编辑导读：在人工智能逐渐发展成熟的今天，如何将它运用到实际生产生活中是一个仍待解决的重要课题。本文作者从农业行业出发，谈谈农业大数据和农业AI，希望对你有帮助。

在我们还在谈智慧农业的时候，大家就对农业大数据有了自己的认知。

希望通过此文，能够帮大家理解农业大数据和农业AI之间的关联关系和未来发展趋势。

在数字农业时代，我们需要更智能的业务操作，更实时的大数据分析，更流畅的信息流转，仿佛我们已经步入了农业AI阶段。

之前在我们群聊的腾讯会议在线视频中，我介绍过两次农业AI的应用场景和业务价值。农业大数据的应用场景和应用价值，也会在后续介绍。可能我先从农业AI讲到了农业大数据，但从技术的发展来看，先有大数据和云计算，再有AI的成规模应用，虽然上个世纪60年代AI就已经萌芽，而大数据Hadoop还得源自于为儿子制作的大象。

本文的目录如下:

1、农业大数据通用的应用场景

2、农业AI通用的应用场景

3、农业大数据和农业AI的异同

4、农业大数据和AI的终点

01 农业大数据通用的应用场景及思索

没错，就是这些内容，就得看你采集到了多少数据，这些数据是不是干净，构建的大数据模型是否精准，有没有数据计算模型改进的流程闭关。其实很多人不会考虑这些，一听农业大数据，就觉得什么都能解决。

还有很多人却忘记了，自己是要数据的实时分析，还是批量处理。

为什么会有这类问题的出现。

数据可视化

因为他们都脱离了业务本身来谈大数据。我刚提到的这些农业大数据的应用场景，真的有业务流程配套吗？换句话说就是这些农业大数据后续都能运营起来？大数据计算所需要的数据是否都能采集、能有大量数据、数据质量都有保障？

按具体场景，农业大数据可以分为：农业数据分析、农业数据可视、农业辅助决策、农业数据挖掘、农事操作自动化，这几个大的方面。

02 农业AI通用的应用场景

农业AI的通用应用场景有产量预估，病虫害识别，出栏建议，体重测量，品控自动化，农产品定级、保险赔付等，场景有些和大数据重复，有些比大数据更加智能。

AI、区块链之类的技术，在农业领域内也吹嘘的比较多。要实现农业AI的有效价值，必须有一个商业模式配套，要寻找好合适的用户，用合适的付费方式来为农业AI收获更多的测试用数据，不断训练AI模型，让它准确率更高。

不得不说，我看过的很多AI模型都还是直接抄袭欧美的阶段，参数纬度、初始算法全抄，再慢慢训练，这样是不行的，得自己找出些适合中国农业的纬度和参数。

03 农业大数据和农业AI的异同

相同点都需要使用一堆数据，都需要云计算的算力支持，都需要业务场景和业务价值的配套，否则玩不转。

不同点是农业大数据的数据模型指标占比，是人工调整，适合更多的分析型场景，有一定的数据分析方向了。农业AI的数据模型指标占比，自动调整，不断试错，适合方向不确定的数据挖掘场景。

农业AI可以简单地看成是农业大数据的升级版。当然农业大数据的数据可视化，绝对不是农业AI的追求方向。

04 农业大数据和AI的终点

终点必然都是与业务强相关，要有应用场景，否则就是空谈。技术是需要应用于业务的，这个业务可能是农企的企业行为，也可以是政府的政务行为。

未来还可能与元宇宙这个流量入口相结合，在“元宇宙+农业”火热之前，我在一期的视频中介绍过元宇宙在农业的应用场景，大家可以去翻一下。

如果是农企行为，需要找到项目资金出处。找到核心利息相关者的关注点，有什么高层迫切的需求，有什么政府资源需要这次项目拉通和引入。

如果是政务行为，那就得找到补贴来源，并说明政务服务的价值，准备好必要性和可行性分析报告，准备好系统功能清单，有机会就准备好系统高保真选型，甚至直接POC验证。然后准备好官方讲话，写好总结材料。最后其他工作就交个销售和商务吧，解决方案截止了。

真正立项和招投标的时候，可能农业大数据平台、农业智能平台、农业AI平台、农业云平台可能都是同一个事情，都是一个系统。毕竟农业的数据应用场景就那么几个！

#专栏作家#

清河落河清，公众号：农业数字化，人人都是产品经理专栏作家。一名熟悉农业的IT架构师，现从事企业架构工作，创建农业微信公众号、农业社群。

本文原创发布于人人都是产品经理，未经许可，禁止转载。

题图来自 Pexels，基于CC0协议