农业是人类赖以生存的根本，在三次产业中占据基础性地位，对经济社会的稳定与发展至关重要。然而，随着人口的快速增长、耕地面积的逐步缩减以及城镇化的加速推进，农业面临的挑战日益严峻。为应对这种挑战，国内外都在探索通过信息技术来促进农业提质增效，其中以人工智能为基础的智慧农业新模式发展迅速，出现了很多典型案例，为农业广泛深度融合应用人工智能提供了有益参考。

 

　　人工智能与农业融合应用的基本态势

 

　　农业的生产和服务领域存在很多痛点问题，如生产方式较粗放、农业服务不完善等。不少企业以产业痛点为导向，积极探索人工智能在农业生产服务中的融合创新，为解决农业痛点问题找到了新的突破点。

 

　　在农业生产中，人工智能助力农业生产精细化，从而促进农业提质增效。在种植领域，企业利用人工智能对农作物生长情况及环境数据进行建模分析，为农业生产提供精准指导。例如，Infosys、IBM Watson IoT和Sakata Seed Inc.在美国加利福尼亚两块田地上布置测试床，利用基于机器视觉的无人机、环境传感器和土壤传感器，全方位、立体化地采集植物高度、空气湿度、土壤肥力等18种数据，并将数据上传到Infosys信息平台进行大数据管理和人工智能技术分析，分析结果反馈至企业ERP系统、植物育种研发系统，以指导下一步生产和育种。在养殖领域，企业通过对畜禽多元化数据的采集与分析，实现精准养殖。例如，阿里云与四川特驱集团、德康集团合作推行智能养猪，猪场内遍布与ET农业大脑连接的摄像头，自动采集、分析猪的体型及运动数据，运动量不达标的猪会被赶出室外继续运动，以保证猪肉品质；此外，利用ET农业大脑、结合声学特征及红外线测温技术，可通过猪的咳嗽、叫声、体温等数据判断猪是否患病，及时预警疫情。

 

　　在农业服务中，人工智能可缓解信息不对称导致的农产品供需失衡及农业融资难等问题。一方面，行业主管部门或企业运用人工智能建立农产品价格走势预测模型，指导农业生产主体动态调整产能，既可减少由于盲目生产导致的成本浪费，也能提升消费者满意度。例如，IBM利用机器学习分析卫星图像、天气、人口、土地等数据，对农作物供需情况进行预测；笛卡尔实验室使用基于卫星数据训练的机器学习模型，预测美国国内的玉米产量，为农民的生产决策提供参考。另一方面，金融机构依托农业大数据建立农民征信体系，可提高对农业金融的风险把控能力，增加农民融资机会并降低融资成本。例如，互联网信用评估平台闪银和互联网金融公司农信宝开发的“八戒分期”，通过线上采集超过300个维度的农户数据，在后台利用人工智能模型进行分析，可在数秒内完成对生猪养殖户的信用评分并反馈给审核人员，帮助金融机构降低风控成本和坏账，也显著降低了养殖户融资成本。

 

　　总体而言，人工智能在农业生产和服务环节都涌现出了一些融合应用的典型案例，为促进农业智能化转型升级提供了新思路。但这些融合应用目前主要处于探索和试点阶段，融合模式仍需优化完善，应用范围也有待逐步扩大。

 

　　我国人工智能与农业领域深度融合面临多重挑战

 

　　大数据、人工智能等技术在国外农业领域已形成了相对成熟的融合模式和较大范围的应用。而我国虽然也出现了一些典型案例，但整体还处于起步阶段，农业的数字化、网络化、智能化转型仍面临诸多挑战。

 

　　一是农村网络基础设施薄弱。人工智能在农业领域的融合应用对网络实时响应和海量数据积累有较高要求。但我国村级信息化服务网络不够健全，农业领域网络化水平还有待提升。据统计，我国农村地区互联网普及率为36.5%，仅为城镇地区的一半。

 

　　二是智能化农业设备供给水平不足。针对智能农业设备的专用芯片较为缺乏，而通用芯片在环境较差的农业现场非常容易发生损坏，进而导致农业智能设施应用受阻。同时，由于农业场景复杂，农业智能机器人等设备在实际应用中存在效率不高、灵活度不够等问题，智能化设备的性能还需要进一步提升。

 

　　三是农民应用人工智能的意愿和能力不够。一方面，智能化农业设备的投资金额大、回收周期长，导致农民“不敢用”。另一方面，智能化农业设备的操作方式与传统农业设备差别较大，农民对智能化设备的操作能力不足，“不会用”也阻碍了农业的智能化发展。

 

　　加快人工智能与农业领域深度融合的建议

 

　　针对人工智能与农业深度融合面临的挑战，行业主管部门应从基础设施、技术供给、产业需求等多角度入手，全面促进人工智能与农业领域的深度融合，探索现代农业高质量发展的有效路径。

 

　　支撑能力方面，着力强化农村网络基础设施及农业信息服务平台建设。一方面，进一步加强农村信息基础设施建设，扩大宽带和移动网络覆盖范围，提升网络速率，为部署智能化农业设施、采集农业大数据奠定良好基础。另一方面，建立健全农业信息服务平台，提高农产品供需、价格等信息的智能化预测水平，为农业生产决策提供更多参考与指导。

 

　　技术供给方面，持续提升农业领域人工智能技术供给水平。一方面，应加大对农业专用芯片、传感器等基础零部件以及农业无人机、农业机器人等智能化设备研发应用的支持力度，提升智能化农业设备供给能力和供给质量。另一方面，应着力培养农业领域融合解决方案提供商，催生农业领域融合应用人工智能的优秀解决方案。

 

　　产业需求方面，应大力培养农民应用人工智能的意愿与能力。一方面，应加强人工智能与农业深度融合的宣传工作，让农民充分认识到应用人工智能的长期效益，调动农民开展智慧农业的积极性。另一方面，应加强对投资应用农业智能化设备的财政补贴，强化对农民应用智能化设施的培训工作，提高农民开展农业智能化生产经营的能力。