轉載于：銀行家雜志｜作者：張斌 王文軍｜責任編輯：楊生恒

黨的二十屆三中全會指出，要完善生成式人工智能（AI）發展和管理機制。AI技術與農業深度融合，是把握新一輪農業科技革命新機遇的戰略選擇,也是加快建設農業強國、實現農業現代化的重要途徑?！癆I+農業”作為數字化程度最高的農業技術應用，是現代農業發展的新趨勢。本文基于調研發現，AI技術可以廣泛應用于農業生產、管理、銷售等各個環節，推動農業智能化、數據化、規?；墶＿@種轉變催生了現代農業更多金融需求。但實踐中，金融服務AI農業仍面臨授信準入過嚴、產品創新不足等問題。建議強化行業基礎研究，積極跟進各地支持“AI+農業”相關政策規劃，建立“債貸基證顧”投商行一體化的綜合服務體系，前瞻性做好配套金融服務。

“AI+農業”的發展現狀

“大國小農”自古以來是我國農業發展的基本國情。目前小農戶數量占農業經營主體的98%以上，小農戶耕地面積占總耕地面積的70%以上，小農戶為主的家庭經營仍是我國農業經營的主要形式。但隨著土地確權的推進，農村土地經營權流轉速度不斷加快，農業生產也在向規?；图s化邁進，智慧農業迎來重大發展契機。而作為智慧農業的最前沿應用，“AI+農業”通過集成大數據、空間信息、人工智能等新技術，可以實現對農業經營的全面感知、定量決策、智能控制和精準投入，以最大化提升農業生產效率，成為推動農業現代化的重要途徑之一。

政策規劃加快布局

在新一輪農業科技革命背景下，人工智能與農業的深度融合將是未來農業高質量發展的重要著力點。在2021年12月農業農村部印發的《“十四五”全國農業農村科技發展規劃》中，明確提出加快互聯網+、物聯網+、大數據、人工智能、區塊鏈等與農業結合的技術研發與應用。2024年中央一號文件進一步提出，持續實施數字鄉村發展行動，發展智慧農業。我國目前處于智慧農業發展的快速成長期，中國產業研究院數據顯示，2023年我國智慧農業市場規模達到940億元，同比增長8%（見圖1）。其中，農業機器人需求量保持較高增長率，近5年平均增長率為38.6%。顯示農業對智能農機設備的需求快速提高，AI技術在農業生產中的應用快速推廣。

數據來源：中國產業研究院

圖1 2020—2024年中國智慧農業市場規模

2024年10月，《農業農村部關于大力發展智慧農業的指導意見》和《全國智慧農業行動計劃（2024—2028年）》出臺，從戰略、政策、實踐三個層面系統謀劃推進加快填補智慧農業突出短板（見表1）。特別是重點加大對高端智能農機裝備的支持力度，大力支持傳感器、芯片、算法、模型等攻關，圍繞智能監測、精準作業、農業機器人等關鍵環節和重點領域，深入謀劃一批重大項目、重大工程，推動相關技術裝備不斷突破并加快落地。隨著頂層政策規劃的陸續鋪開，我國AI農業發展將進一步提速。

表1智慧農業相關政策

資料來源：農業農村部和各地方政府官網

“AI+農業”應用場景不斷擴大

大力發展智慧農業的趨勢下，人工智能技術在農業領域中的應用正在不斷深化。從產前的智慧育種、產中的病蟲害監測與衛星遙感大數據分析，到產后的智慧儲藏物流和農產品銷售預測等不同環節，人工智能的融合范圍都在逐漸擴大，成為精細農業發展的重要助推器。

嵌入智慧種植，提升精細化種養水平。智慧種植主要通過傳感器監測農田溫度、濕度、光照、風速等參數，并將信息實時傳輸給智算設備，后者結合歷史氣象數據、土壤條件和作物生長周期等確定最佳播種時間和灌溉策略。例如，全國首個農業類AI實驗室（廣東農業AI實驗室）最新落地了“農博智問”智慧平臺，其依托人工智能大模型與物聯網設備實時監控作物生長環境，并結合AI算法生成最佳管理策略，實現精細化種養。目前，該平臺已支持水稻、蘭花、荔枝等10余個品類，針對每個品類的特性，提供智能化管理方案。

嵌入智慧育種，加速種質資源數字化改造。智慧育種主要通過深度學習算法對海量育種數據進行挖掘，快速篩選優良基因組合，培育出抗病性強、產量高、品質優的作物新品種。例如，中國華大基因（BGI）通過AI和基因組測序技術，迄今已發布小麥、玉米、土豆、鷹嘴豆、生菜等全世界60％常見作物的基因組數據，完成超過20萬份全球重要作物種質資源的數字化，持續開發多種高產、抗病的水稻品種；凌恩生物旗下盈飛生物團隊助力廣東省某研究院錄入上千例水稻SNP芯片數據信息，成功構建水稻全基因組SNP標記分子育種云平臺，基于此平臺應用已成功實現育種周期減半。

嵌入病蟲害監測，升級病蟲害預警能力。智慧防蟲害主要通過植入高清攝像頭，將病蟲害數據上傳至智算中心，并利用AI圖像分析技術快速識別病蟲害種類，進而統計病蟲害發生情況，有效縮短病蟲害防治時間。例如，河北平山產業園引入多盞智能蟲情測報燈，通過內置的高清攝像頭和紅外誘蟲技術，能夠實現24小時不間斷捕捉蟲害樣本，快速形成詳細的蟲情圖像數據庫；河南云飛科技公司利用人工智能圖像識別技術已經具備實現快速蟲臉識別能力，目前該蟲臉數據庫已收集超過1000萬張圖片，覆蓋110種病蟲害，識別準確率在90%以上。

嵌入果蔬采摘分揀，提升自動化檢測效率。智慧采摘主要通過視頻傳感器與農業機器人進行連接，將農產品生長情況如外觀、顏色、大小等特征上傳至智能控制系統，利用圖像識別技術，判斷農產品是否成熟，是否達到批量采摘標準。例如，山東鄒城草莓產業示范園引進一批采摘機器人，能夠根據果實成熟度智控系統及時完成草莓的自動采摘，再經由質量檢測系統按不同等級自動分揀，最大限度保證了果蔬的新鮮度和產品質量。

嵌入智慧倉儲物流，推動農產品智能化流轉。智慧倉儲主要通過數智化調度來匹配不同類型農產品的差異化倉儲環境，并根據實時庫存進行智能化調節，最大程度利用倉儲空間，減少農產品在儲藏物流環節的損耗。例如，水果零售龍頭企業“百果園”開發了智能倉儲管理系統（WMS），可以即時捕捉每一顆水果的詳細信息，包括品名、重量、入庫時刻等，并全程跟蹤庫內流轉與精細分裝的每個環節，實現對配送全過程的標準化管理。

嵌入數字銷售評估，擬合市場需求量價趨勢。智慧估測主要通過收集歷史銷售數據、用戶行為數據等，利用算法模型自動分析，精準預測市場需求和價格變動趨勢，并以此為依據合理安排銷售計劃。例如，阿里巴巴與廣西靈山等地合作，研發出荔枝“全周期生長模型”。該模型基于阿里云人工智能平臺，融合圖像識別、數字孿生等技術，能夠提前3個月預測荔枝的產量和上市時間。不僅可以解決荔枝生產的“大小年”問題，還能為農戶提供更為精準的銷售策略建議。

AI科技的助農效益逐漸凸顯

一般情況下，傳統農業相比工業而言，生產效率較低，經濟效益不好，盈利能力較弱。主要原因在于農業生產的管理效率偏低、規?；洜I不足、供應鏈搭建不完備等。通過調研北京農信互聯、科百科技等代表性農業科技企業發現，使用AI技術賦能，能夠較好地解決農業生產中面臨的諸多痛點。

提升農業生產效率。人工智能與農業融合可以顯著改進農業生產技術。例如，農信互聯最新開發了“豬小智”（生豬產業大語言模型）智能養殖平臺，將AI視頻圖像分析、智能飼喂器等物聯網設備嵌入生豬選種過程，平均可以提高種豬優良育種成功率90%；另外，使用“豬小慧”GPT大模型，能夠智能化匹配農信大數據，實現對種豬溯源、豬病防治等信息的實時跟蹤預警，為生豬飼養提供一體化的智慧解決方案，有效提升了生豬養殖效率。

節約人力資本投入。傳統農業以勞動密集型為主，勞動力投入大，但勞動者技能偏低。通過AI技術賦能，可以較好地解決農業生產中人力資本匱乏、農民技術儲備不足的問題。例如，農信互聯開發了智能巡檢機器人，可以代替人工進行精準飼喂、智能盤估、智能環控等日常操作。根據調研情況，客戶在引進智能巡檢機器人后，接近80%的流水線都可以替代人力。再如，由科百科技承建的物聯網精準化栽培系統現已在山東榮成專業合作社應用，通過無人化、智能化機器作業，實現了數字化現代蘋果種植新模式，能夠節省人工95%，減少防治用工80%，較大程度節約人力資本投資。

提高供應鏈周轉效率。傳統農業生產的小農戶經營組織化程度普遍偏低，市場供應主體分布過散，不利于農產品撮合交易，普通散戶在產品銷售過程中的議價能力也較弱。通過嵌入“AI+農業”的技術和場景，可以幫助更多的中小農戶獲取準確的市場信息，有效提高農產品流通的周轉效率。例如，農信互聯開發的“豬聯網”智能信息平臺集成了豬管理、豬交易、豬金融三大核心業務，將豬產業相關的養豬戶、屠宰場、飼料獸藥廠商和中間商、金融機構等主體聯接起來，變外部產業鏈為內部生態鏈，形成智慧化“豬友圈”，供應鏈周轉效率平均提高2—3倍，幫助農戶實現“買得好也得賣得好”的經營目標。

“AI+農業”面臨的問題和困難

AI農業目前仍處于快速發展階段，從前端技術開發到終端技術應用來看，都存在市場集中度較低、行業競爭不夠充分，尚未出現具備絕對領導地位的領軍企業，亦未形成較為穩定的市場格局。作為現代農業發展的重要趨勢，“AI+農業”盡管具有廣闊的應用前景和巨大的發展潛力，但在實際發展過程中仍面臨一些問題和困難。

技術應用不夠成熟

盡管AI技術在農業領域的應用日益廣泛，但當前我國農業生產向數字化轉型仍處于培育期，部分技術仍處于研發和試驗階段，尚未達到大規模商業化應用的水平。整體看，AI技術使用相比工業互聯網的成熟度和普及率還較為滯后。一方面，農業智能化設備的研發周期較長，算法工程師的投入成本較大，導致技術更新速度存在一定的時間滯后性。例如，一臺智能播種機器人研發周期一般在數年時間，從初步概念設計到最終產品商業化可能需要3—5年。另一方面，農業生產的環境不確定性影響較大，天氣、溫度、土壤類型等自然條件變量較多，需要強大的大數據模型來精準預測和適應這些外部環境的不確定性變化，對農業智能化分析的技術延展性提出較高要求。

市場滲透率仍然不高

我國AI農業起步較晚，市場普及率較低。根據中商產業研究院數據，我國AI農業市場滲透率不足1%。從國別比較看，智慧農業普及率落后于歐美等發達國家。例如，美國通過大數據和互聯網已基本實現農業智能化和現代化，部分農場主僅需2人即可經營7900畝田地；德國通過大范圍升級引進“3S”技術的智慧農業機械，可在室內計算機自動控制下進行各項農田作業，很多德國農場已經實現1名德國農民養活144個公民。從行業比較看，農業領域的數智化應用滲透率也遠遠滯后于智能手機、智能汽車等先進制造業行業。截至2023年底，中國制造業數字化建設市場規模達1萬億元，市場滲透率為22%，遠高于農業的1%水平。另根據調研，目前國內引進AI技術主要是一些中型大型農業企業，90%以上的小農戶還沒有被覆蓋，整體市場普及率仍然偏低。

經濟效益存在不確定性

AI農業一般具有高成本特征。從資本投入端看，數智化生產需要依托于智能化場景建設，項目開發前期在軟硬件基礎設施上會投入大量資金。另外，為了維護這些新技術，后期還需要持續地注入資金以對現有的智能化設施和信息系統進行改造或升級。從技術成果轉化看，“AI+農業”當前還是一個新興市場，尚未形成穩定的商業模式和盈利方式，導致農業數字化、智慧化投入資金的技術孵化周期和產成品營收回收期較長。例如，廣州金從鈺農業發展集團牽頭承建幸福田園蔬菜現代農業產業園項目，該產業園目前在數字化系統方面的資金投入累計已經近千萬元，主要集中在智能溫室大棚的研發和設備采購，大約需要5年以上才能收回前期的投入成本。

金融服務供給不完備

AI農業的本質特征在于大數據成為農業生產的新要素。農業新模式對金融服務的內容、產品、形式等各個方面都將帶來有別于傳統農村金融服務方式的巨大變化。此外，AI技術的滲透范圍較廣，場景覆蓋了農業生產的全產業鏈，行業發展存在較為充裕的金融需求。但現有金融服務效率仍然偏低，服務水平依然不足。

授信準入條件較為嚴格。農科企業一般都是科創類中小企業，輕資產屬性偏強，第二還款來源較弱，多數無法滿足房產、機器設備等固定資產的足值抵押授信標準。根據調研情況看，雖然農科企業普遍都擁有一定數量的發明專利、知識產權等無形資產，但仍面臨技術資產價值評估難、交易市場不成熟等問題。例如，浙江托普云農擁有185項專利，企業近3年研發投入超過1億元，研發人員在全員中的占比接近三分之一，而這些無形資產的市場價值評估卻很難確定。反觀金融服務，目前商業銀行貸款審批主要還是以“抵押e貸”“微捷貸”等通用型產品為主，專利技術、知識產權等無形資產類質押貸款創新工具仍然較少。導致農業科技企業在申請銀行授信準入時存在較大的制度約束。

金融產品種類相對不足。目前針對智慧農業的金融支持方式主要集中在政策性貸款、專精特新“小巨人”貸，仍然缺少專業化、定向化的融資支持工具，特別是股權融資、債券融資等直融工具尚不發達，遠不能滿足智慧農業日益增長的行業融資需求。另外，相關擔保性融資服務也較欠缺，契合AI農業經營特點的風險分擔工具還不完善。智慧農業的收益最大化需要以規?；⒎€定化經營為前提。但目前農業小作坊依然普遍，從前期新技術引進到成熟期規?；瘮U產大約需要1—2年時間進行過渡，疊加中途可能受到極端天氣、自然災害等突發外部環境沖擊，高資本投入的智慧農業預期產出效率可能受損，亟需配套性擔保融資進行托底。

“AI+農業”潛在的金融需求

AI技術賦能正在驅動現代農業向智能化、數據化和規?；?，在生產驅動力、產能擴張力、資本運作力等方面相比傳統農業都存在較大差異。這種轉變或催生更多基于場景的多元化金融服務需求，以充分融合AI農業生產經營的全過程。

農業智能化改造派生大量技術引進融資需求

AI農業依托數智化技術的深度嵌入，在數字基礎設施建設、智能專用設備改造、大語言模型系統優化等方面蘊含較大的資金需求。例如，廣東英九莊園綠色產業發展集團近年來正在推進茶園全產業鏈數字化轉型，在購置氣象監測器、水肥一體化噴灌系統、傳感器、數據顯示屏、病蟲害防控設備方面需要上千萬元的投入，用于建設大數據采集及AI應用平臺；深圳豐農控股集團近年來專注于布局智慧種植業務，定期化購置和維護智能傳感器、無人機、精準灌溉系統等智能化裝備，在設備升級、維護方面資金投入規模一直較高，其中在牡丹江總投資5億元籌建生物科技產業園，全面升級農業大數據以及人工智能等技術應用。

農業產能擴張衍生大量長期化流動資金需求

農業的智能化應用通常以資本替代勞動為特征，通過大量引進智能化設備代替人工，農業生產的集約化、規模化擴張趨勢將愈加明顯。在此過程中，產業發展的集中化、周期化、規?；洜I將帶來大量的融資擴產動能，進而衍生出對于流動資金的旺盛需求。另外，由于智慧農業項目的投資回收期較長，企業融資期限也將更傾向于長期化。例如，正大集團已在吉林、山東等多個省份建設蛋雞智慧養殖項目，產能提升帶來的養殖板塊、工業板塊、零售板塊流動資金投入較大，預計使用期限在3—5年。

產業鏈充分融合催生定制化供應鏈金融需求

AI技術賦能有利于推動農業供應鏈進一步整合，實現農產品采購、生產、銷售等不同環節依托一個數智化平臺即可完成，衍生出更多基于上下游關系的應收賬款質押、預付款融資等供應鏈融資需求。例如，北京農信互聯開發上線了“豬企網”智能服務平臺，將原糧商、飼料廠、養殖戶、屠宰場、豬肉零售商等不同客群有效集成，構建了豬管理、豬交易、豬金融三大核心功能系統。依托該數智化平臺，目前已經聚攏了全國6萬多的生豬養殖場和無數家上下游供應商，客戶基于應收賬款質押、預付款墊付等交易性資金規模已經突破300億元/年，成功激發了平臺客戶基于“豬企網”智能平臺的定制化供應鏈金融服務訴求。

農業科創概念激發多元化金融服務需求

AI農業是技術密集型活動，由專屬硬件與軟件設施構成，具有明顯的科技含量高、附加值高、資本投入高、風險大且回收周期長等特點，金融需求的多元化特征較為明顯。一是投資銀行服務需求。例如，廣州艾米生態人工智能農業集團是一家以生態水稻種植與數字化解決方案為核心的國家高新技術企業，主要對外輸出智慧農業建設解決方案、提供農業大數據服務，在技術開發環節有大量的長期資金需求，特別是在產業基金、債券融資等領域具有較大的融資需求。二是融資租賃需求。隨著智能生物育種、智能養殖、智能化農機、智能遙感解譯、智能化農情監測等AI技術應用在農業投產中的需求逐漸增加，農業企業對于智能化設備的融資租賃需求也在不斷加大。此外，智慧農業相關經營主體對現金管理、渠道建設、理財等方面也有迫切需求。

投貸一體化的金融服務建議

“AI+農業”作為現代農業發展的新趨勢，具有廣闊的應用和拓展前景。未來，“AI+農業”將繼續深化融合，推動現代農業向智能化、精準化、高效化方向邁進。金融服務須把握好智慧農業發展新特點、新階段、新需求。商業銀行應積極跟進各地政府支持“AI+農業”的相關政策規劃，關注“AI+農業”主要應用場景，創新投貸一體化的金融支持工具，前瞻性做好配套金融服務。

加強“AI+農業”行業基礎研究

智慧農業不同細分行業，涉及的核心技術、產業體系、發展進程以及金融需求等都存在明顯差異。一方面，建議基于大田種植、設施農業、畜牧業、漁業等智慧農業細分行業，建立專業研究團隊，探索持續研究機制。同時，深化與各級農業農村部門及智庫機構合作，跟蹤掌握智慧農業、現代農業等政策部署。另一方面，加快探索“AI+農業”的研究與業務拓展互促機制，既要以業務需求為導向做好應用性研究，也要注重做好前瞻性研究，提升在“三農”領域的創新服務能力。

深化政銀企合作與名單制管理，提升識客獲客效率

“AI+農業”屬于高成長性行業，亟需依托多方合作機制，充分挖掘潛力客戶。一是深度參與地方政府智慧農業平臺建設。積極對接地方的農業農村廳、科技廳等政府部門，定期獲取重點企業名單、相關產行業政策、政府補貼等信息數據，明確后續營銷目標與重點。二是聚焦農業龍頭存量客戶拓展“AI+農業”新場景。發揮好大型商業銀行在農業龍頭企業中信貸覆蓋率高的優勢，大力推進農業產業化龍頭企業的AI應用新場景。三是加強與農業科技公司聯合拓客。積極發揮各自優勢，聯合推介“AI+農業”金融服務，加大客戶營銷力度，推動農業科技公司自有客戶對接商業銀行系統。

加快金融產品創新，建立“債貸基證顧”“五位一體”的綜合服務體系

探索為企業承銷“AI+農業”主題債券，募集資金用于AI農業的技術研發推廣。例如，可通過發行示范推廣債券幫助企業在特定場景開展AI農業技術的示范應用，展示技術的可行性，提高投資者的關注度，推動農業人工智能技術普及。

探索基于AI農機、農業機器人等智慧農業設備的抵質押貸款產品創新。積極拓展傳統信貸業務的同時，可進一步創新基于智慧農機抵押的農業科技企業“研發貸”，重點支持國家認定的專精特新企業和商業銀行核心優質客戶，在充分核定企業研發潛力的基礎上適度降低其研發貸款的準入門檻。

推動設立“AI+農業”產業投資基金。商業銀行可加強與頭部創投機構合作，充分利用“投貸聯動”、產業基金等融資模式，配套相應金融產品。同時進一步強化行司聯動，加強投貸結合，圍繞智慧農業技術攻關、試驗基地建設等關鍵環節擇優積極介入。

開發以農業智能設備為底層資產的資產證券化產品，積極盤活企業AI技術資產。通過資產證券化，將智慧農業項目的未來收益（如作物銷售、服務費等）作為基礎資產，打包成證券出售給投資者，提供必要資金支持的同時將AI農業項目的不確定風險分散到多個投資者之間，降低單個投資者的風險暴露。

依托投行顧問服務，為企業制定專屬融資咨詢方案。統籌構建智慧農業信息服務系統，整合行內外優勢資源，打通銀行與AI農業上下游客群之間的信息溝通和業務協同渠道。依托智享化信息系統，向平臺客戶提供融資和投資咨詢、并購和重組咨詢、風險管理咨詢以及推動跨界合作與資源整合等服務，為“AI+農業”項目建設提供全方位的融資融智支持。

優化“AI+農業”金融支持策略，統籌推進智慧“三農”穩健發展

精選AI農業技術應用場景。商業銀行開展AI農業金融創新，要充分考慮不同場景的差異化需求，探索形成可復制可推廣的有效模式。目前，我國“AI+農業”領域已形成數據平臺服務、農機自動駕駛、無人機植保和精細化養殖等相對成熟的應用場景。其中，數據平臺服務和無人機植保領域的融資需求最為旺盛。可重點關注以上四類“AI+農業”應用場景的市場拓展動向，加大潛在客群的營銷儲備。例如，針對無人機植保，可與大疆、極飛科技、農田管家等行業領先企業進行深入合作，參與建設無人機植保平臺，滿足植保上下游農業經營主體的金融需求。

支持“AI+農業”梯次推進。農業生產具有較大的行業和區域差異，建議結合各行業、各地區發展趨勢，構建分行業、分地區的分類推進策略。一方面，優先介入規模化、機械化程度高的細分行業。例如，可選擇現階段我國種養殖業中智能化程度最高的生豬、蛋雞、蔬菜等三大細分產業開展試點，支持頭部農業企業大力引進AI農機裝備，提升數智化種養效率。另一方面，優先選擇山東、江蘇等農業發達省份梯次推進。這類地區的農業數字化轉型相對較快，技術應用相對成熟，可重點在這些地區拓展“AI+農業”的金融服務滲透率。另外，類似轄墾區的典型省份（如黑龍江）以及特色農業省份（如青海）也可以作為“AI+農業”金融創新試點的主陣地，發揮示范引領作用。

作者單位：中國農業銀行投資銀行部

文章刊發于《銀行家》雜志2025年第4期「商業銀行」欄目

THE END

轉載聲明：本微信公眾號刊登的文章僅代表作者本人觀點，不代表中國普惠金融研究院及本微信公眾號觀點