摘要：傳統農業人口持續減少，也逐步倒逼“勞動力密集型”的生產方式向“資本、技術密集型”的生產方式轉型，智慧農場的概念應運而生。本文旨在從需求側、供給側和產業鏈三個維度分析傳統農業的痛點，從而提出物聯網和大數據與人工智能解決傳統農業發展的痛點的方案。

2016年，政府對數字化農業的推進做出了明確的要求。《“十三五”全國農業農村信息化發展規劃》明確表示，截止2020年，農業生產的智能化水平必須快速提高，物聯網等信息技術的運用應該超過17%，同比增速達10.8%。

在這一大背景下，國家大力支持數字化農業的落地，包括使用高額補貼等一些列激勵措施。2017年，農業農村部在《數字農業建設試點總體方案（2017-2020年）》中表示，政府將對達到既定標準的數字農業標桿縣市提供資助。

此外，第一產業傳統農業的勞動力數穩步減少，導致“勞動力密集型”逐步向“資本技術密集型”的生產方式轉型，各個農業合作社也正逐步減少雇傭人數，使用物聯網等高科技設備，以此增加擴大種植面積的同時提升種植效率。自2011年起，中國城鎮的常住人口開始超過農村，同時，城鎮常住人口和農村常住人口的差額也正逐步拉大。究其原因，很大一部分的務農人群逐漸離開農村，前往城鎮打工，隨后，農村逐漸形成了農業副業化、農民老齡化和農村空心化“三化”格局。因此，提高農業生產效率、推進傳統農業生產方式的轉型更是刻不容緩。

1.1需求側——對外依存度高，農產品品質堪憂

首先，從人均耕地水平來看，由于我國人均耕地約處于0.08公頃上下，遠低于世界主要糧食出口國家的人均耕地水平，也低于全世界0.2公頃的人均耕地水平。隨著居民可支配收入逐步增加，家庭將消費越來越多的糧食和農作物。因此，我國的生產效率提升刻不容緩。

其次，從糧食總量來看，中國糧食進口量加大，糧食消費的對外依存度較高。由于我國勞動力資源充足，然而土地資源及其缺乏，園藝等勞動密集型產品競爭力較強，農作物等土地密集型產品競爭力卻很低。2018年，我國進口土地密集型農產品高達1.21億噸。此外，像大豆等部分農作物對外依存度高。2018年，大豆的對外依存度高達84.56%。

最后，中國農產品品質難以得到保障，無法滿足國內消費升級的需求。究其原因，包括農產品生產不規范、國內種植精細化程度不高等一系列因素致使農產品品質堪憂。我國未來農產品生產的目標，是從量變的轉變到質變提升。包括優化生產過程、提高種植精細化管理，從而提高生產效率。

1.2 供給側——農作物分散經營，生產成本高

第一，由于農業生產呈現分散經營的態勢，產業化程度極低，因此農業生產總量大但人均產量較低。中國是世界上的農業大國之一，農業生產總值極高，曾多次名列世界農業生產總值排名前列。然而，家庭聯產承包責任制導致種養殖情況高度分散的現狀，農業生產技術水平不高。包括農業的機械化水平和生化技術都較發達國家比較落后。此外，中國農業產業化程度極低，價值鏈不長，由此造成農業生產的盈利程度不高，人均農業增加值遠低于其他農業大國。

第二，我國農業生產成本高居不下，農業生產相較其他國家缺乏競爭力。例如，我國的水稻、小麥等農產品的生產成本遠高于美國等發達國家。其中，棉花的生產成本差異最為顯著，中美棉花生產成本相差1358元/畝。

1.3 服務端—非標準化、農作物附加值低

首先，我國農產品服務端的重要痛點之一就是尚未建立農業標準化生產銷售體系。其中包括農產品生產環節沒有精細化種植指導、生產過程中沒有標準化的監控設備和指標、農產品滯銷嚴重、農產品質量不可追溯等問題。這一系列農產品生產銷售端的問題，直接致使農產品的質量安全面臨挑戰。此外，對農產品的出口形成了較大的障礙。然而，像美國等發達國家，標準化的生產模式可以通過可溯源農產品管理系統追溯產品生產情況、肥料使用情況，為農產品的安全和品質提供保障。此外，標準化生產模式更加有效地提高了農產品生產效率，為企業創造了更多的利潤。

其次，由于農作物生產和銷售端的信息不對稱，提高了產品銷售難度，農作物增加值不高。由于我國農業生產較為分散、難以實現規模化生產，為農民和采購商雙方提供了極大的阻礙。此外，銷售農產品過程中，農民的議價能力也遭受挑戰。

最后，鏈條冗余也大幅提高了交易成本和農作物運輸成本，同時也讓中間商獲得價值鏈中較高部分的價值。

2.1物聯網——實時更新生產情況、輔助精細化生產

首先，物聯網在農業生產中需求較大。其中溫度感應器、濕度感應器、牛羊定位分析等多個智能種養殖設備都需要借助物聯網實現精準化種養殖。基于物聯網的指引，農業生產可以實時更新了解農作物生產基本情況以及精細化生產的進一步指示，從而極大程度上提高農場主生產經營效率、降低生產成本，從而提高農業生產質量和產量。

其次，農業生產中豐富的連接需求給物聯網市場的發展帶來極大的機遇。華為曾提到，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。由此可見，連接需求給物聯網市場帶來了極大的收入。華為還曾經預測到，截至2020年，基于農業的物聯網的潛在市場需求將從2015年137億美元提升至268億美元。

2.2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

物聯網在輔助農場主生產經營的同時，會生成大量的數據。而人工智能可以通過將數據進行數據清洗和數據分析，從而極大的挖掘大數據背后的潛在含義，進而更精準地為農場主提供種植指導。埃森哲曾提到，人工智能可能對中國的15個行業帶來影響。其中，制造業、農林牧漁業以及批發零售業將是最有可能從人工智能的分析中受益的行業。截止2035年，人工智能將會分別推動這三大行業的年同比增速提高2%、1.8%、1.7%。

由此可見，人工智能可能對農業生產提供巨大的幫助。而在人工智能中起重要影響的技術將會是機器學習。機器學習可以利用前文物聯網采集到的大數據，提高種養殖過程中某個環節的生產效率或生產附加值，從而幫助農民極大程度上提高農作物生產總量、降低生產成本、提高效益。首先，在種植方面，人工智能可以幫助農民提高產量、根據土壤肥沃程度合理種植。通過無人機圖像、溫度感應器、濕度感應器等方式采集的數據，借助機器學習，可以深度分析種植環境，從而為農民播種、施肥、收割等環節提供最精準的建議。其次，在養殖方面，人工智能可以減少動物患病帶來的損失。研究發現，通過采集動物的聲音，并進一步進行算法是別后，學者能夠較為準確地判讀動物的患病情況、患病時長等相關信息。同時，動物患病時間越長，判讀出的準確地更高。因此，及時判讀動物情況可以極大程度減少患病帶來的金錢損失。最后，人工智能可以縮短農業研發時間，其中，包括培育優質的種植基因、提供更加有效的化肥、研發更多健康、綠色的轉基因產品。人工智能的輔助下，將會獲取更多的大數據進行智能分析，從而幫助相關農產品的研發更加高效。