傳統農業和數字農業的核心因素對比

從“人”到“數據”的關鍵決策因素轉換。傳統農業主要包括養殖產業鏈和種植產業鏈等，其中的環節有育種、灌溉、施肥、飼養、疾病防治、運輸和銷售等，均是以“人”為核心，主要是依靠過去積累的經驗或手藝來進行判斷決策和執行，這也導致了整體生產環節效率低、波動性大、農作物或農產品質量無法控制等問題。而在數字農業模式中，通過數字化設備比如田間攝像頭、溫度濕度監控、土壤監控、無人機航拍等，以實時“數據”為核心來幫助生產決策的管控和精準實施，并通過海量數據和人工智能對設備的預防性維護、智能物流、多樣化風險管理手段進行數據和技術支持，進而大幅提升農業產業鏈運營效率并優化資源配置效率等。

一、數字農業如何解決痛點？

1、物聯網——海量農業數據實時獲取，奠定農業數字化基礎農業物聯網是物聯網的重要應用領域，是數字農業中數據的主要來源。農業物聯網已被歐洲列為物聯網18個重要發展方向之一，同時也是我國物聯網9大領域重點示范工程之一。

物聯網在農業領域應用范圍廣泛，基于物聯網的農業解決方案，通過實時收集并分析現場數據及部署指揮機制的方式，達到提升運營效率、擴大收益、降低損耗的目的。可變速率、精準農業、智能灌溉、智能溫室等多種基于物聯網的應用將推動農業流程改進。物聯網科技可用于解決農業領域特有問題，打造基于物聯網的智慧農場，實現作物質量和產量雙豐收。

物聯網在農業領域應用廣泛

農業領域有著豐富的連接需求，農業物聯網市場潛力巨大。華為技術數據顯示，全球智能水表、智能路燈、智慧停車、智慧農業、財產跟蹤、智慧家居分別有7.5億、1.9億、2400萬、1.5億、2.1億、1.1億的連接需求，由此帶來的市場空間十分可觀。根據華為的預測，到2020年，物聯網在農業領域的潛在市場規模有望由2015年的137億美元增長至268億美元，年復合增長率達14.3%。其中美國的市場份額最大并且已經進入成熟期，亞太地按照物聯網技術在農業領域中的不同應用，劃分為如下幾類：

物聯網是農業數據的主要來源之一

1、精準農業：作為一種農業管理方式，精準農業利用物聯網技術及信息和通信技術，實現優化產量、保存資源的效果。精準農業需要獲取有關農田、土壤和空氣狀況的實時數據，在保護環境的同時確保收益和可持續性。

2、可變速率技術(VRT)：VRT是一種能夠幫助生產者改變作物投入速率的技術。它將變速控制系統與應用設備相結合，在精準的時間、地點投放輸入，因地制宜，確保每塊農田獲得最適宜的投放量。

3、智能灌溉：提升灌溉效率、減少水源浪費的需求日益擴大。通過部署可持續高效灌溉系統以保護水資源的這種方式愈來愈受到重視。基于物聯網的智能灌溉對空氣濕度、土壤濕度、溫度、光照度等參數進行測量，由此精確計算出灌溉用水需求量。經驗證，該機制可有效提高灌溉效率。

4、農業無人機：無人機有著豐富的農業應用，可用于監測作物健康、農業拍照(以促進作物健康生長為目的)、可變速率應用、牲畜管理等。無人機可以低成本監視大面積區域，搭載傳感器可輕易采集大量數據。

5、智能溫室：智能溫室可持續監測氣溫、空氣濕度、光照、土壤濕度等氣候狀況，將作物種植過程中的人工干預降到最低。上述氣候狀況的改變會觸發自動反應。在對氣候變化進行分析評估后，溫室會自動執行糾錯功能，使各氣候狀況維持在最適宜作物生長的水平。

6、收成監測：收成監測機制可對影響農業收成的各方面因素進行監測，包括谷物質量流量、水量、收成總量等，監測得到的實時數據可幫助農場主形成決策。該機制有助于縮減成本、提高產量。

7、農業管理系統(FMS)：FMS借助傳感器及跟蹤裝置為農場主及其他利益相關方提供數據收集與管理服務。收集到的數據經過存儲與分析，為復雜決策提供支撐。此外，FMS還可用于辨識農業數據分析最佳實踐與軟件交付模型。它的優點還包括：提供可靠的金融數據和生產數據管理、提升與天氣或突發事件相關的風險緩釋能力。

8、土壤監測系統：土壤監測系統協助農場主跟蹤并改善土壤質量，防止土壤惡化。系統可對一系列物理、化學、生物指標(如土質、持水力、吸收率等)進行監測，降低土壤侵蝕、密化、鹽化、酸化、以及受危害土壤質量的有毒物質污染等風險。

9、精準牲畜飼養：精準牲畜飼養可對牲畜的繁殖、健康、精神等狀況進行實時監測，確保收益最大化。農場主可利用先進科技實施持續監測，并根據監測結果做出利于提高牲畜健康狀況的決策。

智慧農業市場規模預測

(2015-2020年，億美元，%)

二、大數據與人工智能——生產經營決策“數字化”，全面提升生產效率

萬物互聯在推動海量設備接入的同時，也將在云端生成海量數據。而挖掘這些由物聯網產生的大數據中隱藏信息的方法就是利用人工智能。物聯網最核心的商業價值就是將這些海量的數據進行智能化的分析、處理，從而生成基于不同商業模式的各類應用。

基于人工智能對中國經濟整體影響的模擬分析，并結合行業規模數據，埃森哲分析人工智能對中國15個行業可能帶來的經濟影響。研究顯示，制造業、農林漁業、批發和零售業將成為從人工智能應用中獲益最多的三個行業。到2035年，人工智能將推動這三大行業的年增長率分別提升2%、1.8%和1.7%。

人工智能在農業領域的應用潛力巨大。機器學習所具備的通過使用大數據集來優化單個或一系列關鍵目標的能力很適合用來解決農業生產中的作物產量、疾病預防和成本效益等問題：

在種植領域，人工智能有望提高糧食產量、減少資源浪費。機器學習技術可以被用來分析來自無人機和衛星的圖像、氣象數據、土壤樣本和濕度傳感器的數據，并幫助確定播種、施肥、灌溉、噴藥和收割的最佳方法。在精準農業中的各個環節中，機器學習都能發揮重要的作用，從而提高糧食的產量。

在養殖領域，利用人工智能可以有效降低疾病造成的損失。在一項學術研究中，研究人員收集和分析雞的聲音，并訓練神經網絡模式識別算法后，研究人員能夠正確地識別出感染了致命疾病的雞，其中發病2天的雞的識別準確率為66%，而發病8天的雞的識別準確率為100%。正確診斷牲畜所患疾病并盡早在損失發生之前進行治療可以消除由疾病導致的損失。據行業專家估計，挽回的損失可達20億美元。

人工智能縮短農業研發進程。人工智能技術可以用于提高糧食產量、降低損失，但這并不是其發揮作用的唯一領域。在實驗室和研究中心，機器學習算法能夠幫助培育更好的植物基因，創造更安全、更高效的農作物保護產品和化肥，并且開發更多的農產品。實際上，人工智能在這些領域的介入更加成熟，因為這一領域的數據更加豐富，數據獲取的速度也更快。根據2016年Philips McDougall的分析，將一種新的作物保護產品推向市場需要11年的發現和發展時間，分析16萬份化合物，每個產品商業化支出超過2.8億美元。在新農化產品的開發中，整個行業每年的花費超過26億美元。而人工智能的采用可以提高這一過程的效率。

以孟山都的玉米育種為例。在將玉米雜交品種投入市場之前，孟山都對其進行了多年的評估，從發現到商業化，這個過程可能需要8年時間。玉米育種通常被比作“草堆中撈針”，這是個擁有32000個基因的大草堆，代表了幾代繁殖者面臨的搜索難題。從歷史上來看，一個育種項目每年可以從成千上萬可用選項中選出大約500種組合進行試驗。這種選擇受到與管理現場測試程序相關的后勤和成本的限制。

為了減少這些限制，孟山都的AI研究人員開發了一種算法，能夠評估育種決策，并預測哪一個雜交品種將在試驗的第一年表現出最佳的性能。這個算法正被過去15年的分子標記和現場試驗信息進行訓練。這種算法可以優化育種過程，使育種者能夠更快地把他們最好的想法投入到大規模的實地試驗中。這一算法不僅加快了育種過程，而且與傳統方法相比，還使孟山都將其玉米育種管道規模提高5倍。育種者可以利用AI工具完成更多的工作。

三、數字農業應用方向與各國發展現狀

全球數字農業規模已超千億人民幣，細分領域倍速發展。智慧農業是數字農業中一種具體的綜合應用形式，可在較大程度上反應數字農業的整體發展情況。按應用劃分，從體量上來看，精準農業(含種植與養殖)、監測(含收成監測與土壤監測)、農業無人機三領域是智慧農業中發展較為領先的方向，2020年預測規模分別在45.85億美元、22.15億美元、和11.79億美元；從發展速度上來看，智能灌溉、智能溫室、農業無人機領域發展較快，5年CAGR(復合年均增長率)分別達到37.60%、33.28%、32.66%。

以應用劃分的潛在市場規模(百萬美元)

從數字農業領先國家的情況來看，各國均重視發展農業技術，同時因地制宜，各自開發出適合自身的數字農業成長路線。以美國為例，梳理數字農業在不同國家如何助力農業提升產業效率。

美國：優質自然稟賦與先進技術奠定數字農業全球領先地位。美國是世界上農業最發達的國家，美國農業經營模式主要以大型農場經營為主，農業高度發達，機械化程度高，主要有畜牧業和種植業兩大部分。最早提出精準農業概念，農業率先進入數字化時代。20世紀80年代初，美國便提出了精準農業的概念和設想。智能中央計算機灌溉控制系統于80年代就被應用于溫室控制和管理。此后，計算機控制與管理系統可控范圍、靈活程度逐漸提高。美國41.6%的家庭農場、46.8%的奶牛場和52%的年輕農場主通過計算機進行網絡信息聯絡，有專業的農業技術服務組織將農業信息提供給農民，服務于農業生產管理和精細化耕作。

農業技術的進步是推動美農業生產力提高的主要力量。現在，美國農場因為技術的進步，包括傳感器、設備、機器和信息技術，現在的運營模式與幾十年前存在較大差異。今天的農業通常使用復雜的技術，如機器人，溫度和濕度傳感器，航拍圖像和GPS技術。這些先進的設備和機器人系統使農業效率得以提高，在成本幾乎不變的情況使企業收入持續增長，更高效的同時也更安全、更環保。

四、鄉村振興+5G時代來臨，我國數字農業機會幾何？

數字農業發展相對滯后，數字化轉型才剛開始農業數字化相對滯后是當前我國農業發展的大背景。根據中國信息通信研究院發布的《中國數字經濟發展與就業白皮書(2019年)》，2018年，我國數字經濟規模達到31.3萬億元，按可比口徑計算，名義增長20.9%，占GDF比重的34.8%。三產中，我國農業數字經濟占農業整體比重的平均值為7.30%，而工業為18.30%，服務業為35.90%。與工業和服務業相比，農業不僅數字化水平處于相對較低位置，數字化速度也相對較慢。農業各細分行業中，數字經濟占比程度從高到低依次為林產品、漁產品、農產品、畜牧產品，均低于大多數服務業和工業行業，可見三產中，農業存在較大數字化提升空間。

2018年農業各細分行業數字經濟比重(%，億元)

五、技術提升產業效率，新興技術不斷進步，應用成本下降

1、技術成熟度提升帶來部署成本不斷下降。相比10年前，全球物聯網處理器價格下降98%，傳感器價格下降54%，帶寬價格下降97%，成本的降低為農業物聯網大規模部署提供了基礎。

2、聯網技術不斷突破。聯網技術是物聯網產業興起的重要條件，在全球范圍內低功率廣域網(LPWAN)技術快速興起并逐步商用，面向物聯網廣覆蓋、低時延場景的5G技術標準化進程加速，同時工業以太網、LTE-V、短距離通信技術等相關通信技術也取得顯著進展。

3、數據處理技術與能力有明顯提升。隨著大數據整體技術體系的基本形成，信息提取、知識表現、機器學習等人工智能研究方法和應用技術發展迅速。大數據、物聯網、人工智能在數字農業升級中的應用能夠有效釋放農業產業龐大數據的潛在價值。

4、產業生態構建所需的關鍵能力加速成熟。云計算的成熟、開源軟件等有效降低了企業構建生態的門檻，推動全球范圍內農業數字化的興起和農業物聯網操作系統的進步。

當前智慧農業主要使用的物聯網通信技術

5、5G賦能已有技術，全方位提升數字農業效率

具體到數字農業，5G將提升的是數字農業價值鏈中移動網絡環節效率，聯動前后環節適配技術升級迭代。由于智慧農業價值鏈與數字農業類似，若5G商用落地，前環節中的裝置/設備制造商、聯網供應商，后環節中的聯網平臺、應用供應商、數據分析、系統集成商和外包供應商、終端用戶等眾多參與方將受益來自移動網絡環節的技術革新。這些參與方可分為供應商和個人消費者兩大類，而目前在農業相關領域中，無論是B端還是C端均有較多需求未被滿足。

根據華為對終端用戶的痛點分析，目前在通信技術方面，60%以上的農場主認為低覆蓋范圍和高投資成本是數字農業相關技術必須解決的主要難題。其次，還有部署周期長、帶寬、高時延等問題需要解決。同時，報告對農場主的投資意愿進行了統計，70%以上的農場主愿意投資有助于提高生產力和利潤的先進技術。5G商用落地有望大幅改善當前數字農業中因信息技術導致的痛點，同時由于終端用戶對改善現狀具有較高投資意愿，5G+智慧農業有望在5G大生態萬億市場中占有一席之地。