登录
 机构网站
  1. 首页
  2. 情报产品
  3. 快讯详情

《先正达首席数字官谈如何利用 AI 实现传统公司的数字化转型》

  • 来源专题：农机装备
  • 编译者： 袁雪
  • 发布时间：2025-02-24

  • 编者按：在最近一篇关于软件养活世界 （SFTW） 的博客中，农业食品技术顾问 Rhishi Pethe 分享了与先正达集团集团首席信息和数字官 Feroz Sheikh 的对话，后者分享了关于人工智能 （AI） 如何重塑农业的见解。以下是那篇文章的摘要：

    在最近的一次采访中，先正达集团集团首席信息和数字官 Feroz Sheikh 分享了他关于人工智能 （AI） 如何重塑农业行业的专业知识。Feroz 在先正达工作了六年多，深入探讨了农业等传统行业在采用人工智能和数字技术方面面临的挑战和机遇。他解释了先正达如何驾驭其数字化转型，构建必要的基础设施、组织思维和数据能力，以成功部署 AI 驱动的解决方案。Feroz 概述了先正达正在进行的 AI 计划，包括推出 Cropwise AI，该工具旨在帮助小农和大市场的农民。他强调了与行业创新者合作的重要性，以及这些合作伙伴关系如何加速尖端 AI 应用程序的开发，从而显着改善农业实践。Feroz 还强调了人工智能如何加强先正达的研发工作，为现代农业面临的挑战提供更高效和数据驱动的解决方案。

    除了技术本身，Feroz 还深入研究了成功实施 AI 的关键要素，强调成功的公式不仅仅是数据和算法。他认为，70% 的挑战在于组织准备和接受变革的意愿，而数据 （10%） 和数字工具 （20%） 发挥着支持作用。他反思了这种观点如何随着时间的推移而演变，并指出领导力和在组织内创造成功案例的能力对于推动 AI 采用至关重要。在先正达新任首席执行官 Jeff Rowe（他本人也是一位精通技术的农民）的领导下，Feroz 相信公司有能力继续开拓创新，让数据成为现代农业实践的基石。

  • 原文来源：https://www.globalagtechinitiative.com/digital-farming/data-management/syngentas-chief-digital-officer-weighs-in-on-leveraging-ai-for-digital-transformation-in-legacy-companies/
29浏览量
原文链接
相关报告

  • 《数字电网构筑电力数字化转型基石》
    • 来源专题：能源情报网信息监测服务平台
    • 编译者：guokm
    • 发布时间：2021-12-23
    • 随着全球进入数字化时代，传统的技术体系已经无法满足数字电网、智慧电网的建设需要，如何充分利用大数据、人工智能等新一代信息通信技术，精准“刻画”电力系统运行的复杂规律，建立从数据到知识、从知识到决策的电力系统学习模型，保障电力系统安全、可靠、绿色、高效、智能运行，成为电力行业探索的重点。 传统“知识表达”难以满足新型电力系统建设需要 随着以新能源为主体的新型电力系统加快构建，大规模新能源并网和电力市场开放后，电力系统形态将发生重大变化，电力网络、信息网络和社会网络之间的耦合关联性显著增强，新型电力系统呈现出非线性、强随机、快时变的复杂巨系统特点。在这种情况下，单纯离线建模和仿真技术难以满足复杂电网实时运行分析与精准前瞻调控的要求，同时直接运用传统的调控模型与算法体系也面临海量电力系统中资源分散分离和构成功能耦合及最优快速决策等挑战。 因此，构建新型电力系统在源网荷储等环节均面临一些急需解决的问题。其中，在源侧，需提供更加灵活的接入技术和接口方法，保障大比例新能源消纳；在网侧，需建设更加快速的计算能力和调控手段，适应电力系统高比例电力电子化的趋势；在荷侧，需挖掘更加柔性的互动技术和沟通渠道，充分调动需求侧参与系统调节的积极性；在储侧，需实现更加高效的动态平衡和优化调剂，提高电力系统稳定控制水平。 面对上述挑战，融合多重“知识表达”的数字电网将提供较核心的技术途径，并使电网作为资源配置平台和电碳经济服务平台的作用将更加突出。 数字电网支撑构建新型电力系统作用初显 数字电网支撑构建新型电力系统的作用主要体现在以下三个方面： 第一，数据及其测量。万物互联时代，无数据不决策、无数据不运营，充分进行数据采集和处理，是保障大规模新能源并网和消纳的基本条件。其中，数据成为确保电力系统“可观、可测、可控”的首要要素，也是电网指挥体系和决策中枢的关键基础。 因此，要实现新型电力系统全面可观，必须建立在充足和有效的测量基础上，而数字电网具备广泛的数据获取和处理能力。通过在电力系统中部署的海量传感器，可以准确掌握电力系统的物理结构，从而洞悉各组成单元及整体的性能、运行方式、实时状态、运行效率、健康状态和环保水平。 第二，智能算法及算力的综合应用。面向特定领域的有效智能算法与强大异构算力的有机融合，是适应电网新形态，满足规划、运行、管理新要求的重要手段。 新型电力系统动态行为更加复杂，对计算的准确性和快速性要求更高。其中，以新能源为主体意味着双高（高比例、高电力电子装备）特点明显，由于状态改变时序短、序列信号频域分布广、影响动态过程变量混杂，采用传统以固定参数为核心的静态模型对系统进行描述和求解比较困难，需建立适应大规模强随机性系统的高性能仿真计算能力。 第三，快速协同。新型电力系统对快速协同能力提出了较高要求，随着电网上下游主体互动加强，电网管理工作内容和形式将发生频繁变化，需把握数据主线，通过提升企业数字化运营系统的灵活性和开放性，实现规划建设、物资供应、安全生产、资产财务等全链条感知和全面贯通，提升业务效率，进而促进管理变革。 在常年观测归纳和演绎的基础上，电力行业积累了丰富经验、规则和知识，可描述电力基础设施外形结构、系统电气量状态变化、拓扑连接关系等，将这些知识融入人工智能算法模型，形成数据驱动、知识引导和物理建模的新型智能算法，并用“知识表达”来刻画数据所蕴含的规律，进而形成“人机协同”模式，这取决于构建涵盖电力系统海量多源数据、算法、应用的完整“知识体系”。 数字电网“知识表达”体系 新型电力系统高维、动态、不确定性给电网安全稳定运行带来巨大挑战，传统方法难以精准完整刻画和实时掌控庞大的电力系统，相比之下，数字电网的多重知识表达，将推动新型电力系统“可观、可测、可控”成为现实。 通过数字电网的多重“知识表达”，可提取物理电网的特征规律，精准描述物理电网设备的形态、系统运行的趋势、人-机-物三元空间的关联关系，实现对物理电网最优的决策控制。 在中国工程院院士潘云鹤提出的AI 2.0知识三种表达（知识的形象表达、知识的语言表达、知识的深度神经网络表达）的基础上，面向数字电网支撑的新型电力系统进行具象化丰富，多重“知识表达”主要有四种形式：数字电网知识的形象表达主要应用于描述物理电网设备的形态；数字电网知识的函数表达主要应用于描述电力系统电气量、非电气量各类数据的时序变化物理规律；数字电网知识的语言表达主要应用于描述电力系统人机物环的关联关系；数字电网知识的深度神经网络表达则作为一种有效的数据驱动工具，对上述三类应用实现补充和支撑，这样即可形成“数据驱动、知识引导和物理建模”相互统一的人工智能模型。
    115浏览量
    原文链接

  • 《全球科技巨头的数字化农业AI布局》
    • 来源专题：农机装备
    • 编译者：袁雪
    • 发布时间：2025-04-14
    • 点击上方蓝字 轻松关注我们 农业的数字化转型正在加速推进，科技巨头与传统农业的融合成为关键动力。微软、IBM、谷歌、华为和亚马逊等公司，正凭借其技术专长推动农业创新，重塑这一古老行业。英特尔的芯片、华为的5G网络、NVIDIA的GPU虽未直接应用于农田，却成为农业AI模型和作物管理系统的核心。与此同时，OpenAI 和 Anthropic 等开发大型语言模型（LLM）的企业，也通过深度学习和神经网络间接赋能农业，帮助打造更强大的行业专用工具。 NVIDIA数据中心 AI 在农业中的应用正不断拓展：卫星图像结合机器学习可预测作物产量，数字孪生技术精确模拟生长环境，自然语言处理提炼多语种农业智慧，基因组学模型更是深入植物分子结构，革新遗传研究。 在应对人口增长与气候变化的关键时刻，这些科技力量是否能解决农业的长期挑战？本文将聚焦 亚马逊、微软、谷歌、IBM、英特尔、华为等公司在农业AI上的布局，并探讨 OpenAI、Anthropic 和 NVIDIA 的间接作用，揭示一个由代码驱动、深刻影响土地与人类关系的全新农业生态系统。 农业AI解决方案的主要直接参与者 AWS：为农业提供自动化数据洞察的核心平台 亚马逊云服务（AWS）正以超过240种云服务构建起现代农业的数字支柱，助力农民将数据转化为高价值作物。AWS 全球农业主管 Elizabeth Fastiggi 指出：“农业是一个数据丰富的行业”，强调了数据作为资产的战略意义。AWS 提供从精准农业到供应链管理、可持续发展等多领域工具，广泛应用物联网、机器学习和人工智能技术。 以色列农艺农场管理平台（“CropX 平台”）和应用程序使用 AWS 解决方案来推动更高效、更经济的农业生产 AWS 致力于技术的“民主化”，即为各类农业用户提供公平获取一流技术的机会。在高度安全的环境下，农企得以大胆试验、验证和扩展新技术。这一策略不仅赋能单个农场，更通过支持第三方开发者生态系统，推动农业AI解决方案的大规模部署，形成不断壮大的数据与智能资源库。 微软：打造面向未来的AI农业平台 微软通过 Azure 农业数据管理器和 Project FarmVibes.AI 两大核心项目，推动农业AI发展。2023年9月推出的 Azure 数据管理器整合了来自传感器、无人机、卫星等多源数据，实现实时分析与可视化。农业食品首席技术官 Ranveer Chandra 表示，这种数字生态系统将数据转化为农民可执行的决策信息。 Azure 农业数据管理器功能 Project FarmVibes.AI 则是技术的“大脑”，面向研究人员和从业者提供易用且经济的数字农业工具。这些工具支持在网络覆盖不全的地区运行，有效缩小农村数字鸿沟。Chandra 也展望未来生成式AI的集成，如 AI 副驾驶、聊天机器人等，能够提供本地语言、个性化的实时建议，为农业带来深层次变革。 微软的 Farm Vibes 项目在浦那巴拉马蒂试验田的卫星图像 谷歌：借助卫星图像与AI推动农业可持续性 谷歌利用其在数据分析和机器学习方面的优势，将农业与遥感技术深度结合。Google Climate Engine 平台整合了 Earth Engine 和 Google Cloud，通过分析长达50年的地球观测数据，为农业气候适应和可持续发展提供支持。 谷歌不仅服务于跨国企业（如 Regrow 和联合利华），还助力初创公司如 ListenField，为超3万名东南亚农民提供生产优化建议。谷歌持续开发作物识别与产量预测模型，推动卫星图像在农业中的深度应用，从而同时提升产量与环境友好型农业实践。 IBM：用AI和环境数据守护粮食安全 面对气候变化等环境挑战，IBM 利用其 Environmental Intelligence Suite 提取关键气候数据，解决粮食安全问题。在与 dsm-firmenich 的合作中，IBM 的AI系统帮助预测并预防谷物霉菌毒素污染，每年可为欧洲节省数百万欧元。IBM ESG 副总裁 Kendra DeKeyrel 指出，AI 不仅提升农业效率，也是应对干旱、洪水等风险的关键工具。 IBM 还持续优化其环境智能平台，使数据科学家与开发者能更深入地推动农业与气候数据的融合，目标是“领先天气一步，保护农产品”。 英特尔：以边缘计算和AI设备重塑农业现场 与注重云计算的其他公司不同，英特尔聚焦于农业现场的智能化转型。通过边缘计算、计算机视觉和网络技术，英特尔推动实时监控与自动化管理，涵盖从气候感知到生产物流的全链条。 在与 NatureFresh 农场的合作中，英特尔的AI平台实现了温室设施的智能升级。该农场IT负责人 Keith Bradley 表示，英特尔在多代CPU之间分配AI负载的能力，保障了农业场景的高可扩展性和灵活响应。这种软硬件协同的技术生态正在推动农业实现前所未有的精准与高效。 华为：通过5G打造全球智慧农业示范 华为在全球推动5G智慧农业，尤其在奥地利实施的5G无人机监控农场项目，已显著提高效率、减少农药使用并改善农村网络基础设施。其解决方案融合5G、物联网与云计算，全面覆盖精准农业、远程监测和数据分析。 华为海外5G智能农场 尽管面临部分市场的地缘挑战，华为依然凭借技术创新和在“一带一路”沿线国家的广泛布局，成为农业AI发展的重要推动者。其“绿色现场”项目展示了其对全球数字农业未来的持续投入与承诺。 农业科技的“隐形影响者” OpenAI 与 Anthropic：生成式AI与农业的潜在结合 尽管 OpenAI 和 Anthropic 尚未推出专为农业定制的产品，但它们在生成式 AI 和大型语言模型（LLM）方面的前沿研究，为农业应用打开了全新可能。这些公司开发的语言模型已被广泛应用于科研、教育和决策辅助等领域，其潜力同样适用于农业。 例如，LLM 可用于自动解读农业研究论文、生成作物管理建议，或辅助农民进行技术学习。OpenAI 在强化学习方面的突破性成果，也可能用于优化农业机器人路径规划或精准作业流程。虽然目前的影响是间接的，但随着 AI 技术的快速演进，这些模型将可能在农业知识提取、农业教育、农艺模拟等方面发挥更直接作用。 NVIDIA：支撑农业AI背后的计算引擎 NVIDIA 虽不直接开发农业产品，但作为全球领先的 AI 芯片提供商，其GPU技术正是大多数农业人工智能模型运行的基石。从卫星图像分析到基因组研究，NVIDIA 提供了处理海量数据与复杂算法所需的高性能计算能力，推动了精准农业、作物预测、环境监测等核心场景的智能化发展。 NVIDIA 首席执行官黄仁勋也高度重视农业的AI潜力。公司已与多家农业科技企业展开合作，应用 GPU 加速的模型实现精准灌溉、病虫害监测、土壤健康评估等功能。这些合作不仅提升了产量，也大幅降低了资源消耗，展现出技术驱动的可持续农业未来。 黄仁勋提出，将 AI 应用于农业不仅是提升效率，更是应对全球粮食安全与气候挑战的重要手段。NVIDIA 的角色正体现了跨行业科技融合的趋势：即便不直接面向农业，其核心技术也能在背后推动农业变革。这种“隐形”的技术支持，正在重塑我们对农业创新生态的理解。 比较分析 在深入探索科技巨头推动农业人工智能的路径时，可以清晰地看到几大关键趋势与差异。 首先，在基础设施与解决方案方面，AWS、Google Cloud 和 Microsoft 凭借强大的云服务平台，为农业AI提供了广泛支持，成为众多第三方农业科技解决方案的基石。而IBM则更侧重于开发垂直整合的端到端方案，专门应对农业中的特定挑战，如气候风险与粮食安全。 在硬件与软件的技术重心上，英特尔与NVIDIA聚焦于算力基础，为高性能农业AI模型提供GPU和边缘计算芯片支持，尤其适用于需要实时处理的田间作业。而微软和AWS则发挥其在AI算法和机器学习方面的优势，打造用于作物产量预测、病虫害识别等复杂任务的软件解决方案。 核心技术与市场集中度方面，目前主导AI应用的Transformer架构和大型语言模型（LLM）需要庞大的算力与数据支撑，仅少数科技公司具备独立开发这些模型的能力。这种能力的集中，也导致了农业AI生态中的技术壁垒：部分公司可自主构建模型，而更多企业则依赖外部合作或开放平台。 在数据源的整合与利用方式上，各家公司展现出不同的技术路线。微软的 FarmVibes 强调多源数据融合，包括IoT设备、卫星图像与气象数据，实现对农场运行状态的全局掌控；谷歌则发挥其在地理空间分析上的优势，通过遥感影像实现大范围作物监测；IBM聚焦于环境与气候数据的深度融合，用于精准预报与风险管理；AWS构建的云平台能够整合传感器数据与历史记录，为农场运营提供数据驱动支持；英特尔则主打边缘计算，在田间现场实现实时感知与响应；华为通过将5G、物联网和云计算相结合，打造包括无人机监测、智能分析在内的全面智慧农业系统。 尽管路径不同，这些企业面对的共同挑战是：如何将庞杂的数据转化为对农民真正有价值的洞察和工具。每家公司在数据整合方式上的选择，不仅体现了其技术优势，也反映了其在农业AI领域的战略定位。 正如国际园艺学会（ISHS）人工智能参考小组主席 Graeme Smith 所言：“人工智能正在开启农业的新时代，彻底改变从作物规划到消费的各个方面。”科技巨头的行动，不只是技术部署，更是在塑造全球农业的未来格局。 人工智能的核心在于通过对数据的学习实现预测与决策。在农业领域，这意味着算法可以分析来自卫星图像、传感器、气象站和摄像头等多源数据，实现对农作物的实时感知与成像，为农民提供切实可行的指导意见。 面对气候变化、害虫抗药性增强、市场波动、劳动力短缺与可持续发展的压力，农业正以前所未有的速度向科技化、智能化转型。受控环境农业（CEA）的兴起正是这一变革的缩影：大型温室群在全球范围迅速扩张，生成了极为复杂的数据系统，推动了人工智能的深度嵌入。从精准灌溉、作物预测到资源配置，AI 正在重新定义农业的运作逻辑，并开始对全球经济、贸易结构、劳动力市场乃至国家间关系产生影响。 国际园艺学会人工智能参考小组主席 Graeme Smith 认为，AI 将农业从基于经验的传统工艺转变为高度数据驱动的科学。通过整合环境、表型与基因组等多维数据，人工智能可大幅提升农业的可持续性、生产效率与资源利用水平。从农田实时监控平台到基于卫星图像的产量预测系统，这些技术不仅提升了农民的决策能力，也预示着新农业范式的到来。 AI 的价值不止于优化当下，更在于构建面向未来的气候适应型农业模式。以AI驱动的CEA系统为例，不仅节水高达95%，节地显著，单位产量远超传统农业，还能显著减少运输、施肥和能源环节的碳排放，推动农业向高效、低碳、智能的方向发展。同时，AI在户外农业中的应用亦日益广泛，预测性模型帮助农民规避气候异常，减少产量损失与资源浪费。 知名经济学家 Steve Keen 指出，主流经济模型常忽视气温升高对降水和农业系统的连锁反应。他强调，AI 可以为农民提供传统思维难以实现的应对策略，弥补气候建模与农业决策之间的落差。正如 IBM 环境智能套件的实践所示，AI 正成为农民在不确定气候中稳产保收的重要工具。近期 NASA 的研究更警告，即使没有最极端的气候剧变，仅在高排放情境下，2030年前全球玉米产量可能下降四分之一，凸显应对挑战的紧迫性。 与此同时，人工智能的崛起也正催生“自主农业”新格局。英特尔的边缘计算与 NVIDIA 的GPU正在为农业设备提供实时决策能力，自主作业成为可能，农业生产正迈向前所未有的精确化和自动化。然而，技术革新也伴随着伦理与社会结构的挑战，包括数据隐私、技术垄断、以及中小农户在数字转型中面临的边缘化风险。 农业AI的未来不仅关乎技术突破，更取决于科技公司、政策制定者与农业从业者之间的协作治理。我们正站在农业新时代的门槛，人工智能所带来的不仅是产量的提升，更是对全球粮食安全、环境适应能力以及公平可持续发展的深刻回应。 农业科技侠交流群 入群可添加小编微信（扫描下方二维码，备注：来意-姓名-单位，若二维码添加失败，请公众号后台私信留言“入群”） 投稿、宣传推广、开白等请在本公众号后台回复“1” 转载请注明来源：本文转自农业科技侠数字与智慧农业微信公众号 编辑：傅莹 声明:本文旨在前沿分享,若有编辑等问题,敬请后台留言
    68浏览量
    原文链接