2019年做出的第一代原型机
划重点
真正能落地、能赚钱、能改变行业的，往往是这些不起眼的点。
上个月，我开启了一个新项目，用视频访谈的形式采访我接触到的一些AI领域的实干家，问问他们在用AI解决什么问题，有哪些经验教训可以分享给大家。
这个视频访谈会在每周三早上8点更新一期，计划连续采访100位实干家。你可以点击下方视频，关注我的视频号“快刀青衣学AI”，每期访谈的视频都会发布在这里。
当然，如果你身边有特别典型的、用AI解决实际问题的实干家，也欢迎扫描文稿末尾的二维码给我们提供线索。
我们的标准是，他们做的事可能不性感、不炫技，但一定都在解决真问题。
本周上线的对谈嘉宾是挺好农牧科技的董事长刘美华。
这个案例最开始吸引我的点，就是他们用AI加视觉识别加机械臂，来测量种猪的背膘曲线——这个有点类似人类的体脂率，从而提高种猪育种的科学性和准确性。
我和刘美华聊了两个半小时，说实话，有好几个瞬间让我挺震惊的。
第一个震惊来自一组猪的数据。
她告诉我，中国有4000多万头母猪，每年出栏7亿头猪，产量占全球的50%，但90%以上的猪都来自国外品种。我之前真没料到，咱们日常吃的猪肉，品种基本都是“进口货”。
本土猪种的市场占比只有3%，这个数字听着就让人扎心。所以她说，从一些超市就能看到，“咱们本土的土猪肉反而价格是最贵的，原因就是科学育种的能力还没有达到”。
第二个震惊是她跟我比划一头成年母猪有多大。
她说，成年母猪光身长就超过一米八，体重接近200公斤，公猪更夸张，能达到220到280公斤。她接着说：“你想想，这么大一头猪，没有AI之前要测它的背膘厚度，得4到6个人一起赶，赶到测量区域后，猪还不配合，到处乱跑。”
我当时脑子里立刻有了画面：几个人在猪圈里追着一头比两三个成年人还重的母猪做“体检”，这事儿光想都觉得够难的。
但更难的是，这个“体检”对育种来说特别重要。
刘美华解释，母猪的背膘厚度直接决定它能生多少头小猪。太瘦了，背膘低于10毫米，生不出来；太胖了，超过22毫米，也生不好。最理想的范围是11到14毫米之间。
要培育出优质的种猪，就得持续监测这个数据，从80公斤一直测到120公斤，看它的背膘曲线是否符合标准。
问题在于，传统人工测量一次要花15分钟，还经常测不准。大多数育种场一年只测一次，根本没法实现精准育种。
所以刘美华团队做了一套AI系统，专门解决这个问题。现在这套系统能做到一次测量不超过20秒，准确率达到98%，而且可以每天测量，持续跟踪每头母猪的背膘变化。
听到这儿，我突然意识到，这才是真正的AI落地——不是做那些看起来很酷的应用，而是解决那些脏活、累活、没人愿意干但又至关重要的事。
接下来，我详细和你说说这套AI系统是怎么做出来的，以及它背后藏着什么样的行业机会。
刘美华跟我讲，在她做这个项目之前，整个行业都在用一种很原始的方式测背膘。
技术员得先把猪赶到一个固定区域，然后拿着一个B超探头，在猪背上找准一个特定位置，叫“P2点”。找到这个点后，把探头按上去，通过B超图像读取数据，测量出猪的背膘。
这听起来好像不复杂，但实际操作起来，难度大得超乎想象。
首先是猪不配合。你想呀，一头200公斤的母猪，力气大得很，它可不会乖乖站在那里让你测。
单是把猪赶到测量区域，就得4到6个人，有人在前面引，有人在后面推，还要防着猪突然转向或发脾气。等到好不容易赶到位了，猪还在那里动来动去，技术员得一边稳住探头，一边盯着B超屏幕，一次测量下来，得花不少时间。
其次是测量位置很难找准。P2点不是标在猪身上的，全靠技术员的经验来摸和判断。
猪的体型不一样、肋骨位置不一样、姿态不一样，P2点的位置都会发生变化。新手技术员经常找不准，老技术员也会因为猪乱动而偏离位置。位置一偏，数据就不准了。
再加上养殖场环境，很多年轻人根本待不住。刘美华说，行业里人员流失率特别高，有经验的技术员更是稀缺。所以大多数育种场一年只测一次背膘，就是因为人手不够、成本太高。
但一年只测一次，根本没法做精准育种。
刘美华举了个例子：母猪从80公斤长到120公斤，这个阶段的背膘变化曲线特别关键。如果只在某一天测一次，只能看到一个数据点，看不到完整曲线。
这就像想了解一个人的健康状况，不能只量一次体重，得持续监测变化，才能判断他是健康增重还是虚胖。
她告诉我，如果能做到每天测一次，育种效率能提升一大截。现在一头母猪一年能生20头小猪，要是育种做得好，将来能提升到28头。
这意味着什么？这意味着全国的母猪存栏量可以从4000万头降到3000万头甚至更少，同时保持出栏量不变，对整个行业来说是巨大的效率提升。
说到这儿，我问刘美华，既然这个需求这么明确，为什么之前没人做？她笑了笑说，不是没人做，是太难了。
她给我讲了她们第一代原型机的故事。2019年，团队做出第一台设备，信心满满地拿到养殖场测试，结果发现根本用不了。
2019年做出的第一代原型机
猪圈里光线不好，摄像头看不清；猪一直在动，机械臂跟不上；猪身上都是泥和粪便，探头一碰就脏了，影响B超成像；再加上猪圈里温度高、湿度大，设备经常出故障。
刘美华说，那次失败后，团队花了两年时间重新设计。这次不是教机器“做动作”，而是教它“看懂场景、理解行为”。
他们最终做出了第二代机器“智探者”。这套系统有三个核心部件：
一个3D摄像头，负责实时捕捉猪的耳标、体型、姿态，判断P2点在哪儿；
一个多轴探头，能灵活伸缩、避开障碍，实时跟随猪的小动作；
还有一套AI算法，专门分析B超图像，自动识别并生成数据。
第二代机器“智探者”
听着挺复杂，我让刘美华用大白话和我解释了一遍。她说，你就把它想象成一个会给猪做体检的机器人。
猪走进测量区域，摄像头先“看”一眼，认出这是几号猪，再判断它背上的P2点大概在哪个位置。接着机械臂伸过去，探头轻轻贴上去开始扫描。猪如果动了，机械臂就跟着动，始终保持探头贴合。扫描完成后，AI算法自动读取B超图像，生成背膘厚度数据。
整个过程不超过20秒，“就像给猪挠一下痒痒，完全不打扰它吃饭”。
“智探者”的工作流程
我问她系统准确率怎么样，她说刚开始只有80%，后来不断优化，现在能做到98%。
说实话，听到98%这个数字我有点半信半疑。毕竟人工测量都经常出错，机器真能比人准？刘美华好像看出了我的疑虑，讲了一个特别有说服力的案例。
她说，有一家国内的龙头养殖企业，一开始也不信他们的系统，提出要做一个对比测试。测试方案是这样的：连续四天，每天用人工和机器分别测同一头猪的背膘厚度，看看数据是否一致。
第一天，人工测出11.3毫米，机器测出8.9毫米，差了2.4毫米。养殖场的人一看就说：你们这机器不行，误差太大了。
但刘美华团队坚持继续测试。第二天，机器测出9.2毫米；第三天，9.1毫米。这两天的数据非常接近，说明机器稳定性很好。
到了第四天，养殖场又安排了一个更有经验的技术员，重新用人工测了一遍，结果是9.8毫米。
于是，真相大白：第一天人工测量的11.3毫米是错的，可能是位置没找准，也可能是猪动了导致数据偏差。而机器连续三天测出的数据都在9毫米左右，反而证明了它的准确性和稳定性。
刘美华说，这次测试后，那家企业立刻签了合作协议。后来他们又做了更大规模的对比测试，发现机器测量的误差率比人工降低了40%，效率提升了60%。
而且机器可以实现每天测量，从猪80公斤一直测到120公斤，真正画出完整的背膘曲线。
一头猪连续测，生成数据曲线
有了这条背膘曲线，育种专家能清楚看到每头猪脂肪沉积的全过程。
比如有些猪90公斤之后脂肪猛增，说明它瘦肉增长潜力有限；有些猪背膘波动大，可能影响繁殖性能。这些细节，过去一年测一次的数据根本看不出来。
而现在，每头猪都有了一份“成长履历表”，每个数据点都能为育种决策提供支撑。
聊到最后，我问刘美华，做了这么多年AI落地，她有什么感悟？
她说，核心是要有明确的痛点。不能为了用AI而用AI，得先搞清楚行业里哪个环节最痛、最急需解决。
很多企业一上来就说要做智慧养殖、数字化转型，但具体要解决什么问题却说不清楚。而她们的产品，从一开始就盯着“背膘测量”这一个点，把它做透了，才有了后面的发展。
其实不只是养猪行业，很多传统行业都面临类似情况：有明确的痛点，有大量脏活累活，但没人愿意去做，因为这些事不够性感、不够酷。
大家都想做大模型、做AIGC，做那些看起来很炫的应用，但真正能落地、能赚钱、能改变行业的，往往是这些不起眼的东西。
这也是我做“100位AI实干家”系列的初衷。
我想找到那些真正在一线解决问题的创业者，听他们讲讲AI是怎么在各个行业里落地的，遇到了哪些坑，又是怎么爬出来的。
这些故事可能没有大模型那么吸引眼球，但我觉得，它们才是AI真正改变世界的方式。
这些创业者不是明星创业者，也不是AI领域的行业大佬，但他们正在解决一个个真问题，可能未来会遇到失败、会遇到挫折，但此刻，他们都在探索的路上。
| 欢迎光临 链载Ai (https://www.lianzai.com/) | Powered by Discuz! X3.5 |