马文的最新动态

从地块到凭证：用地理空间人工智能破解可追溯性难题

商品原产地验证的挑战

在当今的监管框架下，证明产品来源已非可选项，而是运营与法律层面的必要要求。但对于管理着分散供应链中数千家供应商的企业而言，核查每个生产区域的来源仍是一项重大挑战。

马文通过融合地理空间情报、先进人工智能和深厚的土地利用专业知识来应对这一挑战。

背景

气候变化加剧了对透明度的要求，尤其在私营领域。可持续性期望与公司治理要求正迅速提升。与此同时，地缘政治格局变迁、贸易政策调整，以及围绕负责任采购、关税、制裁和森林砍伐限制的法规，正演变为关键商业风险。根据联合国欧洲经济委员会（UNECE）数据（见下图），四大驱动力正推动企业采用可追溯系统：消费者需求、投资者期望、监管压力以及商业相关效益（UNECE, 2023）。

‍

推动可追溯性需求发展的动力是什么？

联合国欧洲经济委员会（2023）。《关于加强循环经济中可持续价值链可追溯性和透明度的白皮书》

‍

日益增大的压力叠加全球供应链日益分散的趋势，使可追溯性成为战略与运营层面的优先事项。大宗商品常经由多重中间商、非正式集货商及间接采购渠道流通，使得可视化与管控变得尤为困难，尤其对土地密集型行业的企业而言[（联合国欧洲经济委员会，2023年，第45段）]。

在此背景下，企业不仅需在供应商入驻阶段履行尽职调查，更需持续开展相关工作。评估标准已远超价格与质量范畴，现涵盖地理位置数据、土地使用历史及监管风险暴露等维度。然而多数机构无法获取贯穿所有生产地块和供应商层级的统一农场级数据，致使合规性验证举步维艰。

为什么实现全程可追溯性如此困难？

传统供应链系统侧重透明度而非空间精度。因此，收集点往往无法登记或验证货物的确切来源，数据通常在市级或区域层面进行汇总。在缺乏可验证的地理参考数据的情况下，企业只能依赖假设、不完整的记录或自我申报信息，这些都无法满足欧盟动物源性食品法规（EUDR）等监管框架的要求。

这种监管期望与碎片化供应链运营现实之间的差距并非理论上的空谈，在应用研究中已有充分记录。科特迪瓦的案例研究生动说明了：即便运用先进方法和工具，实际追溯供应源头仍面临巨大挑战。

案例示例：科特迪瓦可可供应链溯源实践

研究 《科特迪瓦可可供应链中的透明度、可追溯性与森林砍伐问题》 采用空间显式生产到消费系统信息（SEI-PCS）方法，揭示了供应链追溯的复杂性。研究人员通过五步流程分析科特迪瓦可可出口数据：贸易数据分析、合作社定位、产量估算、森林砍伐风险遥感监测，最终追溯至合作社、持证采购商及次国家区域（如下图所示）。

图。科特迪瓦可可供应链示意图：黄色部分为可追溯至合作社的采购渠道，即可追溯至已公开合作社的出口量，亦包含从已知持证采购商处采购的小批量货物；绿色部分为间接采购，即无法追溯至合作社或买家的出口量（通过无证买家采购），适用于披露供应商信息的贸易商；蓝色部分为未知采购，即未披露供应商信息的非透明贸易商出口量。

来源：IOP Science，《科特迪瓦可可供应链中的透明度、可追溯性与森林砍伐问题》。

尽管部分贸易商披露了直接采购自710家合作社的渠道，但多数供应仍通过间接途径或持牌中介实现，仅能提供大致地理位置数据。即便运用精密的蒙特卡洛模拟和卫星数据，该研究也仅能追溯至省份级别，无法锁定具体农场或地块。这凸显了当前可追溯实践与监管合规所需精准度之间的鸿沟。

🇧🇷 巴西农业供应链中同样存在类似挑战。

随着全球及国内法规对森林砍伐和土地使用实践提出更高透明度与问责要求，巴西生产商和出口商正面临日益增大的压力。

例如，近期调查揭示了亚马逊地区新砍伐林地上种植油棕的现象，凸显了该地区供应链中持续存在的森林砍伐风险及监管不足问题。（《气候变化新闻》，2025年）

这些进展凸显了迫切需要精准的农场级核查工具，以确保符合全球及地方性法规，例如巴西《森林法》和欧盟《欧盟法规》。

基于土地的可追溯性挑战

即使借助卫星图像和地理定位等工具，田间可追溯性仍面临多重挑战，例如：

地表外观变化：作物生长阶段、云层覆盖及季节更替可能导致图像失真，从而难以准确划分土地。
短轮作周期：每年多次种植与收获周期意味着近期影像可能无法准确反映当前作物状况。
不规则田块边界：田块常缺乏清晰笔直的边界，且可能包含多种作物类型，这使得自动化测绘变得复杂。
混合农业实践：农民采用部分田地利用或作物混种的方式，对标准建模方法构成挑战。

这些因素共同作用，使得准确可靠的陆基可追溯性成为供应链验证中复杂且持续的挑战。

马文公司如何运用人工智能应对挑战

在Marvin，我们融合尖端技术与土地利用及合规领域的深厚专业知识，提供真实可追溯性而非粗略估算。我们的平台整合卫星影像、人工智能与地理空间智能，实现精准的土地测绘与监测。

正如我们的地理空间人工智能研究员Rotem M.博士（计算机科学硕士及博士）所阐述：

在马文，我们不仅估算土地利用情况，更以精准手段进行验证。我们构建了融合卫星影像、遥感技术、人工智能与合规专业知识的地理空间智能平台，实现真正的实地可追溯性。我们将计算机视觉与基础模型融入人工智能架构，即使在碎片化且快速变迁的土地上，也能实现精准可扩展的测绘。通过运用地理空间与遥感人工智能的最新成果，我们将原始卫星数据转化为应对现实复杂性的可操作洞察。无论是供应链合规管理、森林砍伐监测还是再生农业实践，马文正不断拓展土地智能技术的边界。”

‍

与此同时，我们深知仅凭技术并不足够。每家企业都处于独特的运营环境中，其供应链、地理位置和监管风险共同塑造了这种环境。正如罗特姆所强调的：

"我们相信真正的创新发生在先进技术与专业思维的交汇点。虽然我们将最新的人工智能工具整合到平台中，但绝不会盲目依赖它们。我们的团队拥有深厚的领域专业知识，能够对技术成果进行解读、调整并加以拓展。正因如此，我们开发了专属方法论，为每位客户量身定制解决方案。每条供应链、每个区域和每项法规都存在独特复杂性，因此我们的技术内置本地化智能与全球贸易覆盖能力，通过定制化可追溯解决方案有效规避环境、合规及物理风险。"

这种先进人工智能与定制化专业知识的结合，使我们能够将原始卫星数据转化为战略性、现实世界的行动，如下图所示。

‍

从卫星到战略：马文如何将土地数据转化为可操作的洞察

想了解它是如何运作的吗？获取专属演示。

这意味着我们的客户能够获得与供应链直接关联的可靠现场级洞察，既能帮助他们领先于法规要求，又能开拓新的市场机遇。如此精准的追溯能力使客户能够自信地展示可追溯性，而非依赖估算。

我们不相信捷径。我们提供清晰、精准与信心，助您降低风险、开拓新市场，并将可追溯性转化为竞争优势。