在2019世界AI大会（WAIC）上，马云和埃隆 · 马斯克进行了一场对话，一小时长谈，从AI聊到爱与生命。对于AI，他们一个悲观，一个乐观。自从Alpha Go横扫围棋界人类高手以后，AI已然成为炙手可热的名词，进入各行各业的广告语。然而事实是，没有哪个领域比农业更需要和渴望AI。

想了解更多农业科技酷闻请访问：城农GrowinCity（微信公众号：城市有农；ID：growincity）

农业的内外困局

联合国政府间气候变化专门委员会(IPCC)在最新的指导各国政府报告中明确表示，世界上土地管理、农业生产方式必须做出改变，以遏制全球变暖。2007-2016年期间，农业、林业和其他土地利用活动占人造温室气体净排放总量的23%。当把食品生产前和生产后活动也算入时，这一比例上升到37%。

气候变暖将导致了更多的热浪，干旱和强降水，以及土地退化和荒漠化。极端天气事件变得更加频繁，全球粮食供应链将受到更多的破坏，从而导致粮食价格上涨，并增加粮食不安全和饥饿的风险。

以中美两国为例，根据2017年美国农业部的人口普查，美国农民的平均年龄是57岁，很少有年轻人进入农田，美国农业迫切需要新鲜血液。同样，中国的农村人口基数虽然高，但自从改革开放以后，成逐年陡降趋势。根据钟甫宁和向晶两位学者的调研，总体上看，中国农村主要从事农业生产的劳动力趋于老龄化，已经表现为上大下小的纺锤形；随着今后的人口变迁，纺锤形状可能逐步变瘦，即一方面老龄化，一方面随着老人逐渐退出而表现为农业劳动力大幅度减少。

然而，根据联合国数据，到2030年，世界人口将达到85亿，到2050年将高达98亿，这就要求全球粮食产量增加70%，才能养活那么多人口，毫不夸张的说农业正面临着内外困局，而解决办法之一无疑是发展利用AI，通过智能化的精准农业改变传统农业生方式，并且弥补农业人口的老龄化和后继乏人。一旦该技术越趋成熟，农作物的品质和收获也就越来越好、劳动力的付出成本也可以越来越减轻。

行业越老，战斗越难

有了源代码和第三方工具，就能够将AI融入到工作生产当中，对吗？如果这个行业没有数据，就不会，就像大部分农业食品行业一样。用一句口头禅总结这个问题就是：“行业越老，战斗越难。”

无论你的银行账户有多少钱，如果你想让AI来解决农业食品行业中的问题，你就不得不从绝对底部开始。因为没有人将图像存储在任何地方，任何地方的任何设施中都没有。以开发一款AI食品检测装置为例，在培训这个检测食品质量的工具之前，必须为每一种新的食品创建数据。很多开发团队都是日复一日地在客户的加工车间中安营扎寨，甚至参与农场采摘，试吃食物，以收集大量数据。

农业可能是作为一个缺乏数据的行业的极端例子，很多工作都是人工费力完成的。其他的行业也可能缺乏足够高质量的数据来培训AI软件，而这个问题的一个很好的解决方案是使用GANS(生成性对抗网络，Generative Adversarial Networks)来创建合成数据，被称为"过去十年机器学习界最有趣的点子"。

简单的说，就是训练一个生成器(Generator)，从随机噪声或者潜在变量（Random noise）中生成逼真的的样本，同时训练一个鉴别器(Discriminator)来鉴别真实数据和生成数据，两者同时训练，直到达到一个纳什均衡，生成器生成的数据与真实样本无差别，鉴别器也无法正确的区分生成数据和真实数据。

这对行业帮助很大，因为这样可以开始创建开发者希望用于培训的数据。比如，找到所有食品领域的专家，把某种食品的好的培训数据和不良的培训数据一起标准化，知道他们到底都是什么样子。在此基础上，开发者可以创建大量数据来训练AI工具。

农业食品领域的AI应用

通过对近年农业科技领域的融投资情况的跟踪分析和研究，该行业里的AI应用目前主要有以下场景：

1. 改善天气预报

天气跟踪和预报是AI在农业中的重要应用，因为它有助于收集流行天气条件的最新信息，如温度、雨水、风速和风向以及太阳辐射。根据一项研究，90%的农作物损失是由于天气事件造成的，其中25%的损失可以通过使用预测天气模型来预防。

使用手持仪器、传感器、GPS和野外气象站等各种设备进行天气跟踪应用，获取实时信息。实时信息有助于农民做出各种决策，如及时播种作物和作物收获前分析。天气跟踪和预报应用市场预计将在5年内以25%的最高复合年均增长率增长。

2. 田间管理和农艺决策精准度

这是由物理农场到数字农场的转变。利用大数据、AI和预测分析为农民提供日常农场问题的解决方案，比如精确农艺、作物管理、风险管理等。通过将农业服务和技术提供连接在一个平台上，AI提供关于农地现场的深刻见解，为农民和农学顾问提供有关农场运营的“深层”信息。

可协助农民调整耕作计划，甚至更换作物；重新考虑施肥计划以达到提升耕地土壤肥沃度的目标；随时掌握天候的变化与预报，并据以审视种子的选择；根据土壤样本分析的水分与氮含量调整春耕的时程；监控作物的长势和病虫情况，优化土地利用，做出产量预测。

此场景一般需要AI对农田的物联网数据和遥感成像或是农田高光谱成像进行分析和预测，农民可据以建立更正确而有效的作物栽种模式以支持当季决策与提升获利潜力，而不受数据复杂度或气候模式造成的变异性所影响。

3. 室内农业智能化管理

室内农业已成近年农业发展的趋势，室内农业方面的融投资越来越多。其主要优势大致可归纳为三大项：用水量、土地面积、化学安全性。然而，发展室内农业依然面临许多挑战，所以室内农业在自动化的同时也更具智能化。

与通过AI提高田间管理效率类似，室内农业管理也需要传感器采集大量物理数据，AI不断地学习和预测如何生产出最优质的产品，控制光线，调节水分养分，并拍摄每株植物的相机图像，以监控其健康状况。最终达到，只需按下某个作物“按钮"，室内农场就会为其自动配置最适宜的气候条件。

4. 农作物保值与采摘

在此类场景中，AI与机器人的结合最多。杂草是农田管理中的重头戏，而现代农业严重依赖化学除草剂，造成的后果是大量农药残留，额外的成本投入与抗除草剂的杂草。利用AI图像辨识技术，开发出能辨识杂草的智慧型农药喷雾器或除草机器人，可以准确地判断“杂草”和“作物”，再进行除草剂的喷洒。比过去传统喷洒农药的方式，不但减少了90％ 药剂的用量，降低成本也提高效率，对于环境和作物也相对有较多适当的保护。

收获季可以说是农业中的超级碗，它往往构成了最高的成本，需要最多的劳动力，而农场则有可能赚取或失去全年的利润。特种农作物采摘，尤其是浆果，大多是依靠人力来完成的，而种植者们正受到劳动力短缺的困扰。采摘机器人可以帮助提高生产力、减少作物损失，同时也提供了劳动力短缺问题的解决方案。现阶段的自动采摘机和机器人，已能够辨识和挑选成熟的苹果、草莓和番茄，甚至，透过机器的采收并没有造成水果瘀伤，相当聪明。

2017年至2018年期间，机器人设备技术在83笔融投资交易中的资金增长了53%，其中包括除草机器人和专注于食品安全的机器人，甚至制作章鱼丸子的机器人，所以预估到2024年，农业机器人产业将可达57亿美金。

5. 减少食物供应链浪费

人工食品质量检查需要相当长的时间，而且不够彻底。现有食品质量检查系统往往会侵入性破坏食物，导致大量的浪费和资源消耗。利用高光谱成像和AI学习软件可以纯粹通过从外部扫描食品来提供有关食品质量的信息，包括食品的新鲜程度、预期保质期以及可能存在的任何污染。这里的一个核心卖点是在这个过程中没有破坏食物，完全非侵入性质的。

高光谱成像技术改变了食品系统的游戏规则，随着传感器日益商品化，AI使其具有竞争力。这也使食品供应链更具预测性，显示了AI的潜力，既减少了浪费，也提高了消费者的质量和安全。

6. 监控家畜和家禽健康

不同于农作物，家畜和家禽的个体经济价值更高，一旦受到疾病影响，损失更大影响更远。在养殖过程中即便经验丰富的饲养员也无法做到对每一头动物的情况了如指掌。AI技术的出现，则能解决这一问题。

通过机器视觉原理以及配套的物联网设备对数据进行收集处理，以直观的方式了解每一头动物的健康状况，或机器学习可以通过音频数据分析来正确识别用其他方法不可检测的疾病，或利用AI检测牛奶质量监控牛群的健康状况，提高牛奶质量。正确诊断牲畜所患疾病并尽早在损失发生之前进行治疗可以消除由疾病导致的损失，挽回的损失可达20亿美元。

除了在这六类场景中集中了主要的AI融资计划外，AI也应用于农业机械的自动驾驶，作物识别，和学术科研等场景。

未来农业的AI趋势

农业正在迅速采用AI和机器学习(ML)，无论是在农产品和田间耕作技术方面。根据研究公司MarketandMarkets的数据，2018年农业市场的AI价值为6亿美元，预计到2025年将达到26亿美元，预测期间的复合年均增长率为22.5%。

该报告指出，特别是认知计算，将成为农业服务领域最具颠覆性的技术 ，因为它可以理解、学习和响应不同的情况(基于学习)以提高效率。推动农业市场AI增长的主要因素包括：

1. 人口的增加，对农业生产的需求不断增长；

2. 越来越多地采用信息管理系统和新的先进技术来提高作物生产力；

3. 通过实施深度学习技术提高作物生产力；

4. 世界各国政府支持采用现代农业技术的举措日益增多。

到2025年，北美预计将在农业市场中占据AI的主要份额，而亚太地区的市场预计将在预测期内以最高的复合年均增长率增长。IBM、Microsoft、John Deere等多家农业技术提供商在该地区的存在正在推动北美农业AI市场的增长。

亚太地区农业市场的AI预计将在预测期内以较高的复合年均增长率增长。在农业应用中越来越多地采用深度学习和计算机视觉技术是推动亚太地区农业AI市场增长的主要因素。