創新工場和BCG咨詢合作的「+AI改造者」系列：看看無人機技術起家的極飛，如何賦能農業生產全環節，提升全球農業生產效率。
改造者系列：農業「+AI」全環節守護新疆棉花
近期，創新工場聯合BCG波士頓咨詢旗下亨德森智庫，推出「AI融合產業：『改造者』如何促進AI普惠」系列研究。人工智能在中國大陸有著明確的落地應用場景，大量的AI企業活躍於這些垂直場景中，我們定義這些企業為「改造者」。「改造者」通過傳授其AI技術和垂直行業理解，極大地打破了傳統企業應用AI的瓶頸。
作為擅於趨勢前瞻的TechVC，創新工場長期看好AI領域，深入佈局，至今已經投出了7只AI獨角獸。在系列研究中，我們采訪了數家創新系AI企業，通過這些「改造者」的視角，探究傳統企業擁抱AI的範式與路徑。
創新工場投資的極飛科技是一家致力於未來農業的AI科技公司，極飛將無人機、機器人和傳感器部署在稻田、麥田和棉花田裏，用技術賦能農業中的播種、農藥噴灑、栽種管理、甚至天氣監測環節。用於作物噴灑的極飛科技R150農業無人車已經被推廣到了英國，應用在蘋果、草莓、黑莓等多種經濟作物的種植流程中。
在采訪中，極飛科技聯合創始人龔檟欽表示，AI在農業的應用才剛剛開始，未來極飛會探索更多AI和農業的融合，例如用AI來賦能優化作物模型（crop modelling），幫助識別作物生長過程中的不確定因素，從而實現提前預警和判斷。以下：
■系列導讀
本系列由BCG亨德森智庫與創新工場董事長兼首席執行官李開復博士帶領的創新工場團隊共同推出，圍繞「AI融合產業：『改造者』1如何促進AI普惠」的課題，我們致力於探究傳統企業在應用AI過程中的關鍵要素與合作夥伴，以及傳統企業擁抱AI的範式與路徑。
在農業領域，隨著機器自動化、機器視覺、物聯網等技術的發展，農業的提質增效和轉型升級也被不斷加速。以極飛科技為代表的一批農業科技企業，通過無人機、智慧農業系統等科技賦能，使得傳統的農業勞動更加高效、環保、節能。
1 「改造者」通過傳授其AI技術和垂直行業理解，極大地削弱了傳統企業應用AI的瓶頸，充當產業中傳統企業應用AI的橋樑。「改造者」包括AI企業與成功轉型AI的傳統企業。
■本期受訪嘉賓：龔檟欽
極飛科技將無人機、機器人、自動駕駛、人工智能、物聯網等技術帶進農業生產，通過構建無人化智慧農業生態，讓農業進入自動化、精准高效的 4.0時代。
龔檟欽是極飛科技聯合創始人，2018年福布斯中國「30 under 30」封面人物。龔檟欽曾任鳳凰衛視特約海外記者、國家地理製片人。龔檟欽先生擁有悉尼大學學士學位、巴黎九大與清華大學聯合博士學位在讀。
■對談實錄
Q1：極飛科技最早以無人機技術起家，後來為何選擇進入農業這一垂直領域？
龔檟欽：極飛科技以無人機航模控制器起家，最開始的時候我們曾嘗試過把無人機技術帶到電力巡線、安防、南極科考、物流等諸多領域，但很多領域的應用很難市場化，比如物流或電力巡線在當時都受到市場規模和法律法規的制約，難以發揮無人化技術的最大價值。
2013年9月，由於機緣巧合，極飛科技開始探索農業這一領域的無人機應用。我們發現，有客戶購買極飛的飛控之後進行改裝，拿到新疆去做航拍，還有許多人看到極飛之後在考慮用無人機做農藥噴灑。於是當月我們也一起走訪了新疆。9月正值棉田收穫期，我們卻看到大量農民背著藥箱，忍受著刺鼻的氣味在噴灑農藥，原因就在於新疆已經請不到采棉工了，需要農民噴灑脫葉劑來保證棉花同步成熟，再由大型采棉機統一采收。但是人工噴灑脫葉劑的效率非常低下，而用拖拉機噴灑又會軋壞棉花導致減產。
當時的新疆不僅缺乏采棉工，連噴灑脫葉劑的人工也請不到了。隨著城鎮化的發展，大量人口從農村流入城市，從前每年秋天新疆會有六七十萬人坐著綠皮火車從四川、河南、陝西來采棉花，如今這樣的畫面已難以再現。新疆出現了勞動力供給的缺口，而這也正是機器和技術能夠賦能的地方，就采棉催熟而言，要求脫葉劑的噴灑量不高，無人機這種空中飛行的機器有著天然的優勢——能夠在空中精准、均勻地噴灑，很大程度上減少人力並提高效率。不只是采摘，從播種到收穫的全流程中，機器人能高效地完成許多任務，包括播種、施肥、除草、除蟲等等，無人機能夠極大地提升農業生產效率，尤其在生產期較短的地域迅速提高單位時間的產量。由此，無人機能為農民釋放更多產能，一個人能管理的農田更大，即技術賦能土地規模化集中，而土地規模化之後農民對機器的需求也更大，從而進入「技術加速資源有效整合」的正向循環。
目前，極飛科技的無人機已經覆蓋了新疆機采棉面積的一半以上2，從棉花延伸到了水稻、小麥等需要大量人工的作物，從新疆延伸到了東北、雲南等全國大部分地域。
我們一直相信，當腦海裏有一項技術的時候，你要為技術選擇一個行業，選擇用技術來做什麼事。
2截至2020年10月，極飛科技農業無人機棉花脫葉劑作業面積占新疆機采棉面積的一半以上。
Q2：極飛在賦能農業的過程中是否遇到過什麼挑戰？極飛是如何應對的？
龔檟欽：在工業裏，規模化生產的工廠是工業自動化的天然載體，但在農業裏，農戶的規模差異很大，許多農戶的農田本身很小，對於機器應用能帶來的成本優化是無感的，這就涉及到「技術下鄉的微觀載體是誰」的問題。
極飛最早發現了這樣一群人，他們是縣城裏做婚慶攝影的攝影師，隨著航拍變得越來越容易，他們面臨著更加激烈的競爭。但是農民不會用無人機，極飛就請這些攝影師，或者說飛手，去幫農民打農藥。飛手發現農業用無人機的頻次高得多，市場又大，農民與他們之間也存在著比較大的技術差距，於是這些飛手們便成為了極飛下鄉的第一批「用戶」，架起農民和農業科技之間的橋樑。
過了一段時間後，這批飛手開始感到困惑，他們並不懂農業、不懂種植，也無法識別農藥的真假，於是另一批群體出現了——農資店。農資店主往往很懂農戶，很清楚周邊農戶種植的作物種類、規模，也有農戶的熟人網絡，由農資店來推銷無人機、提供打藥服務等，就會容易得多。農資店就這麼成為了極飛的「經銷商」。
兩三年後，隨著無人機、無人車等設備的滲透更高、覆蓋範圍更大，農戶開始出現對無人機維修的售後需求，農機商便成了我們的夥伴。農機商有更大的店面，有展廳、有維修車間，就像是汽車的4S店。他們也懂農業、有銷售團隊和培訓團隊，農機商就成了極飛「更大型的經銷商」。
到這裡，整個產業鏈已經連接上了，商業模式被驗證了——農機商可以幫我們推廣農機，農資店、無人機飛手可以幫助培訓。對極飛來說，分銷商就是農機商，經銷商就是農資商和飛手。
Q3：極飛自然衍生的渠道網絡非常有趣，從更大的農業產業鏈角度來看，極飛如何賦能農業產業鏈中的傳統企業？
龔檟欽：農業產業鏈中的企業可以簡化為三大類：作物科學公司、農業技術公司、食品與供應鏈公司。作物科學公司包括拜耳、中化等，研究農藥、化肥、種子，負責為農業提供生產資料。食品與供應鏈公司包括拼多多、百果園、盒馬等，把農產品變為商品，進行流通並銷售。農業技術公司負責農產品、農作物的生長管理，通過技術來幫助農業提升效率，極飛就屬於這一類。我們有一個說法是極飛幫助了農產品進行「光合作用」，通過抵抗農業生產過程中由於氣候、資本、勞動力等多方因素導致的不確定性。
農業技術公司位於另兩類公司中間，起到連接上下游的作用。比如作物科學公司想知道種子的生產效果、農藥的效果，可以通過極飛的種植管理記錄來做調研，從而優化下一代產品。比如農產品超市想采購無過量農藥的水果，可以調取極飛植保服務記錄來識別更高品質的水果供應商。可以看出，除了提升效率之外，極飛還提升了農業的透明度和可追溯性。相應地，在終端也會產生更高的價值回報，農民能獲得更多收入，消費者願意為此買單。
Q4：極飛對未來的發展規劃是什麼？會繼續深耕農業還是拓展更多行業應用？
龔檟欽：極飛選擇深耕農業，因為對於已經有七年技術和經驗積累的我們來說，再造更多其他類型的農業機器人、無人機，或者結合材料科學、結構設計優化農業機械，再或者把AI演算法嵌入農業機器，並不會太困難，但別的行業企業要進入農業是很難的，農業的行業壁壘還是很高的。
而且，在農業中AI的應用剛剛開始，未來我們可以探索更多AI和農業的融合，比如用AI來賦能優化作物模型（crop modelling），幫助識別作物生長過程中的不確定因素，從而實現提前預警和判斷；又比如探索作物科學，用深度學習來挖掘作物性狀，再通過優化生長管理極大地提升作物產量或品質，這些都是未來的方向。
■要點回顧
1、在垂直產業生態中，AI企業大可以自建網絡，根據協同性和互補性來決定網絡中的生態夥伴。隨著佈局下沉和戰線拉長，構建網絡並不會容易，AI企業需要從挑戰中找尋機遇，用更縱深的網絡推動AI與產業持續交織。
2、AI企業能幫助傳統行業「化不確定為確定」，極大地提升給定資源條件下的生產效率，加速「光合作用」。而傳統企業應當主動與AI企業共同暢想未來，重新想像AI將為行業帶來什麼價值和機遇。
3、AI企業可以在垂直領域中探索將業務與AI以及生物、材料等諸多技術進行融合，持續深耕垂直領域。
裝 箱 問題 演算法 在 Re: [演算法] 證明NP-complete - 精華區Math - 批踢踢實業坊 的推薦與評價
※ 引述《NGboy (今天我NG了)》之銘言：
: 不好意思 我又來問問題了 請版大能否幫我解除心中的疑慮
: 問題是這樣子的，就我所知要證明某問題Q為NP-Complete 首先要：
: a. prove Q 屬於NP <此步驟是要證明Q是屬於NP>
: b. 找出一個已知的NPC問題Q'，證明出Q'可以reduction成Q <此步驟是要證明Q是屬於
: NP-hard>
: 好了，問題來了，本身小弟我有個問題，這問題短時間解釋不了，只能說這個問題是
: 跟 two-dimensional bin packing problem(二維裝箱問題,2DBP)有相關的
: 我的問題是這樣:
: 1.我不是很確定二維裝箱問題是NP-hard or NP-complete 本身所看到的文獻這兩個都
: 有人在講，我記得版上有大大跟我說所有的NP-complete問題都是NP-hard問題，
: 只是講說是NP-complete會比較明確一些。但也由於我比較想確切的問個明白，所以
: 在這邊再提出來詢問一次，因為這關係到問題1.1
既然 NP-complete 的問題也都是 NP-hard (按照定義)，
所以問題也許出在：我們要怎麼確定一個問題屬於 NP？
所以，首先我們要定義什麼是 NP :]
NP 是一群問題的集合 (嚴謹的定義請見 computational complexity 課本)，
這群問題有一個共同的特性：
「所有在 NP 中的問題，它的證明都可以在多項式時間內驗證。」
很敖口對吧(對不起)
就用你提到的 Bin Packing 舉個例子：
這個問題是給定一堆貨物以及它們的大小 { a_1, ..., a_n }，
假設我們要把這些東西塞進 B 個大小為 V 的大箱子中，
請問有沒有可能？貨物要怎麼安排？
對於這個問題，
我們要想個多項式時間內的演算法是不容易的，
(如果有人想出來了，記得來 PO 板，如果正確的話你可以拿到壹百萬美金)
但是，如果有人已經給你了一個安排的方式，
我們要驗證是很容易的：
只要看他是不是只用到 B 個箱子？
每個箱子是不是只有裝最多為 V 大小的東西？
如果都是的話，他的安排方式就是對的！
這種檢查的方式，是在多項式時間內，
換句話說，我們已經證明了 Bin Packing 這個問題是在 NP 之內了！
至於剛剛先假設的事實 「Bin Packing 是 NP-hard」，
我們就相信他吧(笑)
所以，自此之後，我們就可以說 Bin Packing 是 NP-complete 了:]
2D-Bin Packing 也可以用同樣的方法驗證它在 NP 裡，
所以也是 NP-complete！
: 在證明NP-hard的部份，因為要找出一個已知NPC問題的Q'，這個問題Q'我不知道能
: 不能夠用2DBP的問題來做已知的NPC問題<因為不確定>，所以想問個清楚一下。
有了上面的 Claim，當然 2DBP 就可以拿來當作已知的 NPC 問題囉！
: 2 這幾天在google上面找了許久，想找出有人是否證明出2DBP問題是很難的問題，但
: 得到的結果都是在求解出Approximation的答案<這部份小弟我真的完全不懂>，所以
: 想請問版大是否能有那種應用簡單的證明<ex:我前面所講的證明NP-complete的過程>
: 來證明出2DBP是種很難的問題呢??
有的，其實我們需要的，就是有另一個 NPC 的問題能夠 reduction 到 2DBP，
但因為這是比較早的結果，
也許去翻翻 complexity 的課本，像是
Computers and Intractability: A Guide to the Theory of NP-Completeness
by M. R. Garey, D. S. Johnson
Computational Complexity
by Christos H. Papadimitriou
裡頭也許會有！
(抱歉我也沒有記的很清楚，有更懂這方面的版友知道哪裡會有嗎？)
或是，也許自己造一個 reduction，
當作對證明一個問題是 NPC 的訓練？:]
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 123.50.43.141
※ 編輯: hcsoso 來自: 123.50.43.141 (08/14 16:55)
... <看更多>