AI 是如何用于养猪的？人工智能落地农业会是新方向吗？

转我在36氪上发的一篇文章，正好回答这个问题。文章标题就是：

人工智能养猪，到底靠不靠谱

尽管2019年才是猪年，但养猪的春天已经提前来到。继网易丁磊养猪之后，阿里也要养猪了。阿里云和两家养殖集团达成合作，将用人工智能改造养猪业。接地气的养猪，忽然就和高大上的人工智能走到一起。行业内议论纷纷，人工智能养猪到底是未来，还是炒作？

在我看来，可行性并不是问题。 产品落地的关键无非是需求和成本：养猪业需不需要人工智能，以及人工智能值不值得用在养猪业。

我们先来了解养猪这个行业。

中国是第一大猪肉生产国，也是第一大猪肉消费国。美国和加拿大这样的生产大国，也会把大量的猪肉出口到中国。猪肉相关产业在农业产业中排名第一，整个猪肉市场规模超过万亿，是智能手机市场的2到3倍。中国现在的生猪出栏量达到7亿头，就算不考虑进口猪肉，每个中国人每年也要吃掉半头猪。

所以，整个猪肉市场的容量，完全值得技术和资本的投入。事实上，网易的农业事业部也是经过考察，才在粮食、果木、蔬菜、禽畜等诸多农业门类中，选中了规模足够大的养猪业。

我们再来看看时机。

网易早在2009年就投入到养猪事业中，却一度发展缓慢。这和市场环境有很大的关系。尽管市场规模庞大，但猪肉行业和钢铁、重工等传统行业类似，在各个环节上都经过了充分竞争，所以单个环节的利润率都已经非常薄。

2015年的时候，猪肉价格一度下探到6元以下。这个价格让养猪变成了一门赔钱的生意，猪场纷纷减产自保。最近一两年来，环保政策严格，原本构成市场主流的小散养殖户快速淘汰。尽管规模化养殖集团以每年30%的速度增产，猪肉价格也能基本保持在高位。一个万亿级的市场发生巨变，自然会出现大量需要解决的痛点。技术和管理的创新，成为阻碍行业发展的主要瓶颈。 人工智能有望解决规模化养殖的很多难题。

就拿养猪中的关键指数PSY（Piglets per Sow per Year ）为例。PSY指数说的是每头母猪每年生产的断奶仔猪数。母猪产仔是养殖中最上游的环节，也是各大养殖集团争夺的制高点。欧美通过精细化养殖，能把PSY指数做到25以上，而中国的平均值在18附近。按照每头断奶仔猪300元的利润来说，这意味着2000元人民币的收益差距。

影响PSY指数的一个关键，是养殖工人判断母猪发情时的能力。养殖工人会牵一头公猪经过母猪，然后观察母猪的几个行为特征：母猪是否会嗅公猪、身体是否僵硬、阴户是否红肿且有分泌物。这些行为特征预示着母猪即将排卵。养殖工人随后进行人工配种操作。一般认为，人工智能可以大幅提高人工视觉判断的准确性。

除了实打实地提高PSY指数，人工智能的另外一个使命是代替人工。

中国顶级的养殖集团已经有能力获得和欧美国家相当的PSY指数。也就是说，这些养殖集团已经触摸到了生物极限，人工智能技术并不能进一步提高他们的PSY指数。然而，这些养殖集团的高水平养殖是靠人撑起来的。

在这些养殖场中，负责查情的老师傅拥有十多年的经验。经过一两年培训的本科毕业生，往往都还是打下手。查情过程不但需要多人配合，而且耗时长，更让人员捉襟见肘。人员相关的管理难题，也会随之出现。只要用技术替代人工，规模化企业才能消除扩张过程中的后患。

因此，即使养猪水平已经达到生物极限，但养猪业依然需要人工智能来取代人工，以便在规模化竞争的潮流中站稳脚跟。

现在，我们来讨论另一个关键问题，就是人工智能的成本。

近年来，人工智能的发展呈现井喷之势，这大大降低了技术开发的门槛。人工智能在替代人工的一些应用场景也表现卓越。就拿车牌识别来说，就取代了停车场收费的大爷们。按照这一思路类比，把已经成熟的人工智能技术搬到养猪场，其削减的人力成本，就足以补贴其建设成本。

遗憾的是，这个预期超出了现实。人工智能技术本身是一套方法的集合。在应用方法的同时，除了要尝试方法组合，还需要迭代尝试来获得最佳参数。如果不考虑实际情况，直接套用其他行业案例，那实施者在付出巨大的成本的同时，还很有可能达不到预期的效果。

京东金融去年的“猪脸识别”识别比赛，就向我们展示了问题所在。 “猪脸识别”就是套用“人脸识别”来确定猪的身份。这项技术可以通过识别出的身份来为活猪保险提供真实数据。在知乎上，就有“如何看待京东金融JDD大赛今年举办的猪脸识别比赛”的讨论。在京东金融官方号的回复中，就列出了“猪脸识别”技术应用的困难点：

1. 猪的生长周期短，外貌变化快，识别难度高。
2. 猪总是运动，很少正对镜头，数据采集难度高。
3. 面临智能耳标等成熟技术的竞争。

就拿采集难度这一条来说。在采集数据的过程中，京东金融派出了20人的团队，花费了两天时间，才采集到105头猪的图像数据。考虑到大型养殖集团千万头的养殖级别，“猪脸识别”几乎是不可能完成的任务。

再举个例子，用声音识别来分辨产房中被压小猪尖叫声，从而防止母猪压死小猪。母猪压死小猪确实是小猪死亡一大原因。根据现有的声音识别技术，识别出小猪被压也并非难事。然而，小猪被压超过一分钟，就很有可能窒息死亡。因此，从识别信号到人工干预，必须在不超过三分钟的时间内完成。

这种情况下，时间就是生命。一些小猪场甚至会派工人轮流住在猪舍中。工人听到尖叫即行动，才有可能完成拯救。在这一应用场景中，上行声音数据的识别，必须和下行干预结合，才能来得及解救被压小猪。遗憾的是，市场上现在还没有成熟的自动化干预设备。因此，很难通过人工智能来拯救小猪。

在应用人工智能算法时，猪场很难直接套用其他场景。想要在这方面有所作为，必须同时理解养殖和算法，通过综合性多种技术方法，创造出低成本而实用的工具。

举一个例子，京东金融提到的耳标可以低成本地完成身份识别，但采集到的数据维度太低。把耳标技术和动态追踪结合，就可以确定每头猪的位置、行为和状态。这样的产品在现阶段就有实用性，又免除了养殖企业在盘点和转圈过程中常见的人工错漏。当然，即使是这样一个产品，也需要反复尝试和迭代，不可能一蹴而就。从这个角度上说，已经习惯了长周期投入的养殖集团们，可能会更有耐心在“人工智能养猪”行业耕耘。