拼多多草莓種植賽：數(shù)據(jù)與融合 AI農(nóng)業(yè)的現(xiàn)行場景圖鑒

“我們理想的狀態(tài)，農(nóng)民會變成類似于產(chǎn)業(yè)工人或者職業(yè)種植者的身份，他具備一定的數(shù)據(jù)分析能力，他的決策不是完全依賴于主觀的經(jīng)驗。”這是來自云南的閔錢希曦對數(shù)字化農(nóng)業(yè)的想象。她的另一身份是荷蘭瓦赫寧根大學溫室園藝專業(yè)的博士生。

7月22日，閔錢希曦參與到了拼多多和中國農(nóng)業(yè)大學共同發(fā)起的草莓種植比賽中。她和同學共組的AiCU隊在比賽中充當著AI戰(zhàn)隊的角色。4支人工種植隊，4支AI隊伍，120天，等待著近1000平方米的草莓收獲。

這是國內首次農(nóng)業(yè)領域的人工智能和頂尖農(nóng)人的對戰(zhàn)，也是拼多多向農(nóng)業(yè)領域深耕的信號。

拼多多的眼睛一直沒有離開過農(nóng)業(yè)。與美國標準化農(nóng)業(yè)不同，中國農(nóng)業(yè)整體呈現(xiàn)分散的小規(guī)模耕作，在整個農(nóng)業(yè)周期中，農(nóng)民都處于信息盲區(qū)，主觀意愿的判斷面臨著充滿不確定性的市場。另外農(nóng)民和消費者間的分銷流通結構錯綜復雜，農(nóng)民經(jīng)常被迫提早收成，消費者也無法獲得同等價值的產(chǎn)品。

拼多多平臺對數(shù)據(jù)信息的集中，使得其拼團模式聚集起消費者需求，并進一步傳遞給上游農(nóng)民生產(chǎn)端。這一模式的本質是通過對生產(chǎn)商數(shù)據(jù)賦能，給予他們更充足的時間計劃生產(chǎn)，匹配消費者需求。

2019年，拼多多的總訂單量達到197億筆，平臺農(nóng)（副）產(chǎn)品活躍商家數(shù)量達到58.6萬，同比增長142%。這一次的草莓種植比賽是平臺對農(nóng)業(yè)領域布局的進一步延伸。

“比賽的目的并不在于簡單的輸贏，而是通過老一代農(nóng)人和新一代技術的同臺，將新一代人工智能技術與農(nóng)事生產(chǎn)結合，為中國眾多的農(nóng)產(chǎn)品產(chǎn)業(yè)帶和小農(nóng)戶，提供一種更低成本、易于操作的數(shù)字農(nóng)業(yè)生產(chǎn)管理方法。”拼多多新農(nóng)業(yè)農(nóng)村研究院高級總監(jiān)公澤告訴21世紀經(jīng)濟報道記者。這又是一次人工智能驅動的成果。

跨學科組隊，跨國家參賽

閔錢希曦不是第一次參加類似的比賽。此前由騰訊與瓦赫寧根大學共同舉辦的“國際人工智能溫室種植大賽”，她參加了兩屆，一次種黃瓜，一次種小西紅柿，AiCU本身就已經(jīng)具備實戰(zhàn)經(jīng)驗。這一次，AiCU在17支AI參賽隊伍中殺進決賽。

對于生長于荷蘭農(nóng)業(yè)背景的AiCU而言，隊伍從組成到參賽需要面臨兩重難關。首先在于組員的跨學科挑戰(zhàn)。

隊伍在正式組建之前，非農(nóng)業(yè)背景的隊員就已經(jīng)對現(xiàn)代農(nóng)業(yè)很感興趣，甚至有隊員已經(jīng)把想法落實到家庭園藝中，“在家里建設一個有環(huán)境傳感器的小型溫室，比如說用保鮮盒搭建一個小的生長空間”。這些小的實踐經(jīng)驗，為成員參加大型比賽建立了信心。而農(nóng)業(yè)背景的隊員已經(jīng)在農(nóng)業(yè)數(shù)字化領域有所建樹，對AI算法并不會感到陌生。

“跨學科溝通的難點在于，大家必須能夠學習和理解對方領域中的一些基本常識和知識，然后再進行不同學科的交融。”閔錢希曦告訴記者。

就植物學科而言，荷蘭的數(shù)據(jù)驅動已經(jīng)有了不同級別的應用，幾個主修植物科學的成員還具備一定的數(shù)據(jù)分析編程基礎和經(jīng)驗。對AI算法而言，理解植物和其栽培模式是個難點，“在植物科學和作物栽培領域有很多默認的知識點，有時候在溝通中我們會忽略，發(fā)現(xiàn)這個情況后，大家會及時溝通。”與此同時，成員也參加了荷蘭溫室產(chǎn)業(yè)每一年舉辦的開放日，實地了解溫室栽培模式。

隊伍參賽的第二大挑戰(zhàn)在于跨國家參賽。閔錢希曦介紹，“作物的栽培本質上是一樣的，但我們在荷蘭熟悉的經(jīng)驗需要在國內因地制宜地進行調試，包括溫室設備、傳感器以及種植思路等。同時也需要積累大量的數(shù)據(jù)。”

荷蘭的溫室園藝已經(jīng)發(fā)展近半個世紀，整個產(chǎn)業(yè)鏈都處于較為成熟的狀態(tài)，從日常栽培管理，到傳感器和控制設備的應用，再到能源和勞工的管理以及超市或市場的供應鏈對接，每一個環(huán)節(jié)都發(fā)展出相對完備的模式。閔錢希曦表示，國內的現(xiàn)代溫室園藝和數(shù)字化生產(chǎn)幾乎是齊頭并進，“我們沒有必要完全根據(jù)荷蘭的模式演進，也許可以實現(xiàn)跨越式發(fā)展。”

除此之外，國內的電商優(yōu)勢也可以與溫室的數(shù)字化種植管理進行銜接，形成精確的訂單化生產(chǎn)。

AI農(nóng)業(yè)的考驗

AI農(nóng)業(yè)的潛力巨大，但落地實踐也面臨著考驗。根據(jù)閔錢希曦的前兩次參賽，AI算法在溫室園藝栽培中的應用需要分階段實現(xiàn)。兩屆“國際人工智能溫室種植大賽”中，AI組成績以及人工對照組成績排名發(fā)生了變化。第一屆中，五支AI隊中僅有一支在最終利潤上超過了人工種植。而在第二屆比賽中，AI隊伍則全部在利潤上超過人工種植者。

“兩屆比賽很難直接比較，因為種植作物不同。第二屆中AI為什么會超過人工，組委會做了詳盡分析。將每個組的產(chǎn)量和成本（包括能源、水、勞工、折損等）做了細分核算，同時根據(jù)時間進度也有動態(tài)比較，在能源資源可持續(xù)性方面我們的優(yōu)勢很大，這也奠定了利潤獲勝的基礎。”閔錢希曦說。

現(xiàn)行場景中，AI農(nóng)業(yè)的數(shù)據(jù)采集仍集中于對于環(huán)境的感知。“我們不知道植物現(xiàn)在的狀態(tài)是怎么樣的。”現(xiàn)代溫室需要專家和勞工定期采集樣本進行植物指標的測量，這一方式的缺陷一方面在于其有損性和數(shù)據(jù)的不及時，另一方面則在于工作量很大，對人力的損耗程度較高。

除此之外，栽培管理數(shù)據(jù)的缺乏也是AI農(nóng)業(yè)發(fā)展的瓶頸。閔錢希曦告訴記者，“當下你對植物這個狀態(tài)做了什么決策，在之后植物又給出了什么樣的反應，這是很重要的信息，也就是我們所謂的人的知識和經(jīng)驗，就是需要AI學會的部分。”

AI智慧農(nóng)業(yè)的目的在于輔助種植人員去復制成功的種植技術和方法，將影響植物生長的環(huán)境因素可控化，以達到生產(chǎn)的模式化統(tǒng)一，對提升生產(chǎn)效率意義重大。就好比磨刀不誤砍柴工，對于刀的研究遠比砍的研究有意義。

目前，AI農(nóng)業(yè)的發(fā)展仍處于初級階段，利用數(shù)據(jù)學習人的經(jīng)驗和知識仍是其發(fā)展核心，但農(nóng)業(yè)領域的全自動布局終會到來。

拼多多入局AI農(nóng)業(yè)：數(shù)字化場景的一次預告