農(nóng)信數(shù)智王柯：一個傳統(tǒng)產(chǎn)業(yè)的數(shù)智化蛻變之路

【億邦原創(chuàng)】12月3日，億邦產(chǎn)業(yè)互聯(lián)網(wǎng)年會在京舉行，農(nóng)信數(shù)智高級副總裁王柯進行主題為《AI驅(qū)動下的農(nóng)業(yè)數(shù)字化變革》的專題演講。

王柯指出，一場由數(shù)據(jù)與算法驅(qū)動的AI落地正在田野和養(yǎng)殖場中發(fā)生。農(nóng)信數(shù)智用十年時間，在生豬養(yǎng)殖這個萬億級垂直產(chǎn)業(yè)中，完成了一場從“經(jīng)驗養(yǎng)豬”到“算法養(yǎng)豬”的范式變革。

AI與產(chǎn)業(yè)的深度融合，也推動著農(nóng)業(yè)從散點、事后的“數(shù)字化”，邁向全鏈路、實時優(yōu)化的“數(shù)智化”。農(nóng)信數(shù)智的實踐成果也預示著，AI與產(chǎn)業(yè)互聯(lián)網(wǎng)正在養(yǎng)殖、種植等傳統(tǒng)領域，找到了確定性的增長。

以下為演講全文，經(jīng)億邦動力整理。

大家上午好，我是農(nóng)信數(shù)智的王柯，作為農(nóng)業(yè)科技類企業(yè)，我給大家分享的是農(nóng)信數(shù)智在AI與農(nóng)業(yè)結合方面的實踐成果和思考展望。

農(nóng)業(yè)很復雜，可以分為種植和養(yǎng)殖，養(yǎng)殖還分為海水和淡水，種植又分成設施和大田。里面門道非常復雜。而且農(nóng)業(yè)的標準化和規(guī)模化一直落后于工作，所以農(nóng)業(yè)在組織管理、生產(chǎn)管理和交易過程中有非常巨大的提升空間。

我們剛進入農(nóng)業(yè)領域，也是先把行業(yè)細分下來，找到一個足夠大的單品行業(yè)，比如養(yǎng)豬。

我以前也不是搞養(yǎng)豬的，進入這個行業(yè)才發(fā)現(xiàn)，養(yǎng)豬業(yè)非常龐大，全國每年出欄7億頭豬，一頭豬大概2500元左右，相當于一個1.5萬億的生豬市場。變成豬肉還能增值10%到15%，大概有1.8萬億左右。其中60%-70%的成本是飼料，這就是一個一萬億的豬料市場。豬料中60%到70%的成本是玉米，每年的玉米飼料市場大概有7500億到7800億。所以生豬行業(yè)看起來很細分、很垂直，但上下游產(chǎn)業(yè)空間特別大。

我們實踐多年發(fā)現(xiàn)，養(yǎng)豬其實變成了一門數(shù)學，考察的是在各種條件下找最優(yōu)解，比如多生——盡可能讓母豬多生；然后小豬死得少、長得快；再比如把吃下去的植物蛋白飼料轉(zhuǎn)化為肉，最后賣出好價錢。整個行業(yè)就在做這么一件事情。

這里面包括疾病防御、營養(yǎng)配方、供應鏈效率、價格預測等等。其中AI發(fā)揮的價值空間是巨大的。

1、行業(yè)數(shù)字化進程

農(nóng)信數(shù)智做的是將數(shù)字技術、物聯(lián)網(wǎng)技術和AI技術帶入生豬行業(yè)，把這些技術與產(chǎn)業(yè)結合，改變生豬產(chǎn)業(yè)的管理范式、生產(chǎn)效率以及交易模式。

我們從2015年開始搭建了一套SaaS平臺。2015年，生豬行業(yè)對數(shù)字化的認知還非常薄弱，需求也很簡單，就是把豬管理清楚：有多少頭母豬、生了多少頭小豬、哪些小豬在吃飯、哪些在長大、哪些要賣了。那個階段，更多是手工收集數(shù)據(jù)。

2018年，我們又搭建了一套物聯(lián)網(wǎng)平臺，把豬場設備在線化，其次將數(shù)據(jù)化收集整理，從手工錄入變成機器采集，物聯(lián)網(wǎng)采集，再把數(shù)據(jù)做結構性整理，放在基礎數(shù)據(jù)庫里。在此基礎上，我們建立一個模型，可以自動分析一系列經(jīng)營情況，比如什么條件下、什么品種的豬、吃了什么飼料、然后長得最好，實現(xiàn)這么一個核心訴求。

在這種數(shù)據(jù)采集平臺上，我們形成相關算法，我們還能形成一個個精細養(yǎng)豬的執(zhí)行方案，再發(fā)給現(xiàn)場設備，變成飼料投放方案、防疫方案，讓現(xiàn)場去執(zhí)行。最后形成一個數(shù)據(jù)的正向反饋。

在這個基礎上，我們從2023年開始將數(shù)據(jù)和AI結合起來。

今天的大會是產(chǎn)業(yè)互聯(lián)網(wǎng)大會，產(chǎn)業(yè)互聯(lián)網(wǎng)本身是一個平臺，它把整個產(chǎn)業(yè)鏈條連接起來，把整個產(chǎn)業(yè)在線化，還要把整個產(chǎn)業(yè)的關鍵場景和關鍵數(shù)據(jù)沉淀下來。我們叫做全鏈條、全場景、全要素、全數(shù)據(jù)。有了這些基礎之后，AI是一個非常有力的工具，我們有很多數(shù)據(jù)去滋養(yǎng)AI，而且AI和產(chǎn)業(yè)場景的落地變得很順利。

接我簡單給大家展示一下我們的落地核心場景。

2、生產(chǎn)環(huán)節(jié)的AI賦能

第一個核心場景是公司的日常管理。以前是人養(yǎng)豬，現(xiàn)在是算法養(yǎng)豬，就是算法可以告訴管理者如何去管企業(yè)、如何激勵團隊。

再比如，A公司和B公司的豬，哪個養(yǎng)得好、好在哪里？我們平臺上有幾萬家豬場，養(yǎng)了全國1/10的豬。我們有大量真實的實時數(shù)據(jù)做支撐，可以根據(jù)豬場實際情況，加上整個行業(yè)變化，進行耦合分析。

第二個場景是基于大數(shù)據(jù)做經(jīng)營決策，更多凸顯數(shù)據(jù)價值。

例如我們的疫情防治模型，目的在于如何防病而非治病；還有喂養(yǎng)模型，關心豬吃了飼料候的成長速度，這些模型和企業(yè)本身相關，不是通用型，我們可以給企業(yè)做自有模型。

大家看示意圖，這就是我們把某企業(yè)的過往數(shù)據(jù)與現(xiàn)在同等水平的全國數(shù)據(jù)、國外數(shù)據(jù)去做對標，然后進行生產(chǎn)方案的優(yōu)化。優(yōu)化之后通過自定義核心工作流，不斷去提高管理提升。

還有一點，就是我們在豬場管理方面，進行很多規(guī)范化管理。

最近幾年大家都知道有非洲豬瘟，從業(yè)者如果不經(jīng)過隔離，很難進入豬場。因此我們就在整個豬場，把以前那些傳統(tǒng)攝像頭給整個AI化、視頻化、解析化。這樣我們可以觀察養(yǎng)豬行為：比如豬是否在欄里跑出來、周圍人員是否異常、豬有沒有打噴嚏咳嗽、溫度是否上升、是否得病。

我們還可以結合一些標準SOP，對一線作業(yè)員工行為進行監(jiān)管：例如你本該在生活區(qū)，卻進了生產(chǎn)區(qū)；本該在A點卻去了B點；本該12點在通道出現(xiàn)但沒出現(xiàn)；本該穿膠鞋但沒穿；本該穿工服后消毒但沒做等等。

以前農(nóng)業(yè)很難真正深入一線去管理糾正員工行為，現(xiàn)在通過整個視頻加上管理SOP，我們推動整個管理規(guī)范化的自動落地。

這里面，最核心要管好的是母豬的繁育能力，這里面很有意思，就是涉及到AI和產(chǎn)業(yè)深度結合。

以前母豬管理得好不好，只能依賴廠長，廠長必須經(jīng)過十年、十五年甚至二十年的沉淀，經(jīng)驗足夠豐富才行。很多中國養(yǎng)豬從業(yè)者，其實是高學歷養(yǎng)豬，很多是養(yǎng)豬博士和碩士；在一線工作十年、十五年，才能成為優(yōu)秀廠長。

在實際高質(zhì)量發(fā)展過程中，我們要把這種核心經(jīng)驗拿過來，將其數(shù)字化，把全國各地優(yōu)秀廠長的經(jīng)驗都整理在一起，接入全樣本數(shù)據(jù)。

以前廠長只能看到他管理的五千頭或五萬頭豬，現(xiàn)在我們給他五十萬頭、五百萬頭甚至五千萬頭豬的數(shù)據(jù)，讓他真正來看，在這個過程中AI會輔助他做核心判斷。這個過程中，AI在學習他的經(jīng)驗，他用AI時自己也在快速生長。

這其中會產(chǎn)生一個重要挑戰(zhàn)，就是場長可能擔心會被AI替代。其實完全不會，大家是相互學習。

比如我們知道豬每天吃了多少料，但它吃后有沒有長肉？如果吃了不長胖，那不是在浪費大量飼料成本嗎？以前的解決方法是隔段時間抓出來稱重，但這種做法豬的應激很大。

我們現(xiàn)在通過把這個平面圖形變成立體，然后遠程計算，構建核心生長模型，來看它長得怎么樣？

3、交易環(huán)節(jié)的AI賦能

在交易環(huán)節(jié)，AI落地也非常廣泛。以前豬場進不去，大家被迫遠程交易和銷售，而農(nóng)產(chǎn)品的交易，尤其活物交割非常復雜。

我們現(xiàn)在要做到什么？就是你交易的準確性，你說賣一百頭就是一百頭，一百頭里總重多少，就多少，中間不能有灰色操作。

并且對我們整個豬群來說，真實的賣豬場景是，這些豬全部趕到稱上，密密麻麻，還到處亂跑。以前豬場財務做一次盤點，需要十到十五天，現(xiàn)在有了我們的系統(tǒng)，只需兩到三分鐘就可以完成；可以每天實時盤點。這個給金融性創(chuàng)新應用提供了很多可能。

我們本月中旬還會發(fā)布一個新產(chǎn)品，就是關于無人農(nóng)場的探索。

因為現(xiàn)在養(yǎng)豬的人越來越少，我們奔著少人農(nóng)場或無人農(nóng)場邁進，真正讓機器從輔助養(yǎng)豬變成機器養(yǎng)豬。

4、成果與展望

帶大家簡單了解了一下我們在養(yǎng)豬行業(yè)的AI賦能。總的來說，我們用了十年時間，從一套SaaS系統(tǒng)做到物聯(lián)網(wǎng)平臺，再做到AI全場景應用，可以覆蓋一頭豬從出生到出欄到出售全過程，然后把關鍵場景結合數(shù)據(jù)、結合AI相關算法去落地，優(yōu)化經(jīng)營管理，給養(yǎng)豬這個非常傳統(tǒng)的行業(yè)，插上數(shù)字化翅膀。

跑通養(yǎng)豬行業(yè)后，我們也在思考另一個核心問題：能否把豬上沉淀的經(jīng)驗進行橫向復制？比如可不可以養(yǎng)牛、養(yǎng)羊，水產(chǎn)行不行？

經(jīng)過多年農(nóng)業(yè)領域的實踐，我認為農(nóng)業(yè)與AI非常契合。

首先要進行數(shù)據(jù)感知與搜集，包括人機料法環(huán)五個核心數(shù)據(jù)來源，通過軟硬設備把農(nóng)業(yè)內(nèi)基本上全量數(shù)據(jù)抓過來。有了數(shù)據(jù)后，可以建立算法進行分析；分析后出一個處方圖：我們把這個處方圖傳給人或設備，讓農(nóng)機設備根據(jù)處方圖作業(yè)：比如什么時候去耕地、施肥、打藥。大家知道無人機打藥吧？你打多少、在什么時間、當時風力怎樣、飛多高、間距多少都非常可控，蟲子多就多打點、少就少打點。

之后把這些數(shù)據(jù)反饋到我們數(shù)據(jù)湖中，再通過后期長勢、體重變化，到最終的收獲情況，來反向推演方案是否還有優(yōu)化空間。

這就形成了一個針對養(yǎng)殖行業(yè)的完整數(shù)據(jù)閉環(huán)。

現(xiàn)在我們也在橫向擴展，比如牛羊領域，大概有六個核心環(huán)節(jié)：第一個是育種環(huán)節(jié)；育種是農(nóng)業(yè)的芯片，我們現(xiàn)在吃的大品種還在國外控制的種源。以前是自然育種方，現(xiàn)在把前置性育種變成全量數(shù)據(jù)、全鏈條后續(xù)可跟蹤的大數(shù)據(jù)方式。

還有一個是精準飼喂：你在養(yǎng)殖過程中不能太浪費，這對環(huán)境、成本都是挑戰(zhàn)。

第三是安全感知：牛是不是在、羊是不是在、周邊有無生物侵害、有人是否偷偷賣掉。

第四是行為核心管理：動物行為也非常有意思，比如雞生病就會兩腳或一只腳離地，這里面有非常多的生物行為可結合數(shù)據(jù)分析。

第五是行情預測：行情預測對農(nóng)產(chǎn)品非常重要，因它是周期性行業(yè)；你決定明年種什么養(yǎng)什么、現(xiàn)在賣是否合適。

第六是遠程交易：我不在現(xiàn)場，我的農(nóng)產(chǎn)品能否交割交付？

最后就是我們的種植領域，種植與養(yǎng)殖稍微不同。我們叫做耕、種、管、收、賣五個核心環(huán)節(jié)。

首先是地塊畫像，這個在種植領域大家普遍認可；其實這個地塊就像咱們技術中區(qū)塊鏈，我在種植里提出一個叫做地塊鏈。我們按一畝乘一畝或一平方米乘一平方米風格，把中國所有土地相關數(shù)據(jù)沉淀上面，結合年份、氮磷鉀、土壤墑情、各種不同數(shù)據(jù)一層層疊加，一年年疊加。這是中國未來農(nóng)業(yè)數(shù)字化競爭的核心基石。

第二個是我們的種植決策：種植一定要講以前靠天吃飯是靠經(jīng)驗；我們通過大量專家種植方案決策把它數(shù)字化。

第三個叫做農(nóng)業(yè)數(shù)字化：間距多少、密度多少、什么時間打藥、什么時間施肥，把東西變成AI決策。

第四個是智慧農(nóng)場：我們驅(qū)動天、空、地一體化智慧農(nóng)機，來幫助整個地種好。

第五塊是在線交易：我們的糧食是國家糧食安全；之后如何儲備糧、如何交易市場糧、工業(yè)糧和使用之間匹配。

最后是數(shù)據(jù)再生：通過我們數(shù)據(jù)不斷沉淀；去把模型不斷升級、調(diào)優(yōu)，讓它做得更好。

綜上，我們可以看到，農(nóng)業(yè)的數(shù)字化雖然相對落后，但成長空間和AI應用空間非常大。我們右邊連著農(nóng)業(yè)、左邊連著技術，把先進技術嫁接到農(nóng)業(yè)當中來。如果大家有好的技術和好的想法，也歡迎聯(lián)系我們，我們有產(chǎn)業(yè)鏈、有場景、有數(shù)據(jù)、有用戶，大家可以一起做一些有意思的事情。

謝謝大家。