微积分在林业生长经营模型中的应用

生长是微分，资产是积分——林地滚动投资、经营方案编制与林业 AI 大模型，共用的一套数学

三件事看着不搭：一份讲林地滚动投资的白皮书、一份县级林业局的森林经营方案、一个大模型的对话框。

但它们其实是同一个东西的三个侧面。经营方案要回答「这片林子第 23 年能出多少材」，这是积分；生物性资产要回答「今年这块林子值多少钱」，这还是积分；滚动的林地投资要回答「今年该不该再收一块、什么时候主伐」，这是在约束下求极值。而大模型要做的，是把人的话翻译成参数，再把参数跑出来的结果翻译回人话。

一、FCIM 不是「买地砍树」，是把四个动作连成一只飞轮

FCIM（Forest Compounding Investment Model，林地复利经营模型）是中森生态与骏东控股 2026 年联合发布的一套模型，定位是「A TIMO-Based Model」——在 TIMO（林地投资管理组织）「收储—经营—采伐—再收储」的老循环上，叠加两条精深加工转化路线（天然来源生物医药、林木生物基材料）与长期机构资本。

白皮书对「复利」的定义很克制，值得原文照抄一句：复利不是对林木价格或土地价值的刚性收益承诺，而是可审计经营变量的持续改善——单位面积可售生物资源的质量与稳定供应、同一资源在加工与品牌原料环节的价值捕获、以及回款再收储的资产组合纪律。

这里有一句我特别想划重点的话：只有当新增林地能提高组合质量、供应链稳定性或加工经济性时，面积扩张才构成有效复利——为规模而收购只会放大资本占用。

翻译成数学，这句话就是一个带约束的优化问题：扩张的边际收益必须覆盖边际资本成本与边际风险，否则解不在边界上，而在内部。很多「林业投资」的失败，不是不会算生长量，而是把这条约束丢了。

二、经营方案里的微积分：三处真刀真枪

森林经营方案不是散文，它是一份要被林业主管部门审、要被采伐限额约束、要被审计核查的技术文件。里面至少有三次，你必须动微积分。

① 生长：把离散的实测连成连续的函数。固定样地五年复测一次，但方案要回答「第 17.3 年郁闭度多少、蓄积多少」。胸径生长可以写成 dD/dt = f(D, SI, N, 立地)，而 Richards、Korf、Weibull 这些经验生长曲线，本质上就是它的闭式解。方案编制里的「生长表内插」，数学上就是对导数场做数值积分——以前手算 Simpson，现在跑 Runge–Kutta，活还是那活。

② 轮伐：Faustmann 公式，一个标准的极值问题。林地期望价 LEV 对主伐年龄求导、令其为零，就得到最优轮伐期。写成连续贴现的形式是

③ 择伐：把「不超过生长量」写成积分。异龄林每次采伐量不超过生长量，听着像原则，落地是一个积分：年允许采伐量 = ∫ G(d)·p(d) dd，G 是直径分布（Weibull 或负指数），p 是可采概率。实践中多用 BDq 法查径阶表，但审方案的人盯的其实就是这个积分的上下界与径阶权重。

还有一处常被漏掉：间伐值不值，也是求导。多抚育一次，成本现在付、收益在若干年后；折现回来比一比，就是边际分析。方案里写「第 12 年抚育间伐一次」，背后应该有一条算过的曲线，而不是一句惯例。

三、生物性资产：把「长出来的」变成「记上去的」

生物性资产是会计里最特别的一类：它会自己长，也会自己死；它的价值随时间双向变化——长材是增值，灾害、枯损、病虫害是减值。制造业的存货放一年不会变重，林子放一年会变重，也可能烧掉。

所以「生物性资产大模型」的核心不是会聊天，而是能算清这条恒等式：

这里必须说清一件容易被含糊过去的事：口径。中国《企业会计准则第 5 号——生物资产》以历史成本为主，公允价值只有在能可靠取得时才可用；国际准则 IAS 41 则原则上用公允价值减销售费用。同一片林子，按成本法记和按公允价值记，数字可以差出一倍。所以任何「AI 测算的林地资产值」，不标注口径就是数字游戏。

还有一条边界，FCIM 白皮书处理得很干净：它明确排除碳汇、碳交易、碳信用与额外性收益，只保留「权属与绩效可核验」的生态服务付费作为第四层收入。这是刻意的克制——把碳塞进收入模型，很容易把「可能的政策红利」写成「确定性的现金流」。真想加，也得单独一层、单独折现、单独披露，不能混进木材那本账。

四、滚动：FCIM 真正需要的数学，不是一条公式

上面那三处微积分，是「一份方案」的数学。但 FCIM 管的是四十年、几十块林地、不断再投资的组合——那就不再是一个 Faustmann 能解决的事。

它需要的是滚动优化，写法大致是：

为什么必须滚动？因为价格会变、限额会调、灾害会发生、加工收率会波动。一次性算完四十年的最优路径，第二年就作废了。FCIM 把「再收储」放在循环的最后一环，本质上是给这个滚动优化留了一个每期都可以重新决策的口子。

而「质量闸门」那句纪律，正好是这里的约束条件：扩张不是把面积加到最大，而是在组合质量、供应链稳定性、加工经济性三条约束下的内点解。

五、把两者嵌进 AI：五层架构，三条输出，四条纪律

到这里可以回答那个问题了：林业 AI 生长经营大模型，到底长什么样？我的答案是——它不是一个更会聊天的模型，而是一套分层的系统。

LLM 不负责积分，负责翻译与调度。它把「我想看看 25 年主伐、造林成本按每亩 8000 元」翻译成一份参数文件，交给后端的过程模型与优化器；再把跑出来的曲线、表格、敏感性分析翻译成人能读的方案段落。纯语言模型自己去「积一个直径分布」，目前还会编系数——这不是能力问题，是它没有实测数据、也没有数值积分器。

三类输出，缺一不可。① 可签的方案文本（章节齐全、符合编制规程）；② 可跑的参数文件（树种、立地、密度、成本、价格、利率全部显式）；③ 可核的中间量（逐年胸径/树高/蓄积、出材率、现金流、资产变动）。第三类最容易被省略，但它恰恰是审计与复核的抓手。

四条纪律，写在系统里而不是写在纸上：

落地路径也不必一步到位。最小可用的第一步，是把「生长表 + 价格 + 成本」做成一个可调参数的情景引擎：用户改一个假设，曲线与资产值立刻重算，LLM 只负责把自然语言变成那几行参数、把结果解释成人话。这一步没有任何「模型幻觉」的空间，却已经能替方案编制省掉大量重复计算。

六、结语：骨架、循环、调度器

把三件事放在一起，会发现它们的分工其实很清晰：

所谓「林业 AI 生长经营大模型」，如果它成立，大概就是这三者的乘积：算得准（微积分）、滚得动（FCIM）、说得清（大模型）。少任何一项，它都只是个会写方案的聊天框。