人工智能、先進製造業、半導體、量子信息科學和5G等被視為決定未來全球產業格局的關鍵技術，也是各國、各產業競爭佈局的焦點。解析技術創新對產業的影響，主要從以下幾個方向入手：
- 其一是累積性，即技術不是爆發式產生的，而是通過不斷地變革疊加前進的；
- 其二是技術的融合產生新的組合，並通過聯合應用形成技術集群；
- 其三是技術進步擁有指數增長的特性，即在一定程度的積累之後，大範圍應用成為可能，迅速拓展到若干個細分行業；
- 其四是技術通常帶來成本下降和效率提升，儘管某些技術在剛剛推廣時期可能較為昂貴，但隨著時間的推移，新技術較傳統技術存在明顯的替代效應；
- 其五是技術應用的經驗可以跨行業共享，尤其是某些通用型的技術，在較為標準化的行業產生經驗之後，可以推行到核心邏輯相通的領域。
聯合國2018年技術和創新報告指出，若干前沿技術顯示出實現可持續發展目標的巨大潛力。大數據分析通過提供實時信息流，可以幫助管理或解決關鍵的全球問題，實現新的科學突破，促進人類健康並改善決策。通過物聯網，可以監控和管理連接物體和機器的狀態和行為，還可以更有效地監控自然界、動物和人。
人工智能目前包括圖像識別、解決問題和邏輯推理能力，這些能力有時超過人類。人工智能，特別是與機器人技術相結合，還可能改變生產流程和業務，特別是在製造業領域。3D打印技術亦具備這種潛力，因為它可以更快、更便宜地小批量生產複雜的產品和零部件，並可以快速迭代成型新制成品。除了可以減少運輸零部件的需要從而減少碳排放外，3D打印還可以在醫療、建築和教育領域帶來收益。
生物技術的飛躍使人類醫學可以進行非常特定的基因編輯，從而在某些條件下可以結合人工智能和大數據進行個性化治療，還可以對動植物進行基因改造。納米技術——無限小規模材料的製造和使用――在供水(水淨化)、能源(電池能量儲存)、農業(精確管理農用化學品的釋放)、信通技術(縮小電子元件尺寸)和藥物(送藥機制)等領域得到了重要應用。可再生能源技術在集中式電網系統無法進入的農村偏遠地區實現了供電，而無人機則可能顛覆物資運送方式，實現精準農業，並代替人類完成危險任務。
技術創新已成為全球競爭要點
世界各國都將鼓勵技術創新提升為“國家戰略”，希望通過技術創新來為經濟增長提供新的動能。
中國：科技創新十三五規劃指出，到2020年進入創新型國家行列目標，國家創新驅動發展戰略綱要確定了到2050年階段式國家目標。
美國：2019財年政府研發預算重點備忘錄提出了創新式基礎性研究、基礎設施和人才培養方面的推進政策，由美國白宮行政管理與預算局、科技政策辦公室主要負責。
英國：提出了培養優秀人才、科學設備投資等6條政策；同時指出到2027年要實現科研投入佔到國民產值總量2.4%以上的目標。
德國：2014年高科技戰略規定了優先在創新推動力較大的領域進行研究的目標。
法國：提出了2020年的優先課題，確定了應對法國10大社會挑戰的優先科研方向和5大主題行動計劃，強調面向應用的研究，重點解決法國面臨的社會挑戰。
韓國：提出了“引領科技發展的第四次產業革命”，其中包括第四次產業革命、創造科技創新環境、青年科學家和基礎研究支持等計劃。
圖9：中美科技研發投入超過前十其餘國家總和（十億美元）
數據來源：聯合國教科文組織、德勤、蛋殼研究院
在科技創新投入方面，聯合國教科文數據顯示，2018年，美國科技創新研發投入超過5萬億美元，中國超過4.5萬億美元，日本和德國研發投入均超過1萬億美元。根據世界知識產權組織（WIPO）發佈的2019年全球創新指數報告，全球創新指數前10名分別是瑞士、瑞典、美國、荷蘭、英國、芬蘭、丹麥、新加坡、德國、以色列。中國排在第14位，較去年的第17位上升3位。中國是中等收入經濟體中唯一進入前30名的國家，並在多個領域體現出明顯的創新實力，在本國人專利數量、本國人工業品外觀設計數量、本國人商標數量以及高技術出口淨額和創意產品出口等指標方面位居榜單前列。企業層面，全球企業研發投入重點流向信息通信製造、健康醫療、汽車交通、信息通信服務、工業、化學等領域。
圖10：中國國家創新指數居於全球前列，美國市場成熟度更高
數據來源：世界知識產權組織，德勤研究，蛋殼研究院
高滲透、廣應用的通用技術解析
根據技術邏輯和核心特徵差異，我們將新技術歸類到三大集群：數字化技術集群，包括雲計算、大數據、物聯網、人工智能、區塊鏈、虛擬和增強現實技術；生命科學技術集群，包括基因工程、微生物、蛋白質組學、合成生物學；智能製造和新材料技術集群，包括3D打印、新材料、納米技術、工業自動化等；儘管這些技術還沒有完全成熟或者在農業食品領域有較好地的應用，但是通過前沿技術的探索嘗試和技術集群的綜合應用，很可能為解決農業食品行業關鍵挑戰提供幫助，乃至於變革現有的農業生產和食品消費體系，構建全新的全球食物系統。
數字化技術集群
人工智能、大數據、物聯網、互聯網等是數字化技術集群的典型代表。人工智能是一個很寬泛的概念，概括而言是對人的意識和思維過程的模擬，利用機器學習和數據分析方法賦予機器類人的能力。人工智能將提升社會勞動生產率，特別是在有效降低勞動成本、優化產品和服務、創造新市場和就業等方面為人類的生產和生活帶來革命性的轉變。
自上世紀50年代開始，科技界就開始進行人工智能的研究並發表相關論文，到80年代後期，迎來第一次快速發展期，持續到2000年左右；2000年到2006年是人工智能發展的第二次浪潮；2010年迎來第三次發展浪潮。人工智能涉及的主要學科包括計算機科學、工程、自動化控制系統、機器人技術、數學、影像等，人工智能將發展為底層通用技術，廣泛應用於農業、醫療、安防、工業等領域。據Sage預測，到2030年人工智能的出現將為全球GDP帶來額外14%的提升，相當於15.7萬億美元的增長。目前，人工智能已經進入從概念驗證到商業落地的階段，全球人工智能市場規模為4285億元，中國市場為500億元，預計在2020年，全球人工智能市場規模將超過6000億元。
圖11：全球人工智能市場概況
中國的人工智能浪潮起始於2012年，因此，2012年又被成為人工智能元年，2012年-2014年是探索嘗試階段，2015年-2018年是商業化落地階段。在探索階段和早期商業化階段，風險資本是行業發展重要的推動力，行業累計融資金額2000億元人民幣左右，僅2018年一年，即完成融資1311億元。目前，國內有超過1000家人工智能企業，平均存續時間為5.5年，主要業務方向包括醫療、自動駕駛、安防、工業等。
大數據產業共分為6大層級，依次是數據源：各類數據源；硬件支撐層：大數據採集設備、傳輸設備、存儲設備、計算設備等；大數據技術層：數據採集、預處理、存儲管理、分析挖掘、數據安全等；大數據交易層：大數據資產評估、大數據信託、大數據指數、大數據確權、大數據託管等；大數據應用層：工業大數據、農業大數據、醫療大數據、交通大數據等。
賽迪智庫的研究指出，2018年，我國大數據產業規模不斷擴大，產業鏈條加速完善，企業實力不斷增強。包括大數據硬件、大數據軟件、大數據服務等在內的大數據核心產業環節的產業規模將有望突破5700億元。與此同時，國內大數據公司業務覆蓋領域日益完備，在數據採集、數據存儲、數據分析、數據安全與數據可視化等領域均成長起了一批有一定實力與特色的大數據企業代表。阿里、華為、百度、騰訊等企業的平臺處理能力躋身世界前列，華為、聯想等公司在數據存儲、處理等軟硬件設備市場的優勢則逐漸顯著。
縱觀數字化技術集群的發展，其與工業、農業等傳統行業的融合越來越緊密，在推動產業變革，促進產業提質增效方面發揮了重要作用。在各行各業，都能看到數字化技術集群的融合應用，比如安防行業的人臉識別、特徵提取，工業中的產能預測、產量盤點，交通中的疏導分流、自動駕駛，醫療中的輔助問診、影像篩查等，其與農業的結合點包括智能灌溉、蟲情預警等。數字化技術集群推動產業革新，也帶來了更精密、智能、功能豐富的消費類產品。
生物技術集群
基因工程、合成生物學、微生物等為生物技術集群的典型代表。基因工程指的是對目標基因進行修改、刪除、替換等操作，以獲得新的功能或者是表型，甚至可以創造新的物種。生物的進化往往需要漫長的時間週期，但可以通過特定基因的操作來加速這一過程。合成生物學可以通過基因組設計，引入特定的功能模塊，以獲得目標工程細胞。比如，在合成的基因組中可以引入基因編輯體系，為新生物體進一步改造及應用提供更多的可能性。基因組合成和基因編輯，涉及的操作廣度、深度不同，技術體系也不同。但其本質上都是通過遺傳改造，獲得具有特定功能的生命體，服務科研與生產，二者有機融合是水到渠成的趨勢。基因工程技術和合成生物學作為新近迅速發展的交叉學科，已在生物醫藥、新材料、能源、農業等領域展現越來越廣泛的應用潛力。
生物技術集群的綜合應用最前沿的探索領域在育種領域。自人類有農耕歷史以來，獲得優質高產的種子是農業重要的起點。過往的育種模式大致經歷了3個階段，育種1.0階段：主要依據對作物表型變異的肉眼觀察，憑藉耕作者的經驗和主觀判斷，篩選具有符合農業生產所需要的產量、品質和農藝性狀的育種材料；育種2.0階段：伴隨著人類對生物遺傳規律的認識和田間統計學、數量遺傳學在育種中的應用，由職業育種家通過預先設計雜交育種試驗，選育現代栽培品種；育種3.0階段，採用分子標記輔助選擇及轉基因技術的手段，實現單一目標性狀的導入和修飾，同時基於連鎖群體的功能基因克隆、自然群體的全基因組關聯分析、複雜農藝性狀的基因功能解析等研究領域發展迅猛，加深了人了對作物基因組和基因功能的認識。
王向峰等人的研究指出，育種4.0階段的育種將依託多層面生物技術與信息技術推動育種向著智能化的方向發展，即以基因組測序技術與人工智能圖像識別技術為依託，通過基因型與表型數據的自動化獲取與解析，實現玉米組學大數據的快速積累；以生物信息學與機器學習技術為依託，通過遺傳變異數據、各類組學數據、雜交育種數據的整合，實現作物性狀調控基因的快速挖掘與表型的精準預測；以基因編輯與合成生物學技術為依託，通過人工改造基因元器件與人工合成基因迴路，實現作物具備新的抗逆、高效等生物學性狀；以作物組學大數據與人工智能技術為依託，通過在全基因組層面上建立機器學習預測模型，建立智能組合優良等位基因的自然變異、人工變異、數量性狀位點的育種設計方案，實現智能、高效、定向培育新品種。
圖16：生物技術和數字技術協同帶來“育種4.0”
當前，合成生物學也是國家重點鼓勵創新的方向，如科技部發布的“合成生物學”重點專項2019年度項目申報指南指出，合成生物學以工程化設計理念，對生物體進行有目標的設計、改造乃至重新合成。“合成生物學”重點專項總體目標是針對人工合成生物創建的重大科學問題，圍繞物質轉化、生態環境保護、醫療水平提高、農業增產等重大需求，突破合成生物學的基本科學問題。指南所列5個重要任務依次為：人工基因組合成與高版本底盤細胞構建、人工元器件與基因迴路、特定功能的合成生物系統、使能技術體系與生物安全評估、惡性腫瘤治療性疫苗的設計與構建。其中外源基因元器件在農作物中的適配性評價共性技術研究內容與農業新物種培育息息相關，研究內容方向之一是開展有關預測評價方法和田間規模化評價技術的開發，為人工合成農作物的應用評價提供新技術、新方法和技術標準。
新材料和智能製造技術集群
新材料和智能製造技術集群包括3D打印、納米材料、智能製造等。首先來看3D打印，3D打印技術即增材製造技術，是以數字模型為基礎，將材料逐層堆積製造出實體物品的新興製造技術，體現了信息網絡技術與先進製造技術、數字製造技術的密切結合，是智能製造的重要組成部分。與傳統的減材製造方式相比，增材製造擁有製造複雜的物品而不增加成本、無需組裝、零時間交付等眾多優點，尤其是適合製造形狀複雜的、定製化的、追求輕量化的零部件。3D打印主要應用於航空航天、汽車、醫療、教育等領域，也用於生物材料打印、食品打印等領域。
圖17：3D打印產業鏈示意圖
3D打印目前在農業精密機械製造方面已有應有，其可以使設計模型更加簡明扼要；可以使研究中零件的三維實體設計更容易變為實物；可以有效縮短樣機試製週期；可以在短時間內改進、製造、替換田間試驗故障零件；可以快速更改技術細節，提高生產效率。新聞顯示，山西省農業機械化科學研究院利用3D打印輔助製造技術實驗室的HTS400型快速成型機，進行氣吹式精密播種機的風嘴零件製造，僅用時3小時，成本7.2元，就得到了形狀、精密度高品質的風嘴零件。未來3D打印技術還將在農業科學知識普及、農用工具製造、農業展覽素材方面進行應用，形成包括軟硬件、應用、材料和質量體系為一體的創新發展局面。
智能製造是工業領域的另一要點，它是基於新一代信息通信技術與先進製造技術深度融合，貫穿於設計、生產、管理、服務等製造活動的各個環節，具有自感知、自學習、自決策、自執行、自適應等功能的新型生產方式。按照行業數字化基礎和目前實踐情況，中國主要製造業智能製造水平可以分為4大序列，第一梯隊為計算機、通信和電子設備製造業、汽車製造業，第二梯隊為能源、化工行業，第三梯隊為裝備製造、機械設備製造業，第四梯隊為農副食品加工業、食品製造業、紡織服裝業等。在具體的佈局方向上，德勤智能製造企業調研2018數據顯示，中國工業企業智能製造5大部署重點依次為數字化工廠、設備及用戶價值挖掘、工業物聯網、重構商業模式和人工智能。
圖18：農業、食品工業正處於智能製造基礎構建階段
高度分散、進口依賴、效率和生產力水平有待提升、冷鏈和深加工能力有待提升是當前食品加工製造業的關鍵特徵，農副食品加工業、食品製造業智能製造目前尚處於基礎設施構建的階段，在內部流程數字化、生產過程自動化方面還需要夯實基礎。大型集團化食品、奶製品企業已經開始在智能製造方面有所嘗試，比如伊利集團、哇哈哈集團、蒙牛集團等。
跨學科、跨行業的經驗共享帶來技術融合
Gartner是一家知名的產業研究和行業分析機構，每年都會發布行業成熟度曲線，以解析新興科技的成熟度。其將技術按照應用的成熟度分為5個時期：技術萌芽期、期望高峰期、期望低谷期、回覆爬升期、應用成熟期，這一曲線可以應用於大多數技術發展的路徑。在2019年的新興技術成熟曲線中，Gartner指出，生物培養技術、去中心化網絡、知識圖譜、人格化等技術還處於萌芽期，自動駕駛、人工智能、邊緣計算、生物芯片、5G等處於期望高峰期，下一代存儲器、3D傳感攝像機等處於期望低谷期。而未來的5大新興科技趨勢分別是傳感和移動、人機增強、後經典計算和通信、數字生態系統、高級人工智能和分析。
圖19：Gartner新興科技成熟度曲線2019
資料來源：Gartner，蛋殼研究院
回到農業和食品生態系統，Gartner技術成熟曲線描繪的通用技術中，人工智能、大數據、物聯網等均處於期望巔峰期，即我們有可能會對相關技術的行業應用抱有比較高的期待值。但按照技術從萌芽到成熟的一般規律，無論是生物技術集群還是數字化技術集群，在農業食品領域的成熟應用還有一段距離要走。
2.3跨行業的經驗整合與解決方案構建
解決挑戰的關鍵在於構建跨學科的思維體系和應用體系，農業食品行業有複雜的生態體系，涉及動物、植物、醫學、健康、材料、計算機通信等多個行業，這些領域的技術突破同樣會對農業食品行業產生較強的推動作用。比如植物學方面的突破將讓我們更瞭解植物的生長特性並據此開發出更符合農業需要的品種，材料學方面的突破將讓我們開發出更精密的農機，以適應複雜作業環境的需要；而數字化領域通信技術、傳感器技術的進步將讓我們更連續、直觀地瞭解農業的週期性變化，建立起完整聯繫的生長模型。
美國國家科學院的研究也指出，解決農業系統最棘手的問題需要融合和系統思考。在這方面，美國已經有相關的案例，如美國能源和農業系統共同發起了相關資金計劃，以支持聚集科學家群體，以富有成效的方法來共同攻克關鍵難題。聯合國糧農組織劃定的在與糧食和農業遺傳資源有關的跨學科行動重點領域包括糧食與農業生物多樣性的綜合管理、生物技術在農業、林業和漁業上的應用、有機農業、生物安全、倫理學等。
跨行業的經驗整合與解決方案構建已經成為共識。這也是我們關注通用技術成熟度曲線的重要原因，因為農業食品行業相對分散，是前沿技術較晚落地的行業之一，在標準化、自動化程度高的行業進行的實踐能夠逐漸建立起可複製的操作手冊，然後移植到農業食品領域。比如人工智能在化合物合成和晶型構建中的應用首先起始於人用藥，能夠快速提高化合物合成篩選的效率，構建穩定的晶型，在此模式經過驗證之後，可以複用於獸用藥、植物保護產品的開發，因為幾者之間有著相似的開發邏輯；再比如圖像識別技術在安防、交通領域的應用，能夠快速提取目標物體的特徵，動態解析變化過程，這一技術同樣適用於作物的病蟲害識別，並與作物保護作業結合起來，提供監控、分析到作業的完整服務，大大提高作物保護作業的效率。
閱讀更多 35鬥 的文章
