当AI生长在田间地头，我们离智慧农业还有多远？

农业，可能是数字化程度最低的一个领域。

曾有人对比过这样一组数据：中国的农业劳均产值只相当于以色列的4%、美国的5%、欧盟的15%、日本的17%，仅仅略高于中等收入国家的平均水平，“补课”可以说农业数字化转型的不二法门。

让人深思的还有另一组数据：1991年国内农业劳力占比约为60%，到了2018年这一数字已经下降到26%，低于世界的平均水平。农业劳动力人口的短缺，导致农产品生产的人工成本占比超50%。

和无处不在的互联网相比，农业的数字化就像是未经开垦的荒原，同时也是留给新科技探索的处女地。

01 农业是个严肃话题

过去几年时间里，几乎每一年都有农业相关的政策出台，不难从一些草蛇灰线中厘清农业数字化转型的脉络。

比如2019年国务院在《乡村振兴战略规划（2018-2022年）》中提到，应该大力发展数字农业，实施智慧农业工程和“互联网+”现代农业行动，鼓励对农业生产进行数字化改造，加强农业遥感、物联网应用，提高农业精准化水平。

到了2020年，农业农村部在《数字农业农村发展规划（2019-2025年）》中再次强调，以产业数字化、数字产业化为发展主线，着力建设基础数据资源体系，加强数字生产能力建设，加快农业农村生产经营、管理服务数字化改造。

2021年，国务院下发了本世纪第18个关于农业的“一号文件”，强调要强化现代农业科技和物质装备支撑，着力构建现代乡村产业体系、现代农业经营体系，推进农业绿色发展。我国的现代农业正在走向以信息为生产要素，互联网、物联网、大数据、云计算、区块链、人工智能和智能装备应用为特征的智慧农业。

倘若按照时间做个排序的话，最初引导科技和农业的融合，到智慧农业的系统性布局，农业的数字化转型是一个思路逐渐清晰的过程。

毕竟美国和日本已经给出了示范，前者在种植、管理、收获、流通等环节中通过物联网、大数据、电商等措施，打造了全闭环式的智慧农业发展模式；后者在人口老龄化的压力下，利用数字化技术降低了农业对自然环境和从业人员的依赖，逐渐走出了一条绿色有机农业的新路子。

但智慧农业在国内却是个严肃的话题。

一个既定事实在于，国内在农业传感器、农业模型、核心算法等关键技术领域仍处于“跟跑模仿”阶段，可能落后先进国家10—15年的时间。特别是很多地方缺少智慧农业的顶层设计，导致农业的智慧化演进多是以单点技术在细分领域进行探索，不同地方的智慧化水平参差不齐。

也有人坦言：国内缺少职业农民的教育体系，即使有一些农民培养机构，过程也是走马观花式的。现代职业农民的短缺、高素质农业生产管理人员匮乏，使得智慧农业在基层缺少支持者，内生动力严重不足。

或许一些人因此对智慧农业的前景持悲观论调，但下面几个年轻人正在做的事情，或许会改变你对智慧农业的认知。

02 新农人们的“新农具”

当外界还在以年龄偏高、文化水平普遍较低刻画农民形象时，一群年轻的博士生悄悄加入了“新农人”的序列。

浙大博士章晓敏被人熟知的身份是宁波某高校的教师，但他的另一个身份是“微能云智能虫情测报系统”的技术负责人。因为工作的原因，章晓敏认识了浙江农科院的农学专家，发现当地水稻的虫情监测还是一项非常原始的工作，需要有人到水稻田里捕捉害虫，然后靠经验判断虫情的趋势。

听到农学专家的诉苦后，章晓敏萌生了智能监测虫情的想法：或许可以在稻田里布置一套诱虫装置，自动识别统计一段时间内虫子的种类和数量，然后结合数据变化科学判断下一阶段的虫情趋势。

章晓敏找到的“新农具”是百度飞桨EasyDL，利用农学专家们帮忙标注的样本数据，在EasyDL零门槛AI开发平台上构建了虫害检测模型。诱虫器吸引到害虫后会进行灭活处理，然后定时进行拍照，再将照片自动上传到云端服务器，通过飞桨EasyDL的算法模型识别害虫的种类，并进行数据的统计汇总。

目前章晓敏带头研发的“微能云智能虫情测报系统”已经部署在宁波海曙的农田中，可以识别稻飞虱、卷叶螟在内的六种水稻常见害虫，不仅实现了虫情的实时监测，还可以指导农民有针对性地调整农药、化肥配比与投放有效进行虫害防控，减少化学农药的使用量，避免农产品农残超标等问题发生。

在章晓敏帮助稻农们“除虫”的时候，百度的AI工程师阿权跑到了内蒙古通辽，成为著名的伊胡塔牛市的常客。

起因是蓝奥云牧股份总裁王永生的一通电话，向百度求救解决“相牛”的难题。原来当地的活牛交易主要集中在线下牛市，但一头牛有多重、一天能长多少斤、小牛犊养到最后是赚还是赔，全靠“牛经纪人”肉眼观察，一些金牌“牛经纪人”能将牛的重量误差控制在5斤以内，甚至能挑出品质更好、病死率更低的牛。

可“相牛”绝技靠的是常年累月的经验积攒，传统的“相牛”方式也局限了活牛的交易场景，加上牛市的环境十分繁杂，各家牛的无序接触很容易造成口蹄疫、布病等病发风险。阿权想到的是先采集数据，给每头牛建立“电子简历”，用飞桨EasyDL训练牛的数据打造AI相牛算法模型。

经过长达几年的摸索尝试，阿权的团队终于研制出一套立体三维点云数据采集装置：当牛从过道中有序经过时，两侧的摄像头便可以快速采集到牛的各种体尺数据和点云数据，并进行实时三维建模。阿权团队采集了2000多头有效的活牛数据，算法模型也可以规模化落地了。

像章晓敏、阿权这样的“新农人”还有很多，在他们的带动下，农业不再是一个严肃的话题，AI成了“新农具”，数据成了“新农资”。

03 智慧农业的AI范式

可能就现阶段来看，章晓敏等人对农业的改造还是点状开花，但百度飞桨让由点到线，再由线到面成为了可能。

比如章晓敏帮助水稻监测虫情时沉淀下来的经验，可以应用于玉米、小麦等经济作物的虫情监测；阿权团队摸索出的“相牛”经验，也可以在养猪、养羊等场景下复用……

百度飞桨不仅仅是降低了AI的应用门槛，也让AI在农业中的落地形成了良性循环的飞轮效应：越来越多的农业场景完成数字化，通过简单易用的飞桨EasyDL训练数据形成模型，实现智能化应用。趁手的“新农具”促使越来越多的人在自己熟悉的领域里将AI和农业进行融合。

可以佐证的是北京市大兴区长子营镇的智慧植物工厂，在这片由裕农、京东方后稷、百度智能云联合打造的现代化水培植物工厂中，极少人力就能生产出数倍于以往的新鲜蔬菜。个中秘密离不开人工智能的规模化应用，自动判断蔬菜生长状态、提醒采收、自动检测害虫种类及数量、输出植保方案、自动识别克重……每一项创新功能背后，都可以找到百度飞桨EasyDL的身影。

以自动判断蔬菜生长状态为例，借助EasyDL提供的智能标注、模型训练、服务部署在内的一站式服务，工程师构建了克重识别模型，标注了三四百张蔬菜照片进行训练后，只需定时监测拍摄一张图片就能判断蔬菜的重量、生长是否健康、能否进行采收，准确率达到95%以上。

确切地说， EasyDL让我们看到了智慧农业的新范式：

以往主导智慧农业的科技巨头，擅长的是自上而下打造典型样本，这样的方案不乏其内在价值，可想要改变全国的农业问题，可以说几乎是不可行的方案。章晓敏代表的“新农人”属于自下而上的智慧化，他们没有想过以一己之力改变农业的现状，热衷于解决自己看到的一个个小问题，当这些细小的力量被聚集在一起，呈现出来的正是智慧农业的遍地开花。

智慧农业的历史进程应该有两个视角：一个是宏观上的政策红利，通过一项项惠农政策重拾外界改造农业的信心；一个是微观上的大胆尝试，让人工智能等前沿科学以通用技术的形式交到新农人手中。所有的科技革命都是社会需要和技术创新双轮驱动的，新农人们利用新工具创造的一个个奇迹，正是智慧农业在中国的最佳注脚。

或许多年之后再回头审视中国的智慧农业进程，零门槛的百度飞桨EasyDL将会是一个相当耀眼的存在。中国从来都不缺少勤劳的“农民”，每一次农业的落后和崛起，都可以从生产力工具上找原因。

04 写在最后

智慧农业是一个典型的多学科交叉领域。

在一些人诟病农业的保守和落后时，某种程度上陷入了常识主义的误区。因为一群新农人早已拿着“新农具”行动，他们可能是大学里的老师，可能是大厂里的工程师，也可能是资深的农业专家，但他们都在做一件相同的事：将AI带到了农牧业的生产过程，为农业的数字化转型和智能化升级默默贡献着自己的力量。