农业技术讲座播客：Agmatix 首席执行官 Ron Baruchi 讲述如何利用数据建模的力量改变作物投入的未来

这家农业信息学公司与 NASA 合作，为整个供应链行业开发了数据驱动的解决方案。他们的技术平台利用数据科学和先进的人工智能技术将农艺数据转化为现场可行的见解。

---

播客成绩单：

Agmatix 是一家总部位于以色列特拉维夫的初创农业科技企业，专注于将大量农艺数据转化为强大的模型和见解，从而改变整个价值链，包括农作物投入品的制造、分配和应用方式。该公司最近与 NASA Harvest（美国宇航局全球粮食安全和农业联盟）建立了合作伙伴关系。是的，将宇航员送入太空的组织也关注世界各地的粮食安全。

在本播客中，我们与 Agmatix 首席执行官 Ron Baruchi 讨论了与 NASA Harvest 的合作关系以及该公司正在开发的技术将如何改变整个农业，特别是农作物投入。

阿布格：好的。我们来谈谈这个。我们已经从工业社会转变为数据驱动的社会。数据在农业中无处不在。这具体给这个行业带来了什么样的变化？

RB： 是的，我认为我们正处于一场巨大的转型之中，随着在农场层面乃至整个价值链上引入数字解决方案，农业正在经历一场巨大的转型，以帮助种植者增加、使用和提高盈利能力，并提高可持续性。
随着我们利用更多数字技术来应对气候变化，并且实际上提高供应链的弹性，这种情况只会增加，因为我们需要确保稳定的粮食供应。当你看看它的影响时，这实际上意味着农业数据将逐年呈指数级增长。它已经在增长了。据我估计，到 2036 年，农场每天收集的数据点将增加 800%。

其他研究表明，仅美国一个玉米季的数据估计就有 900 TB。我们还在谈论预测，到 2050 年，每个农场每天将产生约 410 万个数据点。因此，我们可以肯定地看到，随着这些技术在人工智能中的使用，未来即将到来，而数据对于实现这一目标至关重要。

这实际上甚至超出了农场层面的常规运营水平，其中数字解决方案正在帮助农民应用精准农业技术，以优化资源并降低风险。但数据驱动的解决方案正在贯穿整个价值链，我们将看到将影响研发的解决方案。

数据驱动技术、先进的数据分析和人工智能给农业、研发带来了革命性的变化，人工智能将帮助研究人员分析庞大的数据集，以发现作物改良疾病、抗性、气候适应能力等方面的创新解决方案。我们看到使用数字和数据来实现可持续发展和环境影响、分析资源使用和环境因素的数据以推动碳排放，以及最终通过访问大量农业数据来制定数据驱动的决策所产生的巨大影响。整个生态系统的参与者可以就作物选择、种植时间和收获时间表做出更明智的决定。玩家喜欢保险公司查看保险风险数据以提供资金。我认为这将在未来几年内急剧增长。

今天农业会继续其数字化转型组织吗？我认为最近的一项 IDC 调查表明，农业组织的 75% 将数字技术视为其运营改进的关键方面。所以，这个数字肯定会增加。

ABG：您提到了正在传输的数据量。这简直是压倒性的，或者可能是压倒性的。您在回答中谈到了其中的一些内容，但是如何将这些丰富的信息转化为可用的、可操作的数据呢？

RB： 我认为这个巨大的前景也带来了一些复杂性。我们着眼于数字化采用。如果与其他行业相比，它肯定会增加，但仍然很低。在这方面，地理位置和我们所讨论的技术类型之间存在明显的差异。最后，现场层面数字化采用的主要限制是我们缺乏明确的投资回报率和连接问题。您需要合适的生态系统来支持不同的数字化采用，以便使这些农民最终能够将这些数据转化为可行的见解。

最近的调查显示，至少在全球范围内，农业中的数字化采用情况，有 39% 的农民计划在未来两年内使用至少一种数字解决方案。在欧洲和北美达到60%。但我们还有其他地区仍处于 9%，例如亚洲。因此，尽管我们看到采用率增长缓慢，比我们希望的要慢，但由于解决方案不具有互操作性，仍然存在重大挑战；数据不标准化；数据仍然是孤立的。这实际上阻碍了所有这些数据的密切协作和有效利用，而无法真正将其转化为有效的见解和活动。

在许多情况下，分析这些信息的过程过于繁琐，这意味着大部分数据要么没有被收集，要么被浪费了。我认为连接所有这些数据点、生成标准化和可互操作系统的潜力是巨大的，一方面可以推动采用，另一方面可以通过将数据转化为具体的见解和可操作的方式来推动现场层面的真正变革。农民的指示去做。

ABG：我想我们已经稍微讨论了下一个问题。在这个信息时代我们处于什么位置？我们还只是触及表面吗？你说十年后，我们将收集更多的数据，然后使用这些信息。我们在哪里解决这些问题？

RB： 我们正在努力解决这些问题。随着我们看到越来越多的技术进入其他行业，这肯定也会影响农业。但进程进展缓慢。
在很多情况下它仍然很慢。我们确实看到正在出现的技术肯定会推动这种变革，而公司由于不同的生态系统和不同的要求，将推动变革，并要求我们实际上去看到不同参与者之间更多的合作互操作性将使我们能够真正看到技术采用方面的一些变化。

阿布格：好的。让我们谈谈这在农场本身是如何发生的。我们的听众是农作物投入品的制造商。我们一直听说他们使用的产品及其对环境的影响。最近我们也听到了很多有关碳的消息。您能谈谈了解农场碳足迹的重要性及其实际含义吗？

RB： 可持续性和碳足迹是可持续发展中最重要的因素之一，将继续成为农场层面数字化转型的强大驱动力。原因是，为了量化农业环境中的碳足迹，您需要收集大量数据，包括地面实况数据和可能的遥感模型。

随着我们看到更多的碳排放转变，这甚至将超越农场层面，还将涵盖农场大门、运输、制造，甚至为这些投入公司采购原材料的转型。在所有情况下，高质量的数据收集都是必须的，并且绝对需要科学的方法来分析这些收集的数据，以确保那些在供应和投入方面支持他们的组织和农民能够达到他们的目标零目标并以有意义的方式报告这些结果。因此，基于整个价值链中共享收集的数据的数据驱动解决方案将用于生成通用指标和指数，以量化农场层面可持续农业实践的采用情况，并最终农民的一天将帮助他们以正确的方式平衡可持续性和盈利能力。
因为这在今天是一个挑战，而且我们只会看到越来越多的数据系统来帮助实现这种平衡。穿过。

ABG： 与此相关的是，今年早些时候，您宣布该公司与 NASA Harvest（美国国家航空航天局）建立了合作伙伴关系，如果我理解的话，NASA 是一个讨论粮食安全和其他与农业相关问题的组织。您能谈谈你们之间建立的关系吗？

RB： 确切地。您之前的问题与此有关，因为归根结底，为了了解农民层面的碳足迹，您需要收集大量地面数据。但当你快速展望未来时，它是不可扩展的，因为你需要使用遥感和遥感模型才能达到规模。

为此，您需要使用来自地面的数据来校准这些遥感模型，以便构建非常强大的模型，这些模型将以科学为基础并经过验证和校准。这正是我们与 NASA Harvest 进行的结合和合作，因为 Agmatix 正在围绕试验、现场试验和现场数据开发大量技术，并且实际上拥有大量地面实况数据，并且在许多地点都具有非常高的质量和150多种农作物。

我们的想法是，我们是否可以使用这些数据来校准一些来自卫星的遥感模型，并使这些数据能够用于开发模型、预测或协助碳足迹并生成从可持续发展的角度来看，有弹性的供应链。因此，Agmatix 和 NASA Harvest 之间的合作是利用来自不同地区的现场试验和实验以及农学的地面实况数据来校准和构建这些遥感模型。

ABG： 与所有碳足迹和一切相关。正如我所提到的，我们的听众是农作物投入品的制造商和经销商。您认为拥有这些信息、这些数据、这些解决方案（您正在开发的解决方案类型）会对作物投入本身产生什么样的影响？

RB： 数据收集是冰山的基础。建模和预测是它的尖端。例如，在数字孪生中模拟作物环境，或使用合成数据来预测农业实践增加或变化或不同环境条件后的作物产量，这最终将影响农民和投入提供者的景观正在朝着更大的垂直整合方向发展——从传统的基于投入的商业模式转变为面向服务的投入模式，或者采用涉及整体植物和土壤健康的综合方法，而不仅仅是单一因素。正因为如此，对模型和预测以及数字孪生的理解对于作物投入绝对至关重要，以便依靠这些数据并帮助他们为农民开发更好的产品和更好的服务。这些新模型在很大程度上依赖于数据，以便根据作物类型位置、土壤、天气条件等因素来理解个人客户的独特需求，并通过采用这种处方方法，这些供应商、投入公司可以提供，正如我所说，更好、更优化的投入，真正让他们能够通过集成解决方案提高产量，同时最大限度地减少环境足迹。这种整体方法将确保未来农业实践更加可持续、更具影响力。

ABG：现在有人这样做吗？他们现在正在做这种建模吗？还是仍处于起步阶段，我们仍在了解它？

RB： 它正在以不同的形式或方式在不同的参与者中完成，但我认为由于数据标准化和互操作性，它在未来只会增加，因为今天在特定领域或特定环境中执行此操作的能力相当狭窄。但是，一旦将所有内容连接在一起，潜力就会比现在大得多，而且采用范围也会更广，因为成本将会下降。这将成为您日常业务的一部分，我们将看到农民越来越多地采用这些与实体产品或更多数字服务相结合的解决方案。这可能就是可持续农业实践的未来。

阿布格：非常好。谢谢。我们还需要知道什么？我还没有问过你什么？

RB： 我认为谈论这项技术在未来五到十年的发展方向将会很有趣。我认为人工智能革命将推动我们所做的一切，我们将看到越来越多的生成人工智能和深度学习技术的使用，这些技术也将在农业中得到利用。
有潜力使 70% 的工作实现自动化，让植物以更少的资源生长，以更少的资源生长更多，并变得更有弹性。所以，我认为这对农民来说是这样，对价值链中的组织来说也是如此。我认为人工智能在这里可以提供的潜在价值在特定功能和用例方面非常高。

它可以推动整个组织的价值，利用内部知识管理系统推动更明智的发现和更快的上市时间。最后，为了促进人工智能的这种能力，你确实需要这种基础数据收集、数据共享和数据互操作性，我们 Agmatix 正在集中大量精力，因为我们相信这将提高效率和有效性这些模型将降低数字成本并减少数据浪费，这对于人工智能和机器学习技术绝对至关重要。

我认为将会发生更多的事情是使用支持跨行业协作的开放数据平台。只是我们要解决的挑战对于单个玩家来说太大了，无法独自解决。为了做到这一点，研究人员和农学家以及不同组织之间需要共享现场数据和高质量数据。

事实上，我认为在农业领域，开放数据和开放代码将彻底改变该行业，就像其他使用它的行业一样。随着我们看到越来越多的人转向综合土壤和植物健康解决方案，您确实需要让所有这些数据在生态系统中的不同合作伙伴之间可用、可互操作和共享，才能产生影响。

阿布格：非常好。好的，非常感谢您抽出时间。对此，我真的非常感激。我学到了很多。我期待着有一天再次与您交谈。

RB： 当然。我的荣幸。太感谢了。