大數據為何“賭”不對豬週期？_風聞

撰文 / 張賀飛

編輯 / 沈潔

進入到2021年的財報季，豬企們卻集體遭遇了寒冬。

在已經披露年度業績預報的豬企中，虧損已然成了一種新常態。温氏、新希望、天邦、正邦等企業均交出了虧損的答卷，甚至有豬企在過去一年裏虧掉了十年的利潤。即便是為數不多盈利的牧原股份，淨利潤也同比下降超過70%，第三季度出現三年內首次季度虧損，且第四季度的虧損有擴大趨勢。

至於業績下滑或虧損的原因，豬企普遍給出的解釋是：由於報告期內的生豬出欄量較上年同期大幅增加，而隨着國內生豬產能的逐漸回覆，生豬價格較上年明顯下降。不排除未來生豬市場價格出現大幅下滑，繼續造成可能的業績下滑。

這一輪寒冬的根源其實並不複雜，大多數豬企在2021年增加了產能，結果造成了供大於求的一幕，以至於生豬價格低於豬企的養殖成本，被業界討論多年的“豬週期”現象再一次被市場應驗。

01 大數據和豬週期

和許多農牧領域一樣，生豬市場有着典型的週期屬性：豬肉價格高的時候，大大小小的豬企開始增加產能，導致生豬的供應增加價格逐漸走低，然後普遍開始去產能，生豬的供應減少讓肉價再度增高……

作為全球最大的豬肉消費國，中國的“豬週期”現象尤為明顯，2000年以來已經連續上演了5輪豬週期：2002年到2006年、2006年到2009年、2009年到2014年、2014年到2018年，以及2018年至今的新一輪週期。正在按照三到四年的時間節點，一次次重複着漲跌的過程，甚至還將在接下來的一段時間裏繼續上演。

按照經濟學原理的解釋，“豬週期”的內在邏輯並不複雜，本質在於供需關係的錯配，最終影響了價格的波動。由此出現了不少“熨平”豬週期的假設，核心觀點主要集中在消除信息不對稱，進而增加決策的科學性。

早在2014年的時候，就有聲音討論引入大數據治理豬週期，利用雲計算、大數據等進行研究、分析、判斷，建立起基於大數據的算法模型，幫助市場研判豬肉價格波動的規律，進而進行合理的調控。

2015年兩會期間，新希望集團董事長劉永好在提案中呼籲運用大數據破解豬週期，在大量統計數據分析的基礎上建立一個研究體系，為養殖業提供必要的決策信息，減少由於經濟週期變化給養殖業帶來的影響。

這些觀點不乏一定的理論基礎。比如國內已經出現了數輪“豬週期”，將歷史統計數據歸納形成一個數據池，或可以為市場供給、價格調控等決策提供數據參考；再比如對市場上的養殖數據進行彙總後，可以對市場的演變趨勢進行預警，幫助豬企適時調整生產預期，避免盲目跟從的現象。

對應到市場層面上，越來越多的互聯網和科技企業“下場養豬”，一些生豬行業龍頭企業也紛紛探索企業生產與經營管理的雲平台。前者的典型代表就有阿里雲和華為，在生豬價格上揚的2020年前後，阿里雲的AI養豬屢屢被媒體捧上頭條，華為的“南泥灣”也將“智能養豬”推向了風口；後者的例子包括新希望的雲養殖和雲平台、安佑集團的安佑雲、金新農的互聯網生豬養殖服務平台等等。

彼時的輿論不可謂不樂觀，一些專家坦言隨着生豬行業的產業升級和產業生態的完善，加上政府和資本市場的扶持，生豬的規模化生產和精細化養殖將是必然趨勢，將不斷增強生豬產業市場抗風險的能力，跳出“豬週期”的影響已經不再遙遠。

有些遺憾的是，當生豬價格即將在2021年再次落入谷底時，頭部豬企的行動大多是“擴大產能”，而非及時去產能降風險，大數據未像想象中那麼切中市場要害，新一輪的“豬週期”如期而至，且愈演愈烈。

02 行業的“待解之謎”

大數據為何“賭”不對豬週期？業界並不缺少合理的説辭。國內農牧業的生產週期較長、統一化管理難度較高，即便提前洞察到了突發性事件，也無法大範圍給出正確應對。特別是在生豬養殖市場，母豬存欄到生豬出欄往往需要12個月左右的時間，留給市場的調整時間並不充裕，何況國內生豬市場還有兩個特殊國情。

一個是行業的高度分散，雖然國內的生豬產量佔到全球的一半左右，但市場主體仍然以散養為主，規模化程度偏低。

可以參考2020年的一組數據，市場前五豬企的出欄量僅佔市場的9.22%，近95%的養殖户養殖規模在50頭以下。高度分散的市場結構不僅增加了數據統計的難度，還導致了信息獲取的滯後效應，加劇了信息的不對稱。再加上分散的養殖場習慣從主觀意願判斷市場趨勢，都希望在生豬價格的高點進場，無形中製造了“追漲殺跌”的行為。

另一個是市場的不確定性，就像非洲豬瘟這樣的變量，常常給整個生豬行業帶來超出預期的負面結果。

直接的誘因在於整個產業生產模式的粗放現狀，一方面導致了數據歷史、準確度、包含度的欠缺，制約了數據處理、分析的想象空間；另一方面是生物防疫、抽檢、監測等環節存在太多的盲區，無法進行科學調控。大數據治理“豬週期”在輿論上被一次次討論，但在實際生產中還是依賴主觀本能。

倘若數據散碎、滯後等病根無法解決，所謂的算法模型也就無從談起，大數據治理豬週期註定會停留在理論層面。這樣的説法可以解釋豬週期屢屢出現的必然性，卻無法迴避頭部豬企虧損的自身原因。

因為頭部豬企所能掌握的數據維度遠多於散户，並不難從一些蛛絲馬跡中洞察到市場的產能變化，先於市場做出反應。

一個直接的例子就是豬糧比，即生豬價格和作為生豬主要飼料的玉米價格的比值，豬糧比的數值越高，意味着生豬養殖的利潤越大，6∶1的比值常常是盈虧平衡點。2021年6月份前後，發改委等部門就給出了豬糧比價連續3周處於5∶1-6∶1的二級預警，但牧原、正邦等豬企照舊在擴張產能，並未理性地剋制產能。

可以窺知一二的是，哪怕正邦、牧原、金新農等都交出了虧損或利潤下滑的成績單，企業的股價卻不降反漲，因為每一次市場觸底的時候，都有機構給出拐點的判斷，豬企的決策者顯然知道擴張後的風險，可面對搶戰市場份額的時機以及投資者的用腳投票，被迫作出了悖於初心的決定。

相較於分散的市場和不確定性，最難琢磨的恐怕是豬企管理者的心理，在高度依賴人治的決策體系裏，幾乎沒有一家豬企可以平安度過市場低迷期，一些挺過幾輪週期的豬企都可能在下一輪中折戟。

03 新技術的應用範式

需要回答的另一個問題在於：大數據、雲計算等新技術的應用，並未消滅豬週期，個別企業的虧損更是超過了傳統預期。在這樣的局面下，倘若新技術短時間內無法解決傳統產業的棘手問題，潛在的應用空間在哪裏？

網易味央、阿里雲、京東、華為等科技大廠先後向豬企拋出了橄欖枝，其中夾雜着驅動千行百業數字化轉型的赤子之心，也隱藏着在產業互聯網領域尋找新戰場的商業野心，而能否在相對較短的時間裏打開局面，將直接關係巨頭們產業化的轉型進程，以及農牧業等傳統業態智能化的時間表。

比較有借鑑價值的是，科技大廠們沒有選擇“圍剿”豬週期代表的棘手問題，多半選擇了一條迂迴路線。

譬如雲計算、大數據等無法改寫豬週期的市場現狀，是否可以幫助豬企控制養豬成本，在應對豬週期的過程中有更多試錯的底氣？截止到目前來看，網易味央正在向合作伙伴輸出自家的養殖模式，華為進軍“養豬”市場的切入點也是傳感器、物聯網技術和人工智能算法，同時牧原、温氏等頭部企業也表達了“智能養豬”的興趣。

其中的挑戰在於，豬場的智能化轉型需要增加消殺、監控、傳感器等方面的投入，也將進一步增加生豬養殖的硬性成本，智能化轉型所需要的投入和養殖成本降低的平衡關係，尚需要時間來驗證。即便是温氏、牧原、新希望等對“智能豬場”公開表態的企業，目前主要的資金用途還是產能擴張和上下游產業鏈的延伸。

站在旁觀者的立場上，大數據等新技術的落地應用所需要的不單單是“做項目”，還需要在某種程度上“炒概念”。

正如前面所提到的一個現象，頭部豬企的虧損在持續擴大，股價卻在莫名上漲，意味着資本市場都在進行一場“豪賭”，籌碼是頭部豬企可以享受過剩產能出清後帶來的紅利。假如這種賭預期的心態適當轉移到“智慧化轉型”上，讓“智慧養豬”成為股價上漲的新共識，不失為一種理想的結果。

只是就現階段而言，大數據等新技術在生豬行業仍然是配角，能否從人治向數治轉型，讓大數據發揮出應有的作用，還需要一個“奇點”。

事情似乎也沒那麼糟糕，每一輪豬週期都是豬企的生死考。曾經與牧原股份一較高下的雛鷹農牧，就是在上一輪豬週期中錯判了風向而落幕，為中國股市留下了“豬餓死了”“以肉償債”等笑談；在本輪豬週期中表現兩極化牧原和温氏，在很大程度上左右了重資產模式和輕資產模式的輸贏；一旦某家將大數據等新技術應用落地的豬企笑到了最後，或將在一夜之間改變市場的認知。

不過在假設被印證前，中國的生豬市場還會遭受一次次陣痛，直到找出新技術“熨平”豬週期的正確範式。

04 寫在最後

豬週期的連續上演，看似是難以避免的供需失衡問題，折射出的恰恰是農業現代化的深層次病因。

就連大數據這樣在互聯網中廣泛應用的“舊技術”，也無法在農牧業出成績的時候，所暴露出的問題已經不言而喻。何況“豬週期”只是農業週期性的一隅，“蒜你狠”“豆你玩”姜你軍”等事件的層出不窮，都傾訴着國內農牧業的原始和脆弱，為大數據、雲計算、人工智能等留下了廣闊的應用空間。

讓人感到惋惜的是，五年前就有人説農業是產業互聯網的最後一片藍海，現在看依然是藍海一片，農業的數智化何時才能走出一條通路？但願不要等太久。