本文來自35斗微信公眾號。
人工智慧和農業看似平行的兩條線卻在不斷相互吸引和靠近，碰撞出足以影響整個傳統行業運行模式的火花。在這兩極之間，我們試圖找出一些共識的底層邏輯，以便更好地解釋二者之間所產生的關聯，以及對於未來的潛在影響。
在可預見的未來，隨著數字基礎的進一步夯實，數位技術的不斷躍升，人工智慧技術作為數位技術的典型應用必將更為系統深入地滲透進各個行業中，為我們的生產和生活帶來更多顛覆性變化。人工智慧已經成為了一種新的生產工具。
目前我國農業產業正處於「顛覆式創新」的早期階段。我們面臨的挑戰很多，糧食安全、自然災害、動植物疫病、資源短缺、氣候變化等，這些都將成為長期影響農業的最底層核心挑戰。以人工智慧技術為代表的數位技術群將成為農業產業「顛覆式創新」最有利的工具之一。
本次報告聚焦於人工智慧在農業領域的實踐和應用，訪談50餘位行業專家，包括大學教授、企業家、一線農戶等，其中比例最高的是嘗試改變傳統農業生產方式的創業創新者們。他們對農業創新的勇氣、希望和在商業模式上的探索是一個個令人振奮的鮮活故事。通過對這些典型案例的觀察和分析，我們共同完成了這份《聚·變：中國農業人工智慧白皮書》。
報告主要涉及的內容包括農業人工智慧的發展歷程、主要應用場景、商業模式、典型實例以及當前面臨的關鍵挑戰等，力求全面系統地描繪農業人工智慧的發展現狀，並對未來前景做出一些定量和定性的判斷。當然，行業複雜，報告所述不免掛一漏萬，如有謬誤，熱誠歡迎讀者朋友們溝通修訂。
一、報告核心觀點
- 核心觀點1：農業是人工智慧最好的試驗場之一
大數據和人工智慧、物聯網的結合可以為農業生產提供標準化產品、提供科學決策方案。從看天吃飯到看AI吃飯，人工智慧為農業帶來新的變革和轉變。另一方面，農業生產過程中天然會產生大量實時更新的數據。隨著對農業數據挖掘和利用的不斷深入，海量農業大數據將成為人工智慧算法模型演化疊代最好的試驗場之一。
- 核心觀點2：人工智慧將成為農業4.0必不可少的「新農具」
在可預見的未來，基於農業大數據的人工智慧技術將充分展現其優勢，從信息感知、定量決策、智能控制、遠程診斷、病蟲害預測預報等方面幫助農業有效提升農業資源利用效率、提高農作物產量和品質、降低生產成本、改善農業生態環境，助力農業可持續發展。在全新智慧農業生產體系下，當各項技術手段開始走向規模化應用時，人工智慧也將成為新農人們最可靠的「新農具」之一。
- 核心觀點3：全球AI+農業尚處於早期階段，中國有很大優勢換道超車
人工智慧在農業領域的應用貫穿於農業生產全過程中，包括農業生產前期、中期和後期各個階段，從多個層面持續推進，實現農業生產過程的自動化、智能化、動態化管理。發達國家在農業自動化方面發展和應用較中國更為成熟。但由大數據所支撐的人工智慧技術在農業領域的運用，全球都還處在早期起步階段。此種情況下，給了中國創業者換道超車的機會。有賴於種植面積的廣大、品類豐富的農業場景、信息基礎設施的高度普及，中國有可能在未來十年成為全球農業人工智慧行業的發展高地。
- 核心觀點4：AI+農業在若干細分領域已具備一定基礎
農業大數據的不斷累積，為人工智慧在農業領域的落地提供基礎條件。然而不同的細分領域的農業數據累積程度存在顯著差異，這也影響了人工智慧向不同細分領域的滲透。目前來看人工智慧技術在農業機械裝備、可控環境農業、農業金融、農業生產託管、流通溯源等領域滲透率相對較高，這些領域底層數據的數量和質量相對較多，算法模型相對成熟，產品開發和應用程度相對較高。這些領域的創新公司和人才儲備也相對更加集中。
- 核心觀點5：AI+生物技術將成為下階段最具潛力的方向
隨著生物數據的開發成本進一步降低，生物屬性相關的農業底層數據將會迅速積累，更加高效、精準的算法模型將被開發出來，尤其是與環境數據密切相關的作物生長模型和病蟲害發展模型將被進一步完善。動植物育種、動植物健康、動植物營養等版塊將成為下階段值得關注的農業人工智慧潛力賽道。
- 核心觀點6：商業模式從To G轉向To B和To C，AI+農業商業空間將進一步拓寬
受制於客戶群體的付費能力及意願，目前絕大多數從事數字農業服務的創新公司其主要營收來自於To G業務。這一方面有助於推動中國農業數字基礎設施的建設，另一方面也為這些創新公司提供了良好的生長空間。放眼未來，隨著土地經營權流轉的持續推進，中國農業適度規模化經營模式將逐漸成形，新型職業農民群體將成為主要農業生產者。相比於傳統小農，這些新型的客戶群體為農業數據應用產品的付費意願及付費能力更強。這些變化將帶動「AI+農業」從當前的G端客戶向B端和C端客戶拓展，從而推動農業生產前端的數位化轉型。
- 核心觀點7：農業碎片化經營，導致AI+農業數據生產成本更高
家庭聯產承辦責任制的影響下，長期以來我國農業的基本情況是從事農業生產的人數眾多，小農為主的生產經營呈現極度碎片化。這直接導致眾多農業生產參與者的行為無法統一，生產過程難以標準化，農業底層數據量大但數據價值相對較低，數據清洗難度相對較大。這就使得農業數字產品的生產成本更高，從而影響到產品的推廣和應用。
- 核心觀點8：農業生產鏈條極長，多頭監管導致數據互聯互通難度大
從種子到餐桌的農業產前、產中、產後各個環節涉及到農產品生產、食品加工、食品安全、市場流通等眾多環節。在政策影響下，眾多監管部門都在建設各自的數據平台。然而各級部門、各主體之間數據標準不統一的問題比較嚴重，不同來源的數據共享機制也還沒有建立。在當前的管理體制下，各農業主管部門的涉農大數據流動性差、難以共享，數據互聯互通，全國「一張網」實施難度大。
- 核心觀點9：AI+農業高水平複合型人才匱乏，行業發展速度受限
儘管近年來我國人工智慧發展迅速，具備豐富經驗的人才仍然非常缺乏。這已經成為制約當前我國人工智慧行業快速發展的瓶頸之一。北京、上海、深圳、杭州聚集了全國八成以上的人工智慧人才，廣大內陸和農村地區的人才匱乏問題非常嚴重。另一方面，AI+農業需要既懂數位技術又懂農業技術的人才，這樣的高水平複合型人才更是少之又少。在此種背景下，高素質人才及能力可能成為一種共享資源，企業之間利用這些共享資源聯合開展技術攻關或項目服務將成為重要的合作模式。
- 核心觀點10：農業數據安全及監管薄弱，亟待建立統一監管平台和監管標準
目前我國數字農業尚處於基礎建設階段。儘管如此，近幾年來在政策、經濟、技術等多重因素的推動下，我國數字農業版塊的發展非常活躍，已經在不同經營主體中積累了海量的農業數據。與其他行業相比，農業從業者在享受大數據成果和數據服務的同時，數據安全意識普遍較為薄弱，農業數據安全問題尚未得到足夠重視。全國統一的農業數據安全監管平台和標準體系亟待建立，
二、第一章 人工智慧將成為農業4.0的底層技術之一
在「新基建」戰略的帶動下，中國數字經濟基礎建設逐步完善，這也推動了人工智慧與實體經濟各行各業的加速融合，助力產業轉型升級、提質增效。
中國正在進入農業4.0時代，其最主要的特徵之一就是數位技術將滲透到農業產前、產中、產後的方方面面。2020年農業部印發《數字農業農村發展規劃（2019-2025）》對新時期數字農業建設的總體思路、發展目標、重點任務等做出明確部署，描繪了中國數字農業發展的新藍圖。規劃要求到2025年基本建成天空地一體化觀測網絡、農業農村基礎數據資源體系、農業農村雲平台。加強數字農業「新基建」，賦能「新農業」，推動農業高質量發展已然是大勢所趨。
「十三五」以來我國農業農村信息化發展取得的階段性成效。根據《2021全國縣域農業農村信息化發展水平評價報告》，2020年全國縣域農業農村信息化發展總體水平達到 37.9%，其中東部地區 41.0%，中部地區 40.8%，西部地區 34.1%。數據表明地區間發展不平衡現象仍然存在。從省份層面上看，浙江省在農業農村信息化發展中保持全國領先地位，其發展總體水平為 66.7%；江蘇（56.5%）和上海（55.0%）分列二、三位。
圖1 2020年全國縣域農業農村信息化水平
數據來源：《2021全國縣域農業農村信息化發展水平評價報告》，35斗研究院整理
對農業4.0而言，數據將和土地、種子、勞動力、農業工具、資本等一樣成為農業最重要的新型基礎生產要素。過去近十年，中國農業農村信息化建設的過程中，積累了大量農業生產、農產品流通、質量安全溯源相關的數據和實施案例，這為人工智慧在農業領域落地創造了基礎條件。加快發展人工智慧+農業將成為我們贏得全球農業科技競爭主動權的重要戰略抓手。
1.1 人工智慧將成為新農人最可靠的「新農具」
農業可能是當今社會所有產業門類中數位化程度最低的一個領域。尤其是在農業生產信息和農產品質量追溯方面的數位化滲透率剛剛達到22%（見圖1）。利用數位技術改造和重塑傳統農業是應對全球糧食安全問題和可持續發展的重要途徑，是鄉村振興戰略最關鍵的抓手之一。
1）基礎端
在數字科技的賦能下，中國農業發進入了發展快車道，農業數字基建初見成效。我國對農業農村信息化的財政支持力度不斷加大，各地智慧農業、數字農業相關的政府採購項目呈現逐年增加的趨勢。2020 年全國縣域農業農村信息化建設的財政投入總額達到 341.4 億元，縣均財政投入1292.3 萬元，較上年提升 65.3%。通過政府財政層面的大力推動，我國農業數位化基建正在被夯實。
圖2 2013-2022年4月政府採購智慧農業項目匯總
數據來源：中國政府採購網，35斗整理
2）技術端
在政策的引導和鼓勵下，智慧農業得到全社會的廣泛關注。農業生產和農產品流通的顛覆性重構正在形成一個產業新風口，吸引著人工智慧巨頭持續跨界融入、加碼農業數位化轉型。以騰訊、華為、百度為例，我們整理了這三家科技巨頭近年來在農業領域的嘗試和探索（圖3-圖5）。除此之外，更多科技公司和風險投資機構開始關注並下場，他們為傳統農業帶來了大量的跨行業經驗，為農業的數位化轉型注入了強勁動力。
圖3 騰訊+農業大事記（2018-2022年）
來源：根據公開資料整理，35斗研究院繪製
圖4 華為+農業大事記（2016-2021年）
來源：根據公開資料整理，35斗研究院繪製
圖5 百度+農業大事記（2018-2022年）
來源：根據公開資料整理，35斗研究院繪製
在可預見的未來，基於農業大數據的人工智慧技術將充分展現其優勢，從信息感知、定量決策、智能控制、遠程診斷、病蟲害預測預報等方面幫助農業有效提升農業資源利用效率、提高農作物產量和品質、降低生產成本、改善農業生態環境，助力農業可持續發展。
3）應用端
以北斗導航、衛星遙感、無人機、無人車為代表的高科技產品進入農田、參與農事活動早已經不是新鮮事。科技賦能農業，使得其在一定程度上擺脫了靠天吃飯的宿命。我們看到越來越多的新型職業農民已經逐漸習慣通過各種智能APP輔助日常農事操作，進行耕地、播種、租賃農機、監測作物長勢或動物異常行為、病蟲害識別和診斷、產量預測等行為。數位技術、人工智慧技術進入農業的新場景也不斷湧現。
圖6 AI+農業典型應用
圖片來源：根據公開資料整理，35斗研究院繪製
在全新智慧農業生產體系下，築牢農業數字基礎之後，更多科技手段將有機會走向規模化應用，人工智慧推動下的大批新型應用工具將成為新型職業農民群體最可靠的「新農具」之一。
1.2 人工智慧將與農業全產業鏈深度融合
人工智慧是數據密集型產業。數據的數量和質量是人工智慧算法可靠性的基礎。只有積累了足夠多的、高質量的行業數據才能夠支撐人工智慧在特定場景的落地。
人工智慧產業本身還處於發展階段。目前人工智慧相關與產業應用融合較為熱門行業有安防、醫療、無人駕駛、金融、教育等。全球範圍來看，人工智慧在農業領域應用還處在起步階段。儘管如此，AI+農業已經顯示出巨大的潛在應用市場。
農業不同細分版塊的數據採集難度、數據積累量、數據標準化程度存在比較明顯的差異。因此人工智慧在農業細分領域的應用發展階段也存在明顯差異。我們從多個維度分析比對了人工智慧技術在農業不同細分領域的滲透情況（圖7）。
圖7 人工智慧技術在農業細分版塊的滲透情況
來源：根據公開資料整理，35斗研究院繪製
農業機械裝備、可控環境農業和農業金融版塊是目前人工智慧+農業落地程度最高的三個版塊，數據積累程度較高，數據質量相對較好，人工智慧技術滲透速度明顯快於其他細分版塊。
生產託管（農業ERP）和流通溯源版塊信息化程度正在逐漸升高，將是未來5年值得關注的AI+農業的重點方向。
隨著生物數據開發成本的逐漸降低，，越來越多有價值的信息從生物資料庫中被挖掘出來。由這些生物數據支撐的相關版塊，如：動植物育種、動植物健康、動植物營養等版塊將有機會迅速成長。
1.3 我國AI+農業的商業模式分析
1）政府業務是當前AI+農業的主體
近年來，在政策推動下數字農業、智慧農業發展熱度很高，各級地政府都在牽頭立項設立數字農業試點。目前絕大多數從事數字農業服務及提供智慧農業整體解決方案的創新公司，他們的主要營收來都自於to G類業務。
以「智慧農業」為關鍵詞，我們整理了最近一年政府採購的項目（共計90個項目），總金額為2.789億元，平均項目單價接近310萬元。按照不同省份來看，河南、山東兩省在智慧農業項目的採購金額最高，均超過5000萬，其次為廣東省和江蘇省。
圖8 省級政府採購智慧農業項目總金額（萬元，2021年4月-2022年4月）
來源：根據公開資料整理，35斗研究院繪製
政府採購項目基本上是根據當地政府的具體要求所提供的定製化非標產品，因此項目單價差異非常大。各地項目採購單價差異非常大。項目平均單價金額最高是江蘇省（1632.21萬元），其次為黑龍江（807.04萬元）和河南（720.44萬元）。
2）農業規模化、品牌化，To B業務逐漸增長
目前，新疆、黑龍江等地大型農場、國有農墾系統和農業龍頭企業是AI+農業重要的企業型客戶群體。這類型客戶具備一定盈利能力，他們對於提升勞動效率、提高產品品質的需求非常強烈。因此，各種新型數位化產品和服務對他們的吸引力也最大。
近年來，一些有實力的數字農業服務商已經開始將目光瞄準這類企業級客戶，提供一些定製化方案包服務，包括提供全程生產託管服務。通過構建產業生態圈，將更多上、下游合作夥伴納入進來，使得AI+農業的影響力越來越大，良性生態環境正在形成。
儘管目前To B業務的規模還無法和To G類相提並論，我們相信未來這個這種類型的業務將逐漸呈現強強聯合、共同成長的局面。
3）新型職業農民群體壯大，帶動To C業務增長
隨著土地流轉的持續推進，農業經營主體正在發生變化，碎片化的小農將逐漸被農村合作社和家庭農場取代。這種類型的新型主體具備一定技術能力、對於新技術的接受程度也普遍高於傳統小農，未來將是農業新技術的重要客戶群體。然而受限於自身盈利能力有限以及目前物聯網硬體價格相對較高，因此主動購買這些硬體設備的意願較低。
物聯網屬於高新技術，無論前期鋪設，還是後續的設備更新養護都耗資不菲。一套完整的農業物聯網設備需要花費一萬到數十萬元。此外，物聯網硬體設備還沒有被納入到農機裝備類目，也無法享受農機補貼，這極大限制了個體農戶購買這些設備的積極性。我國目前許多農業物聯網項目都是政府示範工程，靠的是政府推動和相關項目資金的支持，不利於培養農民的購買習慣。
當前AI+農業在C端的覆蓋還處於非常早期的階段。這一定程度上影響了基礎數據的收集和挖掘，進而影響到深度學習算法修正和疊代，影響到數字農業整體演進的速度。推動C端對數位技術的接受度，還需要從政策層面上給予支持和傾斜。
圖9 AI+農業三種主要商業模式比較
來源：根據公開資料整理，35斗研究院繪製
三、第二章 AI在農業領域的應用場景
經過數十年的研究和發展，我國已經初步形成較完整的AI產業鏈條，部分應用軟體和新型終端產品發展迅速，未來幾年應用市場有望呈現爆發式增長。
圖10 人工智慧產業鏈全景圖
來源：根據公開資料整理，35斗研究院繪製
2.1 人工智慧+農業產業鏈全景圖
我們整理了國內農業底層數據採集和AI核心技術（無人駕駛、圖像識別、交易決策、機器人）+農業應用的典型創新公司，形成以下產業鏈圖譜，供行業參與者參考。
圖11 人工智慧+農業全景圖
來源：根據公開資料整理，35斗研究院繪製
信息來源或許不夠完整，或者新的入局者暫未被觀察到，本圖譜或許不能包含所有AI+農業企業。如果有些典型企業未被納入，可以聯繫35斗，以方便我們不定期對圖譜進行更新。
更多詳細內容請聯繫35斗索取完整版報告。附報告全文目錄以供參考！如果您對於報告內容有任何建議和想法，歡迎您聯繫我們交流探討。
四、《聚變：中國農業人工智慧白皮書》目錄
第一章 人工智慧將成為農業4.0的底層技術之一
1.1 AI+農業發展歷程
1.2 AI+農業發展趨勢
1.3 中國發展AI+農業具有更多優勢
1.4 我國AI+農業的商業模式分析
第二章 AI在農業領域的應用場景
2.1 人工智慧+農業產業鏈全景圖
2.2 農業底層數據
2.3 無人駕駛+農業
2.4 圖像識別+農業
2.5 交易決策+農業
2.6 機器人+農業
第三章 典型企業案例
3.1 浙江托普雲農科技股份有限公司
3.2 重慶美村科技有限公司
3.3 北京佳格天地科技有限公司
3.4 杭州睿坤科技有限公司
3.5 昆明大蚯蚓科技有限公司
3.6 慕恩（廣州）生物科技有限公司
3.7 北京簡耘科技有限公司
3.8 深圳數溪科技有限公司
3.9 北京麥飛科技有限公司
3.10 深圳市五穀網絡科技有限公司
3.11 山東舜豐生物科技有限公司
3.12 金色大田科技有限公司
3.13 北京博創聯動科技有限公司
3.14 拓攻（南京）機器人有限公司
3.15 上海左岸芯慧電子科技有限公司
3.16 布瑞克(蘇州)農業網際網路股份有限公司
第四章 AI+農業的核心挑戰
第五章 AI+農業從業者觀點
作者信息：
35斗研究團隊：李靜、耿海榮、高康平、喬博、胡小鳳、劉文婷
責權聲明：
本報告的信息來源於已公開的資料和訪談，35斗對信息的準確性、完整性或可靠性不作保證。本報告所載的資料、意見及推測僅反映35斗於發布本報告當日的判斷，過往表現不應作為日後的表現依據。在不同時期，35斗可能發布與本報告所載資料、意見及推測不一致的報告。35斗不保證本報告所含信息保持在最新狀態。同時，35斗對本報告所含信息可在不發出通知的情形下做出修改，報告讀者應當自行關注相應的更新或修改。
版權申明：
本文檔版權屬於35斗/蛋殼研究院/北京蛋黃科技有限公司，未經許可不得擅用，否則蛋黃科技保留追究法律責任的權利。