样
今天几乎所有行业都可以做一个「大模型」。对绿化管理来说，模型叫什么名字没那么要紧，决定价值的是几件事。
• 有没有真实绿地的数据？
• 有没有持续运行的项目？
• AI 的判断能不能进入灌溉、巡查、任务和设备控制？
• 执行结果能不能回到系统，让下一次判断更准？
垂直模型的门槛，是数据能不能持续改善真实任务。我们目前累计服务绿地面积超过 1000 万平方米，做过 300 多个项目，比项目数量更值钱的，是能不能把不同项目里的绿地数据、管养知识和任务反馈攒起来，变成下一次用得上的能力。
数据攒起来之后，管理方式才跟着变。过去绿化管理更像在管人，安排谁去浇水、谁去巡查、谁去修剪，靠管理者和老师傅保证结果。现在人、设备、任务、植物状态和成本数据进入同一个体系，管理者要盯的不再是今天安排了多少人，而是哪些区域需要处理、哪里出现异常、哪些工作可以减少人工、哪些投入没产生价值。
我们想做的绿地智慧管养就是这个方向。智慧灌溉打开入口，现场设备连上平台，青灵大模型承担分析和辅助决策。
所以 AI 进园林，值得期待的不只是一个更聪明的浇水系统。会变的是这个原本靠人力和个人经验的行业，慢慢转向用数据管理、靠系统配合、用 AI 辅助判断。
懂园林场景的 AI 不追求所有事都自动做，它要知道什么能自动执行，什么该提醒，什么必须交给人。