阿里、网易争夺“养猪”大业日益激烈，而腾讯为何只钟情于温室种植？

据联合国粮农组织预测，截止2050年，全球人口将突破90亿，与此同时，全球又面临着土地资源紧缺、土壤污染、土地流失等破坏问题。如何在有限耕地增加农业产出，提高亩产利润？或许是AI助力智慧农业的当务之急。

6月10日，腾讯AI Lab对外宣布，本届温室种植大赛冠军组Automatoes，实现亩产资源消耗减少16%，净利增加121%，且多个参赛团队AI收成超过20年经验的农业专家。

所有AI组净利润均超越了专家参照组（303号为专家组）

Automatoes团队夺冠，亩产资源消耗减少16%

本届大赛是由腾讯AI Lab携手世界著名农业学府荷兰瓦赫宁根大学（下称WUR）联合举办，全称“国际智慧温室种植挑战赛”。

今年有来自26个国家的21支队伍，共200多人参加，赛制要求参赛团队在6个月内，用 AI 和 IoT 物联网等前沿技术优化种植决策，远程自动控制温室种植，生产出高产量、高品质、低能耗的小番茄。

本届大赛的目的是通过人工智能与农业种植专家的通力合作，驱动AI温室控制能力。在提高农作物产量的同时，降低资源消耗，增加利润，满足日益增长的人口所需。

这已经不是第一届了。早在2018年，腾讯AI Lab便于WUR达成合作，打响了进军AI温室种植的第一枪。不过，第一届的课题的是：种黄瓜。当时微软、英特尔、中国农科院等顶级企业与机构均有参加。最终大赛在微软第一，腾讯“AI策略”单项第一，总分第二的成绩中收尾。

第二届最终评选出的“最佳智慧种植解决方案”来自Automatoes团队，他们种植的小番茄亩产资源消耗减少16%，净利增加121%。充分展现了AI决策与温室控制的应用潜力。参赛团队远程控制温室种植的基本模式是：用传感器监测温室气候（包括温度、湿度等），摄像头获取作物不同阶段的发育情况（苗期、花期、果期），再将两者收集到的数据导入自己的模型或机器学习算法中。

因此，数据采集和AI算法两项可以说是决定农作物最终生长情况和培育方案优劣的关键。据了解，大满贯获得者Automatoes团队正是取胜于先进的AI算法。他们采用的数据驱动算法MPC，相比于经典控制算法MPC，它安全性更高，对于复杂非线性随机系统可达到更精准的控制效果。

如此说来，似乎很简单。事实上AI助力温室种植道阻且长。

24小时自动化监控，AI优化种植决策

近些年，或因国家政策支持，或便于农田管理，温室种植越来越成为一种普遍的现象。这种温室大棚为AI技术提供了很大应用空间。番茄、黄瓜是其中的主要农作物，需要监测和控制的变量很多，因此，也能够更好地体现出不同种植策略的技术优势。

从气候环境来讲，影响温室小番茄的因素有采集空气/土壤湿度、温度、二氧化碳浓度、光照强度、时长、通风情况、施肥/灌溉量等；从生长周期来看，有育苗期、生长期、成熟期等，不同周期对气候环境的需求不同。这些相互交叉的种种因素，在过去全靠农户凭“感觉”把控，而现在有了更为精准的技术检测。

试点顾问、有多年种植经验的资深农业技术员刘建华证实说，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，传统小番茄种植中，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。

在这方面，腾讯提供了一种行之有效的解决方案。腾讯AIoT智慧种植方案iGrow，采用loT传感器，实时、准确、自动地监测温室的气候环境，可以有效地取代农户们的感性判断。另外，集成了大量农业种植专家经验的iGrow温室仿真器，可快速做出种植模拟，15秒可模拟82个生长周期。最后，结合不断优化的强化学习AI算法可以帮助农户做出更加理性的种植决策。

iGrow方案在辽宁温室试点

以上可以看出，“数据”是智慧种植方案的基础，也是核心。但数据样本少、质量参差不齐、难以标准化是目前无法忽视，且完全解决的问题。数据可以简单地拆分为三个维度：变量、数量，以及质量。所有关于数据的收集和运用都处在持续优化中。因此，目前所取得的成就也是阶段性的，未来还有极大的探索空间。相比于第一届，本届腾讯AI Lab和WUR在优化数据集方面做出了新的尝试和调整。比如肥料控制、留页/留果数，以及透光型、透气型、遮光型3种遮光变量的增设，有助于更加全面、精细化的监测农作物的生长。

同时，传感器的更新迭代，以及通风系统、遮光系统、加热系统、气肥机、混LED补光灯等设备/系统的支持，也可以使数据质量得到极大改善。不过，温室无病虫害会多少也会让仿真值有一定误差。

试点成功，iGrow规模化量产有望达成

AI助力农业的最终价值在于提高农作物亩产产量，减少资源浪费，同时进一步扩展至实现大规模，标准化生产。近日，在与农业大省辽宁合作的试点种植中，第一期小番茄每亩每季提升数千元净利润。腾讯AI Lab的再次验证了其智慧种植解决方案iGrow实现规模化量产的可行性。

试点中，第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。实验组和未改造组比较来看，AI决策和自动化控制在温室种植中优势明显。2月倒春寒，温度骤降，未改造组的农户参考往年经验设定固定温度，短期间3次控温，气温波动大，且温室保温性差；而再来看实验组，经过大量数据训练后的AI系统能够实时监控温室气候，配合卷帘、放风机等自动化控制技术，实时调控温度，有效避免了恶劣天气对农作物生长的影响。

同时，24小时实时监控、管理农作物，还可以帮助农户减少人力成本。据了解，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。

整体来看，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。但最终能够完成技术迁移，实现标准化量产还存在很多挑战。不过，道阻且长，行之将至，期待不久的将来，腾讯能够在AI+农业的产学研一体化生态建设中，做出更出色的成绩。