挑戰(zhàn)馬斯克“農(nóng)民”弟弟！上海交大工科博導(dǎo)帶隊種菜，三個月從入門到產(chǎn)量翻番

楊凈 蕭簫 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI

當(dāng)TOP3高校工科博導(dǎo)開始種菜，會有什么不一樣？

一出手，就搭了個數(shù)據(jù)量超13萬組的可視化信息分析平臺，三個月從入門到產(chǎn)量暴增135%。

還是在純封閉環(huán)境——集裝箱那種。

要知道，集裝箱種菜這件事兒，就連馬斯克的“農(nóng)民”弟弟金巴爾·馬斯克（Kimbal Musk）都還沒搞明白。

其創(chuàng)辦的垂直農(nóng)業(yè)公司Square Roots，最后一次融資是在六年前，此后再未掀起更多水花。

即便這個領(lǐng)域軟銀、亞馬遜等科技巨頭押注，但現(xiàn)實是大部分公司仍處在規(guī)模化落地探索階段。

沒關(guān)系，中國技術(shù)團(tuán)隊會出手。

上海崇明的四個集裝箱內(nèi)，來自上海交通大學(xué)、中國農(nóng)業(yè)大學(xué)、上海農(nóng)科院和極星農(nóng)業(yè)的研究人員們，悄然開展了一場技術(shù)探索。

挑戰(zhàn)馬斯克兄弟的商業(yè)化難題

金巴爾·馬斯克涉足的垂直農(nóng)業(yè)領(lǐng)域，指利用建筑物室內(nèi)的垂直空間進(jìn)行種植。

在室內(nèi)，光照、水和溫濕度等一切條件變得可控。換言之，作物不再靠天生長，全程由人類來把控。

相較傳統(tǒng)農(nóng)場，它存在大量商業(yè)化優(yōu)勢——

節(jié)省近90%用水量、減少農(nóng)藥使用、降低運輸成本……

然而，所有這些優(yōu)勢的實現(xiàn)，都有一個“砍不掉”的前提條件，那就是巨大的成本投入。具體又分為能源和技術(shù)成本。

能源上，用燈光替代陽光，不到950㎡的室內(nèi)，光是燈電費每年就可能達(dá)到10~20萬美元，更別提還有控溫用的空調(diào)、除濕風(fēng)扇等。

技術(shù)成本方面，植物品種繁雜、可控數(shù)據(jù)類型多等因素，目前尚未誕生一個通用作物模型，同時還得應(yīng)對各種復(fù)雜環(huán)境，導(dǎo)致研發(fā)需要持續(xù)投入。

于是乎，來自四個不同單位的中國產(chǎn)學(xué)研團(tuán)隊，正式就這一系列行業(yè)瓶頸發(fā)起挑戰(zhàn)。

一方面設(shè)立了產(chǎn)量、品質(zhì)和能耗三個指標(biāo)，盡可能在降低能源成本情況下提升收益；另一方面則要求體現(xiàn)算法的突破性、創(chuàng)新性，在技術(shù)研發(fā)上尋找突破口。除此之外，商業(yè)創(chuàng)新也被列為需要考慮的因素。

首先就是來自上海交通大學(xué)博士生導(dǎo)師鮑華帶領(lǐng)的“純工科”團(tuán)隊。

團(tuán)隊一上來就發(fā)現(xiàn)，原始集裝箱的數(shù)據(jù)無法直接建模進(jìn)行數(shù)據(jù)分析。

其一，采集量太少，只提供24h歷史數(shù)據(jù)；其二，數(shù)據(jù)分散在不同控制系統(tǒng)中，包括光照、溫濕度和其他單元等；其三，查看方式不方便，需要用特定APP手動導(dǎo)出。

于是乎，他們干脆將數(shù)據(jù)采集和分析這兩個步驟全自動化——自研數(shù)據(jù)平臺，將所有的異構(gòu)數(shù)據(jù)（如同一時間點記錄的植物生長照片、溫度濕度數(shù)據(jù)、二氧化碳濃度、光照條件等）融合其中。

平臺前后一共采集了接近13萬組數(shù)據(jù)，并將這些原本在“不同組別”的數(shù)據(jù)進(jìn)行了融合。

理論上不同類型數(shù)據(jù)聯(lián)動得越好，“模擬”植物后續(xù)生長流程就會越順利，從而迅速總結(jié)出考慮更全面、迭代更先進(jìn)的環(huán)境控制算法，進(jìn)一步降低人工分析的復(fù)雜度。

基于隊內(nèi)植物專家提供的目標(biāo)理想?yún)?shù)，團(tuán)隊將場景溫度-系統(tǒng)能耗-空調(diào)控制綜合考慮進(jìn)去，同時基于熱特性分析、風(fēng)速和溫度場模擬等工程算法，迭代了幾次。

最終在能源成本降低上，他們空調(diào)和光照的能耗相比最初節(jié)省了29%。即使在溫度升高9℃的情況下，基于環(huán)境控制算法，團(tuán)隊也能用同樣的能耗量將溫濕度及二氧化碳濃度調(diào)控在目標(biāo)水平。

在商業(yè)化推廣思路上，團(tuán)隊將數(shù)據(jù)用前端進(jìn)行可視化，更方便從其中快速總結(jié)教訓(xùn)和經(jīng)驗，進(jìn)一步降低用戶的操作門檻。

同樣從工科角度出發(fā)，但又具備農(nóng)業(yè)知識的中國農(nóng)業(yè)大學(xué)團(tuán)隊，則將團(tuán)隊創(chuàng)新思路放在了產(chǎn)量預(yù)測算法上。

具體而言，一個是基于二氧化碳質(zhì)量平衡的植物凈同化量動態(tài)監(jiān)測技術(shù)，預(yù)測植物地上部分鮮重的積累。

另一個則是建立植物冠層的面積識別模型，基于相機采集并設(shè)計圖像分割算法，不斷調(diào)參優(yōu)化性能，可以實現(xiàn)基于機器視覺識別的植物生物量監(jiān)測，同時也能調(diào)控生長速度，避免出現(xiàn)燒心現(xiàn)象降低產(chǎn)量。

最終他們實際的產(chǎn)量與預(yù)測單株的產(chǎn)量僅相差1g。

而對于四個團(tuán)隊中唯一的企業(yè)極星農(nóng)業(yè)而言，他們關(guān)注三點核心：產(chǎn)量預(yù)測、無人化和易用性。

產(chǎn)量預(yù)測上，團(tuán)隊基于動態(tài)密度變更策略，開發(fā)了一套植物種植密度預(yù)測系統(tǒng)，基于這套系統(tǒng)變更的栽培方式，理論上節(jié)約了10%用電量；再結(jié)合產(chǎn)量預(yù)測算法，基于光照、溫度、生產(chǎn)周期以根據(jù)市場需求調(diào)整生產(chǎn)速率，甚至做到從生長到產(chǎn)出直接定量供應(yīng)。

同時，與其他團(tuán)隊不同，在整個比賽的這三個多月，極星農(nóng)業(yè)沒有人在現(xiàn)場，實現(xiàn)了調(diào)控的完全無人化。

為此，極星農(nóng)業(yè)研發(fā)了一個自動報警系統(tǒng)，增強設(shè)備可靠性，這樣就能在溫度等條件出現(xiàn)偏差時及時處理。

最后就是易用性了。團(tuán)隊認(rèn)為，相比調(diào)控大量設(shè)備，更重要的是系統(tǒng)能自動控制核心變量，如水、溫度等環(huán)境條件，從而將參數(shù)控制在目標(biāo)值內(nèi)，無需手動調(diào)控。

不過要論真正的“專業(yè)對口”，其實還是上海市農(nóng)業(yè)科學(xué)院團(tuán)隊。

相比算法，團(tuán)隊更側(cè)重于植物品種特性的挖掘，在真正規(guī)模化種植之前，先來了一波“控制變量法”，將不同環(huán)境下植物生長的情況全部測試了一番。

基于此，團(tuán)隊最終開發(fā)了一套智慧種植決策管理系統(tǒng)，融合植株的生長模型、光截獲模型、蒸騰模型等算法，實時收集多傳感器數(shù)據(jù)，以檢測植物生長情況。

也正是基于這種思路，上海農(nóng)科院整出了其他三個團(tuán)隊都沒想到的“新活兒”，即集裝箱中不設(shè)置晝夜溫差，最大程度上提升植物產(chǎn)量。

最終他們的植物生產(chǎn)效率達(dá)到0.18kg/㎡/天，產(chǎn)量是幾個團(tuán)隊中之最，他們還計劃將核心技術(shù)申請專利。

在幾支團(tuán)隊的合力之下，“集裝箱種菜”全流程能耗降低了30%，產(chǎn)能也比預(yù)估提高了30%~50%的效果。

這不僅簡化了農(nóng)業(yè)生產(chǎn)的的過程，也增強了技術(shù)落地的可能性。而且，這些團(tuán)隊研發(fā)的系統(tǒng)經(jīng)過完善后，甚至具備可推廣性。

典型例證就是，有一些從事植物工廠建設(shè)或制造的企業(yè)，已經(jīng)主動找到部分團(tuán)隊對接了。

這一次的種植成果，也被有的團(tuán)隊挖掘出了新的科研方向。

已有實際成果轉(zhuǎn)化

熟悉智慧農(nóng)業(yè)的朋友，或許對這場練兵并不陌生。

事實上，這是由拼多多牽頭，同光明母港攜手舉辦的第三屆多多農(nóng)研科技大賽——

參賽團(tuán)隊需在90天內(nèi)實現(xiàn)三茬“翠恬”生菜的種植，過程中需要兼顧產(chǎn)量、品質(zhì)和可持續(xù)性。

換言之，依靠前沿技術(shù)實現(xiàn)對現(xiàn)實農(nóng)業(yè)的賦能。在此之前，草莓、櫻桃番茄的比拼中已經(jīng)有了成果轉(zhuǎn)化。

比如首屆團(tuán)隊“智多莓”，正是看到技術(shù)產(chǎn)品化的應(yīng)用前景，比賽完就成立公司。

如今該公司已形成智能灌溉系統(tǒng)、智能溫室環(huán)境控制系統(tǒng)等硬件、軟件、算法產(chǎn)品。截至今年一季度，總共向全國輸出40套系統(tǒng)，覆蓋遼寧、云南、安徽、上海、北京、內(nèi)蒙等地，并從草莓、藍(lán)莓逐步擴(kuò)展到咖啡、花卉、小番茄和柑橘種植市場。

另外，在云南省怒江州老窩村，他們在當(dāng)?shù)卮罱ㄆ鹆藬?shù)字化草莓生產(chǎn)體系，直接將產(chǎn)業(yè)常用工成本下降30%以上，包括肥料支出減少2500元/畝、植保支出減少1000元/畝，而草莓產(chǎn)量增加30%。

還有第二屆冠軍團(tuán)隊番茄快長團(tuán)隊，設(shè)計的產(chǎn)量預(yù)測模型——從基因?qū)用媪私獾降钠贩N生理需求，與現(xiàn)場圖像結(jié)合進(jìn)行融合修正，也已經(jīng)在自己企業(yè)玻璃溫室中應(yīng)用，更好地方便產(chǎn)銷對接。

不過，跟以往不同的是，此次不在玻璃溫室里，而是在一個特殊的環(huán)境——沒有土壤沒有陽光的封閉集裝箱，最大程度阻隔外界環(huán)境的影響，回歸植物本身的需求。

某種程度上講，這種場景也最考驗技術(shù)，因此在成果轉(zhuǎn)化上也最具有研究價值。

如果說第一屆屬于是人機大戰(zhàn)，首次驗證了AI種的作物，在產(chǎn)量上遠(yuǎn)超人類；

第二次則是更多年輕高技術(shù)人才加入，他們利用前沿作物模型、精準(zhǔn)農(nóng)業(yè)、營養(yǎng)科學(xué)等技術(shù)實現(xiàn)遠(yuǎn)程種植。

那么這一次則是集前兩次之大成，有AI有人才，更關(guān)鍵的是，工程技術(shù)與農(nóng)學(xué)在這里進(jìn)行了更深入的融合。

最直觀感受就是，更多工程學(xué)科背景的人參與到其中，給農(nóng)業(yè)一點小小的“工科震撼”。

光明母港農(nóng)業(yè)事業(yè)部總監(jiān)王金華就坦言：沒想到能有這么多跨學(xué)科人員進(jìn)入到農(nóng)業(yè)領(lǐng)域。

植物工廠的比賽是要打破邊界的探索，這是我們比較興奮的一點。

比如就像此次鮑華教授團(tuán)隊，依托于上海交通大學(xué)溥淵未來技術(shù)學(xué)院。

他本人研究領(lǐng)域包括微納米尺度的熱量輸送和能量轉(zhuǎn)換，以及對熱量輸送的物理過程的多尺度仿真等，在熱電轉(zhuǎn)換和微電子器件散熱等領(lǐng)域有著重要的應(yīng)用價值。

在此次比賽前，他們團(tuán)隊各位成員互不相識。他坦言，這次大賽是工科團(tuán)隊知識在農(nóng)業(yè)場景應(yīng)用的首次嘗試，一次較為成功的學(xué)科交叉。

事實上，由于沒有一點種植經(jīng)驗，他們第一茬生菜種植表現(xiàn)并不理想。但因為數(shù)據(jù)平臺能夠感知實時變化，方便更新迭代和優(yōu)化決策。

兩輪作物迭代后，第三輪的產(chǎn)量較第二茬增長86%，較第一茬增長135%。

甚至有專家驚嘆，如果時間再延長一點，產(chǎn)量冠軍或許就是這支“全工科團(tuán)隊”了。

團(tuán)隊接下來還計劃引入生成式AI更好地總結(jié)其中的規(guī)律，進(jìn)一步加速工業(yè)化生產(chǎn)落地。

這種農(nóng)業(yè)與工程技術(shù)、前沿技術(shù)的更緊密融合，是整個農(nóng)業(yè)發(fā)展的一隅。

農(nóng)學(xué)與工學(xué)手拉手

以往的傳統(tǒng)農(nóng)業(yè)，與工學(xué)之間的聯(lián)系可能感知很少。但現(xiàn)在“工農(nóng)融合”已經(jīng)注入到實實在在的作物種植當(dāng)中去。

比如去年就有團(tuán)隊用YOLO V3網(wǎng)絡(luò)識別番茄不同生長狀態(tài)。

用極星農(nóng)業(yè)團(tuán)隊的話來說，未來農(nóng)業(yè)工業(yè)這兩個學(xué)科就必須手拉手。

這個比賽之前，各種數(shù)字技術(shù)其實已經(jīng)亮相在田間地頭。

比如無人機已經(jīng)肩負(fù)起播撒、施肥、遙感等工作。

地面也有無人拖拉機進(jìn)行作業(yè)，農(nóng)戶只需通過連接智能手機或平板電腦進(jìn)行航線規(guī)劃。

清華教授張宏宇曾表示，農(nóng)業(yè)現(xiàn)代化的推進(jìn)過程，本質(zhì)上講，其實恰是更多工業(yè)元素的滲透、融合和替代的過程。

往更早前回溯，以化肥、農(nóng)藥和農(nóng)機為代表的工業(yè)元素融合，這是農(nóng)業(yè)工業(yè)化的上半場。那么隨著科學(xué)技術(shù)的進(jìn)步，5G、物聯(lián)網(wǎng)、AI、云計算、大數(shù)據(jù)的發(fā)展，這種滲透、融合和替代的趨勢加快，以數(shù)字技術(shù)為表征的工業(yè)元素進(jìn)入到農(nóng)業(yè)領(lǐng)域，也就來到了農(nóng)業(yè)工業(yè)化的下半程。

這種推進(jìn)，需要各方、尤其是農(nóng)業(yè)產(chǎn)業(yè)鏈上的企業(yè)伙伴來承擔(dān)。

作為國內(nèi)最大的農(nóng)產(chǎn)品上行平臺，拼多多在產(chǎn)業(yè)鏈上承擔(dān)著重要角色——

一頭連著各地的農(nóng)戶，一頭直接連著市場。在幫助農(nóng)戶建立連接、打開銷路的同時，拼多多也建立起一條覆蓋全國的農(nóng)產(chǎn)品流通-消費體系。

解放流通體系，用數(shù)字化技術(shù)，推動農(nóng)業(yè)效率的提升。但這也只是大家感知最多的、拼多多推動農(nóng)業(yè)數(shù)字化的其中一步。

自成立以來，他們就已從底層生產(chǎn)出發(fā)，推動前沿科技創(chuàng)新。

比如持續(xù)三年舉辦的多多農(nóng)研科技大賽，還有“拼多多杯”科技小院大賽、全球農(nóng)創(chuàng)客大賽等比賽。

就在上個月，拼多多還向中國農(nóng)業(yè)大學(xué)捐贈1億元，設(shè)立了“拼多多-中國農(nóng)業(yè)大學(xué)研究基金”，支持中國農(nóng)業(yè)大學(xué)在基礎(chǔ)研究和農(nóng)業(yè)核心技術(shù)攻關(guān)方面進(jìn)行探索。

只有更多的企業(yè)、技術(shù)人才的助力，看似與科幻隔絕的農(nóng)業(yè)，也將帶來更多想象。

正如當(dāng)前大模型風(fēng)頭正盛，已經(jīng)有企業(yè)在進(jìn)行相關(guān)探索。

比如商湯推出的AI遙感大模型，借助通用視覺大模型10億級模型參數(shù)，涵蓋了46類語義分割、5類目標(biāo)監(jiān)測、4類變化檢測、2類超分辨率算法。

還有一畝田集團(tuán)推出基于大模型的農(nóng)業(yè)AI對話機器人“小田”。針對不同用戶群體，涉及從生產(chǎn)、流通、采購等全鏈條多個場景，幫助農(nóng)民解決種什么、怎么種、如何賣、高效買的問題。

好了最后還想請大家集思廣益一下，大模型在農(nóng)業(yè)上，還能有哪些用途和前景？

以及是不是科技農(nóng)業(yè)規(guī)模化應(yīng)用了，是不是能田園牧歌式寫代碼了？