農(nóng)業(yè)是人類賴以生存的根本，在三次產(chǎn)業(yè)中占據(jù)基礎(chǔ)性地位，對經(jīng)濟社會的穩(wěn)定與發(fā)展至關(guān)重要。然而，隨著人口的快速增長、耕地面積的逐步縮減以及城鎮(zhèn)化的加速推進，農(nóng)業(yè)面臨的挑戰(zhàn)日益嚴峻。為應對這種挑戰(zhàn)，國內(nèi)外都在探索通過信息技術(shù)來促進農(nóng)業(yè)提質(zhì)增效，其中以人工智能為基礎(chǔ)的智慧農(nóng)業(yè)新模式發(fā)展迅速，出現(xiàn)了很多典型案例，為農(nóng)業(yè)廣泛深度融合應用人工智能提供了有益參考。

圖源：圖蟲創(chuàng)意

人工智能與農(nóng)業(yè)融合應用的基本態(tài)勢

農(nóng)業(yè)的生產(chǎn)和服務領(lǐng)域存在很多痛點問題，如生產(chǎn)方式較粗放、農(nóng)業(yè)服務不完善等。不少企業(yè)以產(chǎn)業(yè)痛點為導向，積極探索人工智能在農(nóng)業(yè)生產(chǎn)服務中的融合創(chuàng)新，為解決農(nóng)業(yè)痛點問題找到了新的突破點。

在農(nóng)業(yè)生產(chǎn)中，人工智能助力農(nóng)業(yè)生產(chǎn)精細化，從而促進農(nóng)業(yè)提質(zhì)增效。在種植領(lǐng)域，企業(yè)利用人工智能對農(nóng)作物生長情況及環(huán)境數(shù)據(jù)進行建模分析，為農(nóng)業(yè)生產(chǎn)提供精準指導。例如，Infosys、IBM Watson IoT和Sakata Seed Inc.在美國加利福尼亞兩塊田地上布置測試床，利用基于機器視覺的無人機、環(huán)境傳感器和土壤傳感器，全方位、立體化地采集植物高度、空氣濕度、土壤肥力等18種數(shù)據(jù)，并將數(shù)據(jù)上傳到Infosys信息平臺進行大數(shù)據(jù)管理和人工智能技術(shù)分析，分析結(jié)果反饋至企業(yè)ERP系統(tǒng)、植物育種研發(fā)系統(tǒng)，以指導下一步生產(chǎn)和育種。在養(yǎng)殖領(lǐng)域，企業(yè)通過對畜禽多元化數(shù)據(jù)的采集與分析，實現(xiàn)精準養(yǎng)殖。例如，阿里云與四川特驅(qū)集團、德康集團合作推行智能養(yǎng)豬，豬場內(nèi)遍布與ET農(nóng)業(yè)大腦連接的攝像頭，自動采集、分析豬的體型及運動數(shù)據(jù)，運動量不達標的豬會被趕出室外繼續(xù)運動，以保證豬肉品質(zhì);此外，利用ET農(nóng)業(yè)大腦、結(jié)合聲學特征及紅外線測溫技術(shù)，可通過豬的咳嗽、叫聲、體溫等數(shù)據(jù)判斷豬是否患病，及時預警疫情。

在農(nóng)業(yè)服務中，人工智能可緩解信息不對稱導致的農(nóng)產(chǎn)品供需失衡及農(nóng)業(yè)融資難等問題。一方面，行業(yè)主管部門或企業(yè)運用人工智能建立農(nóng)產(chǎn)品價格走勢預測模型，指導農(nóng)業(yè)生產(chǎn)主體動態(tài)調(diào)整產(chǎn)能，既可減少由于盲目生產(chǎn)導致的成本浪費，也能提升消費者滿意度。例如，IBM利用機器學習分析衛(wèi)星圖像、天氣、人口、土地等數(shù)據(jù)，對農(nóng)作物供需情況進行預測;笛卡爾實驗室使用基于衛(wèi)星數(shù)據(jù)訓練的機器學習模型，預測美國國內(nèi)的玉米產(chǎn)量，為農(nóng)民的生產(chǎn)決策提供參考。另一方面，金融機構(gòu)依托農(nóng)業(yè)大數(shù)據(jù)建立農(nóng)民征信體系，可提高對農(nóng)業(yè)金融的風險把控能力，增加農(nóng)民融資機會并降低融資成本。如，互聯(lián)網(wǎng)信用評估平臺閃銀和互聯(lián)網(wǎng)金融公司農(nóng)信寶開發(fā)的“八戒分期”，通過線上采集超過300個維度的農(nóng)戶數(shù)據(jù)，在后臺利用人工智能模型進行分析，可在數(shù)秒內(nèi)完成對生豬養(yǎng)殖戶的信用評分并反饋給審核人員，幫助金融機構(gòu)降低風控成本和壞賬，也顯著降低了養(yǎng)殖戶融資成本。

總體而言，人工智能在農(nóng)業(yè)生產(chǎn)和服務環(huán)節(jié)都涌現(xiàn)出了一些融合應用的典型案例，為促進農(nóng)業(yè)智能化轉(zhuǎn)型升級提供了新思路。但這些融合應用目前主要處于探索和試點階段，融合模式仍需優(yōu)化完善，應用范圍也有待逐步擴大。

我國人工智能與農(nóng)業(yè)領(lǐng)域深度融合面臨多重挑戰(zhàn)

大數(shù)據(jù)、人工智能等技術(shù)在國外農(nóng)業(yè)領(lǐng)域已形成了相對成熟的融合模式和較大范圍的應用。而我國雖然也出現(xiàn)了一些典型案例，但整體還處于起步階段，農(nóng)業(yè)的數(shù)字化、網(wǎng)絡化、智能化轉(zhuǎn)型仍面臨諸多挑戰(zhàn)。

一是農(nóng)村網(wǎng)絡基礎(chǔ)設(shè)施薄弱。人工智能在農(nóng)業(yè)領(lǐng)域的融合應用對網(wǎng)絡實時響應和海量數(shù)據(jù)積累有較高要求。但我國村級信息化服務網(wǎng)絡不夠健全，農(nóng)業(yè)領(lǐng)域網(wǎng)絡化水平還有待提升。據(jù)統(tǒng)計，我國農(nóng)村地區(qū)互聯(lián)網(wǎng)普及率為36.5%，僅為城鎮(zhèn)地區(qū)的一半。

二是智能化農(nóng)業(yè)設(shè)備供給水平不足。針對智能農(nóng)業(yè)設(shè)備的專用芯片較為缺乏，而通用芯片在環(huán)境較差的農(nóng)業(yè)現(xiàn)場非常容易發(fā)生損壞，進而導致農(nóng)業(yè)智能設(shè)施應用受阻。同時，由于農(nóng)業(yè)場景復雜，農(nóng)業(yè)智能機器人等設(shè)備在實際應用中存在效率不高、靈活度不夠等問題，智能化設(shè)備的性能還需要進一步提升。

三是農(nóng)民應用人工智能的意愿和能力不夠。一方面，智能化農(nóng)業(yè)設(shè)備的投資金額大、回收周期長，導致農(nóng)民“不敢用”。另一方面，智能化農(nóng)業(yè)設(shè)備的操作方式與傳統(tǒng)農(nóng)業(yè)設(shè)備差別較大，農(nóng)民對智能化設(shè)備的操作能力不足，“不會用”也阻礙了農(nóng)業(yè)的智能化發(fā)展。

加快人工智能與農(nóng)業(yè)領(lǐng)域深度融合的建議

針對人工智能與農(nóng)業(yè)深度融合面臨的挑戰(zhàn)，行業(yè)主管部門應從基礎(chǔ)設(shè)施、技術(shù)供給、產(chǎn)業(yè)需求等多角度入手，全面促進人工智能與農(nóng)業(yè)領(lǐng)域的深度融合，探索現(xiàn)代農(nóng)業(yè)高質(zhì)量發(fā)展的有效路徑。

支撐能力方面，著力強化農(nóng)村網(wǎng)絡基礎(chǔ)設(shè)施及農(nóng)業(yè)信息服務平臺建設(shè)。一方面，進一步加強農(nóng)村信息基礎(chǔ)設(shè)施建設(shè)，擴大寬帶和移動網(wǎng)絡覆蓋范圍，提升網(wǎng)絡速率，為部署智能化農(nóng)業(yè)設(shè)施、采集農(nóng)業(yè)大數(shù)據(jù)奠定良好基礎(chǔ)。另一方面，建立健全農(nóng)業(yè)信息服務平臺，提高農(nóng)產(chǎn)品供需、價格等信息的智能化預測水平，為農(nóng)業(yè)生產(chǎn)決策提供更多參考與指導。

技術(shù)供給方面，持續(xù)提升農(nóng)業(yè)領(lǐng)域人工智能技術(shù)供給水平。一方面，應加大對農(nóng)業(yè)專用芯片、傳感器等基礎(chǔ)零部件以及農(nóng)業(yè)無人機、農(nóng)業(yè)機器人等智能化設(shè)備研發(fā)應用的支持力度，提升智能化農(nóng)業(yè)設(shè)備供給能力和供給質(zhì)量。另一方面，應著力培養(yǎng)農(nóng)業(yè)領(lǐng)域融合解決方案提供商，催生農(nóng)業(yè)領(lǐng)域融合應用人工智能的優(yōu)秀解決方案。

產(chǎn)業(yè)需求方面，應大力培養(yǎng)農(nóng)民應用人工智能的意愿與能力。一方面，應加強人工智能與農(nóng)業(yè)深度融合的宣傳工作，讓農(nóng)民充分認識到應用人工智能的長期效益，調(diào)動農(nóng)民開展智慧農(nóng)業(yè)的積極性。另一方面，應加強對投資應用農(nóng)業(yè)智能化設(shè)備的財政補貼，強化對農(nóng)民應用智能化設(shè)施的培訓工作，提高農(nóng)民開展農(nóng)業(yè)智能化生產(chǎn)經(jīng)營的能力。