去年年底，“一塊改變命運的屏幕”成了刷屏話題。
當時支持與反對方各自羅列出很多觀點，但我們或許可以承認，這些討論都是建立在這樣一個前提上：新技術與農村生活的結合，已經開始觸發(fā)一些改變。
把目光放到這個中國最廣袤的市場上，會發(fā)現從農業(yè)到農村市場所需的種種服務，再到農村勞動力轉移的宏觀走向，其中有太多需求可以被科技力量填補。
而農村市場科技人才資源相對匱乏的客觀情況，又讓智能化在某種程度上變成了異于城市社會的剛性需求。
如果我們回望2018，會發(fā)現從下半年開始，科技巨頭們紛紛布局起了AI進軍農業(yè)的探索，并且各種AI醫(yī)療、AI教育的新興產品與服務，都開始走向農村這塊新的試驗田。
AI與農村的故事，正在短時間內快速升溫。但在熱鬧的布局背后，我們也會發(fā)現一些明晰的瓶頸，橫亙在農村市場與AI的想象力之間。
繞過屏幕的爭議，更多AI故事正在山村田壟間上演著。無論2019年是否能被稱作“AI＋農村”元年，至少這一年，田野上的AI故事必然會以一個令人驚奇的百分比上漲。
讓我們來回憶一下，直到今天為止，AI都以哪些方式完成了下鄉(xiāng)進村的任務。
科技巨頭的農業(yè)圓舞曲AI進村的核心目標，當然是要證明自己能在第一產業(yè)有所建樹。
所謂AI農業(yè)，在技術邏輯上很容易理解，即利用AI帶來的物理識別與機器視覺能力，結合數據分析技術，將農業(yè)生產中大量流程進行重新優(yōu)化，從而以智能方式提高農業(yè)生產效率，優(yōu)化農產品質量。
理論上來說，這套邏輯既能種糧食種菜，也能養(yǎng)豬養(yǎng)鵝。但實際運轉起來卻不容易。一方面農業(yè)數據相對匱乏，標準化程度很低，另一方面相關技術設備近乎空白，AI農業(yè)命題之下不僅是算法與數據問題，同時也是對工程化能力與硬件制造能力的考驗。
而在AI持有者——BAT為代表的科技巨頭們眼中，既然要進軍產業(yè)AI與產業(yè)互聯(lián)網，那么農業(yè)又是無法繞開的一個選項。其巨大市場潛力和社會價值都是科技公司不能放棄的蛋糕。在2018年產業(yè)AI全面開動的契機里，農業(yè)AI也就順勢開始了自己的故事。
最先動手的是阿里。2018年6月7日，云棲大會·上海峰會上阿里云發(fā)布了ET農業(yè)大腦，通過數字檔案生成、智能農業(yè)數據分析、農產品溯源等技術結合，開始將AI解決方案帶入農業(yè)。
隨后半年中，騰訊和京東都宣布了自己的AI農業(yè)計劃。有消息認為，擅長AI的百度也已經在路上。
綜合來看，AI農業(yè)命題如今主要走兩條路：AI養(yǎng)殖與AI種植。
說到養(yǎng)殖科技，咱們中國人的看家本領那就是養(yǎng)豬?？赡芎芏嗳藳]有意識到，在規(guī)模化、技術化養(yǎng)豬這條路上，中國人絕對寫就了一部波瀾壯闊的史詩。也正因為養(yǎng)豬事業(yè)的規(guī)模化標準化程度高，對新技術十分敏感，科技巨頭玩AI＋養(yǎng)殖，十有八九都是從豬開始。
阿里的ET農業(yè)大腦，就利用了機器視覺加持的AI攝像頭與數據分析能力，來觀察豬們生長數據，從而達成優(yōu)勝劣汰；并且將聲紋識別和紅外線測溫帶到了養(yǎng)豬場，通過豬的體溫和聲音進行AI預測豬的身體狀況，最終達成提升母豬產崽能力，降低死亡率的效果。
去年11月，京東數科也開始描繪AI和豬的浪漫故事。在接入AI攝像頭與數據智能系統(tǒng)之外，京東的方案里還加入了IoT系統(tǒng)，以及自主開發(fā)的養(yǎng)殖巡檢機器人、飼喂機器人等等，并且采用了新的“豬臉識別”技術。
有理由相信，接下來會有更多科技公司開始AI養(yǎng)豬生涯。
而AI在種瓜種菜上，也有自己的一套。阿里的ET農業(yè)大腦先后在甜瓜和生菜上完成了合作案例。而去年12月，騰訊AI lab團隊的“種黃瓜”在國際人工智能溫室種植大賽（Autonomous Greenhouse Challenge）上獲得了“AI策略”單項第一名、總分第二名。這也被外界認為是騰訊向AI農業(yè)的進軍開啟。
騰訊這次展示的“種黃瓜”，特殊之處在于通過強化學習算法，將專家知識系統(tǒng)潛入了仿真機當中，使智能體可以有效學習人類專家的思維模式，從而回到實際種植中提升黃瓜產量，并且對傳感器成本進行了壓縮，提高了技術的實用性。
AI種植業(yè)，目前一般集中在果園和溫室種植當中，通過對植株進行數據收集和智能識別，來判斷肥料、水分、溫度、光照等條件的適宜與否，從而讓粗放的種植模式智能化、精準化。再搭配一些可溯源、可直播的互聯(lián)網玩法，健康＋高產的AI果菜就誕生了。
又能養(yǎng)豬，又能種菜，感覺AI在農業(yè)領域已經很吃得開了。
但是不用樂觀太早，目前來看，巨頭們的AI農業(yè)之旅只是剛剛開了個頭。今天各種值得夸耀的案例，都還是示范價值遠大于商業(yè)價值。
一方面，農業(yè)數據在今天依舊稀缺，農業(yè)AI依舊需要BAT的專家們下到田間地頭去采集數據，修正參數。另一方面，大量農業(yè)區(qū)域和農業(yè)領域都是數據的真空地帶，今天AI想要走入農業(yè)，還只能依靠一些數據化標準化程度高的農業(yè)部類，比如現代化養(yǎng)殖場；或者依托有相關農業(yè)科技積累的合作者，比如大型農業(yè)集團——來更多完成1對1的商業(yè)實驗性質AI＋農業(yè)案例。
與中國廣袤的農田牧場相比，BAT的專家顯然是不夠用的。
12下一頁>（免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）
