随着全球范围的人口老龄化和过渡灌溉和施肥造成的水土流失及土壤污染，农业急需从粗放走向精细，同时提高产量、资源利用率和利润，从而缓解全球性饥荒和环境污染问题。此次疫情带来的复产复工难，进一步凸显出以自动化生产和智能化决策为核心的智慧种植方案的经济和社会价值。

在这一背景下，发展数字农业农村成为全球共识，欧盟、德国等多国政府相继推出发展计划。据国际咨询机构研究与市场预测，到2025年全球智慧农业市值将达到300亿美元。在中国，2020年1月农业农村部和中央网信办印发《数字农业农村发展规划(2019-2025年)》，数字农业、智慧农业发展迎来政策利好。

而随着AI技术在中国不断发展，其应用已逐渐渗入农业生产全过程。机器学习、计算机视觉、大数据分析和云计算等是其中应用最广泛的技术。农业场景由于迭代周期较长，通常依赖农业专家数十年的经验积累；也因其包含大量复杂的物理、生物化学过程，信息量巨大，人类难以做到精准决策，而是依赖感性判断。AI技术的引入，可以高效利用传感器监测数据提取特征规律，同时借助集成了大量人类专家经验的仿真器进行模拟、探索和优化，形成一套实时、精准、可迁移的决策技术方案。

最近几年，智慧农业成为国内互联网巨头们竞相布局的重要战略领域，例如腾讯AI种植黄瓜、阿里养猪，京东养鸡等。农业是门慢生意，大厂们拥有的AI技术优势是促使它们在农业领域快速落地的“利器”。近日，腾讯宣布了两项在AI+农业领域的最新进展。

腾讯宣布两项AI+农业领域进展

6月10日，腾讯宣布了两项AI+农业领域进展。在研究侧，腾讯 AI Lab 与世界知名农业学府荷兰瓦赫宁根大学（下称WUR）联办的“第二届国际智慧温室种植挑战赛”（下称比赛）落幕。

复赛的五支队伍挑战用 AI 和 IoT 物联网等前沿技术优化种植决策，并远程自动控制温室种植番茄（第一届为黄瓜），复赛队的五个 AI 收成都超过了有20年经验的农业种植专家组。其中冠军组Automatoes得到满分，实现亩产资源消耗减少16%，净利增加121%，展现了农业智能决策与温室自动控制的技术价值，以及为农民减负的未来潜力。

所有AI组净利润均超越了专家参照组（303号为专家组）

比赛主席、WUR温室技术科学研究团队负责人Silke Hemming博士表示：“比赛目标是在6个月内竞争选出小番茄的最佳智慧种植方案，并贴近五大目标：产量高、品质好、能耗少、自动化、技术可迁移。

评审团最终按三个维度打分，一是作物净利润（占50%，包括产量、品质、价格等指标），二是AI应用（占30%，包括自动化、创新性、功能性、抗干扰鲁棒性、可规模化、可迁移性等指标），三是可持续性（占20%，包括水、肥、电、热和二氧化碳等资源的利用效率）。今年参赛的21支队伍来自26个国家，共200多人（去年15支队伍），我们也看到更多小型公司、独立农人和学生加入，呈现背景多元、百花齐放趋势。”

腾讯首席探索官网大为（David Wallerstein）表示：“通过和WUR等众多伙伴的多年合作，我们非常兴奋地看到，仅在两年里，所有参赛队的收成就都超越了人类，这代表AI能做并能做好温室的‘高级管理员’，监测和控制影响黄瓜、番茄等作物生长的重要环境因素（修剪和采摘现在仍由人类完成）。AI 不仅能提高作物产量，还能节约资源，增加利润。我们将不断致力于推动此类 AI 应用落地，帮助人类应对‘地球级挑战’，包括与人类息息相关的健康、食物、能源和水资源（FEW），及气候等大问题。”

AI种植出的番茄，官网：http://www.autonomousgreenhouses.com/

第二个丰收来自AI+农业应用侧。腾讯 AI Lab 借助在上一届比赛中自研的AI算法和技术经验打造的“腾讯AIoT智慧种植方案iGrow”今年已落地中国，辽宁的第一期番茄试点迎来“小丰收”，每亩每季净利润增加数千元，初步验证iGrow的商业价值。

试点顾问、有多年种植经验的资深农业技术员刘建华说，作物在不同的生长周期对温室环境有不同要求。以温室温度为例，传统番茄种植中，农民应在苗期、花期、果期设定不同温度，但很难精准识别每个时刻下环境和作物生长状态的细微变化，从而判断对应的理想温度，所以在一个种植周期内，农民通常会估算一个固定温度值来操作，这非常依赖经验，无法实现低成本条件下，精准、实时、自动的种植决策优化和温室控制。

而iGrow的智慧种植方案，具有自动智能、因时制宜、高效精准等特点，用IoT传感器按分钟或小时的高频密度，采集空气/土壤温湿度、二氧化碳浓度和光合有效值等多种环境数据，优化后的iGrow温室仿真器能快速做大量种植模拟（15秒模拟82个生长周期），再用不断优化的强化学习AI算法选择最佳种植决策，最后自动控制温室，精准利用资源，提高作物的品质和产量。

AI是如何种出番茄的？

今年大赛选取小番茄作为种植对象，因为黄瓜和番茄是主要的温室作物，需要监测和控制的种植和环境变量较多，能体现出不同种植策略的技术优势。在赛制上对AI与IoT技术方案提出了更高要求，并优化迭代了温室仿真器。

大赛评委之一、腾讯AI Lab “AI+农业”业务负责人罗迪君博士介绍：“ 仿真器能让参赛队能更方便、快速地获得温室仿真结果，让 AI 算法有充足数据样本改进算法和策略。虽然温室无病虫害会让仿真值有一定误差，但其对产量预测、气候变化影响种植对策等相关研究具有很高价值。”

此外，本届比赛的番茄种植仿真器中还新增了肥料控制，能够精准地施放作物所需肥料，减少资源消耗。在作物管理模块，模拟器还可以设定一个簇中的最大果实数，并支持留叶策略和留果策略。此外，新增了3种遮光选项，包括透光型、透气型和遮光型，来更好地适应实际种植环境。

WUR为每个参赛组配备了96平方米的自动化温室，设备包括包括通风系统、遮光系统、加热系统、气肥机、混LED补光灯、基质栽培系统及标准传感器（用于温度、湿度和二氧化碳测量）

去年首届比赛课题为黄瓜种植，吸引了微软、英特尔、腾讯与中国农科院等企业与机构参赛，腾讯 AI Lab 自研的iGrow方案在比赛中获得AI策略第一名，攻克了机器智能嵌入农业专家知识的难题，4个月内大幅提高资源利用率，实现17％的净利润增长，产量媲美20年经验的农业专家组。

比赛当中，各参赛队不断深入挖掘AI算法潜力。技术颇具亮点的包括：冠军队Automatoes利用最先进的数据驱动算法DeePC，相比经典控制算法MPC，安全性更高，对于复杂非线性随机系统可以达到更精准的控制效果。韩国的Digilog队提出利用强化学习算法，通过有效结合历史数据、实时数据及仿真器反馈进行训练，从而输出连续的控制策略。此类进展再次证明了AI+农业仍有广阔的探索空间。

在AI展现技术价值的同时，要看到农业场景中种植周期长、数据不规范、采集成本高等因素带来的数据短缺问题，及温室仿真器的精度误差，会限制AI的进一步推广使用，因此需要在数据规范采集、仿真器迭代、算法优化到行业推广方面不断努力。

下一步，针对现阶段挑战，WUR和腾讯将继续在作物模型研发和全周期管理等领域深入研究。

辽宁试点获得小丰收

不仅通过竞赛研究，腾讯AI Lab还重点推进了本地化应用，与农业大省辽宁达成合作，展开两期种植试点。一期使用当地三个日光温室种植番茄，其中两个部署了iGrow方案的实验组。5月结束试点后，实验组和未改造的对照组相比，每亩每季提升数千元净利润。

iGrow方案在辽宁温室试点

辽宁的iGrow方案包含传感器、控制器、边缘网关等工具，在腾讯云上搭建配套PaaS平台，种植决策和温室控制均可自动执行，农民只需要在种植、采摘、设备日常维护之外做少量基础农活，节约了人力。

试点期间迎来了突发的2月倒春寒，温度骤降。对照组中，农民参考往年经验设定了固定温度，周期内调整了3次温度，但因无法实时调整，温度骤降时温室保温性变差，气温波动大；在iGrow实验组里，则体现了AI算法的稳定性与强容灾能力，配合卷帘、放风机等底层自动化控制技术，实现了小时级的温度调整，因时制宜。

辽宁1期试点取得的成果，初步验证了智慧种植方案在国内落地的可行性。

备注：荷兰多采取12个月种植模式，因赛制需要6个月提前收成，此期间实验组相比对照组净利润增加121%。

创作场景

继 AI 种黄瓜后，腾讯 AI 种番茄收成超 20 年经验农业专家，每亩净利可增千元