(網(wǎng)經(jīng)社訊)到 2025 年將達(dá)到 200 億美元的潛在市場(chǎng)總額(total addressable market，TAM)我們相信機(jī)器學(xué)習(xí)(ML)在以下方面具有潛力：提高農(nóng)作物產(chǎn)量，減少化肥和灌溉成本，同時(shí)有助于早期發(fā)現(xiàn)作物/牲畜疾病，降低與收獲后分揀相關(guān)的勞動(dòng)力成本, 提高市場(chǎng)上的產(chǎn)品和蛋白質(zhì)的質(zhì)量。
當(dāng)我們看到用于收集土壤，天氣，航空/衛(wèi)星圖像，甚至聽(tīng)覺(jué)數(shù)據(jù)的傳感器的擴(kuò)散，我們認(rèn)為，從這些 PB 級(jí)數(shù)據(jù)，深度學(xué)習(xí)算法能幫助洞察(或者是制定)種植時(shí)間、灌溉、施肥以及畜牧相關(guān)的決策，最終增加農(nóng)業(yè)中土地，設(shè)備和人的生產(chǎn)效率。
鑒于所使用的所有已確定的技術(shù)數(shù)字農(nóng)業(yè)將被優(yōu)化或完全由機(jī)器學(xué)習(xí)和人工智能驅(qū)動(dòng)，我們假設(shè) 25% 的價(jià)值創(chuàng)造會(huì)累積到機(jī)器學(xué)習(xí)和人工智能的產(chǎn)業(yè)鏈，這將意味著在 2050 年 1.2 萬(wàn)噸農(nóng)作物市場(chǎng)中的 600 億美元的潛在市場(chǎng)總額，假設(shè)在該時(shí)間段內(nèi)線性分?jǐn)?，意味著?2025 年潛在市場(chǎng)總額大約為 200 億美元。
將機(jī)器學(xué)習(xí)應(yīng)用到農(nóng)業(yè)中會(huì)顯著地減少產(chǎn)量損失與勞動(dòng)力成本。僅就美國(guó)玉米生產(chǎn)而言，我們的權(quán)益研究團(tuán)隊(duì)已經(jīng)確認(rèn)從精確施肥到壓實(shí)減少等一系列技術(shù)，他們認(rèn)為到 2050 年可以將玉米產(chǎn)量提高 70 %。重要的是，在他們的研究中確定的每一個(gè)創(chuàng)新都是由機(jī)器學(xué)習(xí)和人工智能實(shí)現(xiàn)的。
我們已經(jīng)確定了農(nóng)業(yè)中的幾個(gè)具體領(lǐng)域會(huì)特別受益于機(jī)器學(xué)習(xí)和 AI 技術(shù)的應(yīng)用。 例如，農(nóng)民商業(yè)網(wǎng)絡(luò)，這是一個(gè)匯總關(guān)于種子性能，農(nóng)藝實(shí)踐，投入品價(jià)格，產(chǎn)量基準(zhǔn)和其他農(nóng)民提交的數(shù)據(jù)的組織，以利用深度分析來(lái)提高產(chǎn)量。
利用傳感器，天氣，土壤，甚至無(wú)人機(jī)/衛(wèi)星圖像數(shù)據(jù)，機(jī)器學(xué)習(xí)可以根據(jù)當(dāng)前和預(yù)期的天氣模式，作物輪作對(duì)土壤質(zhì)量的影響，幫助農(nóng)民優(yōu)化施肥，灌溉和其他決定，確定最佳生產(chǎn)模式?？臻g圖像分析可以比人類(lèi)觀察更快更有效的幫助確定如大豆銹病這樣的作物疾病，更早介入以防止產(chǎn)量損失。相同的模式識(shí)別技術(shù)可以用于在家畜動(dòng)物中識(shí)別疾病和跛足(影響運(yùn)動(dòng)和健康的腿/腳/蹄的感染或損傷)。最后，我們看到了使用視覺(jué)圖像和自動(dòng)分揀設(shè)施來(lái)替代產(chǎn)品和肉類(lèi)分級(jí)和分類(lèi)線上目視檢查員的應(yīng)用。
痛點(diǎn)在哪里?
農(nóng)作物產(chǎn)量受不理想的施肥，灌溉和農(nóng)藥使用的負(fù)面影響。
高盛研究報(bào)告《精確農(nóng)場(chǎng)：用數(shù)字農(nóng)業(yè)欺騙馬爾薩斯”》(Precision Farming: Cheating Malthus with Digital Agriculture 2016年7 月13 日)中，確認(rèn)了幾個(gè)問(wèn)題，這些問(wèn)題可以通過(guò)收集適當(dāng)?shù)臄?shù)據(jù)和執(zhí)行適當(dāng)?shù)姆治鰜?lái)解決。 這是至關(guān)重要的，因?yàn)榈?2050 年，為給世界人口提供足夠的糧食需要增加 70% 的糧食產(chǎn)量。
人力成本增加。農(nóng)業(yè)已經(jīng)歷史性的轉(zhuǎn)向用技術(shù)創(chuàng)新抵消勞動(dòng)力成本，我們認(rèn)為機(jī)器學(xué)習(xí)是這一演變的下一步，特別是在收獲/屠宰之后的分揀過(guò)程中，其中大多數(shù)對(duì)產(chǎn)品和肉制品的目視檢查仍然由人類(lèi)工作者完成。根據(jù)勞工統(tǒng)計(jì)局BLS，5.3 萬(wàn)人在美國(guó)受雇為“分級(jí)分揀農(nóng)產(chǎn)品”，每年產(chǎn)生大約 13 億美元的勞動(dòng)力成本。 根據(jù) BLS 數(shù)據(jù)，農(nóng)業(yè)中的“農(nóng)藥處理，噴霧器和施藥器使用者”另外產(chǎn)生 13 億美元的勞動(dòng)力成本。
由動(dòng)物疾病造成的損失。我們估計(jì)，由于乳牛跛足，全球乳品業(yè)的年損失超過(guò) 110 億美元，而這是可以提前預(yù)防的。學(xué)術(shù)研究表明，在乳汁流失，生育力下降和治療成本之間，每一例跛足會(huì)使乳牛場(chǎng)產(chǎn)生成本 175 美元，而平均每年 100 頭奶牛中會(huì)發(fā)生 23.5 例跛足，這意味著全球 2.5 億頭奶牛每年會(huì)產(chǎn)生 110 億美元的損失。
目前的經(jīng)營(yíng)方式是什么?
絕大多數(shù)農(nóng)場(chǎng)都很小，但大多數(shù)農(nóng)田是由大型農(nóng)場(chǎng)控制的。 根據(jù)聯(lián)合國(guó)糧農(nóng)組織報(bào)告，全球72%的農(nóng)場(chǎng)面積小于 1 公頃，而所有農(nóng)場(chǎng)中只有 1% 的農(nóng)場(chǎng)大于 50 公頃，這些大型農(nóng)場(chǎng)控制著 65% 的全球農(nóng)業(yè)用地。超過(guò) 10 公頃的農(nóng)場(chǎng)絕大多數(shù)存在于像美洲和歐洲這樣更發(fā)達(dá)的地區(qū)(這兩個(gè)區(qū)域占總數(shù)的 73%)，而亞洲占小于 10 公頃的農(nóng)場(chǎng)的 85% 。 因此，世界上大多數(shù)農(nóng)田都能獲得基礎(chǔ)設(shè)施和經(jīng)濟(jì)發(fā)展，能夠使用精確農(nóng)業(yè)技術(shù)，只要這些技術(shù)是財(cái)務(wù)上可行的解決方案。
即使在經(jīng)濟(jì)發(fā)達(dá)國(guó)家，精確農(nóng)業(yè)仍處于早期階段。 例如灌溉，仍然通過(guò)溢流或其他形式的表面灌溉進(jìn)行，這是效率最低和技術(shù)最落后的方法之一。在作物種植的主要領(lǐng)域，目前的技術(shù)包括：
通過(guò)在美國(guó)建立農(nóng)民商業(yè)網(wǎng)絡(luò)(FBN)，我們還看到農(nóng)業(yè)數(shù)據(jù)民主化的到來(lái)。FBN 是一個(gè)獨(dú)立的業(yè)務(wù)，農(nóng)民可以訂閱并匿名的提交農(nóng)場(chǎng)數(shù)據(jù)。在分析過(guò)程中，F(xiàn)BN 使用聚合的農(nóng)場(chǎng)數(shù)據(jù)為單個(gè)農(nóng)民成員提供如何確定產(chǎn)量，時(shí)間，天氣和其他數(shù)據(jù)的建議。在畜牧業(yè)和乳制品業(yè)中，目前的技術(shù)包括普遍使用抗生素或其他預(yù)防性藥物，接種疫苗，撲滅病動(dòng)物，以及化學(xué)平衡的飼料添加劑。此外，牛的飼養(yǎng)也采用足浴以預(yù)防和治療蹄類(lèi)疾病和感染。
在美國(guó)，接近一半的農(nóng)業(yè)灌溉用地是通過(guò)澆灌或其他的地面灌溉方式被灌溉的。地面灌溉是一種效率最低、技術(shù)最落后的灌溉方式。下圖顯示按照不同灌溉方式進(jìn)行灌溉的農(nóng)業(yè)用地的百分比。
人工智能和機(jī)器學(xué)習(xí)能起到什么作用?
機(jī)器學(xué)習(xí)所具備的通過(guò)使用大數(shù)據(jù)集來(lái)優(yōu)化單個(gè)或一系列關(guān)鍵目標(biāo)的能力很適合用來(lái)解決農(nóng)業(yè)生產(chǎn)中的作物產(chǎn)量、疾病預(yù)防和成本效益等問(wèn)題。
在農(nóng)作物產(chǎn)后分揀和農(nóng)藥應(yīng)用領(lǐng)域，我們認(rèn)為隨著時(shí)間推移僅在美國(guó)境內(nèi)機(jī)器學(xué)習(xí)和人工智能技術(shù)能通過(guò)降低成本和提高效率每年節(jié)約 30 億美元的勞動(dòng)力成本。按照我們的估計(jì)，全球范圍內(nèi)的這個(gè)數(shù)據(jù)極有可能超過(guò)美國(guó)所節(jié)約成本的兩倍。最后，我們認(rèn)為機(jī)器學(xué)習(xí)和人工智能技術(shù)能改善育種和牲畜健康狀況，并且能在奶牛養(yǎng)殖領(lǐng)域創(chuàng)造出大約 110 億美元的價(jià)值(即對(duì)失去的潛在收益的補(bǔ)償和節(jié)約的絕對(duì)成本)，以及能通過(guò)兩種常見(jiàn)疾病的控制在家畜養(yǎng)殖領(lǐng)域創(chuàng)造出20 億美元的價(jià)值。
提高作物產(chǎn)量
人類(lèi)已經(jīng)利用了地球上幾乎所有可用的農(nóng)業(yè)用地，然而聯(lián)合國(guó)預(yù)計(jì)到 2050 年全球人口將達(dá)到 97 億。因此，為了滿足未來(lái)全球?qū)Z食的需求，我們非常有必要提高農(nóng)作物產(chǎn)量。機(jī)器學(xué)習(xí)技術(shù)可以被用來(lái)分析來(lái)自無(wú)人機(jī)和衛(wèi)星圖像、氣象模式、土壤樣本和濕度傳感器的數(shù)據(jù)，并幫助確定播種、施肥、灌溉、噴藥和收割的最佳方法。機(jī)器學(xué)習(xí)技術(shù)在我們于2016 年7 月13 日發(fā)布的《精準(zhǔn)農(nóng)業(yè)》報(bào)告中所確定的每一項(xiàng)創(chuàng)新中幾乎都發(fā)揮著重要作用。下圖顯示不同技術(shù)所帶來(lái)的玉米產(chǎn)量的潛在提高量。
收獲后分揀勞動(dòng)。在一個(gè)簡(jiǎn)單的案例中，我們發(fā)現(xiàn) Google 公司的 TensorFlow 機(jī)器學(xué)習(xí)技術(shù)被日本黃瓜菜農(nóng)用來(lái)自動(dòng)分揀黃瓜，而以前分揀黃瓜的程序一直需要大量手動(dòng)或視覺(jué)檢查工作和勞動(dòng)力成本。在這個(gè)案例中，農(nóng)夫只需使用包括 Raspberry Pi 處理器和普通網(wǎng)絡(luò)攝像頭在內(nèi)的簡(jiǎn)單又便宜的硬件設(shè)備，就能用 TensorFlow 訓(xùn)練出一個(gè)能將黃瓜分成 9 個(gè)類(lèi)別并且具有相對(duì)較高的準(zhǔn)確度的算法，從而減少了與分揀相關(guān)的勞動(dòng)力成本。我們認(rèn)為相似的應(yīng)用可以擴(kuò)展成更大的規(guī)模，并且被用于具有較高分揀需求和成本的農(nóng)產(chǎn)品，例如西紅柿和土豆。
家禽種群中的疾病監(jiān)測(cè)。在一項(xiàng)學(xué)術(shù)研究中，研究人員收集和分析雞的聲音文件并假設(shè)在生病或痛苦的情況下，它們發(fā)出的聲音會(huì)改變。在收集數(shù)據(jù)并訓(xùn)練神經(jīng)網(wǎng)絡(luò)模式識(shí)別算法后，研究人員能夠正確地識(shí)別出感染了兩種最常見(jiàn)的致命疾病之一的雞，其中發(fā)病 2 天的雞的識(shí)別準(zhǔn)確率為 66 %，而發(fā)病8 天的雞的識(shí)別準(zhǔn)確率為 100 %(如圖32)。正確診斷牲畜所患疾病并盡早在損失發(fā)生之前進(jìn)行治療可以消除由疾病導(dǎo)致的損失。據(jù)行業(yè)專(zhuān)家估計(jì)，挽回的損失可達(dá) 20 億美元。
下圖：實(shí)驗(yàn)表明，機(jī)器學(xué)習(xí)可以通過(guò)音頻數(shù)據(jù)分析來(lái)正確識(shí)別用其他方法不可檢測(cè)的疾病，幾乎能消除由于某些可治愈疾病所引起的損失。
量化市場(chǎng)機(jī)會(huì)
基于農(nóng)作物產(chǎn)量、作物投入成本節(jié)省、乳品/畜牧成本節(jié)約、分揀和勞動(dòng)力節(jié)約的潛在增長(zhǎng)，我們認(rèn)為機(jī)器學(xué)習(xí)技術(shù)的應(yīng)用能創(chuàng)造超過(guò) 1 萬(wàn)億美元的價(jià)值。在農(nóng)作物種植領(lǐng)域，我們認(rèn)為機(jī)器學(xué)習(xí)和人工智能技術(shù)可以幫助實(shí)現(xiàn)農(nóng)作物產(chǎn)量提高 70 %。在 Jerry Revich 所作的關(guān)于精確農(nóng)業(yè)的表述中，假設(shè)各種技術(shù)供應(yīng)商的價(jià)值增值幅度為 30 %，數(shù)字化農(nóng)業(yè)的潛在市場(chǎng)總額可達(dá) 2400 億美元。
考慮到數(shù)字農(nóng)業(yè)中使用的所有已知技術(shù)將經(jīng)過(guò)機(jī)器學(xué)習(xí)和人工智能技術(shù)的優(yōu)化或完全由其提供，我們假設(shè)所創(chuàng)造的價(jià)值的 25% 由機(jī)器學(xué)習(xí)和人工智能技術(shù)鏈中的供應(yīng)商累積，這意味著機(jī)器學(xué)習(xí)和人工智能技術(shù)在作物種植應(yīng)用中的潛在市場(chǎng)總額為 600 億美元。在蛋白質(zhì)類(lèi)農(nóng)產(chǎn)品領(lǐng)域，我們認(rèn)為機(jī)器學(xué)習(xí)技術(shù)的應(yīng)用(例如精確育種機(jī)制，疾病預(yù)防和治療)可以催生另外 200 億美元的市場(chǎng)。
哪些行業(yè)會(huì)受到影響?
根據(jù)機(jī)器學(xué)習(xí)為灌溉、施肥、勞動(dòng)力和疾病預(yù)防治理成本帶來(lái)的節(jié)省，我們相信機(jī)器學(xué)習(xí)有潛力在低成本的基礎(chǔ)上擴(kuò)大全球的糧食、乳制品和牲口的供應(yīng)。
由于機(jī)器學(xué)習(xí)的應(yīng)用可以限制廢料并且改善農(nóng)業(yè)預(yù)防措施，我們預(yù)計(jì)以下行業(yè)的全球市場(chǎng)會(huì)引起波動(dòng)：化肥業(yè)，除蟲(chóng)劑業(yè)，除草劑業(yè)，除菌劑業(yè)以及獸醫(yī)藥業(yè)。我們相信大部分此類(lèi)波動(dòng)會(huì)是相當(dāng)長(zhǎng)期的(五年以上)，由于我們現(xiàn)在都還處在這些機(jī)器學(xué)習(xí)技術(shù)的早期，所以相對(duì)其他技術(shù)，機(jī)器學(xué)習(xí)技術(shù)目前對(duì)以上行業(yè)人士可能還無(wú)法承擔(dān)。（來(lái)源：北京新型智慧農(nóng)業(yè)研究院 編選：網(wǎng)經(jīng)社-電子商務(wù)研究中心）
