去年年底，“一块改变命运的屏幕”成了刷屏话题。
当时支持与反对方各自罗列出很多观点，但我们或许可以承认，这些讨论都是建立在这样一个前提上新技术与农村生活的结合，已经开始触发一些改变。
把目光放到这个中国最广袤的市场上，会发现从农业到农村市场所需的种种服务，再到农村劳动力转移的宏观走向，其中有太多需求可以被科技力量填补。
而农村市场科技人才资源相对匮乏的客观情况，又让智能化在某种程度上变成了异于城市社会的刚性需求。
如果我们回望2018，会发现从下半年开始，科技巨头们纷纷布局起了AI进军农业的探索，并且各种AI医疗、AI教育的新兴产品与服务，都开始走向农村这块新的试验田。
AI与农村的故事，正在短时间内快速升温。但在热闹的布局背后，我们也会发现一些明晰的瓶颈，横亘在农村市场与AI的想象力之间。
绕过屏幕的争议，更多AI故事正在山村田垄间上演着。无论2019年是否能被称作“AI+农村”元年，至少这一年，田野上的AI故事必然会以一个令人惊奇的百分比上涨。
让我们来回忆一下，直到今天为止，AI都以哪些方式完成了下乡进村的任务。
科技巨头的农业圆舞曲
AI进村的核心目标，是要证明自己能在第一产业有所建树。
所谓AI农业，在技术逻辑上很容易理解，即利用AI带来的物理识别与机器视觉能力，结合数据分析技术，将农业生产中大量流程进行重新优化，从而以智能方式提高农业生产效率，优化农产品质量。
理论上来说，这套逻辑既能种粮食种菜，也能养猪养鹅。但实际运转起来却不容易。一方面农业数据相对匮乏，标准化程度很低，另一方面相关技术设备近乎空白，AI农业命题之下不仅是算法与数据问题，也是对工程化能力与硬件制造能力的考验。
而在AI持有者——BAT为代表的科技巨头们眼中，既然要进军产业AI与产业互联网，那么农业又是无法绕开的一个选项。其巨大市场潜力和社会价值都是科技公司不能放弃的蛋糕。在2018年产业AI全面开动的契机里，农业AI也就顺势开始了自己的故事。
最先动手的是阿里。2018年6月7日，云栖大会·上海峰会上阿里云发布了ET农业大脑，通过数字档案生成、智能农业数据分析、农产品溯源等技术结合，开始将AI解决方案带入农业。
随后半年中，腾讯和京东都宣布了自己的AI农业计划。有消息认为，擅长AI的百度也已经在路上。
综合来看，AI农业命题如今主要走两条路AI养殖与AI种植。
说到养殖科技，咱们中国人的看家本领那就是养猪。可能很多人没有意识到，在规模化、技术化养猪这条路上，中国人绝对写就了一部波澜壮阔的史诗。也正因为养猪事业的规模化标准化程度高，对新技术十分敏感，科技巨头玩AI+养殖，十有八九都是从猪开始。
阿里的ET农业大脑，就利用了机器视觉加持的AI摄像头与数据分析能力，来观察猪们生长数据，从而达成优胜劣汰；并且将声纹识别和红外线测温带到了养猪场，通过猪的体温和声音进行AI预测猪的身体状况，最终达成提升母猪产崽能力，降低死亡率的效果。
去年11月，京东数科也开始描绘AI和猪的浪漫故事。在接入AI摄像头与数据智能系统之外，京东的方案里还加入了IoT系统，以及自主开发的养殖巡检、饲喂机器人等等，并且采用了新的“猪脸识别”技术。
有理由相信，接下来会有更多科技公司开始AI养猪生涯。
而AI在种瓜种菜上，也有自己的一套。阿里的ET农业大脑先后在甜瓜和生菜上完成了合作案例。而去年12月，腾讯AI lab团队的“种黄瓜”在国际人工智能温室种植大赛（Autonomous Greenhouse Challenge）上获得了“AI策略”单项第一名、总分第二名。这也被外界认为是腾讯向AI农业的进军开启。
腾讯这次展示的“种黄瓜”，特殊之处在于通过强化学习算法，将专家知识系统潜入了仿真机当中，使智能体可以有效学习人类专家的思维模式，从而回到实际种植中提升黄瓜产量，并且对传感器成本进行了压缩，提高了技术的实用性。
AI种植业，目前一般集中在果园和温室种植当中，通过对植株进行数据收集和智能识别，来判断肥料、水分、温度、光照等条件的适宜与否，从而让粗放的种植模式智能化、精准化。再搭配一些可溯源、可直播的互联网玩法，健康+高产的AI果菜就诞生了。
又能养猪，又能种菜，感觉AI在农业领域已经很吃得开了。
不用乐观太早，目前来看，巨头们的AI农业之旅只是刚刚开了个头。今天各种值得夸耀的案例，都还是示范价值远大于商业价值。
一方面，农业数据在今天依旧稀缺，农业AI依旧需要BAT的专家们下到田间地头去采集数据，修正参数。另一方面，大量农业区域和农业领域都是数据的真空地带，今天AI想要走入农业，还只能依靠一些数据化标准化程度高的农业部类，比如现代化养殖场；或者依托有相关农业科技积累的合作者，比如大型农业集团——来更多完成1对1的商业实验性质AI+农业案例。
与中国广袤的农田牧场相比，BAT的专家显然是不够用的。
所以说，今天AI农业还处在科技巨头们做好案例，打好样板，然后吸引有实力的合作伙伴共同推广的阶段。大规模的农业改造还远远谈不上。只有当形成傻瓜式产品与可终端售卖的AI农业解决方案；科技巨头与农户间的产业中间层搭建起了清晰的产业链之后，“AI改变农业”这句话才有被说出口的底气。
但无论如何，当看到北上广高大楼宇里的数据专家和算法工程师，蹬着拖鞋蹲在田里观察农作物长势，我们依稀还是能看到一个有张力的故事开始了。
农村社会中的AI新角色
在产业赋能之外，社会服务类的AI技术也在越来越火热。AI医疗、AI教育、AI金融，以及AI政府服务都在成为新的科技赛道。
而需要注意这样一个逻辑，与移动互联网将服务集成化不同的是，AI+社会服务解决的主要是无人化问题。通过对人类经验的机器学习复刻与再传播，AI可以在某种程度上取代一部分专业人才的工作。比如AI语音交互代替教师，机器视觉设备代替医生进行医疗影像识别等等。
这样的能力，在人才饱和地区或许只能被看作替代品和效率提升工具。而在农村地区，则很可能解决的是有和无的问题。
基于AI能力为农村地区提供医疗、教育等服务，今天也在不断增长。比如阿里基于旗下的智能音箱天猫精灵，在去年启动了“天猫精灵小站”计划。该计划通过建立天猫精灵小站图书馆，为农村地区儿童提供更多教育资源。在早期教育人才相对匮乏，教辅资源稀缺的地区，智能音箱的接入不失为解决方案的一种。
而在医疗上，有更多AI进村的案例可以被观察到。比如上个月，很多媒体报道了百度灵医团队的AI 眼底筛查一体机的下乡之旅。
通过视觉识别算法的训练，百度打造了基于AI的眼底筛查设备，可以有效识别出“糖网”等早期眼底病灶。与之相对的是，在农村和乡镇地区，拥有准确眼底筛查能力的医生并不多。复杂的眼科疾病只能去省城等大城市就医，而早期疾病更是极大概率被忽略。
而在AI加入后，这个长期存在的问题将有被解决的希望。因为AI设备取代的并不仅仅是机器，还包括机器背后医生的判断与识别能力。这对于农村地区是难能可贵的。
类似的案例，目前主要发生在医疗影像识别和化验检测上。有理由相信，不远的将来，AI将协助带来远程门诊甚至远程手术。
而与AI走进农业一样，AI农村医疗和AI农村教育的问题，也是依旧停留在初始阶段。今天类似案例，更多停留在企业公益的范畴内。假如不解决商业化与推广的问题，那么我们将始终看到的是AI又献了爱心，而不是AI真正改变了中国最多数群体的生活。
农村劳动力与AI基建
农村地区与AI的另一个结合点，不是AI帮助了农村什么，而是反过来——农村的劳动力成本优势，正在成为AI发展的某种燃料。
去年，很多媒体开始报道AI村、AI农村工厂这样的关键词。这类农村工厂商业模式，是AI需要大量的训练数据，其中又以数据为主。而数据标注这个近乎无门槛、与出门打工相比工作相对轻松、重复率异常高、又近乎不可或缺的工作，就被不断下移，直到转移到了村里开工。
于是有人笑称，你发现手机、平板能识别花鸟鱼虫大牌奢侈品，感觉挺高大上的样子，殊不知那是你远在老家的二舅母教的。
出现AI村这件事，有人觉得荒诞，也有人感叹“没人工就没智能”。从产业结构上看，AI产业发展中大量必需工作，确实都是常识类、可外包的。而这类工作又会自发去寻找人力成本最低廉的生产地。那么广大农村劳动力自然成为了首选。
客观来说，农村人力成本优势与AI的结合将不会很快消亡。这类外包工作中，今天还是以图像识别作为主体。但随着数据与AI产业的深化，各种数据相关的工作都将涌向外包市场，比如数据清洗、数据分拣、垂直行业的数据集加工等等。
对于AI来说，这些工作必不可少，而对于农村地区来说，这些工作意味着可以坐在电脑前相对体面地完成，且不用远离家乡。
而必须注意的是，如果这类AI村、AI农村工厂，不主动寻求自身数据加工能力的逐渐升级，仅仅依靠常识+图像分拣类的工作维持生计，那么市场是很快会在大量竞争下彻底干涸的。只有进入垂直行业，锤炼相对更强的数据操作能力，并且拥有可以说服市场的数据保密能力，才能在这个新兴外包市场中获得长期生存权。
不管怎么说，如果我们认为通过黑客马拉松、算法大赛，来寻找算法开发者和安全工程师，是一件很酷的事，那么通过外包找农村大妈做数据清洗，似乎也没有什么值得说三道四的。二者其实都遵循同样的价值规律切合新兴产业需求，发挥自我市场定位优势。
结束语
不难看出，AI进村的故事，在今天正经历一个蓬勃生长的过程。
巨头在占位，农业企业在自我迭代；公益在散发光芒，创业者也开始闪转腾挪；算法工程师走进了大棚，村里的乡亲正在教育大洋彼岸的AI系统。
变化刚刚开始，变化已经开始，这些有张力的画面，或许是今天中国AI发生最深刻影响的地方。
如何适应这样的变化呢？或许一个好的方案，是要从个体职业的角度去思考AI的产业需求和市场需求，然后耐住性子慢慢来。春天是看不到粮食的，但春天必须播种。