靠AI（人工智能）种地，能养活我们吗？

人工智能（AI）农业，是广义智慧农业概念下的一个分支。目前，在“智慧农业”这个大概念下，集中了“互联网+农业”“物联网+农业”“大数据+农业”“云计算+农业”“人工智能+农业”等“小概念”，而人工智能+农业，看起来离我们最远，但实际上近在眼前。

七个“人工智能+农业”应用场景

农业是最讲求实用的行业，当那些层出不穷、令人眼花缭乱的新技术与农业接轨时，农业人往往会抱着“少谈些概念，多讲些应用”的心态，去审视新技术与农业的匹配是否能“顺风顺水”。所以，在谈“人工智能+农业”前，我们不妨先来看看这项技术目前已经在农业领域有了哪些具体的应用。

早在2012年左右，专注于“人工智能+农业”领域的美国蓝河科技研发出了一款除草机器人。这款除草机器人与普通除草机器人最大的不同，就是它和最有经验的老农一样，能够识别出目标区域里哪些植物是需要保护的农作物，哪些植物是需要清除的杂草，然后精准喷洒除草剂。想要实现这一功能，就需要用到人工智能领域中比较常见的计算机视觉识别技术。

主动识别杂草与作物还不是蓝河科技除草机器人最大的本事，它最厉害的地方，在于它的“主动学习能力”——随着使用时间的积累，除草机器人会变得越来越“聪明”，它会结合历史产量经验，判断哪片农作物需要加强管理，哪片农作物已经达到最佳状态。因此，它就如同是农业界的“阿尔法狗”，会在工作中不断累积经验、提高自己。事实上，蓝河科技除草机器人诞生的时间要比阿尔法狗更早，所以它也算是“深度学习机器人”的先驱者。

值得一提的是，早在2017年，全球最大农业机械制造商约翰迪尔公司以3亿多美元的价格收购了蓝河科技。由此可见，一些传统的大型农机公司，也意识到了“人工智能+农业”会是未来农业发展的一个方向，早就在提早布局了。而随着行业巨头的纷纷加入，“人工智能+农业”一定会在某一天迎来爆发期。

无人驾驶拖拉机在作业

2015年，德国的农业科技公司PEAT推出了一款名为 Plantix 的深度学习应用。

我们可以将该应用理解为“农作物的网上医生”，农民们手机上下载了Plantix应用之后，只需要将受害庄稼的照片上传到Plantix，应用就能快速诊断出作怪的真菌和昆虫物种，并给出如何除害的建议。

Plantix给出的除害建议是从哪来的？答曰“人工智能”。Plantix可以主动识别图片中的病虫害种类，并且不断学习除害知识，从而成为一个防治病虫害领域的“专家”。该专家不仅知识丰富，更难得的是，它可以跨越时间和空间的限制，同时为全球各地农业提供技术支持，这是人类专家所不具备的特点。

Plantix推出3年后，每个月被使用超过100万次，使用该软件最多的地区是印度、巴西和南非等农业规模较大、但农业技术支持相对落后的国家。

当然，在“人工智能+农业”领域，不仅只有国外公司在搞，我们国内的一些科技公司也瞄准了这一领域。例如腾讯公司，在2019年第二届国际智慧温室种植挑战赛中，就通过人工智能技术，成功种植出了亩产超人工种植4倍的黄瓜。而且，腾讯的这个人工智能农业系统，不仅可以替代人工进行体力劳动，也可以完全取代种植者的脑力劳动——在种植黄瓜的过程中，所有的生产决策都是由人工智能下达的。当时，腾讯公司的人在荷兰的大棚里安装好了整套系统的软件和硬件之后，就回到了中国，6个月之后，腾讯人工智能农业系统在61平方米的温室内，种出了6992斤黄瓜，平均每平方米114斤，产量足足是人工种植的5倍多。而且，这些黄瓜质量稳定、形状统一，普遍为重375g以上的A级优质瓜，很快就被抢购一空，最后一根还被AI团队做成了一道拍黄瓜。

除了腾讯之外，阿里也开始进入“人工智能+农业”领域，2018年6月7日，阿里正式发布“ET农业大脑”，通过人工智能指导农民播种、施肥和耕作，进行智慧选址，针对不同品种的果树选择最适宜的水土环境。除了种植业，阿里ET农业大脑还迈出了人工智能养猪第一步。阿里云给每一头猪建立档案，包括品种、体重、进食情况、运动强度等，通过这些数据，对猪的行为特征、料肉比进行分析，大大提高了养猪效率。

目前，我们国家的“人工智能+农业”其实已经发展得如火如荼，覆盖了农业和经营的各个环节。

产前阶段，通过人工智能来进行育种选种、市场分析。

以前，我们种地都是习惯和经验使然，丰收歉收全凭天意。从这一刻开始，人工智能利用物联网获取的数据，不仅能监测水源，还能分析土壤成分，选择最适合种植的作物品种。通过对农作物市场周期需求的大数据分析和预测，人工智能还能算出市场缺什么，就指导农民种什么。另外，大数据分析和机器学习技术，还可以帮助农民筛选和改良农作物基因，口味好、产量高、抗虫性佳的品种将得到最大限度发挥。

产中阶段，通过人工智能来进行病虫害管理、自动采收。

人工智能技术通过监测环境数据和农作物生长情况，建立病虫草害特征分类数据库，可实现智能预防和管理病虫草害。这意味着农药的使用，将降到最低程度。

产后阶段，通过人工智能进行品质检测、电商运营。

收获之后，农产品怎么进行品质检测、分类和包装？别担心，计算机大脑和机器臂可以统统承包这些烦琐的流程。阿里云、腾讯云、百度云能永远不知疲惫地用大数据分析市场行情，制定准确的销售策略，最后由京东物流、菜鸟物流将农产品送达到消费者手里。

“人工智能+农业”需要克服的三道关卡

“人工智能+农业”在农业领域的各种应用已经屡见不鲜，而且很多应用已经走上了产业化的道路，未来可期。但是它毕竟是一个新的领域，需要通过不断的探索和改良，才能形成真正的普惠价值。而且，目前来看，“人工智能+农业”还有三大关卡亟须克服。

黑龙江农垦友谊农场GPS地面分差站

第一道关卡是“学习关卡”。

关于人工智能，我们最了解当然就是阿尔法狗。阿尔法狗作为一款围棋类的人工智能软件，它可以通过自我学习来不断提高自己。阿尔法狗能够自己和自己下棋，据说，击败李世石的那套阿尔法狗系统在40天之内进行了2900万次“自我对弈”，从中积累了无数关于围棋的技巧。世界上最勤奋的围棋手一生下棋的盘数也不可能超过它的千分之一，怎么可能赢得了它呢？

阿尔法狗之所以能够在短时间内进行大量学习，是因为围棋规则简单、但变数多，在简单的规则之下，埃尔法狗可以通过自我对弈来不断试验各种变数，最终做到“万变于胸”。但是农业可不是这样，农业的规则无穷无尽，变数不可尽述。所以，人工智能在农业领域，无法实现内部“自我学习”，只能通过不断地收集、测量和总结各种外部的农业数据，来进行自我提升，这势必需要很长一段时间。所以，“人工智能+农业”决不会像“人工智能+围棋”那般横空出世、一鸣惊人，它更需要厚积薄发、博观约取。

第二道关卡是“数据关卡”。

人工智能之所以拥有“智能”，是建立在获取海量数据的基础之上。但农业数据可能是最缺乏、也最难获得的。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。

所以，想要实现“人工智能+农业”的美好前景，必须要探索出一套“以数据描述农业”的道路，这需要农业生产的方方面面、各个环节一起努力方能达成目标。

第三道关卡是“成本关卡”。

任何新技术在农业领域的应用，都离不开成本问题。就目前的情况而言，建设“人工智能+农业”系统的成本还是过高。我们之前说过，腾讯用人工智能的方式，实现了黄瓜增产4倍的“美好现实”，但是建设这样一套系统的成本又是多少？靠增产的黄瓜啥时候能回本？恐怕这两个问题的答案不容乐观。当然，任何产业随着规模化的推进，成本都会大幅降低，我们不能用现在的成本去考量一个新生事物未来的价值，但是也不能无视成本现实而在技术的理想国度中狂欢。