传统农业和数字农业的核心因素对比

从“人”到“数据”的关键决策因素转换。传统农业主要包括养殖产业链和种植产业链等，其中的环节有育种、灌溉、施肥、饲养、疾病防治、运输和销售等，均是以“人”为核心，主要是依靠过去积累的经验或手艺来进行判断决策和执行，这也导致了整体生产环节效率低、波动性大、农作物或农产品质量无法控制等问题。而在数字农业模式中，通过数字化设备比如田间摄像头、温度湿度监控、土壤监控、无人机航拍等，以实时“数据”为核心来帮助生产决策的管控和精准实施，并通过海量数据和人工智能对设备的预防性维护、智能物流、多样化风险管理手段进行数据和技术支持，进而大幅提升农业产业链运营效率并优化资源配置效率等。

一、数字农业如何解决痛点？

1、物联网——海量农业数据实时获取，奠定农业数字化基础农业物联网是物联网的重要应用领域，是数字农业中数据的主要来源。农业物联网已被欧洲列为物联网18个重要发展方向之一，同时也是我国物联网9大领域重点示范工程之一。

物联网在农业领域应用范围广泛，基于物联网的农业解决方案，通过实时收集并分析现场数据及部署指挥机制的方式，达到提升运营效率、扩大收益、降低损耗的目的。可变速率、精准农业、智能灌溉、智能温室等多种基于物联网的应用将推动农业流程改进。物联网科技可用于解决农业领域特有问题，打造基于物联网的智慧农场，实现作物质量和产量双丰收。

物联网在农业领域应用广泛

农业领域有着丰富的连接需求，农业物联网市场潜力巨大。华为技术数据显示，全球智能水表、智能路灯、智慧停车、智慧农业、财产跟踪、智慧家居分别有7.5亿、1.9亿、2400万、1.5亿、2.1亿、1.1亿的连接需求，由此带来的市场空间十分可观。根据华为的预测，到2020年，物联网在农业领域的潜在市场规模有望由2015年的137亿美元增长至268亿美元，年复合增长率达14.3%。其中美国的市场份额最大并且已经进入成熟期，亚太地按照物联网技术在农业领域中的不同应用，划分为如下几类：

物联网是农业数据的主要来源之一

1、精准农业：作为一种农业管理方式，精准农业利用物联网技术及信息和通信技术，实现优化产量、保存资源的效果。精准农业需要获取有关农田、土壤和空气状况的实时数据，在保护环境的同时确保收益和可持续性。

2、可变速率技术(VRT)：VRT是一种能够帮助生产者改变作物投入速率的技术。它将变速控制系统与应用设备相结合，在精准的时间、地点投放输入，因地制宜，确保每块农田获得最适宜的投放量。

3、智能灌溉：提升灌溉效率、减少水源浪费的需求日益扩大。通过部署可持续高效灌溉系统以保护水资源的这种方式愈来愈受到重视。基于物联网的智能灌溉对空气湿度、土壤湿度、温度、光照度等参数进行测量，由此精确计算出灌溉用水需求量。经验证，该机制可有效提高灌溉效率。

4、农业无人机：无人机有着丰富的农业应用，可用于监测作物健康、农业拍照(以促进作物健康生长为目的)、可变速率应用、牲畜管理等。无人机可以低成本监视大面积区域，搭载传感器可轻易采集大量数据。

5、智能温室：智能温室可持续监测气温、空气湿度、光照、土壤湿度等气候状况，将作物种植过程中的人工干预降到最低。上述气候状况的改变会触发自动反应。在对气候变化进行分析评估后，温室会自动执行纠错功能，使各气候状况维持在最适宜作物生长的水平。

6、收成监测：收成监测机制可对影响农业收成的各方面因素进行监测，包括谷物质量流量、水量、收成总量等，监测得到的实时数据可帮助农场主形成决策。该机制有助于缩减成本、提高产量。

7、农业管理系统(FMS)：FMS借助传感器及跟踪装置为农场主及其他利益相关方提供数据收集与管理服务。收集到的数据经过存储与分析，为复杂决策提供支撑。此外，FMS还可用于辨识农业数据分析最佳实践与软件交付模型。它的优点还包括：提供可靠的金融数据和生产数据管理、提升与天气或突发事件相关的风险缓释能力。

8、土壤监测系统：土壤监测系统协助农场主跟踪并改善土壤质量，防止土壤恶化。系统可对一系列物理、化学、生物指标(如土质、持水力、吸收率等)进行监测，降低土壤侵蚀、密化、盐化、酸化、以及受危害土壤质量的有毒物质污染等风险。

9、精准牲畜饲养：精准牲畜饲养可对牲畜的繁殖、健康、精神等状况进行实时监测，确保收益最大化。农场主可利用先进科技实施持续监测，并根据监测结果做出利于提高牲畜健康状况的决策。

智慧农业市场规模预测

(2015-2020年，亿美元，%)

二、大数据与人工智能——生产经营决策“数字化”，全面提升生产效率

万物互联在推动海量设备接入的同时，也将在云端生成海量数据。而挖掘这些由物联网产生的大数据中隐藏信息的方法就是利用人工智能。物联网最核心的商业价值就是将这些海量的数据进行智能化的分析、处理，从而生成基于不同商业模式的各类应用。

基于人工智能对中国经济整体影响的模拟分析，并结合行业规模数据，埃森哲分析人工智能对中国15个行业可能带来的经济影响。研究显示，制造业、农林渔业、批发和零售业将成为从人工智能应用中获益最多的三个行业。到2035年，人工智能将推动这三大行业的年增长率分别提升2%、1.8%和1.7%。

人工智能在农业领域的应用潜力巨大。机器学习所具备的通过使用大数据集来优化单个或一系列关键目标的能力很适合用来解决农业生产中的作物产量、疾病预防和成本效益等问题：

在种植领域，人工智能有望提高粮食产量、减少资源浪费。机器学习技术可以被用来分析来自无人机和卫星的图像、气象数据、土壤样本和湿度传感器的数据，并帮助确定播种、施肥、灌溉、喷药和收割的最佳方法。在精准农业中的各个环节中，机器学习都能发挥重要的作用，从而提高粮食的产量。

在养殖领域，利用人工智能可以有效降低疾病造成的损失。在一项学术研究中，研究人员收集和分析鸡的声音，并训练神经网络模式识别算法后，研究人员能够正确地识别出感染了致命疾病的鸡，其中发病2天的鸡的识别准确率为66%，而发病8天的鸡的识别准确率为100%。正确诊断牲畜所患疾病并尽早在损失发生之前进行治疗可以消除由疾病导致的损失。据行业专家估计，挽回的损失可达20亿美元。

人工智能缩短农业研发进程。人工智能技术可以用于提高粮食产量、降低损失，但这并不是其发挥作用的唯一领域。在实验室和研究中心，机器学习算法能够帮助培育更好的植物基因，创造更安全、更高效的农作物保护产品和化肥，并且开发更多的农产品。实际上，人工智能在这些领域的介入更加成熟，因为这一领域的数据更加丰富，数据获取的速度也更快。根据2016年Philips McDougall的分析，将一种新的作物保护产品推向市场需要11年的发现和发展时间，分析16万份化合物，每个产品商业化支出超过2.8亿美元。在新农化产品的开发中，整个行业每年的花费超过26亿美元。而人工智能的采用可以提高这一过程的效率。

以孟山都的玉米育种为例。在将玉米杂交品种投入市场之前，孟山都对其进行了多年的评估，从发现到商业化，这个过程可能需要8年时间。玉米育种通常被比作“草堆中捞针”，这是个拥有32000个基因的大草堆，代表了几代繁殖者面临的搜索难题。从历史上来看，一个育种项目每年可以从成千上万可用选项中选出大约500种组合进行试验。这种选择受到与管理现场测试程序相关的后勤和成本的限制。

为了减少这些限制，孟山都的AI研究人员开发了一种算法，能够评估育种决策，并预测哪一个杂交品种将在试验的第一年表现出最佳的性能。这个算法正被过去15年的分子标记和现场试验信息进行训练。这种算法可以优化育种过程，使育种者能够更快地把他们最好的想法投入到大规模的实地试验中。这一算法不仅加快了育种过程，而且与传统方法相比，还使孟山都将其玉米育种管道规模提高5倍。育种者可以利用AI工具完成更多的工作。

三、数字农业应用方向与各国发展现状

全球数字农业规模已超千亿人民币，细分领域倍速发展。智慧农业是数字农业中一种具体的综合应用形式，可在较大程度上反应数字农业的整体发展情况。按应用划分，从体量上来看，精准农业(含种植与养殖)、监测(含收成监测与土壤监测)、农业无人机三领域是智慧农业中发展较为领先的方向，2020年预测规模分别在45.85亿美元、22.15亿美元、和11.79亿美元；从发展速度上来看，智能灌溉、智能温室、农业无人机领域发展较快，5年CAGR(复合年均增长率)分别达到37.60%、33.28%、32.66%。

以应用划分的潜在市场规模(百万美元)

从数字农业领先国家的情况来看，各国均重视发展农业技术，同时因地制宜，各自开发出适合自身的数字农业成长路线。以美国为例，梳理数字农业在不同国家如何助力农业提升产业效率。

美国：优质自然禀赋与先进技术奠定数字农业全球领先地位。美国是世界上农业最发达的国家，美国农业经营模式主要以大型农场经营为主，农业高度发达，机械化程度高，主要有畜牧业和种植业两大部分。最早提出精准农业概念，农业率先进入数字化时代。20世纪80年代初，美国便提出了精准农业的概念和设想。智能中央计算机灌溉控制系统于80年代就被应用于温室控制和管理。此后，计算机控制与管理系统可控范围、灵活程度逐渐提高。美国41.6%的家庭农场、46.8%的奶牛场和52%的年轻农场主通过计算机进行网络信息联络，有专业的农业技术服务组织将农业信息提供给农民，服务于农业生产管理和精细化耕作。

农业技术的进步是推动美农业生产力提高的主要力量。现在，美国农场因为技术的进步，包括传感器、设备、机器和信息技术，现在的运营模式与几十年前存在较大差异。今天的农业通常使用复杂的技术，如机器人，温度和湿度传感器，航拍图像和GPS技术。这些先进的设备和机器人系统使农业效率得以提高，在成本几乎不变的情况使企业收入持续增长，更高效的同时也更安全、更环保。

四、乡村振兴+5G时代来临，我国数字农业机会几何？

数字农业发展相对滞后，数字化转型才刚开始农业数字化相对滞后是当前我国农业发展的大背景。根据中国信息通信研究院发布的《中国数字经济发展与就业白皮书(2019年)》，2018年，我国数字经济规模达到31.3万亿元，按可比口径计算，名义增长20.9%，占GDF比重的34.8%。三产中，我国农业数字经济占农业整体比重的平均值为7.30%，而工业为18.30%，服务业为35.90%。与工业和服务业相比，农业不仅数字化水平处于相对较低位置，数字化速度也相对较慢。农业各细分行业中，数字经济占比程度从高到低依次为林产品、渔产品、农产品、畜牧产品，均低于大多数服务业和工业行业，可见三产中，农业存在较大数字化提升空间。

2018年农业各细分行业数字经济比重(%，亿元)

五、技术提升产业效率，新兴技术不断进步，应用成本下降

1、技术成熟度提升带来部署成本不断下降。相比10年前，全球物联网处理器价格下降98%，传感器价格下降54%，带宽价格下降97%，成本的降低为农业物联网大规模部署提供了基础。

2、联网技术不断突破。联网技术是物联网产业兴起的重要条件，在全球范围内低功率广域网(LPWAN)技术快速兴起并逐步商用，面向物联网广覆盖、低时延场景的5G技术标准化进程加速，同时工业以太网、LTE-V、短距离通信技术等相关通信技术也取得显著进展。

3、数据处理技术与能力有明显提升。随着大数据整体技术体系的基本形成，信息提取、知识表现、机器学习等人工智能研究方法和应用技术发展迅速。大数据、物联网、人工智能在数字农业升级中的应用能够有效释放农业产业庞大数据的潜在价值。

4、产业生态构建所需的关键能力加速成熟。云计算的成熟、开源软件等有效降低了企业构建生态的门槛，推动全球范围内农业数字化的兴起和农业物联网操作系统的进步。

当前智慧农业主要使用的物联网通信技术

5、5G赋能已有技术，全方位提升数字农业效率

具体到数字农业，5G将提升的是数字农业价值链中移动网络环节效率，联动前后环节适配技术升级迭代。由于智慧农业价值链与数字农业类似，若5G商用落地，前环节中的装置/设备制造商、联网供应商，后环节中的联网平台、应用供应商、数据分析、系统集成商和外包供应商、终端用户等众多参与方将受益来自移动网络环节的技术革新。这些参与方可分为供应商和个人消费者两大类，而目前在农业相关领域中，无论是B端还是C端均有较多需求未被满足。

根据华为对终端用户的痛点分析，目前在通信技术方面，60%以上的农场主认为低覆盖范围和高投资成本是数字农业相关技术必须解决的主要难题。其次，还有部署周期长、带宽、高时延等问题需要解决。同时，报告对农场主的投资意愿进行了统计，70%以上的农场主愿意投资有助于提高生产力和利润的先进技术。5G商用落地有望大幅改善当前数字农业中因信息技术导致的痛点，同时由于终端用户对改善现状具有较高投资意愿，5G+智慧农业有望在5G大生态万亿市场中占有一席之地。