當AI生長在田間地頭，我們離智慧農業還有多遠？_風聞

農業，可能是數字化程度最低的一個領域。

曾有人對比過這樣一組數據：中國的農業勞均產值只相當於以色列的4%、美國的5%、歐盟的15%、日本的17%，僅僅略高於中等收入國家的平均水平，“補課”可以説農業數字化轉型的不二法門。

讓人深思的還有另一組數據：1991年國內農業勞力佔比約為60%，到了2018年這一數字已經下降到26%，低於世界的平均水平。農業勞動力人口的短缺，導致農產品生產的人工成本佔比超50%。

和無處不在的互聯網相比，農業的數字化就像是未經開墾的荒原，同時也是留給新科技探索的處女地。

01 農業是個嚴肅話題

過去幾年時間裏，幾乎每一年都有農業相關的政策出台，不難從一些草蛇灰線中釐清農業數字化轉型的脈絡。

比如2019年國務院在《鄉村振興戰略規劃（2018-2022年）》中提到，應該大力發展數字農業，實施智慧農業工程和“互聯網+”現代農業行動，鼓勵對農業生產進行數字化改造，加強農業遙感、物聯網應用，提高農業精準化水平。

到了2020年，農業農村部在《數字農業農村發展規劃（2019-2025年）》中再次強調，以產業數字化、數字產業化為發展主線，着力建設基礎數據資源體系，加強數字生產能力建設，加快農業農村生產經營、管理服務數字化改造。

2021年，國務院下發了本世紀第18個關於農業的“一號文件”，強調要強化現代農業科技和物質裝備支撐，着力構建現代鄉村產業體系、現代農業經營體系，推進農業綠色發展。我國的現代農業正在走向以信息為生產要素，互聯網、物聯網、大數據、雲計算、區塊鏈、人工智能和智能裝備應用為特徵的智慧農業。

倘若按照時間做個排序的話，最初引導科技和農業的融合，到智慧農業的系統性佈局，農業的數字化轉型是一個思路逐漸清晰的過程。

畢竟美國和日本已經給出了示範，前者在種植、管理、收穫、流通等環節中通過物聯網、大數據、電商等措施，打造了全閉環式的智慧農業發展模式；後者在人口老齡化的壓力下，利用數字化技術降低了農業對自然環境和從業人員的依賴，逐漸走出了一條綠色有機農業的新路子。

但智慧農業在國內卻是個嚴肅的話題。

一個既定事實在於，國內在農業傳感器、農業模型、核心算法等關鍵技術領域仍處於“跟跑模仿”階段，可能落後先進國家10—15年的時間。特別是很多地方缺少智慧農業的頂層設計，導致農業的智慧化演進多是以單點技術在細分領域進行探索，不同地方的智慧化水平參差不齊。

也有人坦言：國內缺少職業農民的教育體系，即使有一些農民培養機構，過程也是走馬觀花式的。現代職業農民的短缺、高素質農業生產管理人員匱乏，使得智慧農業在基層缺少支持者，內生動力嚴重不足。

或許一些人因此對智慧農業的前景持悲觀論調，但下面幾個年輕人正在做的事情，或許會改變你對智慧農業的認知。

02 新農人們的“新農具”

當外界還在以年齡偏高、文化水平普遍較低刻畫農民形象時，一羣年輕的博士生悄悄加入了“新農人”的序列。

浙大博士章曉敏被人熟知的身份是寧波某高校的教師，但他的另一個身份是“微能雲智能蟲情測報系統”的技術負責人。因為工作的原因，章曉敏認識了浙江農科院的農學專家，發現當地水稻的蟲情監測還是一項非常原始的工作，需要有人到水稻田裏捕捉害蟲，然後靠經驗判斷蟲情的趨勢。

聽到農學專家的訴苦後，章曉敏萌生了智能監測蟲情的想法：或許可以在稻田裏佈置一套誘蟲裝置，自動識別統計一段時間內蟲子的種類和數量，然後結合數據變化科學判斷下一階段的蟲情趨勢。

章曉敏找到的“新農具”是百度飛槳EasyDL，利用農學專家們幫忙標註的樣本數據，在EasyDL零門檻AI開發平台上構建了蟲害檢測模型。誘蟲器吸引到害蟲後會進行滅活處理，然後定時進行拍照，再將照片自動上傳到雲端服務器，通過飛槳EasyDL的算法模型識別害蟲的種類，並進行數據的統計彙總。

目前章曉敏帶頭研發的“微能雲智能蟲情測報系統”已經部署在寧波海曙的農田中，可以識別稻飛蝨、卷葉螟在內的六種水稻常見害蟲，不僅實現了蟲情的實時監測，還可以指導農民有針對性地調整農藥、化肥配比與投放有效進行蟲害防控，減少化學農藥的使用量，避免農產品農殘超標等問題發生。

在章曉敏幫助稻農們“除蟲”的時候，百度的AI工程師阿權跑到了內蒙古通遼，成為著名的伊胡塔牛市的常客。

起因是藍奧雲牧股份總裁王永生的一通電話，向百度求救解決“相牛”的難題。原來當地的活牛交易主要集中在線下牛市，但一頭牛有多重、一天能長多少斤、小牛犢養到最後是賺還是賠，全靠“牛經紀人”肉眼觀察，一些金牌“牛經紀人”能將牛的重量誤差控制在5斤以內，甚至能挑出品質更好、病死率更低的牛。

可“相牛”絕技靠的是常年累月的經驗積攢，傳統的“相牛”方式也侷限了活牛的交易場景，加上牛市的環境十分繁雜，各家牛的無序接觸很容易造成口蹄疫、布病等病發風險。阿權想到的是先採集數據，給每頭牛建立“電子簡歷”，用飛槳EasyDL訓練牛的數據打造AI相牛算法模型。

經過長達幾年的摸索嘗試，阿權的團隊終於研製出一套立體三維點雲數據採集裝置：當牛從過道中有序經過時，兩側的攝像頭便可以快速採集到牛的各種體尺數據和點雲數據，並進行實時三維建模。阿權團隊採集了2000多頭有效的活牛數據，算法模型也可以規模化落地了。

像章曉敏、阿權這樣的“新農人”還有很多，在他們的帶動下，農業不再是一個嚴肅的話題，AI成了“新農具”，數據成了“新農資”。

03 智慧農業的AI範式

可能就現階段來看，章曉敏等人對農業的改造還是點狀開花，但百度飛槳讓由點到線，再由線到面成為了可能。

比如章曉敏幫助水稻監測蟲情時沉澱下來的經驗，可以應用於玉米、小麥等經濟作物的蟲情監測；阿權團隊摸索出的“相牛”經驗，也可以在養豬、養羊等場景下複用……

百度飛槳不僅僅是降低了AI的應用門檻，也讓AI在農業中的落地形成了良性循環的飛輪效應：越來越多的農業場景完成數字化，通過簡單易用的飛槳EasyDL訓練數據形成模型，實現智能化應用。趁手的“新農具”促使越來越多的人在自己熟悉的領域裏將AI和農業進行融合。

可以佐證的是北京市大興區長子營鎮的智慧植物工廠，在這片由裕農、京東方后稷、百度智能雲聯合打造的現代化水培植物工廠中，極少人力就能生產出數倍於以往的新鮮蔬菜。箇中秘密離不開人工智能的規模化應用，自動判斷蔬菜生長狀態、提醒採收、自動檢測害蟲種類及數量、輸出植保方案、自動識別克重……每一項創新功能背後，都可以找到百度飛槳EasyDL的身影。

以自動判斷蔬菜生長狀態為例，藉助EasyDL提供的智能標註、模型訓練、服務部署在內的一站式服務，工程師構建了克重識別模型，標註了三四百張蔬菜照片進行訓練後，只需定時監測拍攝一張圖片就能判斷蔬菜的重量、生長是否健康、能否進行採收，準確率達到95%以上。

確切地説， EasyDL讓我們看到了智慧農業的新範式：

以往主導智慧農業的科技巨頭，擅長的是自上而下打造典型樣本，這樣的方案不乏其內在價值，可想要改變全國的農業問題，可以説幾乎是不可行的方案。章曉敏代表的“新農人”屬於自下而上的智慧化，他們沒有想過以一己之力改變農業的現狀，熱衷於解決自己看到的一個個小問題，當這些細小的力量被聚集在一起，呈現出來的正是智慧農業的遍地開花。

智慧農業的歷史進程應該有兩個視角：一個是宏觀上的政策紅利，通過一項項惠農政策重拾外界改造農業的信心；一個是微觀上的大膽嘗試，讓人工智能等前沿科學以通用技術的形式交到新農人手中。所有的科技革命都是社會需要和技術創新雙輪驅動的，新農人們利用新工具創造的一個個奇蹟，正是智慧農業在中國的最佳註腳。

或許多年之後再回頭審視中國的智慧農業進程，零門檻的百度飛槳EasyDL將會是一個相當耀眼的存在。中國從來都不缺少勤勞的“農民”，每一次農業的落後和崛起，都可以從生產力工具上找原因。

04 寫在最後

智慧農業是一個典型的多學科交叉領域。

在一些人詬病農業的保守和落後時，某種程度上陷入了常識主義的誤區。因為一羣新農人早已拿着“新農具”行動，他們可能是大學裏的老師，可能是大廠裏的工程師，也可能是資深的農業專家，但他們都在做一件相同的事：將AI帶到了農牧業的生產過程，為農業的數字化轉型和智能化升級默默貢獻着自己的力量。