农信数智王柯：一个传统产业的数智化蜕变之路

【亿邦原创】12月3日，亿邦产业互联网年会在京举行，农信数智高级副总裁王柯进行主题为《AI驱动下的农业数字化变革》的专题演讲。

王柯指出，一场由数据与算法驱动的AI落地正在田野和养殖场中发生。农信数智用十年时间，在生猪养殖这个万亿级垂直产业中，完成了一场从“经验养猪”到“算法养猪”的范式变革。

AI与产业的深度融合，也推动着农业从散点、事后的“数字化”，迈向全链路、实时优化的“数智化”。农信数智的实践成果也预示着，AI与产业互联网正在养殖、种植等传统领域，找到了确定性的增长。

以下为演讲全文，经亿邦动力整理。

大家上午好，我是农信数智的王柯，作为农业科技类企业，我给大家分享的是农信数智在AI与农业结合方面的实践成果和思考展望。

农业很复杂，可以分为种植和养殖，养殖还分为海水和淡水，种植又分成设施和大田。里面门道非常复杂。而且农业的标准化和规模化一直落后于工作，所以农业在组织管理、生产管理和交易过程中有非常巨大的提升空间。

我们刚进入农业领域，也是先把行业细分下来，找到一个足够大的单品行业，比如养猪。

我以前也不是搞养猪的，进入这个行业才发现，养猪业非常庞大，全国每年出栏7亿头猪，一头猪大概2500元左右，相当于一个1.5万亿的生猪市场。变成猪肉还能增值10%到15%，大概有1.8万亿左右。其中60%-70%的成本是饲料，这就是一个一万亿的猪料市场。猪料中60%到70%的成本是玉米，每年的玉米饲料市场大概有7500亿到7800亿。所以生猪行业看起来很细分、很垂直，但上下游产业空间特别大。

我们实践多年发现，养猪其实变成了一门数学，考察的是在各种条件下找最优解，比如多生——尽可能让母猪多生；然后小猪死得少、长得快；再比如把吃下去的植物蛋白饲料转化为肉，最后卖出好价钱。整个行业就在做这么一件事情。

这里面包括疾病防御、营养配方、供应链效率、价格预测等等。其中AI发挥的价值空间是巨大的。

1、行业数字化进程

农信数智做的是将数字技术、物联网技术和AI技术带入生猪行业，把这些技术与产业结合，改变生猪产业的管理范式、生产效率以及交易模式。

我们从2015年开始搭建了一套SaaS平台。2015年，生猪行业对数字化的认知还非常薄弱，需求也很简单，就是把猪管理清楚：有多少头母猪、生了多少头小猪、哪些小猪在吃饭、哪些在长大、哪些要卖了。那个阶段，更多是手工收集数据。

2018年，我们又搭建了一套物联网平台，把猪场设备在线化，其次将数据化收集整理，从手工录入变成机器采集，物联网采集，再把数据做结构性整理，放在基础数据库里。在此基础上，我们建立一个模型，可以自动分析一系列经营情况，比如什么条件下、什么品种的猪、吃了什么饲料、然后长得最好，实现这么一个核心诉求。

在这种数据采集平台上，我们形成相关算法，我们还能形成一个个精细养猪的执行方案，再发给现场设备，变成饲料投放方案、防疫方案，让现场去执行。最后形成一个数据的正向反馈。

在这个基础上，我们从2023年开始将数据和AI结合起来。

今天的大会是产业互联网大会，产业互联网本身是一个平台，它把整个产业链条连接起来，把整个产业在线化，还要把整个产业的关键场景和关键数据沉淀下来。我们叫做全链条、全场景、全要素、全数据。有了这些基础之后，AI是一个非常有力的工具，我们有很多数据去滋养AI，而且AI和产业场景的落地变得很顺利。

接我简单给大家展示一下我们的落地核心场景。

2、生产环节的AI赋能

第一个核心场景是公司的日常管理。以前是人养猪，现在是算法养猪，就是算法可以告诉管理者如何去管企业、如何激励团队。

再比如，A公司和B公司的猪，哪个养得好、好在哪里？我们平台上有几万家猪场，养了全国1/10的猪。我们有大量真实的实时数据做支撑，可以根据猪场实际情况，加上整个行业变化，进行耦合分析。

第二个场景是基于大数据做经营决策，更多凸显数据价值。

例如我们的疫情防治模型，目的在于如何防病而非治病；还有喂养模型，关心猪吃了饲料候的成长速度，这些模型和企业本身相关，不是通用型，我们可以给企业做自有模型。

大家看示意图，这就是我们把某企业的过往数据与现在同等水平的全国数据、国外数据去做对标，然后进行生产方案的优化。优化之后通过自定义核心工作流，不断去提高管理提升。

还有一点，就是我们在猪场管理方面，进行很多规范化管理。

最近几年大家都知道有非洲猪瘟，从业者如果不经过隔离，很难进入猪场。因此我们就在整个猪场，把以前那些传统摄像头给整个AI化、视频化、解析化。这样我们可以观察养猪行为：比如猪是否在栏里跑出来、周围人员是否异常、猪有没有打喷嚏咳嗽、温度是否上升、是否得病。

我们还可以结合一些标准SOP，对一线作业员工行为进行监管：例如你本该在生活区，却进了生产区；本该在A点却去了B点；本该12点在通道出现但没出现；本该穿胶鞋但没穿；本该穿工服后消毒但没做等等。

以前农业很难真正深入一线去管理纠正员工行为，现在通过整个视频加上管理SOP，我们推动整个管理规范化的自动落地。

这里面，最核心要管好的是母猪的繁育能力，这里面很有意思，就是涉及到AI和产业深度结合。

以前母猪管理得好不好，只能依赖厂长，厂长必须经过十年、十五年甚至二十年的沉淀，经验足够丰富才行。很多中国养猪从业者，其实是高学历养猪，很多是养猪博士和硕士；在一线工作十年、十五年，才能成为优秀厂长。

在实际高质量发展过程中，我们要把这种核心经验拿过来，将其数字化，把全国各地优秀厂长的经验都整理在一起，接入全样本数据。

以前厂长只能看到他管理的五千头或五万头猪，现在我们给他五十万头、五百万头甚至五千万头猪的数据，让他真正来看，在这个过程中AI会辅助他做核心判断。这个过程中，AI在学习他的经验，他用AI时自己也在快速生长。

这其中会产生一个重要挑战，就是场长可能担心会被AI替代。其实完全不会，大家是相互学习。

比如我们知道猪每天吃了多少料，但它吃后有没有长肉？如果吃了不长胖，那不是在浪费大量饲料成本吗？以前的解决方法是隔段时间抓出来称重，但这种做法猪的应激很大。

我们现在通过把这个平面图形变成立体，然后远程计算，构建核心生长模型，来看它长得怎么样？

3、交易环节的AI赋能

在交易环节，AI落地也非常广泛。以前猪场进不去，大家被迫远程交易和销售，而农产品的交易，尤其活物交割非常复杂。

我们现在要做到什么？就是你交易的准确性，你说卖一百头就是一百头，一百头里总重多少，就多少，中间不能有灰色操作。

并且对我们整个猪群来说，真实的卖猪场景是，这些猪全部赶到称上，密密麻麻，还到处乱跑。以前猪场财务做一次盘点，需要十到十五天，现在有了我们的系统，只需两到三分钟就可以完成；可以每天实时盘点。这个给金融性创新应用提供了很多可能。

我们本月中旬还会发布一个新产品，就是关于无人农场的探索。

因为现在养猪的人越来越少，我们奔着少人农场或无人农场迈进，真正让机器从辅助养猪变成机器养猪。

4、成果与展望

带大家简单了解了一下我们在养猪行业的AI赋能。总的来说，我们用了十年时间，从一套SaaS系统做到物联网平台，再做到AI全场景应用，可以覆盖一头猪从出生到出栏到出售全过程，然后把关键场景结合数据、结合AI相关算法去落地，优化经营管理，给养猪这个非常传统的行业，插上数字化翅膀。

跑通养猪行业后，我们也在思考另一个核心问题：能否把猪上沉淀的经验进行横向复制？比如可不可以养牛、养羊，水产行不行？

经过多年农业领域的实践，我认为农业与AI非常契合。

首先要进行数据感知与搜集，包括人机料法环五个核心数据来源，通过软硬设备把农业内基本上全量数据抓过来。有了数据后，可以建立算法进行分析；分析后出一个处方图：我们把这个处方图传给人或设备，让农机设备根据处方图作业：比如什么时候去耕地、施肥、打药。大家知道无人机打药吧？你打多少、在什么时间、当时风力怎样、飞多高、间距多少都非常可控，虫子多就多打点、少就少打点。

之后把这些数据反馈到我们数据湖中，再通过后期长势、体重变化，到最终的收获情况，来反向推演方案是否还有优化空间。

这就形成了一个针对养殖行业的完整数据闭环。

现在我们也在横向扩展，比如牛羊领域，大概有六个核心环节：第一个是育种环节；育种是农业的芯片，我们现在吃的大品种还在国外控制的种源。以前是自然育种方，现在把前置性育种变成全量数据、全链条后续可跟踪的大数据方式。

还有一个是精准饲喂：你在养殖过程中不能太浪费，这对环境、成本都是挑战。

第三是安全感知：牛是不是在、羊是不是在、周边有无生物侵害、有人是否偷偷卖掉。

第四是行为核心管理：动物行为也非常有意思，比如鸡生病就会两脚或一只脚离地，这里面有非常多的生物行为可结合数据分析。

第五是行情预测：行情预测对农产品非常重要，因它是周期性行业；你决定明年种什么养什么、现在卖是否合适。

第六是远程交易：我不在现场，我的农产品能否交割交付？

最后就是我们的种植领域，种植与养殖稍微不同。我们叫做耕、种、管、收、卖五个核心环节。

首先是地块画像，这个在种植领域大家普遍认可；其实这个地块就像咱们技术中区块链，我在种植里提出一个叫做地块链。我们按一亩乘一亩或一平方米乘一平方米风格，把中国所有土地相关数据沉淀上面，结合年份、氮磷钾、土壤墒情、各种不同数据一层层叠加，一年年叠加。这是中国未来农业数字化竞争的核心基石。

第二个是我们的种植决策：种植一定要讲以前靠天吃饭是靠经验；我们通过大量专家种植方案决策把它数字化。

第三个叫做农业数字化：间距多少、密度多少、什么时间打药、什么时间施肥，把东西变成AI决策。

第四个是智慧农场：我们驱动天、空、地一体化智慧农机，来帮助整个地种好。

第五块是在线交易：我们的粮食是国家粮食安全；之后如何储备粮、如何交易市场粮、工业粮和使用之间匹配。

最后是数据再生：通过我们数据不断沉淀；去把模型不断升级、调优，让它做得更好。

综上，我们可以看到，农业的数字化虽然相对落后，但成长空间和AI应用空间非常大。我们右边连着农业、左边连着技术，把先进技术嫁接到农业当中来。如果大家有好的技术和好的想法，也欢迎联系我们，我们有产业链、有场景、有数据、有用户，大家可以一起做一些有意思的事情。

谢谢大家。