一九产业AI速写：农业篇

过去一年，“AI+”已经深入到了中国产业的方方面面，从工业质检到智慧城市，第四次工业革命开始呈现出越来越清晰的面貌。

然而如果我们将目光投掷到城市环线以外，在幅员辽阔的中华大地上，AI是否能扎根进农业的土壤中，让这个延续千年的第一产业向更高的产业化水平迈进？

答案是肯定的。

2019年，我们看到计算机视觉、深度学习、边缘计算、智能机器人等AI技术都可以被用于提高农业的生产效率，从高度信息化的猪场鹅厂，到智能分拣采摘机器人，用前沿科技的视角与脉络改造农业产业链，AI已经开始输出真实的价值。

但我们也发现，农业想要彻底承接住AI的技术能量，前提还要经受第二产业的工业化洗礼，以及第三产业的社会化流程保障。没有这样层层递进的产业基础，“AI+农业”的美好愿景，就如同一场过云雨，尚未深入根系，就已烟消云散。

如何将智能的甘霖，输送到960万平方公里的土地，2019年的农业AI，就在进行一场滋养未来的播种。

跨越沙海：农业智能化的三步曲

BIS Research前不久发布了《2019-2024年农业市场的全球人工智能(AI)分析与预测》报告，最新的市场情报显示，农业AI的市场规模在2019年估计为5.780亿美元，并将以28.38%的复合年增长率增长，预计到2024年将达到20.157亿美元。

需求驱动下的农业智能化，想承接住这个时代机遇，却没有想象中容易。

核心原因，自然是作为第一产业的农业AI之路，与其他现代化基础良好的二三产业有着明显的差异。

所以在这篇文章中，或许我们可以换一种方式，先回到问题的起源地，去追问那个必不可少的前情提要——今天的农产业链条迫切渴望从AI的复杂算式中，寻找到哪些问题的时代解法？

1.提质增效。在过去的几年里，从劳动密集型转型为工业密集型，成为中国农业的主旋律。而导致这一变化的主要诱因：粮食单位产量低，分散家庭经营为主要生产模式，越来越多的年轻人选择退出“农民”这一职业，尤其是在环保主义、产业集中化等政策大趋势的影响下， 以智慧机器代替人工完成农产品生产，就成为2019年乃至未来数年的主题词。

2.科技推广。要解决问题一，自然就会引出第二个问题——AI农业的技术门槛高，而中国长期的小农经济与政策主导的科技推广模式，就让技术改造的初始成本、安全性等问题，成为阻碍农业智能化、规模化管理的要素。

尽管此前一些机器人技术和智能算法都让一些生产过程变得更加容易，但小农户在我国占据80%以上，农业人口的受教育年限也低于7.5年，大多数缺乏有效操作、理解相关技术的专业知识，也会影响AI成果转化为现实生产力。

3.产销断层。上述生产端的标准化和现代化改造，即使有政府补贴、金融保险等机制，高昂的投入短期内还是会反映到最终的农产品价格中，今年以来的猪肉价格飞涨，连带着牛羊肉、鸡蛋等畜禽产品价格不同程度上扬，甚至某段时间水果也让消费者无福消受，“价贱伤农、价高伤民”的产销断层，也昭示着农业融入城市数字经济中的必要性。

所以在2019年，我们看到AI在农业上的应用，就开始告别“XX养猪”这样树典型的示范工程，也不再是单一的器械自动化升级，而是向更深的土壤层伸展出了密集的根系。

2019：

农业AI解开了无数道复杂的综合题

具体到2019年的产业变化，我们可以看到三个更为清晰的逻辑延展：

首先，人工智能的农业应用趋近于综合化、集成化。

尤其是体现在生产环节，如果说2017-2018年是AI进入田间地头的实验阶段，那么2019年可以信息地看到，人工智能与农业的深度跨界融合方案正在被孕育出来。

从部署具备边缘计算能力的多种传感器，到视觉感知、语言阅读、逻辑推理等算法的应用，以及人机混合协同、群体巨智能决策等，AI农业开始从单点作业迈向了综合改造的大门。

比如云南某农产品设备厂商，就通过设备端的智能边缘平台，结合云服务进行数据训练，进而将垂直算法模型下发到生产设备上，指导终端作业的参数实现自我调节。该套AI+IoT的方案，生产质量已经可以达到中级师傅的水平。

另外，农业领域的人工智能算法在精准度和实用性上也提升到了更高的价值基准。

2019年，机器识别开始脱离实验室的窠臼，逐步克服了不同地区、不同类型农产品的差异化难题，在适用性和精准度上进一步升级，识别误差降低，开始为农民群体交付可靠的产业价值。

比如某集团就与AI科技企业合作，通过在大棚内设置专用的托架和拍摄设备，来自动识别农产品的成熟度，计算最适合农作物生长的环境，鉴别病虫害感染情况，进而推动机器人智能分拣，降低意外状况所造成的损失。

在海南岛，数百个农场已经应用上了智慧农场管理系统，实现基于物联网的智能监控；在新疆，一排远程遥控的无人采棉机进行秋收，一小时收获60亩，比人工采棉的效率提高了上千倍；在内蒙古，一户牧民家的300多头牦牛都装上了5G移动设备，等待实现“在家放牛”……通过机器降低生产成本，不再只是一句红头文件或新闻通稿上的口号，而是正在土地上发生的真实故事。

另一个有趣的变化是，传统以行政为主导的农业科技推广体系，开始逐渐向政企校“三位一体”的方式演进。

过去按照“省-市-县乡-村”层级逐级推广的科技服务网络，正伴随着科技互联网公司与农业巨头之间的强强联合，呈现出了农业政策、科研创新、技术推广三者紧密联合的新业态。

某某农业大脑与农业集团、地方政府等的合作消息在过去一年里层出不穷，农业领域的AI-as-a-service“AI即服务”创业公司也逐渐增多。

比如某金融机构就通过线上采集多维度的农户数据，利用人工智能模型进行分析，迅速完成对生猪养殖户的信用评分，进而增加农民融资机会并降低融资成本，帮助解决“猪周期”问题。

一方面，农户的实际需求能够更有针对性地得到满足，让创新科技成果可以转化为现实的生产力。同时，社会力量的大力推动，也让农业科技推广资金得到有效供给，缓解各级财政压力，同时也减少了科技企业自身的研发成本和推广难度，进一步扩大技术应用范围。

总体来看，这种相对成熟的、复合型、大范围覆盖的科技创新应用，预计将会在未来数年间成为农业AI快速落地的一大助力。

走向绿洲：农业AI的彼岸

给“农业AI”的2019年考卷打个“A”，是理所当然的一件事。问题在于，智能化、网络化转型刚刚开始展露出协同起步的晨曦，这也意味着，想要进入精确农业时代，AI还将有更多的题目等待挑战。

比如说，农业AIoT网络的覆盖范围还有待提升。前文提到的AI创新，都基于村级别的信息化服务网络，尤其是农业物联网和云计算的完善，能够提供实时响应的数据处理和决策支持。据统计，我国农村地区互联网普及率为36.5%，仅为城镇地区的一半，AI想要在960万平方公里的土地上落地生根，首先需要解决数据的“匮乏病”，这恐怕还有赖于新一代互联网和IoT部署的全面铺开。

与此同时，中国的科技企业对农业领域的深入，目前还停留在基础设施的改造与算法赋能阶段，未来将质量良好、有价值的农业数据集收集并开源出来，恐怕会是农业AI进展更快的特效药。

另外，智能农业设备的专属芯片还是较为缺乏。

目前的AI应用大多都是建立在通用芯片的基础上，但与标准化程度高的工厂、城市环境不同，农业智能设备会面临复杂的生产场景、变化多端的环境气候等影响，此类芯片在环境较差的田间地头很容易发生损坏，进而影响智能农业机械的应用可靠度，而目前农业需求反向推动半导体产业链的影响力还稍显不足。

而在服务方面，面对部分家庭农户应用人工智能的意愿和能力不够、农业金融信用风、，农产品种植与市场品牌化等问题，还需要主管部门或社会企业运用人工智能建立垂直的行业预测模型，来指导和帮助农业生产主体动态地调节生产活动。如何对提供此类B2B、B2C解决方案的服务商给予帮扶支持，也成为等到农业AI回答的一道多选题。

总体来看，这些既是2019年的历史遗留问题，也是一份来自未来的礼物。

2017年，在《新一代人工智能发展规划》提出了要推进农业的智能化升级，建立典型农业大数据智能决策分析系统，开展智能农场、智能化植物工厂、农产品加工智能车间等集成应用示范等举措。

时至今日，人工智能已经在田间地头全面开花，摆脱农业固有的复杂性，以及技术落地的种种掣肘，培育出了众多的AI绿洲，催生出不少优秀的解决案例。

春播秋收冬藏，AI在这一年写下的，正是对这片土地的期盼与深情。