過去一年，“AI+”已經深入到了中國產業的方方面面，從工業質檢到智慧城市，第四次工業革命開始呈現出越來越清晰的面貌。

       然而如果我們將目光投擲到城市環線以外，在幅員遼闊的中華大地上，AI是否能扎根進農業的土壤中，讓這個延續千年的第一產業向更高的產業化水平邁進?

       答案是肯定的。

       2019年，我們看到計算機視覺、深度學習、邊緣計算、智能機器人等AI技術都可以被用于提高農業的生產效率，從高度信息化的豬場鵝廠，到智能分揀采摘機器人，用前沿科技的視角與脈絡改造農業產業鏈，AI已經開始輸出真實的價值。

       但我們也發現，農業想要徹底承接住AI的技術能量，前提還要經受第二產業的工業化洗禮，以及第三產業的社會化流程保障。沒有這樣層層遞進的產業基礎，“AI+農業”的美好愿景，就如同一場過云雨，尚未深入根系，就已煙消云散。

       如何將智能的甘霖，輸送到960萬平方公里的土地，2019年的農業AI，就在進行一場滋養未來的播種。

跨越沙海：農業智能化的三步曲

       BIS Research前不久發布了《2019-2024年農業市場的全球人工智能(AI)分析與預測》報告，最新的市場情報顯示，農業AI的市場規模在2019年估計為5.780億美元，并將以28.38%的復合年增長率增長，預計到2024年將達到20.157億美元。

       需求驅動下的農業智能化，想承接住這個時代機遇，卻沒有想象中容易。

       核心原因，自然是作為第一產業的農業AI之路，與其他現代化基礎良好的二三產業有著明顯的差異。

       所以在這篇文章中，或許我們可以換一種方式，先回到問題的起源地，去追問那個必不可少的前情提要——今天的農產業鏈條迫切渴望從AI的復雜算式中，尋找到哪些問題的時代解法?

       1.提質增效。在過去的幾年里，從勞動密集型轉型為工業密集型，成為中國農業的主旋律。而導致這一變化的主要誘因：糧食單位產量低，分散家庭經營為主要生產模式，越來越多的年輕人選擇退出“農民”這一職業，尤其是在環保主義、產業集中化等政策大趨勢的影響下， 以智慧機器代替人工完成農產品生產，就成為2019年乃至未來數年的主題詞。

       2.科技推廣。要解決問題一，自然就會引出第二個問題——AI農業的技術門檻高，而中國長期的小農經濟與政策主導的科技推廣模式，就讓技術改造的初始成本、安全性等問題，成為阻礙農業智能化、規模化管理的要素。

       盡管此前一些機器人技術和智能算法都讓一些生產過程變得更加容易，但小農戶在我國占據80%以上，農業人口的受教育年限也低于7.5年，大多數缺乏有效操作、理解相關技術的專業知識，也會影響AI成果轉化為現實生產力。

       3.產銷斷層。上述生產端的標準化和現代化改造，即使有政府補貼、金融保險等機制，高昂的投入短期內還是會反映到最終的農產品價格中，今年以來的豬肉價格飛漲，連帶著牛羊肉、雞蛋等畜禽產品價格不同程度上揚，甚至某段時間水果也讓消費者無福消受，“價賤傷農、價高傷民”的產銷斷層，也昭示著農業融入城市數字經濟中的必要性。

       所以在2019年，我們看到AI在農業上的應用，就開始告別“XX養豬”這樣樹典型的示范工程，也不再是單一的器械自動化升級，而是向更深的土壤層伸展出了密集的根系。

2019：農業AI解開了無數道復雜的綜合題

       具體到2019年的產業變化，我們可以看到三個更為清晰的邏輯延展：

       首先，人工智能的農業應用趨近于綜合化、集成化。

       尤其是體現在生產環節，如果說2017-2018年是AI進入田間地頭的實驗階段，那么2019年可以信息地看到，人工智能與農業的深度跨界融合方案正在被孕育出來。

       從部署具備邊緣計算能力的多種傳感器，到視覺感知、語言閱讀、邏輯推理等算法的應用，以及人機混合協同、群體巨智能決策等，AI農業開始從單點作業邁向了綜合改造的大門。

       比如云南某農產品設備廠商，就通過設備端的智能邊緣平臺，結合云服務進行數據訓練，進而將垂直算法模型下發到生產設備上，指導終端作業的參數實現自我調節。該套AI+IoT的方案，生產質量已經可以達到中級師傅的水平。

       另外，農業領域的人工智能算法在精準度和實用性上也提升到了更高的價值基準。

       2019年，機器識別開始脫離實驗室的窠臼，逐步克服了不同地區、不同類型農產品的差異化難題，在適用性和精準度上進一步升級，識別誤差降低，開始為農民群體交付可靠的產業價值。

       比如某集團就與AI科技企業合作，通過在大棚內設置專用的托架和拍攝設備，來自動識別農產品的成熟度，計算最適合農作物生長的環境，鑒別病蟲害感染情況，進而推動機器人智能分揀，降低意外狀況所造成的損失。

       在海南島，數百個農場已經應用上了智慧農場管理系統，實現基于物聯網的智能監控;在新疆，一排遠程遙控的無人采棉機進行秋收，一小時收獲60畝，比人工采棉的效率提高了上千倍;在內蒙古，一戶牧民家的300多頭牦牛都裝上了5G移動設備，等待實現“在家放牛”……通過機器降低生產成本，不再只是一句紅頭文件或新聞通稿上的口號，而是正在土地上發生的真實故事。

       另一個有趣的變化是，傳統以行政為主導的農業科技推廣體系，開始逐漸向政企校“三位一體”的方式演進。

       過去按照“省-市-縣鄉-村”層級逐級推廣的科技服務網絡，正伴隨著科技互聯網公司與農業巨頭之間的強強聯合，呈現出了農業政策、科研創新、技術推廣三者緊密聯合的新業態。

       某某農業大腦與農業集團、地方政府等的合作消息在過去一年里層出不窮，農業領域的AI-as-a-service“AI即服務”創業公司也逐漸增多。

       比如某金融機構就通過線上采集多維度的農戶數據，利用人工智能模型進行分析，迅速完成對生豬養殖戶的信用評分，進而增加農民融資機會并降低融資成本，幫助解決“豬周期”問題。

       一方面，農戶的實際需求能夠更有針對性地得到滿足，讓創新科技成果可以轉化為現實的生產力。同時，社會力量的大力推動，也讓農業科技推廣資金得到有效供給，緩解各級財政壓力，同時也減少了科技企業自身的研發成本和推廣難度，進一步擴大技術應用范圍。

       總體來看，這種相對成熟的、復合型、大范圍覆蓋的科技創新應用，預計將會在未來數年間成為農業AI快速落地的一大助力。

走向綠洲：農業AI的彼岸

       給“農業AI”的2019年考卷打個“A”，是理所當然的一件事。問題在于，智能化、網絡化轉型剛剛開始展露出協同起步的晨曦，這也意味著，想要進入精確農業時代，AI還將有更多的題目等待挑戰。

       比如說，農業AIoT網絡的覆蓋范圍還有待提升。前文提到的AI創新，都基于村級別的信息化服務網絡，尤其是農業物聯網和云計算的完善，能夠提供實時響應的數據處理和決策支持。據統計，我國農村地區互聯網普及率為36.5%，僅為城鎮地區的一半，AI想要在960萬平方公里的土地上落地生根，首先需要解決數據的“匱乏病”，這恐怕還有賴于新一代互聯網和IoT部署的全面鋪開。

       與此同時，中國的科技企業對農業領域的深入，目前還停留在基礎設施的改造與算法賦能階段，未來將質量良好、有價值的農業數據集收集并開源出來，恐怕會是農業AI進展更快的特效藥。

       另外，智能農業設備的專屬芯片還是較為缺乏。

       目前的AI應用大多都是建立在通用芯片的基礎上，但與標準化程度高的工廠、城市環境不同，農業智能設備會面臨復雜的生產場景、變化多端的環境氣候等影響，此類芯片在環境較差的田間地頭很容易發生損壞，進而影響智能農業機械的應用可靠度，而目前農業需求反向推動半導體產業鏈的影響力還稍顯不足。

       而在服務方面，面對部分家庭農戶應用人工智能的意愿和能力不夠、農業金融信用風、，農產品種植與市場品牌化等問題，還需要主管部門或社會企業運用人工智能建立垂直的行業預測模型，來指導和幫助農業生產主體動態地調節生產活動。如何對提供此類B2B、B2C解決方案的服務商給予幫扶支持，也成為等到農業AI回答的一道多選題。

       總體來看，這些既是2019年的歷史遺留問題，也是一份來自未來的禮物。

       2017年，在《新一代人工智能發展規劃》提出了要推進農業的智能化升級，建立典型農業大數據智能決策分析系統，開展智能農場、智能化植物工廠、農產品加工智能車間等集成應用示范等舉措。

       時至今日，人工智能已經在田間地頭全面開花，擺脫農業固有的復雜性，以及技術落地的種種掣肘，培育出了眾多的AI綠洲，催生出不少優秀的解決案例。

       春播秋收冬藏，AI在這一年寫下的，正是對這片土地的期盼與深情。