2. 中国科学院大学 北京 100049;
3. 中国科学院 可持续发展研究局 北京 100864;
4. 中国科学院东北地理与农业生态研究所 长春 130102;
5. 中国科学院沈阳自动化研究所 沈阳 110016;
6. 中国科学院上海微系统与信息技术研究所 上海 200050
2. University of Chinese Academy of Sciences, Beijing 100049, China;
3. Bureau of Sustainable Development Research, Chinese Academy of Sciences, Beijing 100864, China;
4. Northeast Institute of Geography and Agroecology, Chinese Academy of Sciences, Changchun 130102, China;
5. Shenyang Institute of Automation, Chinese Academy of Sciences, Shenyang 110016, China;
6. Shanghai Institute of Microsystem and Information Technology, Shanghai 200050, China
习近平总书记高度重视人工智能在农业中的应用和发展,指出“瞄准农业现代化主攻方向,提高农业生产智能化、经营网络化水平,帮助广大农民增加收入”。我国传统农业分散经营不利于机械化、标准化和新技术推广,当前农业生产效率仅为非农产业的1/4左右。规模化的农场有利于新技术的集成、应用和推广。人口老龄化、城镇化导致农村“空心化”现象加剧,推动土地规模化经营是必然趋势[1]。随着社会发展和科技进步,发展智慧农业已成为农业现代化的核心内容,也是建设农业强国的战略制高点。因此,探索规模化农场的智慧农业发展路径和模式,对我国农业现代化和农业强国建设的意义重大。
为贯彻落实党中央、国务院决策部署,2024年10月,农业农村部印发《农业农村部关于大力发展智慧农业的指导意见》,明确到2030年智慧农业发展取得重要进展,农业生产信息化率达到35% 左右。随后,农业农村部印发《全国智慧农业行动计划(2024—2028年)》,明确了公共服务能力提升、重点领域应用拓展、示范带动等智慧农业的三大行动共8项重点任务。其中,在实施智慧农业示范带动行动中,提出了探索智慧农业未来方向,并支持中国科学院持续探索总结“伏羲农场”模式。当前,我国智慧农业的发展还处于起步阶段,明确“伏羲农场”建设的目标、内容及核心科技支撑,并明晰如何借助政策保障来推进其建设,既是落实全国智慧农业行动计划的关键内容,也是未来加快推广“伏羲农场”的重要基础。
1 国内外智慧农场的发展现状20世纪50年代,随着计算机技术的兴起,发达国家开始探索计算机技术与农业生产技术的融合;80年代,美国、日本等发达国家纷纷开始农业信息化的建设并提出精准农业(precision agriculture)的概念。精准农业主要指通过地理信息系统(GIS)、全球定位系统(GPS)、机械自动化和遥感技术来提高农业生产的自动化和精准度,其加大了单个农场的规模[2]。当前,通过利用人工智能、机器学习、物联网等技术,现代农业的发展已经进入了智能化时代。智能机器人和智能无人机进行全过程田间巡检获取数据,人工智能模型根据大数据进行精准判断并提供作业决策,智能装备根据模型决策自主作业,使得农业生产更加高效、更加精准、进一步无人化和生态可持续[3]。
1.1 美国农场智能化现状和案例以美国为代表的智慧农业的大数据积累和算法模型发展处于世界领先地位,最具代表性的系统是约翰迪尔(John Deere)公司推出的“绿色之星”精准农业系统,以及孟山都公司①的Climate FieldView平台[4]。以“绿色之星”为例,约翰迪尔公司的农机上搭载全自动采集各项数据的传感器超过300个②,并依靠其推广覆盖全球100多个国家的农机装备进行数据采集,以支撑算法模型的开发应用,实现“单株”级别的种植管理[5]。美国的金伯利家庭农场,通过与约翰迪尔公司合作,在高水平自动化机械进行作物生产的基础上,进一步采用约翰迪尔公司提供的物联网技术和人工智能技术,对农田土壤、气象数据等进行实时监测;结合大数据分析,根据不同的农田状况和作物需求,合理调整农业生产措施,制定个性化的施肥、灌溉、植保等措施,提高了农业生产效率和质量。不仅如此,该智能系统还可根据每一个农场的土壤气候特征,设计不同年际间的保护性耕作措施,配合全程智能机械化作业,大幅降低了人力投入,实现4个全职人员管理3万亩耕地,并确保农业生产的可持续性③。
① 2018年6月7日,德国拜耳公司宣布完成对美国生物技术公司孟山都的收购。
② John Deere believes 5G technology in agriculture can help feed the world-John Deere News & Innovations: Equipment, Technology, Solutions. (2021-07-07) [2025-02-06]. https://www.news-jd.com/john-deere-believes-5g-technology-in-agriculture-can-help-feed-the-world.
③ 美国现代农庄金伯利农场:3万亩地只有4人工作. (2017-06-15)[2025-02-04]. http://intl.ce.cn/specials/zxgjzh/201706/15/t20170615_23637014.shtml.
1.2 日本农场智能化现状和案例日本耕地面积稀少且分散,农业面临的劳动力短缺问题逐年加剧,因此其主要推广小型机械,机械化程度高度发达,农机种类多样且购置成本低。久保田是日本首批开始对智慧农业进行全面研究的农业装备制造商。久保田开发的智能农业系统KSAS是基于云的农业管理支持服务系统。它将久保田拖拉机、水稻插秧机和收割机与信息和通信技术(ICT)集成在一起,利用机器人技术和信息技术节省大量劳动力并提高生产质量。该系统利用智能手机、电脑(PC)和其他设备,通过从支持KSAS的机器收集数据。KSAS图层化的农场数据管理系统以地图和大量数据为基础,对各种农业数据进行分层排列,包括土壤数据、作物生长数据、肥料和农药施用数据、水分管理数据、作业轨迹数据、产量和品质数据等,并将其与气象信息等联系起来。通过分析和利用积累的大数据,指导实现变量施肥和化学喷施[6]④。
④ The Value Created by KSAS, the Heart of Precision Farming. (2024-07-31)[2025-02-04]. https://www.kubota.com/kubotastories/ksas/index.html.
1.3 我国智慧农场的发展现状我国拥有各级农垦集团93个,国有农垦农场近1 800个⑤,家庭农场近400万个⑥,这些规模化农场为我国发展智慧农业提供了载体基础。20世纪80年代,我国开发了农业专家系统,利用计算机技术将专家知识系统应用于农业领域[7, 8],相关科研团队开启了我国智慧农业的有益探索。近年来,部分企业也纷纷进入智慧农业赛道[9]。目前,部分小规模的实践已取得显著成效,如通过人工智能(AI)小麦收获机和AI水稻收获机进行智能化管理实现降本增效,这些产品具备智能感知与自动调整功能,能够根据作物特征自动控制割台、滚筒转速和整车作业速度,显著降低收割作业的含杂率、破碎率和损失率;通过开发农业数字化平台,并结合传感器设备和物联网技术,可为农户提供蔬菜、水果等作物种植全过程的数字化和智能化管理;部分互联网企业开展探索人工智能在植物工厂智能化管理中的创新应用价值。
⑤ 新华社. 我国将持续深化农垦改革. (2024-03-29)[2025-02-04]. https://www.gov.cn/lianbo/bumen/202403/content_6942348.htm.
⑥ 农业经营体系不断完善. (2024-12-25)[2025-02-04]. http://www.moa.gov.cn/ztzl/2024fzcj/202412/t20241225_6468532.htm.
相比于欧美等发达国家从20世纪50年代就开始部署,我国智能农业相关的研究起步较晚,但却是国际上应用最早的国家之一[10]。然而,在后期农业自动化和信息化时代发展中,逐步落后于欧美日等发达国家。目前,我国的智慧农业发展整体上依旧处于初级阶段。我国智慧农业存在的问题可总结为“四多四少”,即“盆景多、风景少”“基础研究多、应用实践少”“小面积示范多、大面积推广少”“点上技术多,系统集成少”。导致这种现状的原因,一方面是由于我国地形、气候十分复杂,造成农业类型多样,难以拥有普适性的推广技术和模式;另一方面是因为我国农业技术研究及其产品多分散于不同的科研团队和企业,难以有效进行遴选集成并应用推广;同时,我国高端农机装备和农业生产决策的主要模型算法大多来自国外,数据安全难以保障、数字产品权限的完整性和产品使用的长效性受到严重限制。
因此,加快国内智慧农业相关科技的研发,同时以智慧农场的形式,集成并在实践中筛选相关的产品,探索国内自主的智慧农业科技体系和推广模式,优化农业生产关系,是我国实现农业现代化和农业强国建设的必由之路。
2 “伏羲农场”技术集成创新体系的构建“伏羲农场”的探索,旨在解决我国农业现代化发展中的“四多四少”问题,构建自主可控的技术和产业体系,有机融合农业种植“水肥土种密保管工”全链条数据要素,建立可推广、可复制的标准化场景,为“智能时代”的农业现代化提供系统性解决方案,稳定保障我国粮食安全。
2.1 “伏羲农场”的命名源起伏羲是华夏民族人文先始、三皇之一,是中国最早有文献记载的创世神。伏羲根据天地万物的变化,发明创造了占卜八卦。这与17世纪德国科学家莱布尼兹发明的“二进制”⑦具有同样的哲学基础。
⑦ 二进制是信息技术的基础,用“0”和“1”编码的方式描述世间万物。
农作物生长发育受昼夜更替、四季变化的调节,古人正是通过八卦中蕴含的“阴阳协调”“春种夏忙、秋收冬藏”“天人合一”等哲学思想和占卜预测气候的变化,来指导人们进行农业劳作的过程[11]。用“伏羲”命名,传达了传统文化与现代科学融合的理念。对于农业来说,即传统农业与现代信息、人工智能的融合。这种理念倡导人与自然和谐相处,通过预测、顺应并利用自然规律,实现农业可持续高效发展。
2.2 “伏羲农场”的建设目标“伏羲农场”技术集成创新体系将探索我国传统的农业生产智慧与现代科技创新深度融合的模式。“伏羲农场”以智能技术为主要手段,通过农业生产全过程的数据采集,并利用人工智能算法和模型在信息空间建立农业生产的“孪生系统”,将农业生产全过程搬到信息空间进行自主学习和训练,以数据分析为依托,实现农业生产全过程的智能化决策。再结合第3代智能农机装备实现精准变量的作业执行,最终实现智能、绿色⑧、节本、增产、提质、增效的六大目标(表 1),从而解决未来“谁来种地、怎么种好地”的问题。
⑧ 在绿色方面,碳排放以耕地为例,亩均油耗一般为1.2 L油,即1.02 kg柴油(呼伦贝尔农垦集团作业实际数据),每千克柴油燃烧约产生3.24 kg CO2,因此使用传统农机耕地,对应的亩均碳排放量为3.24 kg CO2。相同的作业量,新能源农机以电力为能源,每亩耕地耗电约为1.5 kWh,其直接碳排放可趋近于零;若基于当前中国电网平均碳排放因子(约0.581 kg CO2/kWh),那么相应的碳排放为0.8715 kg CO2/亩。因此,若以相同作业量计算,新能源智能农机亩均碳排放是传统柴油农机碳排放量的26.8%。
通过“伏羲农场”构建(图 1),突破我国智慧农业自主可控全链条技术、数据、算法模型的核心壁垒。农业管理的低效性体现在时间的滞后性和空间的不均一性,从而导致水肥药管理的效果差、农资劳工消耗大。以“OODA”⑨为指导原则的闭环管理策略,可以在农作物生长过程中及时发现农田管理的需求,并在空间上精准控制作业范围,从而提高农作物动态管理的效率和智能化水平。为此,“伏羲农场”首先要通过农业传感技术,实时动态、高通量、多维度、精准采集涉及农业生产全过程的“水、土、气、生”信息,建立数据底座;然后,构建支撑“伏羲农场”运行的算力中心,实现对农业生产数据的实时快速处理;依托“伏羲农场”数据底座,构建并集成多种农业算法模型,自主生成包含种植前、种植中、种植后全过程的作业决策处方图,并通过通信网络将决策指令下发到“伏羲农场”生产现场;随后,依托第3代智能农机技术体系,应用无人化新能源智能农机装备,集成无人驾驶、路径规划、自动避障、作业质量监控等功能,完成精准变量作业。最终实现“农业九步法”⑩的智能化落地[12],全面打造高质量(表 1)的农业现代化生产模式。
⑨ 表示:感知:Observe;分析:Orient;决策:Decide;执行:Act。
⑩ 即:精准整地、精量播种、变量施肥、变量施药、变量施水、收获减损、运输减损、仓储减损、秸秆综合利用。
![]() |
图 1 “伏羲农场”技术体系的结构 Figure 1 Structure of FuXi Farm Smart Agricultural System |
“伏羲农场”智慧农业体系致力于打造我国农业新质生产力。要规划3—5年后,如何让年轻人愿意积极从事农业生产,并培训年轻人的技能,向“5个人管理5万亩”“一个平台管理5亿亩”“不下地也能种好地”的目标迈进。尤其是引入AI、高端农机、生物技术等新技术,构成了新的劳动资料,为新型职业农人进入农业生产提供帮助。
“伏羲农场”智慧农业体系需要创建新型生产关系。通过联合政府资金平台、工程技术实验室、地方主管部门、农村合作社、个人的多要素投资合作,约定新型运营模式;通过科学技术赋能产业升级、产业效益共享的机制,建立新型农业生产关系,实现乡村振兴目标。
2.4 “伏羲农场”的基础建设要求通过建立“伏羲农场”农业基础设施标准,打造全流程可控的实体基地,系统应对农业生产中的不确定性。针对不同地区农业生产特征,既需要结合西方高效的中小型农场模式和我国现有农垦生产连队模式的优势,也需要根据我国农业生产力和生产关系的特征,对农业产业模式和生产方式进行多维度有序升级。因此,在“伏羲农场”构建中,理想的基础建设要求为:在万亩级连片耕地周围建立“三室两厅、三库一塔”的基础功能模块,即“测土实验室、育种实验室、农机实验室、科技厅、指挥中心厅,农机库、农资库、粮库、烘干塔”,形成适应不同地域的“良种测试筛选—土壤信息监测—装备统一调度—数据迅速融合—决策即时执行”一体化的智慧农业单一节点。
2.5 “伏羲农场”的应用实践近几年,中国科学院研究团队与呼伦贝尔农垦集团以“伏羲农场”的思路和理念,开展了一系列农业科技创新与实践验证合作。目前,利用第3代智能农业机械,在黑土地农业生产中开展无人化作业的面积累计达到1.82万亩,实现了少人化作业和降本节能。并针对玉米、大豆主产区,研发了基于人工智能大模型的“伏羲大脑”农业智能决策系统,实现了22个环节的种植辅助决策的生成,初步形成“数字决策+智能农机”场景的构建。根据智能模型决策方案,在200亩示范田中,利用基于AI的水肥一体滴灌技术,比农场原有雨养管理模式下增产24% 左右,相比于农场的喷灌管理模式,在节水36.7%的情况下增产2.2%。
目前,“伏羲农场”正在我国南方地区进行实践和推广,以探索不同生态区多样化的构建和管理模式(图 2)。相比于北方,南方丘陵山地多、地块小,复杂地貌作业对灵活度更高的小型智能农机需求偏多,特异场景的模型算法需求更加多样;并且南方无霜期长、复种指数高、水旱轮作现象比较常见,经济作物类型和种植制度也更加丰富。因此,同一个农场对决策系统和农机需求的多样性、灵活度要求更高。
![]() |
图 2 湖北十堰安阳镇“伏羲农场”效果图 Figure 2 Rendering of Fuxi Farm designed in Anyang Town, Hubei Province, China |
构建智慧农场是全球的趋势。美国、日本、欧盟等农业发达国家和地区同样走在探索的前沿,但都是基于原有自动化装备、信息化控制和少数场景的决策系统进行农业生产模式的升级,目前还没有一个可直接在我国全面推广应用的、成熟的智慧农场模式。例如,美国约翰迪尔公司和日本久保田公司均依赖自动化装备,在自动化作业方面已达到较高的智能化水平,但是目前其作业环境相对单一,在我国多样化地形和耕作模式条件下(如水旱轮作、间作套作等),这些系统无法满足中国智慧农业发展的需求;德国拜耳公司在农业数字化方面的发展迅速,但在智能装备领域尚无相关产品,这导致其未能打通数据平台与智能装备之间的有效衔接。另外,因为我国面临着国际农业贸易不确定性大、智慧农业关键技术限制等现实问题,所以我国既不可能照搬国外的智慧农场的模式,也不能重走一遍国外智慧农场的发展历程,因而必须加快建立一套中国特色的高水平智慧农业发展模式,以保障国家粮食安全,实现高水平农业科技自立自强。当前,欧美日等农业发达国家和地区先进的经验和产品,对我国智慧农业的发展依旧具有很重要的借鉴意义。
我国传统农业文明历经数千年的发展,积淀了极为丰富的农业智慧,并自成体系,如“天地人合一”的整体协调平衡观、“二十四节气”对自然规律的精准总结、因时因地制宜的生态多样性发展观、精耕细作的可持续发展观等。这为现代智慧农业的创新发展提供了极具价值的经验借鉴与理论启迪。中国特色的智慧农场应当在传承这些智慧结晶的基础上,利用新的技术和新的信息进行升华,构建现代化的中国智慧农业理论体系。并通过“一带一路”倡议辐射发展中国家,借此契机为缓解全球粮食危机、构建人类命运共同体贡献中国智慧。
3.2 探索发展农业新质生产力习近平总书记指出:“发展新质生产力是推动高质量发展的内在要求和重要着力点。”“伏羲农场”智慧农业体系涵盖了“劳动者—劳动对象—劳动工具”这3个关键要素,致力于打造我国农业新质生产力,为粮食安全和乡村振兴建设注入新生命力。①培养一批面向未来需求的新农人,让新农人同时具备传统农业和现代农业的知识及技术;②应用人工智能、大数据、物联网等技术,构建智慧农业平台,对农业生产体系进行全要素的数字化处理和分析,为新农人进入农业生产提供条件;③引入高端农机、智能灌溉设备、无人机等现代化工具,实现全程智能作业。
未来的“伏羲农场”发展,要向对青年才俊产生极具吸引力的目标迈进,要让年轻人愿意,乃至竞相从事农业生产。最终目标要达到:建立1万个人才组成的专业技术团队,通过农业产业全链条带动新农人就业10万人以上;通过“藏粮于技”实现降本增效,达到亩均增产50千克、亩均增收200元,推动全国粮食增产250亿千克、农业生产利润增加1 000亿元。习近平总书记进一步强调:“发展新质生产力,必须进一步全面深化改革,形成与之相适应的新型生产关系”。因此,“伏羲农场”同时也要探索新质生产关系,让农民共享科技成果所带来的红利;促进智慧农业科技创新的产业下沉,带动就业,促使农业全产业链的高质量发展,实现共同富裕,推动乡村振兴。
3.3 打造信息空间的大粮食安全稳定器“伏羲农场”终极愿景是通过规模化的农场构建和应用,形成一个覆盖并运营5万亩规模的标准网格,成熟后将整套模式在全国不同生态区主要的产粮大县布局,与我国的家庭或者集体农场融合,辐射并助力1万个多样化特征的智慧农场集群。建立与我国农村人口结构特征及其发展规律相适应的新型生产关系;最终形成“分可独立运转,聚可集群协作”的“伏羲农场”智慧农业体系,改变耕地离散粗放式经营的现状,实现全国5亿亩耕地“一盘棋”高效运营的中国特色智慧农业生产模式。在科学技术的助力下建立“节本、增产、提质、增效、绿色、智能”的智慧农场创新体系。
核心思路是通过“以空间换时间”的策略,快速积累与国际智能农业大平台媲美的海量高质量数据,以加快构筑智慧农业大数据壁垒的步伐;迭代原有固定规则的农业模型,建立具有开放式迭代功能的农业人工智能算法模型平台;集成自主的智能农业装备,实现5亿亩耕地的率先智能化,在信息空间打造我国粮食安全的稳定器。
4 未来发展“伏羲农场”的建议(1)将“伏羲农场”与高标准农田建设协同推动。建议在我国新一轮高标准农田建设中,在部分典型生态区开展试点,协同推动“伏羲农场”与高标准农田建设,并进一步加强试点区域智慧农场所需的基础设施建设,将“伏羲农场”放在农业生产实践的一线进行考验和优化。
(2)将“伏羲农场”与地方职业教育结合。建议我国将推动地方职业教育机构发展与“伏羲农场”建设协同推进。根据我国未来农业发展需求,构建人才就地培养和技术创新就地探索的新机制,培养一批交叉型人才队伍,为当地储备人才和技术,培育产业。
(3)突破“伏羲农场”智慧农业体系的核心科技壁垒。建议协同中国科学院、农业农村部、教育部和国家数据局的资源和力量,加快突破传统数据采集方式中低效、低性价比、低质量的技术障碍,建立高质量的数据平台、算法平台和算力平台,并建立相关标准和联动机制。
[1] |
Huang J K, Hu R, Yi H G, et al. Development visions and policies of China's agriculture by 2050. Chinese Journal of Engineering Science, 2022, 24(1): 11-19. DOI:10.15302/J-SSCAE-2022.01.002 |
[2] |
Toriyama K. Development of precision agriculture and ICT application thereof to manage spatial variability of crop growth. Soil Science and Plant Nutrition, 2020, 66(6): 811-819. DOI:10.1080/00380768.2020.1791675 |
[3] |
Talaviya T, Shah D, Patel N, et al. Implementation of artificial intelligence in agriculture for optimisation of irrigation and application of pesticides and herbicides. Artificial Intelligence in Agriculture, 2020, 4: 58-73. DOI:10.1016/j.aiia.2020.04.002 |
[4] |
孟山都推动农业数据科学平台转型. 中国科学报, 2017-09-20(07). Monsanto Promotes the Transformation of Agricultural Data Science Platform. China Science Daily, 2017-09-20(07). (in Chinese) |
[5] |
Perry T S. John Deere's quest to solve agricultures deep-learning problems. IEEE Spectrum, 2020, 57(2): 4. DOI:10.1109/MSPEC.2020.8976885 |
[6] |
Iida S. Precision agriculture in rice farming. Precision Agriculture: Modelling. Cham: Springer International Publishing, 2023. DOI:10.1007/978-3-031-15258-0_13
|
[7] |
熊范纶, 郭霖, 吴文荣. 砂僵黑土小麦施肥计算机专家咨询系统. 信息与控制, 1987, 16(2): 7-11. Xiong F L, Guo L, Wu W R. Computer expert advisory system for adequate fertilization of wheat fields. Information and Control, 1987, 16(2): 7-11. (in Chinese) |
[8] |
Xiong F L. Expert system for decision-making in complex environments. 1986 25th IEEE Conference on Decision and Control. December 10-12, 1986, Athens, Greece. IEEE, 1986: 1374-1379.
|
[9] |
郑阳阳, 梅林峰, 刘瑞峰. 农业数字化转型的国际经验、本土实践和政策启示. 世界农业, 2025, (1): 18-30. Zheng Y Y, Mei L F, Liu R F. International experiences, local practices and policy implications of digital transformation in agriculture. World Agriculture, 2025, (1): 18-30. (in Chinese) |
[10] |
熊范纶. 面向农业领域的智能系统技术体系架构及其实现. 模式识别与人工智能, 2012, 25(5): 729-736. Xiong F L. Technical architecture and implementation of intelligent system for agriculture domain. Pattern Recognition and Artificial Intelligence, 2012, 25(5): 729-736. (in Chinese) |
[11] |
Li H S. The origin of eight trigrams: Explaining the mechanism of soil response to temperature change. Sumerianz Journal of Social Science, 2021, (43): 84-92. DOI:10.47752/sjss.43.84.92 |
[12] |
高树琴, 胡兆民, 王竑晟, 等. 智慧农业助力粮食生产节本增产增效的"九步法". 中国科学院院刊, 2024, 39(1): 198-209. Gao S Q, Hu Z M, Wang H S, et al. Nine-Step Approach of smart agricultural helps grain production reduce costs, increase yield and efficiency. Bulletin of Chinese Academy of Sciences, 2024, 39(1): 198-209. (in Chinese) |