近年來，我國農業現代化取得巨大成就，正逐步擺脫“靠天吃飯”的老印象。但科技發展日新月異，在美國亞利桑那州的田間，無人駕駛拖拉機穿梭其中，大批“生菜機器人”在查看每株作物的生長情況，農場主只需通過手機便可掌控農場的核心數據……與此相比，我國農業發展的潛力依然巨大。從土壤分析到作物種植，從天氣監測到施肥撒藥等，由大數據和人工智能驅動的智慧農業，正在逐步改變著我國現有的農業生產方式，智慧農業正催生出一個巨大的市場。
靠“智慧”深度挖掘農業潛力
在人們的印象中，農業靠天吃飯的成分很大，雖然科學種田讓農業走上了現代化之路，但較之于日趨智能的工業制造，農業開發的潛力十分巨大。特別是隨著人口的增加，可耕地的減少，通過智慧農業釋放生產潛力變得十分重要。聯合國糧食及農業組織預測，到2050年全球人口將達到90億。盡管目前的農業生產力較50年前提高了3倍，但糧食生產力還得再提高60%，才能應對人口快速增長帶來的壓力。另外，人口老齡化加劇帶來的農業勞動力不足等問題，也使農業生產方式的變革成為現實挑戰，借助大數據，借力機器人，可以更大程度地解放生產力，有望大幅提高效率和產量。
智慧農業不僅意味著更加精準，一定程度上還意味著有機和健康。傳統的農業種植通常離不開農藥。通過精準土壤數據抽樣分析，可幫助種植者在正確的時間和地點，精確地對農作物施肥和撒藥?？茖W家估算，未來的農業可以嚴格控制施肥量，并且只在有需要的作物上撒滅草劑等藥物，化學農藥的使用數量將減少至目前的一半、甚至是1/10。
總體上看，智慧農業目前基本上停留在概念階段，發達國家應用于農業的人工智能和大數據主要是一些比較分散的單項技術，如土壤、氣候分析等，而且基本局限于大型農場。另外，由于整體上缺乏統一的數據標準，不同來源的數據可能造成解釋、分析的不匹配。要通過大數據“深耕”農田，還得花大氣力整合數據資源、規范數據標準，提高數據的分析應用能力，降低技術成本，才能找到應用推廣的突破口。不過，人工智能和云計算等技術總會有一天俯下身來擁抱大地、深耕農田。
新農業投資也打“智慧”牌
處于萌芽階段的智慧農業目前已經顯露出誘人的前景。美國杜邦公司認為，未來10年由數據驅動的種植服務預計有5億美元的市場。
6月16日至18日，習近平總書記到貴州調研。習近平希望貴州協調推進“四個全面”戰略布局，培植后發優勢，奮力后發趕超，走出一條有別于東部、不同于西部其他省份的發展新路。圍繞“十三五”期間經濟規劃問題，習近平指出，當前，我國經濟發展呈現速度變化、結構優化、動力轉換三大特點。適應新常態、把握新常態、引領新常態，是當前和今后一個時期我國經濟發展的大邏輯。他還提出，要加快發展特色高效農業，加快培育新型農業經營主體，加快推進美麗鄉村建設，促進城鄉基本公共服務均等化、基礎設施聯通化、居民收入均衡化、要素配置合理化、產業發展融合化。而在不久前的5月，習近平在考察浙江時亦表示，農業現代化是“新四化”中的薄弱環節，要加快農業技術創新步伐，走出一條集約、高效、安全、持續的現代農業發展道路。
從全國范圍看，在農業現代化大發展背景下，農業機械化、信息化、智慧農業等相關產業均具有投資機會。而在美國，不少業界巨頭已經開始布局，美國農業生物巨頭孟山都公司近年著力打造精準農業部門;日本宮崎縣利用云計算和大數據種植卷心菜，產量增加了三成多;谷歌旗下的風投部門最近斥資1500萬美元涉足數據農業，通過計算機系統分析和評估農作物的生長、農藥使用和作物產量等。目前，該公司對美國17個州的4000多畝土地上的玉米、大豆、小麥等16種作物進行實時追蹤，評估農藥和化肥使用的工具也在開發中。
物聯網經過過去若干年的發展，今天它已經到了一個很新的階段。從IBM的角度來看，應該可以這樣講，物聯網今天已經經過了三個階段，我們不妨來做一個比較簡單的回顧。
在最開始的時候，我們談物聯網更多的是來談感知這個物理世界，對世界進行感知，把這些信息無論是有線的傳輸，還是無線的通訊帶到數據中心來做處理。這是最原始的物聯網的概念。我們今天回頭看是叫做物聯網1.0的概念，這個概念最核心的是來構建一個物聯網的系統。在這之后我們意識到物聯網需要非常多的解決方案，需要構建一個通用的或者近似于通用的物聯網的平臺，使得不同的解決方案能夠在這樣的平臺上來做運營。這樣的平臺是需要非常多的特殊的比如說關于物聯網數據的處理的技術，所以這是一個物聯網2.0的概念。在這樣一個階段，我們花了非常多的努力，包括IBM，包括我們很多的合作伙伴，花了非常多的努力來構建很多物聯網的技術，使得我們對這樣物聯網的數據能做更好的處理。
今天，IBM來看，物聯網已經在逐漸進入物聯網3.0的階段，這個階段非常有意思的特征。一個是物聯網技術與云計算技術非常非常深入的融合。另外一點對于物理世界模擬這樣的技術，會被帶入到物聯網的應用當中去。以后基于物理世界模擬的深度的分析，它會讓我們不斷的能夠對物理世界進行感知，而且還能進行非常非常深入的洞察力的產生。這是物聯網3.0的階段，已經超越了傳統物聯網，無論是系統還是平臺，更多的是來看物聯網的業務優化。
我們看物聯網的發展趨勢，把握大的發展趨勢有兩個，一個就是物聯網向云端的擴充。今天已經有很多的數據顯示，非常多的解決方案在這幾年會直接被云端設計、展示，這是物聯網解決方案向云端發展的一個趨勢。另外一個趨勢從數據的采集、傳輸到簡單的分析，直到進行非常深刻的數據處理、數據分析這樣一個趨勢，最核心的內容是要產生一種洞察力，這種洞察力是可以執行的，意味著我們可以基于這樣的洞察力對這個物理世界進行很好的管理。這是從一個大的宏觀的趨勢來看，物聯網從1.0到3.0的階段。
簡單的來談一下物聯網從技術上需要什么樣的創新。一個是云端的解決方案，非常多的關于云計算的這方面的進展，包括如何進行具有安全性的云計算，都是非常非常重要的研究方向。
通過大數據分析，這里我特別想來談三點，一個是傳統的IT數據處理技術，因為物聯網產生的極大量的數據需要得到極大的提升。一個非常重要的方面是對非結構化的處理，傳統的數據都是一種結構化的數據，比如說企業運營的數據，很多是存在于傳統的關系數據庫中。新的物聯網的數據，包括社交媒體的數據，是一種交互系統，無論是與人的交互系統，還是與物理世界的交互系統，產生的數據是非結構化的。我們如何把傳統的IT針對結構化數據這樣的解決方案或者這樣的技術，中間件的技術，系統的技術，讓它擴展到非結構化的方面。這是非常非常重要的一個方向。
第二，物聯網一個非常重要的方向，技術上來講是需要把物理模型來引入到數據分析中。今天很多時候我們談到數據的時候更多的是理解數據本身之間相互的關系，而并不是用數據來刻畫物理世界，現實中物理模型已經被使用了很多年，無論是天氣預報，無論是空氣污染，都有這樣的物理模型。我們如何在新的形態下，把物理模型引入到對物理世界的感知和管理中。
另外一點非常非常重要的，也是物聯網能給我們帶來改變的，就是這個世界比以前更加的連接、更加的相關。傳統來講，可能一個物理模型就來分析比如說天氣或者分析污染，但我們今天可能需要把這樣的模型與經濟的模型相連，把這樣的模型與健康的模型相連，因為它們彼此是相關的，這樣就會產生一個超級的物理模型。中間包含了非常非常多的不同領域的模型，它們之間需要互相的運作，來共同的管理和優化這樣的物理世界。
如果我們相信這是一個未來的發展方式，這就涉及到我談到的物聯網技術發展的方向。當這個世界變得非常非常的復雜，數據非常非常的大量，模型非常非常多的時候，以今天的人力已經非常難以理解各管理這樣的事情，即使今天普通的算法。這時候我們可能就需要來引入，包括機器學習這樣的具有認知計算能力的系統。這種能力使得我們能夠通過歷史數據或者實時的數據來不斷的學習，不斷的訓練，來對這個物理世界的模型進行不斷的調試，使得更好的來理解這個世界。這樣的物聯網系統是具有自我學習能力的，這個就是與認知計算，IBM幾年前一個很重要的宣布為代表的認知計算的興起。
從行業的角度來看，有兩大類行業會涉及到非常多的很正面的影響。一類是傳統的重資產行業或者資產密集型行業，無論是能源還是交通，這些行業有非常多的資產，這些資產也非常的昂貴，我們如何更好的管理這些資產，使它更有效的被利用。另外一類是互聯設備型行業，無論是車聯網、智能的家居，大量的或者超大量的設備被互聯起來，我們如何更好的進行管理，產生更好的價值。
當我們邁向物聯網這樣一個時代，傳統的計算機IT系統還存在，未來的IT系統，以IBM今天的看法，實際上是在構建一個具有洞察力的系統。傳統的IT系統是一種基于記錄的系統，因為那些系統更多的是結構化的數據，加上新的系統，它是為了互動系統而設計的。無論剛才談到的與物理世界的互動，還是與人之間社交的互動。IT系統最核心的價值就是產生洞察力，我們如何將這種傳統的數據與新興的數據進行結合，來產生具有執行力的洞察力。是今后若干年IT發展的一個非常非常重要的挑戰與機遇。
去年IBM有一個宣布，我們整合IBM全球12家研究院的力量，把我們最好的技術、最好的能力帶來，做什么?把IT技術，包括物聯網、云計算、大數據這樣的技術，帶來，來解決影響國計民生的一些很重要的問題，這里特別是談到環境和能源的問題。包括幾個方面，一個就是我們如何能夠利用物聯網、大數據的技術來做很好的可再生能源的利用。大家知道，可再生能源，比如說風力發電，雖然風力發電本身是一種清潔能源，但是它具有很大的挑戰之一是風力發電本身難以的預測性，如何能夠利用實時的傳感器的數據，實時的衛生云圖的數據，實時的天氣的數據來做精確的未來72小時，每間隔15分鐘指定的200米×200米范圍內可能產生的風力。我們只有做這種準確的預測，才能把這些風力能夠有效的進行并網的處理。
第二步，即使我們能夠最大限度的利用了可再生能源，我們如何能夠做更好的利用物聯網的技術、云計算的技術的節能減排。同樣一家企業為什么產生一塊錢的GDP要用這樣的能耗，而另外一家企業只有他的一半。我們如何能夠發現這樣的問題，追溯它的本源來做一些處理。
在我們做了可再生能源高效利用和企業的節能減排的同時，我們也知道，因為污染防治本身也是一個問題，也是一個非常非常大的挑戰。我們如何能夠利用剛才談到的包括認知計算在內的技術來做更好的污染的預測、空氣質量的預測及為了采取適當的措施來給出可執行方案的決策支持系統。這也是我們現在在努力的方向，而且也取得了一定的進展。
接下來我用幾分鐘來談一下物聯網在未來幾年我們的一個預測。剛才談到物聯網它核心的一個是向云的發展，一個是它的智慧化。智慧的物聯網是物聯網發展的一個非常重要的方向，與此同時還有幾個非常重要的趨勢，我們不得不注意到。一個是我們看到今天大量的數據是在終端產生，終端產生數據增加的速度是遠遠超過帶寬增加的速度。這就意味著無論你做什么，你不可能總是把這些數據傳回到數據中心或者傳回到云計算中心的。
與此同時，我們也有一個預測，兩年之內，2017年的時候全球的智能手機的計算能力和存儲能力的總和是會超過全球服務器的計算能力和存儲能力。這給我們的啟示是什么?我們應該能夠想到在一個不遠的將來，很多的計算，所謂物聯網的計算會在邊緣端發生，這個邊緣端可能是手機，也可能是傳感器，也可能是攝像機。未來的世界是這樣一個云計算+邊緣計算這樣一個世界，有些運算要在云端做，有些處理要在邊緣端做，我們如何構建這樣一個系統，這是一個超大規模、超復雜的一個分布式系統。這個系統我們如何讓它更加安全、可靠的運行，這得我們很多行業來講都是一個非常好的很有意思的一個問題，也是一個很好的機遇。
實際上物聯網的發展它是牽扯到很多的方面，不僅僅是在云計算或者是算法，或者是認知計算、機器學習這樣的算法，我這里再舉一個例子。IBM去年有一個宣布，就是IBM的SyNAPSE芯片。傳統的計算機是一個基于馮諾曼系統的計算機，更多的善于邏輯計算，而并不善于做形象思維。IBM在這一方面，在芯片層和系統層也投入了巨大的資源，我們希望能夠來對物聯網上的問題做一個全方位的理解和探討。IBM去年宣布這款芯片54億個晶體管，大致可以模擬100個神經元，2億5000萬可編程的神經突處。雖然有54億個晶體管，這個芯片的能耗是低于1/10瓦的，如果記憶正確的話應該是70毫瓦。這樣一個超低能耗的芯片它處理很多事情是跟傳統的計算是完全完全不一樣的，它給我們提供了很大的想象空間。未來的系統即使在邊緣端你可能也會有完全全新的技術，無論是從軟件、硬件，包括從芯片開始，都會有非常不同的技術，來使得未來的IoT或者物聯網系統給大家提供嶄新的不同的價值。
京公網安備 11010502049343號