谷歌来了！科技公司接过现代农业大旗，我们将面临什么冲击？
谷歌正在用全新方式看待农业。随着机器学习，人工智能等技术的突破，科技巨头们的路径选择，或将让农业这一古老行业站在了巨变前夜。
不久前的2023年9月，谷歌的母公司Alphabet正式宣布，推出农业科技公司Mineral，致力于大幅度提高农业数据集的质量、多源化和规模化水平。
事实上，Mineral是谷歌于2017年就开始孵化的项目，到官宣时刻，经过6年的深耕，Mineral已经调查和分析了全球10%的农田数据，预计到2050年，Mineral的数据点量将增加20倍以上。
自2017年以来，Minera一直在Alphabet被誉为“moonshot factory” X项目中秘密孵化。谷歌自己对外宣称，“moonshot factory” X项目整合了软件、数据、AI技术，目标是找到农业创新的科技解决方案，改善人类生活并推动社会进步。
遵循此目标，Mineral旨在为食品、农业和技术公司提供基础的、可操作的数据及分析，以便更好地了解驱动食品供应链的自然系统，并找到能够适应气候变化要求的全新行业管理手段和改进方式。
Mineral宣称，基于机器学习、模拟、感知和机器人技术方面的突破，Mineral正着手为农业生产构建世界上第一本详细的“操作手册”。正如显微镜改变了疾病的检测和管理方式一样，Mineral希望通过以完全不同的方式看待和理解农作物世界，以此开创可持续农业的新时代。
当前，Mineral不仅提供相应领域的软件、算法，而且提供数据智能化采集的硬件，从而推动上述目标的实现。
现代农业的大旗开始向科技公司转移
这不是全球科技巨头第一次表露推进农业生产模式革命性转变的决心。但是从模式来说，这是农业发展与当前数字技术发展结合最为密切的一次。
经过不断的技术升级，西方世界一直试图持续寻找下面问题的最优解，那就是如何把传统农业改造为现代化的农业？
这个问题由诺贝尔经济学奖获得者西奥多·舒尔茨（T.W. Schultz）提出在《改造传统农业》一书中提出。
他指出：“发展中国家的传统农业是不能对经济增长作出贡献的，只有现代化的农业才能对经济增长作出重大贡献。问题的关键是如何把传统农业改造为现代化的农业。”
舒尔茨关于传统农业的观点也许有失偏颇，但在人类不同的发展阶段，依托不同的技术，不少世界领先的公司都以积极的方式就现代农业提出了各自的解决方案。
现在看来，科技进步加持下的现代农业，经历了工业化、信息化、智能化的发展历程，每一阶段都诞生了当时的农业科技强国和巨头。
工业化阶段从1960年代开始，一直持续到90年代。工业化时代的现代农业技术，支持农业生产工业化的产业发展要求，追求精准、规范、大规模。
依托工业化的成果，以色列公司在精准灌溉方面给出了自己的答案。例如，借助电磁阀压力补偿滴灌等种种工业化产品，以色列公司在广袤的沙漠上，完成了现代意义的农业改造。
信息化阶段从1990年代开始，至今仍然是农业现代化的主流。信息化时代的现代农业技术，支持农业信息化条件下的工业化生产模式升级，追求复杂控制、大规模的能源消耗、标准化、集约化，这两者的共同作用，塑造了以色列、荷兰这样的“小国大农”的发展模式。
以荷兰为例，荷兰是仅次于美国的世界第二大农业产品出口国，但其国土面积仅有美国的1/270。荷兰农业以畜牧业、园艺业为主，具有高度集约化、专业化的特点，农产品加工技术领先，销售网络完善。
荷兰畜牧业专业化和规模化程度较高，占农业产值的四成以上。荷兰花卉园艺产业以鲜花拍卖市场为中心，以一流的海、陆、空物流体系为纽带，把种植企业和消费市场紧密联系在一起，创造了世界鲜花交易的奇迹。
目前荷兰花卉、蔬果出口量居世界第一，乳制品出口居世界第三（仅次于德国和新西兰），动植物油出口排名世界第三（仅次于中国和印度），肉类出口居世界第四（仅次于美国、巴西和德国）。
数据显示，荷兰每年的农业净出口额高达300多亿美元。按农牧渔业以及涉农部门的就业人数平均，其人均创汇额遥遥领先于世界各国，是当之无愧的“小国大农”。
另一方面，荷兰光照不足、土地资源稀缺，对农业生产尤为不利。那么，荷兰是如何克服这种地域环境的局限性的呢？答案就是通过提高土地的利用率，将信息化、工业化技术与生产技术相结合。
例如，荷兰利用7%的耕地建立了面积近17万亩的由电脑自动控制的约占全世界温室总面积1/4的现代化温室，温室约60%用于花卉生产，40%主要用于果蔬类作物。温室实现了全部自动化控制，包括光照系统、加温系统、液体肥料灌溉施肥系统、二氧化碳补充装置以及机械化采摘、监测系统等，保证生产出的农作物高效优质。
通过农业的信息化改造，荷兰也诞生了一大批优秀的农业科技公司，特别是在设施种植方面，比如骑士、豪根道、普瑞瓦等。在信息化的推动下，荷兰农业顺利提升了集约化、规模化、标准化程度，支持了农业产业升级。
今天，信息化时代的农业生产也面临了新的挑战。Mineral就提到，“针对生产力和简单性进行优化的农业系统也存在风险”，比如长期持续的气候变化对设施设计、使用的影响；集约化生产模式下的剧烈供需博弈；环保、生态方面的更高要求等。
2020年以来，农业智能化的进程明显加快。在大量算力算法的介入下，催生了新的AI技术背景下的农业形态，农作物的生长过程越来越多的被机器干预，精细化程度几何级数级提高，产业集中程度加大。
在数据、算法、算力的加持下，农业科技的大旗，开始转移到类似谷歌这样的大型科技公司手里。
新的农业产业升级的路线已悄然可见
现在看来，Mineral试图通过数据、算法、算力的加持，走一条更为符合当前大部分地区农业生产形态的道路，正如它的愿景所说：“探索植物在供给人类、保护人类方面的智慧”。
通过AI技术，更多的去实践农业生产的生态化、持续化，产品快速迭代，寻找低成本替代方案，比如基于自拍杆的表型数据采样设备，用模糊替代精准，对中小种植户也同样亲和。
当然，真正的实践结果还要假以时日进行观察，但是一个新的技术支持下的农业产业升级影子已经悄然可见，我们需要从下面几点进行理解：
一、数据爆炸，但直接操作化工具不足。
当前的数字化技术已经可以使中小型种植户低廉地获得多种数据，但是数据来源的复杂化、使用的非标化，极大的阻碍了底层数据的积累和应用。
比如种植区的广义气象数据，直接采购传感器获得的微观气象数据，大量的互联网经验信息，越来越详细的作物品种特性说明，农资的指导意见，基于图像识别的作物长势判断与病虫害识别等等。
农业从业者更加需要的是直观的建议、规范或任务安排。从数据到执行，依然是一个漫长而复杂的过程。
二、建立对中小规模种植者友好的数据体系。
数字化技术并不是大型产业资本的独门工具。相反，由于其基于广泛的数据点位取样，实际上对使用者而言，他们使用的可共享的数据、算法结论差异不大，因此对中小规模种植者也是友好的。
比如玉米种植领域，对玉米生长发育的数字化描述，美国常用的叶耳法与中国常用的活动积温法，本质上都是描述外界积温变化对不同品种玉米的生长发育的影响，都可以用来对不同产区的不同品种进行一定程度的仿真，对大田种植都有帮助，结论差异也不大。
只是中小农户不易掌握具体的方法论，也不易建立自己的数据采集规范。这才是当前农业种植智能化的一个主要制约。
三、大数据和生成式人工智能有助于更开放的农业生态。
大面积的数据集建立与训练，有助于形成更为开放的农业生产生态链条，对于同样品种、区域，可以支持不同主体的不同算法实践并比较实践结果，建立统一的评价尺度，对高技术能力、高有效方法的推广有正向激励作用。
Chart GPT的推出，带动了全球领域的大模型热潮，也最终会影响到数字化对农业产业的支持模式。
正如Mineral指出，“种植者每个季节都会面临数百个决定，但当前的工具无法让他们应对面临的挑战。尽管他们使用传感器、电子表格和 GPS 等数字工具，但他们的数据要么是孤立的，要么不能完全代表农业的复杂性。”
Mineral从中看到了构建新软件和硬件工具的机会，并准备抓住这样的机会以智能化推动农业下一阶段的产业升级。
四、流通和销售数字化倒逼生产领域。
生产领域的数字化，有助于满足销售领域、物流领域的数字化对产业前端的品控要求，最终为消费者提供更加安全的、高质量的产品。
从农业产业链的角度来说，农产品销售领域数字化程度最高，2022年我国农产品网络零售额达5313.8亿元，较2021年增长25.9%。
随着农产品电商快速扩张，我国农产品销售线上渗透率持续走高，从2015年的1.28%增长至2022年的4.54%左右，预计随着国内农产品电商接受度和低线城市继续走高，我国农产品电商规模将保持快速增长态势。
此外，农产品物流领域的集中化程度、数字化支持程度也越来越高。
中国现代农产品储藏、保鲜技术起步于20世纪。2015年中国冷藏车市场保有量达到9.34万辆；2022年中国冷藏车市场保有量进一步增长至36.9万辆，预计2023年有望突破40万辆。而冷链物流仓储规模有望从2015年的3740万吨增长至2023年的8500万吨。
通过农业数字供应链平台，可以实现产业链上的交易流、资金流、物流和信息流的四流合一，也通过了系统和互联网手段，实现农业产业的可视化、可量化、可优化。
这些，都形成了对农产品生产领域数字化甚至智能化升级的迫切需求。
“大国小农”的我们需辩证看待机遇与风险
本质上来看，每一次基于技术的设施设备升级，背后意味着产业治理方式的变革。目前阶段的技术升级，对农业产业治理、甚至农村治理提出了新的要求。面对Mineral的官宣，我们需要辩证的看待其中的机遇与风险。
农业领域的数字化治理正在西方商业化公司的推动下快速整合。
根据Mineral官网提供的信息，到目前为止，Mineral团队已经分析了地球上超过10%的农田，对200多个植物性状进行了建模，对17个作物品种进行了表型分析，并开发了80多个高性能机器学习模型，已经逐渐形成类似大模型需要的基座数据体系。
农业生产方面的核心资源要素，越来越多地可以被数据描述，构成了后继人工智能技术应用的基础。海量的基座数据体系形成，如同打开了数据的大门，各种基于数据的研究、探索及最终商业化产品，就有了蓬勃发展的基础，类似于大模型的爆发。
随着数据采样效率的提高、成本的下降，最终种植方面面临的技术管理问题，可能会转换为算法算力问题。在农业这样的传统行业的竞争，也从生产资源、资料的竞争，部分转化为算力、算法的竞争，这是下一阶段产业治理变革需要认真对待的问题。
在有算力算法的赋能下，与农学、生命科学的前沿研究结合，有可能形成有别与西方当前高度集约化、规模化、标准化的现代农业生产体系。
虽然我们在底层数据结构、储备、规范方面的准备可能不如西方，但就如同通信技术的发展一样，我们在铜线电话没有普及的条件下，直接借助先进通信技术的发展，越过这个阶段进入了移动通信、光纤通信时代。
中国具备这样的后发优势，并且实践成功过。目前我国“大国小农”的国情，决定了我们无法完全过渡到集约化，那么借助智能化数字技术，结合我们在工业与信息化领域取得的比较优势，我们仍然有巨大的机会：
1、基础设施方面的优势：多年来通信与IT、互联网的发展，在互联网接入、网络连接、数据传输与存储等方面，实现了在中国广大农村地区的低成本接入优势；
2、工业化生产能力的优势：涉及农业种植生产的肥药、材料、设施等，中国基本都能自产，并且成本低廉，质量优良；
3、具体从业人员数字化接受程度优势：移动互联网的高渗透率，让绝大多数的农业从业人员具备基本的数字化技能，比如拍照上传、扫码识别、视频分享等。
充分利用好上述比较优势，认真扎实地准备好底层的数据基座，从数据采集、数据传输、数据存储等方面着手，通过跨专业、跨部门协同，形成可以支持大规模数字化的基础，这是我们需要迈出的第一步。
这个过程是持续的，艰辛的，我们也需要以华为为榜样，在深入学习西方数字化技术与农业融合的方法论时，还要根据中国的国情，持续创新、突破，走中国式农业现代化的道路，通过技术升级，全面推动产业治理方式的变革。
毕竟，对于乡村振兴而言，农业产业升级是从0到1，而治理水平提升才是从1到10。通过大量的基座数据，基层政府更容易研判当地农业产业升级的切入点，更容易组织农业与加工业的衔接，也是这些数据的直接受益者。
从Mineral的成立来看，我们建议政府鼓励数字化技术与农业技术的跨专业融合，鼓励创新过程中的试错，结合乡村振兴与数字中国的双战略，寻求产业升级，进而促进乡村治理更上一级台阶。
