農業科技“快公司”盤點

編譯｜白小乘

國際

農業科技“快公司”盤點

編譯｜白小乘

［√］這些創新“快公司”通過種種科技手段“玩轉”行業的同時，也讓我們對農業的未來有了更多的期許。

說到農業“黑科技”，我們總會想到無人機植保、遙感衛星測繪土地、基因育種……這些聽起來就科技感十足的技術。然而，事實遠非如此，隨著越來越多的科技植入進農業食品領域，很多小眾“快公司”也逐漸進入我們的視野，這些公司通過種種科技手段“玩轉”行業的同時，也讓我們對農業的未來有了更多的期許。

Pinterest：新 AI功能根據美食圖片找到食譜

一個直接與當前美食烹飪網站相競爭的APP目前在美國新近上市。

這個名為Pinterest的APP可根據用戶手機中的美食照片推薦食材和匹配的食譜，并在用戶搜索特定菜肴時提供相關配料建議。

正如Pinterest公關經理DyaniVanderhorst在新聞稿中寫道：“我們應用計算機視覺技術，通過識別照片中的元素，向您展示如何制作菜肴?！?/p>

事實上，已經有越來越多的人使用Pinterest，他們利用這些新功能幫助找到并制作了喜愛的食譜。目前這家總部位于舊金山的公司每個月都會收到超過2.5億次的視覺搜索請求，而在其最為實質的點菜功能中，Pinterest可以同時為每個食譜提供打分和評論——這就使得這家“快公司”同時成為了品牌和廣告商的寵兒，也是這款APP獨特的贏利點。

該發言人說：“有越來越多的人在手機上搜尋食譜（Pinterest上的手機搜尋量同比已經增長了40%），現在我們專注于讓用戶更輕松地找到和制作他們喜愛的食譜，這意味著當他們需要的時候，我們的食品合作伙伴可以第一時間提供產品。”

食物“消耗”多少自然資源才來到你的面前？

目前，隨著環保政策的收緊，越來越多的農業食品企業將減少碳排放擺上了日程。然而這可不是一項簡單的工作：生產一斤豬肉需要多少飼料？生產每100g的塑料包裝盒和每一英里公路運輸所需要的化石燃料將產生多少溫室氣體？雖然許多在線計算器可供人們進行簡單的碳排量計算，但是這些都是停留在表面的簡單方法，在農業生產中很多幕后的生產過程被忽略了：比如，從作物到飼料再到畜禽類產品的生產，這一過程中的碳排放在很多情況下都被忽略不計，然而卻是溫室氣體的主要來源。

為了解決這些問題，綠色商業和建筑評估公司Blue Star Integrative Studio已經創建了自己的計算方法，以深入跟蹤餐廳運營和供應鏈所產生的碳排放，該公司已經為像Clif Bar這樣的食品公司和位于俄勒岡州波特蘭市的可持續餐飲集團提供服務。

從實際的角度來看，這項服務可以為餐廳的食客在選擇吃飯的地方時多一個考慮因素。Blue Star Integrative總監David Jaber表示：“我認為每一個人都應該直面食物供應鏈對氣候變化帶來的挑戰?！?/p>

在盈利點上，Blue Star Integrative根據餐廳和企業的規模收取5000—25000美元的服務費用，為他們的產品計算碳排放。

隨著越來越多的企業意識到減少碳排放的重要性，這項生意無疑前景遠大。麥當勞目前已經發布了自己的內部碳排放審計，盡管結果差強人意，并沒有精確數字而是僅以百分比表示：牛肉占排放量的41%。其他大型業務如達登餐飲也進行了碳排放信息的披露，但是這項工作目前還缺乏行業規范。而未來，隨著更多其他行業的供應鏈引入碳排放計量標準，餐飲業也會加速規范化——也許目前以溫室氣體排放來評價一家餐飲企業的想法還過于理想化，但這至少為我們的餐飲業發展提供了一個新的方向。

植物電腦：農作物制作“氣候食譜”

能想到嗎，一間技術感十足的溫室可以一遍又一遍地調整溫、光、水等生長條件，直到發現最美味蔬菜的生長組合。

在麻省理工媒體實驗室的一個運輸集裝箱大小的箱子里面，羅勒正在由人工智能設計的微氣候中生長。這些微型溫室為每個作物的每個生長周期生成大約300萬個數據點，并使用人工智能來分析它，以期不斷調試，為作物生長創建新的更好的“氣候食譜”。

氣候變化使得戶外種植作物的生長由于熱浪、風暴、病蟲害等因素而變得更加困難，研究人員預計，氣候控制的技術型溫室（稱為“食品電腦”）有望成為作物種植的新方向。

這項技術還可以消除農產品的運輸里程，減少碳排放，中國的溫室可以在北京精確地重建墨西哥的氣候，為鱷梨樹創造更好的生長環境而不是將鱷梨從墨西哥運送到中國。

事實上，麻省理工的研究人員從2015年就開發了這個名為OpenAg的食品計算機，它包含傳感器、執行器和視覺分析儀，用于作物生長環境的分析，然后復制作物生長的最佳條件。在2016年6月，該團隊開始與AI公司Sentient合作，使用其軟件來更快地優化作物生長環境。

作為麻省理工學院開放農業 計 劃（Open Agricultural Initiative）的研究人員之一，Arielle Johnson說：“在這個項目里，人工智能的合作加快了我們獲得實驗結果的進度，并拓寬了實驗分析數據的維度：由于在這個實驗里羅勒是批量生長的，所以AI可以根據每個批次的數據來對下一次作物的“氣候配方”進行更改，從而提高實驗產量。

而事實上，該實驗最大的創新之處在于，研究人員可以通過創建一個可以最大化植物中某項揮發性分子數量的環境，優化作物某一項特殊風味。例如，如果食品電腦中的智能分析結果顯示燈光的不斷照射會增加作物中895%的特定風味分子時，人們可以通過不同的口味需求來定制作物。同時，AI還重新發現了作物重量和風味之間的已知權衡（植物體積越大，美味度越低）。

值得一提的是，對于未來產生的“作物食譜”，這些研究者表示，實驗成果是開源的，“我們正在努力提供所有數據和優化的標準，將由任何人共享。”

這對于剛成立的一些新型室內農業公司來說無疑是好消息，這些開源氣候食譜可以幫助農民種植更高效，更美味的作物。同時該團隊設想為室內農業創造一種共享語言，“像農業Linux一樣，” Open Agriculture Initiative副總監Hildreth England說，“如果我們都使用相同的標準，那么每一個人無論背景，都可以在全球任何地方從事農業種植?！倍遥@項研究也可以更加可持續地修正作物的表現型，對農作物有害的遺傳進行修飾，正如這個團隊所認為的：“最終，這是非轉基因生物——畢竟你沒有弄亂植物的DNA，只是允許它展示自然界中應該存在的、適應這種環境的行為?！?/p>

即時食物新鮮度跟蹤器

我們因為變質而拋棄的食物中約有30%并沒有變質——我們丟棄它只是因為我們以為它應該是壞的。Zest Fresh的數據驅動跟蹤技術正在試圖解決這個問題，以減少我們浪費的食物。

“你去超市，挑出一些似乎是新鮮的藍莓，然而第二天打開冰箱門，卻發現已經過了最佳食用期了。事實上，生鮮包裝上的保質期不過是一個軟保證。”Zest Labs首席執行官Peter Mehring說。

這家位于硅谷的技術公司致力于在供應鏈中保護產品的質量，通過其去年秋季推出的新Zest Fresh工具，Zest Labs正在幫助食品零售商更好地確定最佳食用日期，以減少在運輸過程中浪費食物或食物在冰箱里腐爛后被拋棄的情況。

對于零售商和農民來說，實施Zest Fresh技術很簡單：所需要的就是安裝傳感器，以檢測溫度、濕度和位置，并將傳感器連接到Zest Fresh云，向供應鏈中的各路玩家傳遞數據。結果顯示，大多數零售商在從種植者那里獲取產品時，通常從配送中心開始算起，以保持10天的新鮮度為目標——只有30%的產品可以達到。而在Zest Fresh將技術從種植端開始以后，以10天為標準的新鮮產品數量達到90%以上。

這是為什么？原來Zest Fresh是根據每個項目的具體條件來提供新鮮度判斷的，這使得供應鏈上的工作人員可以調整其供貨決策，避免浪費。

在美國，每年有價值1650億美元的食品（約占總產量的40%）被扔進垃圾填埋場，而這些丟棄的食物中因為超出可食用日期但依然新鮮的食物占據了33%，在Zest Labs看來，這無疑是巨大的浪費。

Mehring說，以前，最佳食用日期是根據產品類型、旅行距離和人眼的一般假設來確定的。而現在，Zest Fresh根據生鮮呼吸速率和糖分解過程而特別針對每個產品量身定制的ZIPR代碼會自動調節最佳使用日期。對于生鮮產品，Zest Fresh會提供一個打入ZIPR代碼的托盤，以便沿著供應鏈對產品進行檢測（ZIPR代碼來源于通過Zest Fresh云跟蹤的數據集，并反映了產品類型和溫度并隨著時間的推移進行改變）。根據托盤的ZIPR代碼及其位置，Zest Fresh提供了產品剩余天數的評估，并在供應鏈上動態更新。任何時候，一個產品由于處理不當（比如冷卻設備被停用了太長時間）所變更的剩下新鮮度都將反映出來?！斑@可以讓配送中心的人做出一個聰明的決定：我預計10天的新鮮度，但是這個產品只剩下8天了，因此我最好今天下午而不是明天將他們送到商店?！盡ehring說。

至于盈利模式，Zest Fresh采用靈活的支付模式，它的零售商和農民通過使用該平臺向Zest Labs支付節約食品價值的10%作為酬勞。Zest Fresh旨在將零售商的浪費降低至少50%，因此，即使科技公司獲得10%的收益，零售商仍將看到效率。現在，Zest Fresh將目標擴大到牛肉、家禽和海鮮的分銷鏈，同時Mehring希望以數據驅動的方式向公眾澄清：最佳食用時間是減少不必要的食物浪費的重要因素。

（資料來源：www.fastcompany.com）