人工智能和农业看似平行的两条线却在不断相互吸引和靠近，碰撞出足以影响整个传统行业运行模式的火花。在这两极之间，我们试图找出一些共识的底层逻辑，以便更好地解释二者之间所产生的关联，以及对于未来的潜在影响。

在可预见的未来，随着数字基础的进一步夯实，数字技术的不断跃升，人工智能技术作为数字技术的典型应用必将更为系统深入地渗透进各个行业中，为我们的生产和生活带来更多颠覆性变化。人工智能已经成为了一种新的生产工具。

目前我国农业产业正处于“颠覆式创新”的早期阶段。我们面临的挑战很多，粮食安全、自然灾害、动植物疫病、资源短缺、气候变化等，这些都将成为长期影响农业的最底层核心挑战。以人工智能技术为代表的数字技术群将成为农业产业“颠覆式创新”最有利的工具之一。

本次报告聚焦于人工智能在农业领域的实践和应用，访谈50余位行业专家，包括大学教授、企业家、一线农户等，其中比例最高的是尝试改变传统农业生产方式的创业创新者们。他们对农业创新的勇气、希望和在商业模式上的探索是一个个令人振奋的鲜活故事。通过对这些典型案例的观察和分析，我们共同完成了这份《聚·变：中国农业人工智能白皮书》。

报告主要涉及的内容包括农业人工智能的发展历程、主要应用场景、商业模式、典型实例以及当前面临的关键挑战等，力求全面系统地描绘农业人工智能的发展现状，并对未来前景做出一些定量和定性的判断。当然，行业复杂，报告所述不免挂一漏万，如有谬误，热诚欢迎读者朋友们沟通修订。

报告核心观点

核心观点1：农业是人工智能最好的试验场之一

大数据和人工智能、物联网的结合可以为农业生产提供标准化产品、提供科学决策方案。从看天吃饭到看AI吃饭，人工智能为农业带来新的变革和转变。另一方面，农业生产过程中天然会产生大量实时更新的数据。随着对农业数据挖掘和利用的不断深入，海量农业大数据将成为人工智能算法模型演化迭代最好的试验场之一。

核心观点2：人工智能将成为农业4.0必不可少的“新农具”

在可预见的未来，基于农业大数据的人工智能技术将充分展现其优势，从信息感知、定量决策、智能控制、远程诊断、病虫害预测预报等方面帮助农业有效提升农业资源利用效率、提高农作物产量和品质、降低生产成本、改善农业生态环境，助力农业可持续发展。在全新智慧农业生产体系下，当各项技术手段开始走向规模化应用时，人工智能也将成为新农人们最可靠的“新农具”之一。

核心观点3：全球AI+农业尚处于早期阶段，中国有很大优势换道超车

人工智能在农业领域的应用贯穿于农业生产全过程中，包括农业生产前期、中期和后期各个阶段，从多个层面持续推进，实现农业生产过程的自动化、智能化、动态化管理。发达国家在农业自动化方面发展和应用较中国更为成熟。但由大数据所支撑的人工智能技术在农业领域的运用，全球都还处在早期起步阶段。 此种情况下，给了中国创业者换道超车的机会。有赖于种植面积的广大、品类丰富的农业场景、信息基础设施的高度普及，中国有可能在未来十年成为全球农业人工智能行业的发展高地。

核心观点4：AI+农业在若干细分领域已具备一定基础

农业大数据的不断累积，为人工智能在农业领域的落地提供基础条件。然而不同的细分领域的农业数据累积程度存在显著差异，这也影响了人工智能向不同细分领域的渗透。目前来看人工智能技术在农业机械装备、可控环境农业、农业金融、农业生产托管、流通溯源等领域渗透率相对较高，这些领域底层数据的数量和质量相对较多，算法模型相对成熟，产品开发和应用程度相对较高。这些领域的创新公司和人才储备也相对更加集中。

核心观点5：AI+生物技术将成为下阶段最具潜力的方向

随着生物数据的开发成本进一步降低，生物属性相关的农业底层数据将会迅速积累，更加高效、精准的算法模型将被开发出来，尤其是与环境数据密切相关的作物生长模型和病虫害发展模型将被进一步完善。动植物育种、动植物健康、动植物营养等版块将成为下阶段值得关注的农业人工智能潜力赛道。

核心观点6：商业模式从To G转向To B和To C，AI+农业商业空间将进一步拓宽

受制于客户群体的付费能力及意愿，目前绝大多数从事数字农业服务的创新公司其主要营收来自于To G业务。这一方面有助于推动中国农业数字基础设施的建设，另一方面也为这些创新公司提供了良好的生长空间。放眼未来，随着土地经营权流转的持续推进，中国农业适度规模化经营模式将逐渐成形，新型职业农民群体将成为主要农业生产者。相比于传统小农，这些新型的客户群体为农业数据应用产品的付费意愿及付费能力更强。这些变化将带动“AI+农业”从当前的G端客户向B端和C端客户拓展，从而推动农业生产前端的数字化转型。

核心观点7：农业碎片化经营，导致AI+农业数据生产成本更高

家庭联产承办责任制的影响下，长期以来我国农业的基本情况是从事农业生产的人数众多，小农为主的生产经营呈现极度碎片化。这直接导致众多农业生产参与者的行为无法统一，生产过程难以标准化，农业底层数据量大但数据价值相对较低，数据清洗难度相对较大。这就使得农业数字产品的生产成本更高，从而影响到产品的推广和应用。

核心观点8：农业生产链条极长，多头监管导致数据互联互通难度大

从种子到餐桌的农业产前、产中、产后各个环节涉及到农产品生产、食品加工、食品安全、市场流通等众多环节。在政策影响下，众多监管部门都在建设各自的数据平台。然而各级部门、各主体之间数据标准不统一的问题比较严重，不同来源的数据共享机制也还没有建立。在当前的管理体制下，各农业主管部门的涉农大数据流动性差、难以共享，数据互联互通，全国“一张网”实施难度大。

核心观点9：AI+农业高水平复合型人才匮乏，行业发展速度受限

尽管近年来我国人工智能发展迅速，具备丰富经验的人才仍然非常缺乏。这已经成为制约当前我国人工智能行业快速发展的瓶颈之一。北京、上海、深圳、杭州聚集了全国八成以上的人工智能人才，广大内陆和农村地区的人才匮乏问题非常严重。另一方面，AI+农业需要既懂数字技术又懂农业技术的人才，这样的高水平复合型人才更是少之又少。在此种背景下，高素质人才及能力可能成为一种共享资源，企业之间利用这些共享资源联合开展技术攻关或项目服务将成为重要的合作模式。

核心观点10：农业数据安全及监管薄弱，亟待建立统一监管平台和监管标准

目前我国数字农业尚处于基础建设阶段。尽管如此，近几年来在政策、经济、技术等多重因素的推动下，我国数字农业版块的发展非常活跃，已经在不同经营主体中积累了海量的农业数据。与其他行业相比，农业从业者在享受大数据成果和数据服务的同时，数据安全意识普遍较为薄弱，农业数据安全问题尚未得到足够重视。全国统一的农业数据安全监管平台和标准体系亟待建立，

第一章  人工智能将成为农业4.0的底层技术之一

在“新基建”战略的带动下，中国数字经济基础建设逐步完善，这也推动了人工智能与实体经济各行各业的加速融合，助力产业转型升级、提质增效。

中国正在进入农业4.0时代，其最主要的特征之一就是数字技术将渗透到农业产前、产中、产后的方方面面。2020年农业部印发《数字农业农村发展规划（2019-2025）》对新时期数字农业建设的总体思路、发展目标、重点任务等做出明确部署，描绘了中国数字农业发展的新蓝图。规划要求到2025年基本建成天空地一体化观测网络、农业农村基础数据资源体系、农业农村云平台。加强数字农业“新基建”，赋能“新农业”，推动农业高质量发展已然是大势所趋。

“十三五”以来我国农业农村信息化发展取得的阶段性成效。根据《2021全国县域农业农村信息化发展水平评价报告》，2020年全国县域农业农村信息化发展总体水平达到 37.9%，其中东部地区 41.0%，中部地区 40.8%，西部地区 34.1%。数据表明地区间发展不平衡现象仍然存在。从省份层面上看，浙江省在农业农村信息化发展中保持全国领先地位，其发展总体水平为 66.7%；江苏（56.5%）和上海（55.0%）分列二、三位。

图1  2020年全国县域农业农村信息化水平

数据来源：《2021全国县域农业农村信息化发展水平评价报告》，35斗研究院整理

对农业4.0而言，数据将和土地、种子、劳动力、农业工具、资本等一样成为农业最重要的新型基础生产要素。过去近十年，中国农业农村信息化建设的过程中，积累了大量农业生产、农产品流通、质量安全溯源相关的数据和实施案例，这为人工智能在农业领域落地创造了基础条件。加快发展人工智能+农业将成为我们赢得全球农业科技竞争主动权的重要战略抓手。

1.1  人工智能将成为新农人最可靠的“新农具”

农业可能是当今社会所有产业门类中数字化程度最低的一个领域。尤其是在农业生产信息和农产品质量追溯方面的数字化渗透率刚刚达到22%（见图1）。利用数字技术改造和重塑传统农业是应对全球粮食安全问题和可持续发展的重要途径，是乡村振兴战略最关键的抓手之一。

1）基础端

在数字科技的赋能下，中国农业发进入了发展快车道，农业数字基建初见成效。我国对农业农村信息化的财政支持力度不断加大，各地智慧农业、数字农业相关的政府采购项目呈现逐年增加的趋势。2020 年全国县域农业农村信息化建设的财政投入总额达到 341.4 亿元，县均财政投入1292.3 万元，较上年提升 65.3%。通过政府财政层面的大力推动，我国农业数字化基建正在被夯实。

图2  2013-2022年4月政府采购智慧农业项目汇总

数据来源：中国政府采购网，35斗整理

2）技术端

在政策的引导和鼓励下，智慧农业得到全社会的广泛关注。农业生产和农产品流通的颠覆性重构正在形成一个产业新风口，吸引着人工智能巨头持续跨界融入、加码农业数字化转型。以腾讯、华为、百度为例，我们整理了这三家科技巨头近年来在农业领域的尝试和探索（图3-图5）。除此之外，更多科技公司和风险投资机构开始关注并下场，他们为传统农业带来了大量的跨行业经验，为农业的数字化转型注入了强劲动力。

图3  腾讯+农业大事记（2018-2022年）

来源：根据公开资料整理，35斗研究院绘制

图4  华为+农业大事记（2016-2021年）

来源：根据公开资料整理，35斗研究院绘制

图5  百度+农业大事记（2018-2022年）

来源：根据公开资料整理，35斗研究院绘制

在可预见的未来，基于农业大数据的人工智能技术将充分展现其优势，从信息感知、定量决策、智能控制、远程诊断、病虫害预测预报等方面帮助农业有效提升农业资源利用效率、提高农作物产量和品质、降低生产成本、改善农业生态环境，助力农业可持续发展。

3）应用端

以北斗导航、卫星遥感、无人机、无人车为代表的高科技产品进入农田、参与农事活动早已经不是新鲜事。科技赋能农业，使得其在一定程度上摆脱了靠天吃饭的宿命。我们看到越来越多的新型职业农民已经逐渐习惯通过各种智能APP辅助日常农事操作，进行耕地、播种、租赁农机、监测作物长势或动物异常行为、病虫害识别和诊断、产量预测等行为。数字技术、人工智能技术进入农业的新场景也不断涌现。

在全新智慧农业生产体系下，筑牢农业数字基础之后，更多科技手段将有机会走向规模化应用，人工智能推动下的大批新型应用工具将成为新型职业农民群体最可靠的“新农具”之一。

1.2  人工智能将与农业全产业链深度融合

人工智能是数据密集型产业。数据的数量和质量是人工智能算法可靠性的基础。只有积累了足够多的、高质量的行业数据才能够支撑人工智能在特定场景的落地。

人工智能产业本身还处于发展阶段。目前人工智能相关与产业应用融合较为热门行业有安防、医疗、无人驾驶、金融、教育等。全球范围来看，人工智能在农业领域应用还处在起步阶段。尽管如此，AI+农业已经显示出巨大的潜在应用市场。

农业不同细分版块的数据采集难度、数据积累量、数据标准化程度存在比较明显的差异。因此人工智能在农业细分领域的应用发展阶段也存在明显差异。我们从多个维度分析比对了人工智能技术在农业不同细分领域的渗透情况（图7）。

图7  人工智能技术在农业细分版块的渗透情况

来源： 根据公开资料整理，35斗研究院绘制

农业机械装备、可控环境农业和农业金融版块是目前人工智能+农业落地程度最高的三个版块，数据积累程度较高，数据质量相对较好，人工智能技术渗透速度明显快于其他细分版块。

生产托管（农业ERP）和流通溯源版块信息化程度正在逐渐升高，将是未来5年值得关注的AI+农业的重点方向。

随着生物数据开发成本的逐渐降低，，越来越多有价值的信息从生物数据库中被挖掘出来。由这些生物数据支撑的相关版块，如：动植物育种、动植物健康、动植物营养等版块将有机会迅速成长。

1.3  我国AI+农业的商业模式分析

1）政府业务是当前AI+农业的主体

近年来，在政策推动下数字农业、智慧农业发展热度很高，各级地政府都在牵头立项设立数字农业试点。目前绝大多数从事数字农业服务及提供智慧农业整体解决方案的创新公司，他们的主要营收来都自于to G类业务。

以“智慧农业”为关键词，我们整理了最近一年政府采购的项目（共计90个项目），总金额为2.789亿元，平均项目单价接近310万元。按照不同省份来看，河南、山东两省在智慧农业项目的采购金额最高，均超过5000万，其次为广东省和江苏省。

图8  省级政府采购智慧农业项目总金额（万元，2021年4月-2022年4月）

来源：根据公开资料整理，35斗研究院绘制

政府采购项目基本上是根据当地政府的具体要求所提供的定制化非标产品，因此项目单价差异非常大。各地项目采购单价差异非常大。项目平均单价金额最高是江苏省（1632.21万元），其次为黑龙江（807.04万元）和河南（720.44万元）。

2）农业规模化、品牌化，To B业务逐渐增长

目前，新疆、黑龙江等地大型农场、国有农垦系统和农业龙头企业是AI+农业重要的企业型客户群体。这类型客户具备一定盈利能力，他们对于提升劳动效率、提高产品品质的需求非常强烈。因此，各种新型数字化产品和服务对他们的吸引力也最大。

近年来，一些有实力的数字农业服务商已经开始将目光瞄准这类企业级客户，提供一些定制化方案包服务，包括提供全程生产托管服务。通过构建产业生态圈，将更多上、下游合作伙伴纳入进来，使得AI+农业的影响力越来越大，良性生态环境正在形成。

尽管目前To B业务的规模还无法和To G类相提并论，我们相信未来这个这种类型的业务将逐渐呈现强强联合、共同成长的局面。

3）新型职业农民群体壮大，带动To C业务增长

随着土地流转的持续推进，农业经营主体正在发生变化，碎片化的小农将逐渐被农村合作社和家庭农场取代。这种类型的新型主体具备一定技术能力、对于新技术的接受程度也普遍高于传统小农，未来将是农业新技术的重要客户群体。然而受限于自身盈利能力有限以及目前物联网硬件价格相对较高，因此主动购买这些硬件设备的意愿较低。

物联网属于高新技术，无论前期铺设，还是后续的设备更新养护都耗资不菲。一套完整的农业物联网设备需要花费一万到数十万元。此外，物联网硬件设备还没有被纳入到农机装备类目，也无法享受农机补贴，这极大限制了个体农户购买这些设备的积极性。我国目前许多农业物联网项目都是政府示范工程，靠的是政府推动和相关项目资金的支持，不利于培养农民的购买习惯。

当前AI+农业在C端的覆盖还处于非常早期的阶段。这一定程度上影响了基础数据的收集和挖掘，进而影响到深度学习算法修正和迭代，影响到数字农业整体演进的速度。推动C端对数字技术的接受度，还需要从政策层面上给予支持和倾斜。

图9  AI+农业三种主要商业模式比较

来源：根据公开资料整理，35斗研究院绘制

第二章  AI在农业领域的应用场景

经过数十年的研究和发展，我国已经初步形成较完整的AI产业链条，部分应用软件和新型终端产品发展迅速，未来几年应用市场有望呈现爆发式增长。

图10  人工智能产业链全景图

来源：根据公开资料整理，35斗研究院绘制

2.1  人工智能+农业产业链全景图

我们整理了国内农业底层数据采集和AI核心技术（无人驾驶、图像识别、交易决策、机器人）+农业应用的典型创新公司，形成以下产业链图谱，供行业参与者参考。

图11  人工智能+农业全景图

来源：根据公开资料整理，35斗研究院绘制