一九产业AI速写：农业篇(3)

比如说，农业AIoT网络的覆盖范围还有待提升。前文提到的AI创新，都基于村级别的信息化服务网络，尤其是农业物联网和云计算的完善，能够提供实时响应的数据处理和决策支持。据统计，我国农村地区互联网普及率为36.5%，仅为城镇地区的一半，AI想要在960万平方公里的土地上落地生根，首先需要解决数据的“匮乏病”，这恐怕还有赖于新一代互联网和IoT部署的全面铺开。

与此同时，中国的科技企业对农业领域的深入，目前还停留在基础设施的改造与算法赋能阶段，未来将质量良好、有价值的农业数据集收集并开源出来，恐怕会是农业AI进展更快的特效药。

另外，智能农业设备的专属芯片还是较为缺乏。

目前的AI应用大多都是建立在通用芯片的基础上，但与标准化程度高的工厂、城市环境不同，农业智能设备会面临复杂的生产场景、变化多端的环境气候等影响，此类芯片在环境较差的田间地头很容易发生损坏，进而影响智能农业机械的应用可靠度，而目前农业需求反向推动半导体产业链的影响力还稍显不足。

而在服务方面，面对部分家庭农户应用人工智能的意愿和能力不够、农业金融信用风、，农产品种植与市场品牌化等问题，还需要主管部门或社会企业运用人工智能建立垂直的行业预测模型，来指导和帮助农业生产主体动态地调节生产活动。如何对提供此类B2B、B2C解决方案的服务商给予帮扶支持，也成为等到农业AI回答的一道多选题。

总体来看，这些既是2019年的历史遗留问题，也是一份来自未来的礼物。

2017年，在《新一代人工智能发展规划》提出了要推进农业的智能化升级，建立典型农业大数据智能决策分析系统，开展智能农场、智能化植物工厂、农产品加工智能车间等集成应用示范等举措。

时至今日，人工智能已经在田间地头全面开花，摆脱农业固有的复杂性，以及技术落地的种种掣肘，培育出了众多的AI绿洲，催生出不少优秀的解决案例。

春播秋收冬藏，AI在这一年写下的，正是对这片土地的期盼与深情。

（编辑：ASP站长网）