随着新一轮科技革命和产业变革蓬勃兴起，智能产业发展进入了一个新的阶段。近两年，智能畜牧的概念风靡了国内养殖行业，AI养殖、猪脸识别、智能称重等智能养殖技术几乎成为国内各大养殖企业和资本市场争相谈论的热门话题。
5G的到来，加速了通过云计算、大数据、人工智能等技术改造传统产业的进程，使其更加智能化、潜力最大化，成本最低化、效益最大化，通过技术推动产业升级。
本期我们邀请了睿畜科技创始人兼CEO兰嵩，走进智能畜牧行业的蓝海市场，探索5G智能农场牲畜服务和解决方案的机会。
兰嵩 睿畜科技创始人兼CEO
中国畜牧业当下的痛点与需求是什么？
中国是全世界最大的生猪生产国，一年生产肉猪七亿头左右，占全球的50%，年行业总产量约为三万亿人民币。然而在实现畜牧业发展的过程中，面临着生产管理水平低、疫病风险高、劳动力投入产出比不高等问题，阻碍了现代畜牧业的快速发展。
以畜牧行业中的生猪养殖举例，当下的痛点和需求是什么？
第一，我们在管理当中，缺乏生猪数据，更多的是凭借人工经验而非客观数据来指导生产，导致我国PSY（每年每头母猪所能提供的断奶仔猪头数）水平比较低，与国外差距较大。第二，劳动力非常密集，传统生猪养殖需要投入大量人力进行服务养护，而每一头生猪的养护时间非常有限，人力投入产出比极低；第三，高频次的人猪接触，给养殖场带来很大的疫病风险；第四，人的经验不可复制，生猪的管理水平主要基于优秀的人力经验。
行业信息化的痛点与需求
随着中国养殖业规模化比例的提高，大型养殖集团的“智能养殖”诉求愈发强烈。第一，我们需要精准和及时的养殖数据；第二是降低对人的依赖。除此之外，我们也需要降低人和猪接触的频次，提高它的生物防控；第四，就是所有养殖集团都需要通过数据做决策，建立一个持续、可复制的养殖模型。全行业亟待数字信息化转型，智能化养殖必定是未来的必然趋势。
智能养殖是未来的必然趋势
畜牧业的未来趋势及如何实现？
养殖业分为六个阶段，分别代表着从全人工到自动化再到智能化的过程。
在L0阶段，所有养殖流程都基于人力实现。从L1阶段起，我们将料线和水线引进养殖场，在养殖管理当中，喂料和饮食都实现了自动化。到了L2阶段，我们开始引入环保跟环控设备，不仅通过自动化的料线饲养生猪，还实现了利用传感器监控生猪在养殖过程中的环境数据，确保生猪在生长中的舒适环境。在L3阶段，我们通过智能摄像头监控生猪的存栏情况，通过算法分析出数量和均重，还能得出生猪日增重数据。到了L4和L5阶段，我们对生猪健康进行监控，实现远程的诊断。
全人工-自动化-智能化
这也意味着，智能化养殖对劳动力的数量和经验的依赖会越来越小，而通过从L0到L5的转变，有两个关键指标会发生改变：一个是人均饲养头数将持续增加，其次是单头猪的人力成本将持续降低。
人工效率的持续提升
基于AloT的技术，我们向畜牧行业的上下游提供服务，实现“AI养殖”。技术架构分为三个层级，第一层级为数据采集层，通过睿畜耳标与耳标钳、睿畜医生和睿畜天蓬三大智能模块进行了自动化的数据收集，避免了人工录入数据的繁琐与错漏。第二层级为数据分析层，通过边缘计算和云计算的深度学习能力，对数据进行分析并会建立相应的养殖模型，进而完成数据应用层面的生产决策。
商业模式
为什么AI养殖需要5G？
在5G尚未走进养殖行业的时候，AI养殖主要依靠边缘计算和云计算两种方式。
当依靠边缘计算时，我们需要把边缘服务器放置在农场，实现语义识别、前后景分割，并将处理好的结构化数据传输至云端。但设备本身的价格不低，不定期维护服务器的成本较高，况且服务器并不是时刻都在处理数据，算力总有空闲的时候，这其实是一种算力浪费。
另外一种方式——云计算，通过猪场的传输端，将原始数据直接传输到云上，通过部署在云端的算法进行云计算。但把原始数据上传到云端必定会面临的一个问题——数据延时久。为了降低延时，可能会降低采样频率，因此数据采集其实是不完善的，导致AI算法的准确性有所降低。
为什么AI养殖需要5G
因此，我们需要通过5G优化以上缺点。根据科学家的数据计算和总结得出，当采样频率或采样数持续增加的时候，准确性会越来越高，误差会越来越小。总而言之，当5G应用后，将降低设备部署的成本，并且提高算法的准确性。
出栏统计
大家可以看这个动图，我们在猪的过道上面装了一个摄像头。当使用5G时，通过简单的摄像头和5G传输模块，就可以实时分析生猪的出栏量、均重等数据，免去了放置本地服务器的繁琐和成本。
目前智能养殖的实践，几乎都是将人工智能与各个畜种结合在一起，通过计算机、互联网、物联网、大数据技术的链接大幅度提升养殖生产效率，而5G的高带宽、低时延、广链接，将进一步降本增效。我们希望通过AloT技术，建设畜牧行业的数据基础设施，以此推动畜牧行业的数字化转型，以智能硬件为基础，数据分析为核心，重新定义牲畜的数据采集和分析方式，弥补畜牧行业数字化的空白。
