什么是数字农业？能否让数字农业从局部“盆景”变成大规模推广和应用的“风景”？如何通过科研应用转化，形成更强竞争力、更高生产力？

数字农业是农业现代化的核心，也是数字乡村建设和乡村振兴的重要内容。“数字化”是科技赋能农业有力的体现。那么，数字农业究竟是什么？能否让数字农业从局部“盆景”变成大规模推广和应用的“风景”？如何通过科研应用转化，形成更强的竞争力、更高的生产力？

数字经济快速发展背景下，“数字农业”应运而生。数字农业是将数字化信息作为农业新的生产要素，用数字信息技术对农业对象、环境和全过程进行可视化表达、数字化设计、信息化管理的新兴农业发展形态，是数字经济范畴下用数字化重组方式对传统产业进行变革和升级的典型应用之一。2020年农业农村部发布《数字农业农村发展规划（2019—2025）》，进一步明确数字农业是未来农业的发展方向。

“数字农业”的概念由美国科学院、工程院两院士于1997年正式提出。

数字农业是什么？

数字农业是将信息作为农业生产要素，用现代信息技术对农业对象、环境和全过程进行可视化表达、数字化设计、信息化管理的现代农业。数字农业使信息技术与农业各个环节实现有效融合，对改造传统农业、转变农业生产方式具有重要意义。

数字农业将遥感、地理信息系统、定位系统、计算机技术、通讯和网络技术、自动化技术等高新技术与地理学、农学、生态学、植物生理学、土壤学等基础学科有机地结合起来，实现在农业生产过程中对农作物、土壤从宏观到微观的实时监测，以实现对农作物生长、发育状况、病虫害、水肥状况以及相应的环境进行定期信息获取，生成动态空间信息系统，对农业生产中的现象、过程进行模拟，以达到合理利用农业资源，降低生产成本，改善生态环境，提高农作物产品和质量的目的。

数字农业的四大组成部分

数字农业是一个集合概念，它主要包含以下3个部分：

1. 农业物联网

农业物联网从本质上讲，是一套数控系统。在一个特定的封闭系统内，以探头、传感器、摄像头等设备为基础的物物相联。它根据已经确定的参数和模型，进行自动化调控和操作。由于需要以硬件设备的投资和联网为基础，因此投资额较大，主要用于设施农业生产过程的管理和操作，也用于农产品的加工、仓储和物流管理。

2. 农业大数据

农业大数据是与农业物联网相对应的概念，它是一个数据系统，在开放系统中收集、鉴别、标识数据，并建立数据库，通过参数、模型和算法来组合和优化多维和海量数据，为生产操作和经营决策提供依据，并实现部分自动化控制和操作。因为它是在完全开放的系统中运作，因此主要用于大田农业的生产和农业全产业链的操作和经营。

3.智慧农业

智慧农业是建立在经验模型基础之上的专家决策系统，其核心是软件系统。智慧农业强调的是智能化的决策系统，配之以多种多样的硬件设施和设备，是系统+硬件。智慧农业的决策模型和系统可以在农业物联网和农业大数据领域得到广泛应用。

2016年，谷歌旗下Deep Mind的Alpha Go横空出世，把人工智能为（AI）的决策水平提高到一个新高度，让人们认识到人空智能发展的提速和广阔的前景，也为数字农业的发展注入了强心针。

由于数字农业的发展还处于早期阶段，对于其核心的组成部分以及各个部分的理解还有不少歧义，因此，概念被用错和被混为一谈的事情经常发生。

数字农业未来的发展前景虽然非常富有吸引力，但是由于农业的生产涉及的品类和品种繁多，生产过程漫长和复杂，不可控因素多，变量多，因此数字农业从单点突破到进步和应用还需要假以时日。

数字农业的特点

1. 农业生产体系完善

美国已形成发达的产前、产中、产后紧密衔接的农业生产体系，包括农业生产资料的生产和供应，以及农产品的收获后的储藏、运输、加工和销售等部门。他们分工明确，协作，在相关农业法律体系的维护下，农业生产有序。

2.农业教育、科研和推广“三位一体”

美国的农业是由私人经营的，但各级政府积极支持农业科学技术的发展，建立了富有特色的“三位一体”的农业教育科研和推广体系，农学院同时承担农业教育、科研和推广三项职能，使教学科研和推广紧密地结合起来，为农业发展提供强大的技术推动力。

我国数字农业发展现状

目前，在农业数字信息标准体系、农业信息采集技术、大比例尺的农业空间信息资源数据库、农作物生长模型、动植物数字化虚拟设计技术、农业问题远程诊断、农业专家系统与决策支持系统、农业远程教育多媒体信息系统、嵌入式手持农业信息技术产品、温室环境智能控制系统、数字化农业宏观监测系统、农业生物信息学方面的研究应用上，中国企业都取得了重要的阶段性成果，通过不同类型地区应用示范，初步形成了我国数字农业技术框架和数字农业技术体系、应用体系和运行管理体系，促进了我国农业信息化和农业现代化进程。

但我国的数字农业依然处在相对早期的阶段，大量硬件投入实际上还未完全解决农业的根本问题。很多地方的数字农业建设，都存在“增量不增收”，“种，产，销”三个阶段脱节，或者数字概念脱离实际生产环境等问题。具体包括：

1.重硬件，轻软件

无论是政府还是农户容易把数字农业与农业机械化的概念相混淆。数字农业与农业机械化的根本区别在于，机械化是用机械来代替人工劳动，数字农业则是以数据来驱动机械实现自动化运转和智能化调节。没有数据和软件来驱动的物联网，其实还是工具，与机械农业并无本质上的差别。打通软件平台才有打开大数据，智慧农业，数字经济大门的钥匙。

2.有数据，没智慧

数据是数字农业的基础资源，近年来政府与企业多在数据采集上投入重金。然而，由于缺乏明确的业务化方向和必要的数据运营技能，对获取数据的质量控制、分析加工和建模应用方面的工作相对滞后。数据的获取与应用是一个双向互动的过程，只有不断尝试利用数据产生业务价值，才能建立有价值的数据采集渠道。

3.数字经济薄弱

当前中国数字农业的绝大部分应用还停留在生产环节，严格来说处于现代农业3.0的初级阶段，产业链其他环节的信息化和经济化程度较低。虽然农业部提出了“全产业链”的农业大数据发展路径，尚未能充分激发产业链其他环节的潜力，农产品电商的经营方式也还未开始数据驱动的尝试。农业的数字经济和其他的数字农业关键因素有所不同，其实农业数字经济是以市场资本反向驱动的。农业电商的模式是以数字驱动市场经济，在市场推广营运、产品特性、物流等方面受到了非常多的阻力，如若当反向驱动形成现实，问题就变得简单起来。

4.产品化能力弱

近年来，农业数据服务企业层出不穷，但对农业生产经营主体的服务能力普遍不足，产品市场化困难。数据产品的服务能力严重依赖于数据质量，随着高价值数据的不断积累，有望提升产品实用性。只有持续打造有生命力的数据产品，才能撬动庞大的农业数字化市场。

数字农业的发展趋势

以“数字化”为特征的现代农业4.0是毋庸置疑的未来，数字农业将带来更高的产业效率，更公平的价值分配，更可持续的发展方式。我们认为中国数字农业的发展将呈现以下六大趋势：

1.数据供应定制化

数据资源是发展数字农业的基石。目前中国数字农业面临数据采集成本较高的困境。随着数据思维深入人心，数据采集的组织成本将大幅下降；随着农业物联网的升级换代、公共数据的不断开源以及从业者信息化水平的提升，数据采集的显性成本将不断减少。未来所有的农业产业单元都将拥有定制化的数据供应系统。而且，数据仓库里的静态资源将随着拥有者的数字化能力提升而不断流入产业链，通过交换、融合或再生，去不断创造价值，实现业务的数字化驱动。

2.数据模型国产化

发现数据价值是数字农业发展的动力之源。以色列可以把硬件设备卖给我们，却绝不开放后台系统，因为真正的核心技术是实现数据价值的模型。当下，随着大国科技竞争的加剧，引进科技成果的壁垒不断增高，而且由于国内外农业业态差异大，我们无法套用国外的模式与模型。另一方面，中国不断鼓励科研成果的产业转化，产业与学术、农业与数据科学的跨界合作正在逐步深入，因此实现产业核心数据模型的自主研发是大势所趋。

3.农业机械智能化

机械化与智能化之间只隔着一个“数据驱动”的距离。中国制造2025战略明确把“智能制造”作为主攻方向，顺应市场潮流，海尔、金风等老牌制造厂商已经积极开展数字化转型，寻找新的增长点。农机厂商也必将不断利用数据为机械赋能，适应数字农场的场景需求，实现从制造商向服务商的转型升级。

4. 产业链虚拟化

随着农业产业各环节数字化程度的有效提升，当数字化的机器智能与商业智能走进生产与经营，产业链将不断走进网络，在网络世界逐步完成现实的数字化映射。产业链虚拟化将进一步推动消除信息不对称，提高产业效率，发现新的增长。

5.供应链金融普惠化

近年来供应链金融迅猛发展，据测算，到2020年，中国供应链金融的市场规模可达14.98万亿元。供应链金融是产业优化的重要组成部分。它通过优化资金流来促进产业、特别是中小企业的健康发展。通过物联网、互联网和人工智能等新兴技术的应用，数字农业将有效推动中小企业有机的融入产业网络体系，为供应链金融普惠化提供坚实的产业基础；同时，农业产业虚拟化进程所带来的产业信息透明化和主体信用可追溯也将为金融风险的量化管理提供切实的保障。

6.数据安全增强化

无论是农田数据还是企业的经营数据都是反映从业者生产经营状况的关键信息。数据带给产业动能的同时，也存在被滥用的风险。因此，数据安全是产业数字化发展的基本保障。存储和应用数据的信息化系统安全性的诉求将不断增强，数据权属问题也将随着法律的完善而得到妥善解决，解除产业数字化的后顾之忧。