当AI开始“进村入厂”

听他们讲述

AI“进村入厂”的进村入厂故事。

在北上广深的进村入厂高楼落地窗视野之外，一场前所未有的进村入厂数字化浪潮正在悄然席卷中国。

一株水稻的进村入厂抽芽和结穗，一块电池的进村入厂连通和点亮，它从这些毫末之处开始酝酿，进村入厂如今大潮已成。进村入厂

粮食、进村入厂蔬菜、进村入厂衣服、进村入厂矿石和机器……这些曾被高歌猛进的进村入厂信息革命所遗忘，又支撑着整个现代社会运转的进村入厂一切基础之物，都将在这次数字化浪潮中迎来转机。进村入厂

9月1日，进村入厂上海2022世界人工智能大会上，进村入厂潮水的方向已经清晰可见。

云、区块链、人工智能、视觉算法……这些高大上的前沿技术开始深入工厂和农村。

过去20年里靠toC起家并大获成功的互联网巨头们，正在纷纷调转方向。他们揣着消费互联网时代积攒下来的技术家底，把目光投向田间和车间。

2022世界人工智能大会上，各互联网企业、科技公司在“AI+农业”“AI+制造业”上纷纷展开同台竞技——

有的企业自建了“智能工厂”，利用消费端的需求分析结论来反向指导工厂生产，优化生产流程，缩短生产链条，减少人工劳动；

有的研发了智能流水线，能实时调整各种物料在各环节的输送速度和数量，还能随时“插队”，让运转效率始终最优；

有的利用智能摄像头监控生猪的饮食和活动，用人工智能准确判断“二师兄们”的生长和健康情况；

还有的利用卫星遥感技术识别农田面积，作物品种及收成，作为银行评估放贷的依据和抵押，农民最快三分钟就能申请到贷款。

……

这一轮数字化新潮水的主要受益者，将是那些分散、零碎、同时数量惊人的小微企业。他们中的绝大多数企业，在过去几十年中为中国经济提供了过半的税收和就业机会，却因为没有智能设备和数据资产，险些在数字化时代掉队。

如今，互联网企业们正在把技术专家、业务骨干派到车间和田间，帮助中小微数字化转型，也为自己开拓新的舞台。

下面这两位常年“下乡进厂”的互联网从业者的故事，或许能带给大家更直接的启发。

“我在工厂，

把汽车、电池、水泥桩搞上了‘链’”

口述者：矮闻  高级技术专家

这两年，我和团队经常去的地方可能有点奇怪：汽车厂、电池厂、建筑工地……

不太像搞互联网的，倒像是搞制造业的。

·我们在一家建筑公司，一起开会讨论怎么帮他们把盖房子时用来做水泥模子的铝模板给数据化。

我们整个部门叫数字科技事业群，底层技术是区块链和物联网。好多人一听区块链，就觉得很虚，除了发币不知道还能干啥。

其实我们做的事很“实”，就是把区块链用到实体经济里去，助推实体产业。

区块链助力实体的关键，是锚定物理世界的实物。如果用区块链为它们生成一组独一无二的数据，在数字世界里保证它不可篡改，就相当于创造了一个跟实体锚定的数字镜像。它既代表物理世界中真实的东西，又超越空间和时间限制。这就能发挥出很多你之前很难想象的能力。

还是拿我们做的事情来说吧。

你叫过那种搬家、运货的面包车或者小货车吗？很多司机要么是个体经营，要么服务于中小型的物流公司，起早贪黑、赚钱养家，特别吃苦耐劳。

但他们想贷款买新车就很难。因为在银行看来，这些人白手起家，没有可靠的资产和担保，很难评估他们借了钱会不会真的去扩大生产，将来能不能还，也就不敢轻易借钱给他们。那些小微物流企业也一样。

这其实就是金融行业的一个根本问题：信用。而信用，恰好是区块链最擅长的。

我们找到奇瑞旗下的商用车公司，希望用我们的蚂蚁链解决可信数据的问题。

银行不是不能确定你是否真的有车，不了解你的经营情况吗？蚂蚁链把车辆、行车、电池状态的数据，都自动加密上链，而且不可篡改。银行看数据，就能知道这些车是不是真的、公司是不是在良好运营，并以此为依据为这些小微企业提供金融服务。

逻辑是这么个逻辑，但是跟汽车主机厂一碰，才发现我们想简单了。

汽车主机里的软件要求是“车规级”，比一般软件严格得多。因为汽车在路上跑，软件得非常稳定才能保证安全。软件宕机了，在手机上无非是等一会儿或者重启，在车上就会影响交通安全。

汽车还会遇到各种天气和道路环境，本身还自带很多软件，会产生大量行驶数据。这些挑战都是我们没遇到过的。

没有做车规级产品的经验，我们就从现场干起。从2021年初跟奇瑞开始合作，我们就扎在了主机厂。当时，整个团队加上我一共只有4个人，只要车厂做测试，我们就跑过去，整个礼拜跟在车里。不同的温度湿度、路况车况，很多问题没办法在实验室复现，就只能蹲现场，发现一个，解决一个。

·每次上车试驾，我们都抱着笔记本坐在副驾上，随时解决问题。

那年冬天，芜湖特别冷，我们还总赶不上好天气。一次是漫天大雪，一次是瓢泼大雨，还有一次，是雨雪交加。

跑着跑着，我们发现了一个大bug，就是模块运转还不够稳定，车机会时不时重启。一重启，汽车就以为是哪里出了故障，会主动降低车速来保证安全。汽车厂最怕的就是这个，往往宁可砍掉功能，也不能影响稳定。也就是说，不解决稳定问题，我们的蚂蚁链模块就别想“上车”。

我们于是坐在副驾上，捧着笔记本连上汽车主机，一点点排查。最后发现，主要原因是车机算力有限，功能模块之间抢资源。

现场找到问题，就在现场优化，一点一点地把核心模块需要的RAM存储空间从上百KB压缩到1.5KB。

最终，我们的软件经过了上百种工况压力测试和实际路测，始终稳定，而且几乎不增加任何功耗。

这也在不断提醒我们：得去客户现场，去一线。高层只能告诉你行业趋势，事情要做成，必须去和面对问题、解决问题的人在一起。

·安装在奇瑞汽车上的车联网通讯终端T-BOX。

通过奇瑞这个行业龙头，我们帮很多“跑车夫妻档”和小微物流企业解决了融资难的问题。但这还只是一个开始。有了蚂蚁链模块，奇瑞在全国各地的商用车就不再是一个个数据孤岛，而是形成产业链协作，然后发掘出更大的价值。

这个过程中，出现了很多我们完全不曾想到的连锁反应。不去到产业一线，根本不知道还有这样的需求，还能这样解决。

比如新能源车用的电池，用了一段时间，性能会衰减。但给电动二轮车用，不仅完全够用，成本还更低。电动二轮车用过之后，还能满足应急电源或者光伏发电储能的需要。

在以前的技术条件下，这些分散的资源没法串起来。现在，我们把电池的信息都上链，一块电池从哪儿来，到哪儿去，性能状况怎么样，投入使用了三年还是五年，所有信息都清楚可靠，下游企业可以放心地进行梯级利用。

我们用链接去解决的痛点，基本上都是小而分散的，但是汇集起来，就成了一片蓝海。

“我在村里，

见证农民从靠天吃饭到靠‘天’借钱”

口述者：空越  网商银行农村金融部业务负责人

几年前，我也没想到，自己一个搞互联网金融的人，会对棉花怎么打药、苹果一亩挂多少果信口拈来。

也没有想到，“用卫星帮农民贷款”这样的脑洞，会变成现实。

“卫星贷款”，就是用卫星帮农民确认资产：有多少地、地里种了啥、收成怎么样。有这个做担保，银行就能给农民放贷，帮他们扩大生产。

这些事听起来脑洞大开，但刚开始，差点是个大坑。

我们是从2016年开始探索农村业务的。当时，主要是跟着农村淘宝团队下乡调研了几个月，去了解农民在做什么、需要什么。

当时我们就发现，农民想扩大生产，变成种植中户、大户，最需要的就是钱。

比如，村里种植户租100亩地，一亩地1000块，一年地租就要10万块。加上种子、化肥、农药，还有使用机械、雇佣人力，一年没有二三十万打不住。

农民哪有那么多钱呢？只能借。

于是我们就想，怎么借钱给农民？那就是用我们擅长的数字技术帮农民沉淀信用，让作物变成农民借钱的信用抵押物。

我们体验过最传统的人工方式——去实地看地有多大、种了啥、长得怎么样；再看看你家有几间房、几口人。这当然跑不通，因为成本太高、周期又长，没办法规模化。

我们还想过用无人机。测试了一段时间，还是不行。每个贷款项目都要去飞，成本还是高。而且当地一旦没有无人机服务，就覆盖不了。

无人机也不行，我们只能接着调研。有一天，我突然异想天开：用卫星行不行？

我带着这个想法去汇报，结果被喷成狗了。

“你知道卫星怎么发的吗？”“卫星有没有这个功能啊？”“卫星能让你这么用吗？”……

我答不上来，只好回去接着研究。

什么叫高清卫星，什么叫同步卫星，什么叫轨道周期，了解了一些基础概念之后，我们知道卫星遥感技术已经很成熟了，但把卫星遥感和金融信贷绑在一起，全世界没人做过。

这事到底能不能成，我们当时想到了四个关键：

一个是成本得够低，用户能接受；二是覆盖范围广，全国都能用；三是更新要及时，作物从种植到收获，中间发生什么都看得到；第四，就是识别得准，能看出地里种了什么，才能准确估价。

想清楚简单，做起来，步步是坑。

第一个坑就是成本。高清卫星成本太高了，采集一个县的底图要好几万，全中国涉农区县1800个，采购一遍要大几千万，一个月更新一次，一年至少几个亿。

用低分辨率的卫星呢？玉米、水稻和小麦，用卫星拍出来都是绿油油的；苹果、梨和桃，看起来都是树。高清卫星拍的照片都分不清，一般卫星更不行。

我只好去找我们的技术同学，请他来解这个“既要又要还要”的难题。没想到磨了整整8个月，技术同学竟然“好用不贵”地解决了：用免费的低分辨率卫星照片，叠加我们的视觉识别、光谱识别算法，交叉识别验证。尤其是光谱识别，能辨别出不同作物在不同生长周期反射的光谱的细微差别，成为识别最难看清的果树的“功臣”。

这一套技术框架搭完，就有了“大山雀”这个以卫星遥感技术为特色的农村金融风控系统。农民在手机上标注土地位置和范围，卫星就能识别作物、生长状况，能预估产出，并根据数据评估贷款额度、还款周期。最快三分钟，贷款就能到农民账上。

还有一个事值得一提。卫星遥感、视觉算法……这些高大上的技术落到农村，都是一脚一脚在田埂上踩出来的。

比如最早验证卫星圈地，我们就得拿着测亩仪去田里走，人工打标。

搞不同作物的光谱识别，也不光是在实验室折腾电脑和仪器。算法工程师要拿着卫星照片到村里的果园做对比，搞清楚为什么会出现那样的光谱：不同作物的细微差别是什么造成的；不同气候条件、地形地貌、空气稀薄度，会对遥感图片带来哪些影响。

这些信息都输入人工算法深度学习模型里面去，才能慢慢提高识别的准确率。

目前我们对主粮作物的识别准确率已经到了93%。

最难识别的是梨树、苹果树、桃树等经济作物。它们的果子长在树叶底下，要准确识别，得采集到多年的数据差异来训练我们的AI。比如它开花的时候是什么样子，挂果之后什么样子，落叶之后什么样子。采集几年的数据，综合起来，才能让算法学会准确判断。

为了“大山雀”，我们团队所有人成了base在交通工具上的人。我最疯狂的那段时间，半年里飞了近9万公里。这还只是飞机，而我们的行程都是飞机转火车再转汽车。农村的事情不深入下去，我们是搞不清楚的。

最终，我们用了4年时间，和全国超过1000个涉农区县签了农村金融服务的合作，有的地方是整省签约。数十万种植户已经通过我们的卫星遥感技术，申请到了贷款。

今年，“大山雀”还上线了九大经济作物的识别模型，我们还在研究新行业。种植业做完，还要做养殖业，比如养猪场、养鸡场。养殖业对资金的需求比种植业要大得多。总之，我们希望完整打通农业金融服务的最后一公里。这么一想，觉得这几年确实不算白忙活。

(责任编辑：探索)