“靠天吃饭”的传统农业正在悄然发生变化。四川的特驱猪场装上了“黑科技”,接入人工智能的摄像头认识猪场里每一头猪。700公里外,陕西的海升苹果园、国强甜瓜圃也开始用人工智能帮助种植。令人意外的是,这些地方都有阿里云工程师忙碌的身影。
进入农业,是阿里云ET大脑在城市管理、工业优化、环境治理、航空调度后的又一站。6月7日,云栖大会·上海峰会正式发布阿里云ET农业大脑,希望将人工智能与农业深入结合,目前已应用于生猪养殖、苹果及甜瓜种植,已具备数字档案生成、全生命周期管理、智能农事分析、全链路溯源等功能。未来还将很快在石榴、生菜种植中落地。
构建现代农业产业体系、生产体系、经营体系是十九大报告“振兴乡村”战略的重要内容。居高不下的边际生产成本、农产品安全、环保平衡、疾控预防等方面还存在不少痛点。
阿里云总裁胡晓明表示:“人工智能要和产业结合才有价值,我们希望用人工智能帮助农户农企‘对症下药’,实现中国农产品‘三级跳’,即更安全、更营养、更值钱。”


几组标语曾刷遍西南农村和朋友圈:“今年打工不出门,智能养猪到家门”、“智能养猪搞得好,照顾家里老和小”……德康集团、四川特驱集团和阿里云的合作成为关注热点,也迈出了用人工智能养猪的第一步。
现在,特驱猪场铺上了有ET农业大脑加持的摄像头,解决了人工大规模养殖的深度拓展和降本增效问题,还形成了更智能、更精细的养殖模式,预计今年母猪年生产能力可以提升3头,死淘率降低3%左右。
通过图像识别技术,每一头生猪都有自己的档案,包括品种、天龄、体重、进食情况、运动频次、轨迹、免疫情况等,这些数据可用于分析行为特征、料肉比等。同时结合声学特征和红外线测温技术,可通过猪的体温、咳嗽、叫声等作判断是否患病,预警疫情。
“有了ET农业大脑,我们可以准确地知道每一头生猪的运动量,公里数可以成为判断猪肉品质的新标准。未来,我们想要的是一头跑了200公里的好猪,而不再是一头200斤的猪。”胡晓明说。

海升集团是国家级农业产业化重点龙头企业,在全国拥有近40个果蔬种植基地,总种植面积四万余亩,已经实现苹果、柑橘、莓类、胡萝卜、梨、樱桃、猕猴桃等品类的种植布局。
在陕西,10000亩海升苹果的生产资料已经汇聚到ET农业大脑,可以对每棵果树进行个性化管理,大大提高果园的管理效率。
果农再也不用一笔一划记录每棵果树的浇水量、施肥量、施药量,再分头录入EXCEL汇总到管理层。一部手机、一个管理软件,就可以实时记录、实时同步相关人员;未来扫一扫果树旁的二维码,还能看到这棵果树的历史浇水、施肥、施药情况。
通过对这些历史数据的智能分析,ET农业大脑能建立起一整套知识库,指导果农播种、施肥和耕作,提供最优决策;还可以进行智慧选址,针对不同品种的果树选择最适宜的水土环境。
预计ET农业大脑可以帮助果农每亩地节省200元以上成本,整个海升集团每年约可节省2000万人民币。

阿里巴巴董事局主席马云曾说:“袁隆平先生把亩产做到一千斤,我们互联网技术,要争取把亩产做到一千美金。”
国强甜瓜所在的阎良是西安下属的农业生产县区,目前有近600户贫困户,农业收入是该县的主要收入来源。阎良区甜瓜总产量达20余万吨,是该地区的主要特色农产品,也是农民收入的重要来源。
今年,阿里云和西安扶贫办启动了智慧农业合作,国强合作社是主要合作对象,ET农业大脑装到了国强甜瓜圃:每个甜瓜都有一个二维码身份证,对甜瓜全生命周期进行监控,确保瓜农按照标准化手册操作,不打激素,让每一个瓜长足天数,是真正的“瓜熟蒂落”。
借助天猫生鲜、菜鸟物流、蚂蚁金服等阿里巴巴全生态的力量,还能为国强农户提供金融、物流、销售端能力,更好地实现链路管理。普通甜瓜售价仅1元一斤,但有技术含量的国强甜瓜可以卖到3元一斤。现在,质优味美、可溯源的国强甜瓜在天猫已经可以买到。
未来,ET农业大脑也将帮助消费者吃到更健康更绿色的食品。当天,“瓜脸识别”在手机天猫上线,背后是相关的AI算法、图像识别等能力。用手机拍一拍,消费者就可以识别甜瓜的成熟度,这一技术还有望用到其他生鲜产品。
产业AI是阿里云始终坚持的人工智能发展路线。
在过去的一年多时间里,ET大脑已经在航空、交通、工业、环境、医疗等多个领域落地,并帮助产业取得了巨大的经济效益。ET城市大脑更入选首批国家新一代人工智能开放平台,在杭州、衢州、苏州、雄安、澳门、吉隆坡等海内外城市大规模落地。由阿里云发起的“产业AI”运动正逐渐成为行业共识。
好文章,需要你的鼓励
本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。
这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。
中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。
这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。