你是否知道,從全球來看,1950年每一位農民都必須為10位居民提供足夠的食物到2014年,一位農民則需要滿足150位居民的食物需求;而在未來十年里,技術進步可以讓每位農民為500人提供足夠的食物。

這便是農業技術進步的價值,即以盡可能少的人力,養活更多的人口。

應該說,為了實現農業智能化的目標,從事相關工作的企業不可謂不多,從事的領域也是包羅萬象。那么,哪里才是農業智能化的突破口?為了回答這個問題,全球知名的風投研究機構CBInsights曾專門做過調研。

在2017年其評選的百家農業科技企業中,人們驚奇地發現,所謂農業智能化,已經很少有農化類型的企業,更多的是智能灌溉、農業物聯網和無人機、精準農業等領域的智慧農業相關企業。可以說,這些企業所從事的方向基本上代表了未來5-10年農業智能化的研發趨勢  

    從這些方向趨勢來看,中國“AI+農業”的落地畫卷才剛剛展開。

在中國,農業機器人有關的研究與開發尚處于起步階段,即與“智能化”尚有距離的“機械化”階段2016年10月,農業部正式批準浙江創建全國農業“機器換人”示范省。按照計劃,到2020年,浙江將建成一批基本實現主要農作物生產全程機械化的示范縣,以及機械化、設施化、智能化程度突出的示范基地,為全國提供示范樣板。

之所以將試驗田選址在浙江,是因為在發展機制方面,它建立了以農業機械共同利用為主要特征的農機社會化服務機制,也是全國最早開始探索這一機制的省份之一。

由此可見,農業智能化在我國的實現需要一步一個腳印,不可操之過急。洞察君認為,“AI+農業”在我國的落地需在時間、區域、方向上做好準備。

從落地的時間上,未來5-10年將是農業智能化落地的高峰。這是因為,AI應用需要大量數據來對算法進行恰當的訓練。農業雖然有大量的空間數據,但大部分數據只能在每年的生長季節使用一次。

因此,可能需要數年才能收集到某個字段或某個具有統計意義的數據。通常,收集的數據需要大量預處理后,才能放心用于AI算法訓練。中國很多農產品沒有現成的數據庫,因此還需要大量的時間去收集和訓練。

在落地區域上,由于我國農業實施家庭聯產承包責任制,土地零散家庭化,非集中規模化,這也導致我國種植和養殖端作業非常不標準,大小、品種、方式、環境等因素千差萬別,這也決定了實施人工智能的難度。

因此,未來有兩類地區比較容易成為“人工智能+農業”的試驗高地:一是種植規模化產區,比如我國東北地區小麥、玉米、大豆、土豆等集中連片的產區,二是品種集中化產區,比如煙臺蘋果、贛南臍橙、阿克蘇香梨等。正因為規模和集中,才有實施的經濟效益。

  

對于企業改造方向來講,以前百度首席科學家吳恩達所創立的landing.ai與中聯重科的合作為例,農業智能化的落地改造關鍵在于兩方面——技術合作與人才培養

技術合作上,Landing.ai將為中聯重科農業機械和其他領域提供人工智能技術的戰略,雙方將共同開發數款基于人工智能技術的農業機械產品;人才培養方面,Landing.ai則將幫助中聯重科招聘、培訓,為其建立一支專業的人工智能技術團

“路漫漫系其修遠”,雖然農業智能化并非一朝一夕之事,但在未來5-10年中,為我國種植規模化產區、品種集中化產區的農業企業提供技術戰略及人才培養,將有望成為我國“AI+農業”加速落地的關鍵密碼。