当极端气候每年杀死数百万头牲畜，信息缺失比灾难本身更致命
Dzud（蒙古语：dzüüd，“白灾”）是蒙古高原特有的自然灾害复合体，指冬季极端严寒+暴雪叠加夏季干旱导致的牲畜大量死亡事件。它不是单一气象事件，而是气候链式反应：
蒙古国是全球受dzud影响最严重的国家，因为游牧畜牧业仍然是约30%人口的生计来源。
| 应对维度 | 具体措施 | 效果评估 |
|---|---|---|
| 政府应急 | 紧急情况总局预警、道路清雪、饲料运输、学校停课 | 事后响应为主，预警窗口太短 |
| 国际援助 | 中国援助物资、联合国协调、FAO技术支持 | 缓解当次危机，不可持续 |
| 世界银行 | 2024年5月发布经济半年报，指出气候变化对农业部门的威胁 | 宏观分析，不解决牧民层面问题 |
| 牧民自救 | 长途跋涉寻找牧场、转移牧群数百公里、囤积饲料 | 个体行为，效率极低，成本极高 |
| 牲畜保险 | Index-based livestock insurance（IBLI），基于指数触发赔付 | 覆盖率有限，小牧民难以参与 |
| 早期预警 | 气象部门发布天气预警 | 有气象预警，但缺乏对牧民的具体行动指导 |
根据挪威经济学家Erik Reinert和剑桥大学David Sneath的分析，蒙古国dzud问题的根源不仅是气候变化：
与蒙古国相比，内蒙古的灾害规模和应对能力有显著差异：
| 技术领域 | 内蒙古应用 | 覆盖程度 |
|---|---|---|
| 气象预警 | 内蒙古自治区气象台发布天气预报和灾害预警 | 省级覆盖，但到牧民层面信息传递仍有断层 |
| 智慧畜牧 | 中国移动5G智慧畜牧试点（若尔盖等地）、北斗定位项圈 | 试点阶段，覆盖率极低 |
| 卫星遥感 | 草原监测、植被覆盖评估 | 主要用于政府决策，不直接服务牧民 |
| 物联网 | 部分牧场试点温湿度传感器、电子耳标 | 大型牧场为主，小牧民无法负担 |
| 保险 | 政策性畜牧业保险 | 有制度框架，但理赔效率和覆盖面有限 |
内蒙古有技术能力，但技术无法到达牧民。气象预警发布到省级平台，卫星数据用于政府决策，物联网设备只覆盖大型牧场。最脆弱的散户牧民（占绝大多数）缺乏获取关键信息的手段。
这恰恰是飞轮分析中“天气预警+牲畜定位”MVP方案的意义所在——不是技术问题，是最后一公里信息传递问题。
非洲之角的干旱灾害与蒙古国的dzud形成对比——一个是“太多雪”，一个是“没有水”，但底层逻辑相同：
澳大利亚的牧业灾害应对代表了“发达国家模式”：
| 维度 | 蒙古国 | 内蒙古 | 非洲之角 | 澳大利亚 |
|---|---|---|---|---|
| 灾害类型 | Dzud（暴雪+严寒） | 白灾/旱灾交替 | 极端干旱 | 干旱/山火/洪水 |
| 牲畜年损失 | 数百万头（极端年份） | 数十万头 | 数百万头 | 数千头（保险覆盖） |
| 预警系统 | 基础气象预警 | 省级气象+卫星 | FEWS NET卫星预警 | 完整监测体系 |
| 技术应用 | 极低 | 试点阶段 | IBLI保险+卫星 | 全面数字化 |
| 信息到达率 | <30%牧民 | ~50%牧民 | ~40%牧民 | >90%牧民 |
| 保险覆盖 | 有限 | 政策性 | IBLI指数保险 | 商业保险为主 |
| 最大差距 | 基础设施缺失 | 最后一公里断层 | 政治不稳定 | 成本 |
全球牧区灾害应对的技术方案可以分为三个层级：
全世界不缺卫星数据、不缺气象模型、不缺保险指数。真正缺的是：把数据变成牧民能听懂、能执行的行动指令。
这恰好是AI+本地基础设施的切入点。不需要等5G覆盖所有牧区，不需要等每个牧民都用上智能手机。一个放在桌上的AI终端，就能把卫星数据翻译成“明天暴风雪，把羊群赶到南坡”。
| 功能 | 对应灾害场景 | 技术栈 |
|---|---|---|
| 气象预警翻译 | 暴风雪前72小时预警 | 卫星API+边缘AI+本地语音 |
| 牲畜定位追踪 | 灾后牧群散失 | 北斗/GPS项圈+本地基站 |
| 饲料储备计算 | “座冬雪”长期封冻 | 存栏数×天数×消耗模型 |
| 路线规划 | 寻找可用牧场 | 卫星植被数据+地形分析 |
| 灾害损失评估 | 灾后保险理赔 | 图像识别+GPS围栏+自动报告 |
| 社区协同 | 道路清雪、资源共享 | 离线Mesh网络+本地广播 |
这个问题在更深的层面上，与SkyCetus研究系列的“技术压制谱系”一脉相承：
House不是要“拯救”牧民，而是要做信息管道的基础设施——让已有的技术真正到达需要的人。这是“息壤+冶炼”的完整链条。