王凱烙：正大研究院分為8個部門，智能應用團隊歸屬于數字創新部門，除了設備方面的智能化，還有數據分析挖掘的智能化。早期，正大研究院就是飼料技術部，到后面著手養殖全產業鏈相關的技術研究。但是隨著時代的發展，智能化、獸醫、育種等方面的新技術研究也需要進行統一的綜合管理，于是正大研究院組建獨立的管理部門，以便提高效率。總部會圍繞如何把豬養好？如何具體實施？具體有哪些生產成績？等指標對地方實施監管，實現?組織管理水平的提升。

目前，正大集團積極探索新技術，并進行智能花灑、軌道機器人以及SoundTalks^?咳嗽管家等智能化設備的測試。

王凱烙：目前，推動智能化項目的整體實驗是智能應用團隊來主導的。整個項目推進過程中，由于我們自己沒有養豬，所以需要與養豬的各個大區進行合作，在前期進行可行性研究的時候調研生產人員的想法，獲取一些意見與建議。

在測試過程中，要首先評估一款設備潛在的價值，然后確定其技術上的可行性（如設備功能特點符合動物行為規律和疾病癥狀等）后，通過篩選市面上的設備，確保其基本功能可以穩定的實現，再進行大規模的實驗計算投資回報，最后制定整套使用和推廣方案。

設計方案的第一步就是明確它能做什么？以SoundTalks^?咳嗽管家為例，它可以24小時監測豬群咳嗽，但對于豬喘氣效果不佳，因此在篩選時要明確重點，以免預期太大浪費時間；第二步就是要明確哪些因素會影響此項研究？如豬場管理水平、豬群健康度、季節等變量；第三步要確保實驗設計的科學性；最后也最重要的是實驗數據需要專門的團隊去收集，避免收集標準不同使數據有偏差，導致最后得出的結論欠缺說服力。

根據整套方案實施后，再對生產人員進行培訓，全方位推動項目實施落地。

王凱烙：整個推動過程雖然沒有遭到生產人員的明確反對，但生產人員有其本身的工作任務，他們肯定要先保證生產工作，再來幫忙設備實驗。對我們實驗開展的商業化豬場來說，實驗給他們增加了工作量。因此，推動智能化工具的關鍵是如何調動一線生產人員的積極性。

值得一提的是，智能應用團隊與一線生產人員的共識是把豬養好。如果豬群一直發病，生產人員的工作量會隨之提高，而且生產成績不好，也會導致生產人員績效降低。當我們找到一款能幫助集團生產的產品，在使用后豬群變得好養，一些小的疾病經過前期治療即可痊愈。對于生產人員而言，在降低工作量的同時，還可以提高生產成績，獲得更高的績效。所以我們一定可以找到支持實驗的場長，一起朝著這個共識去努力，更好的推動智能化工具的應用。

王凱烙：有些需要生產人員積極配合使用才能起效的設備，我們會把實驗拆分為兩個階段，通過第一階段和人員的盲測對比，讓生產人員切實感受到智能化設備對于生產的幫助，激發他們自身的積極性。

另一方面，正大集團中國區領導對于推進智能化設備應用是堅信不疑的，并給予很大程度的支持。不僅協調場區人員的配合，在經費申請上也給予很大程度的支持。如SoundTalks^?咳嗽管家通過前期的基礎實驗，得出該設備可以24小時監測豬群呼吸道健康狀況的結論后，若我們需要更多的設備去計算投資回報，領導都給予支持。

綜上，智能化設備推進過程中，不能僅僅依靠獎勵機制，而是需要結合企業面臨的情況，摸索出一套合作機制，找到有同樣強烈需求的生產團隊，進而更好的提升一線生產人員的積極性。

王凱烙：目前，正大集團已在自有育肥場安裝100余臺SoundTalks^?咳嗽管家，且已完成不同階段的測試。從效果來看，試驗場的豬群較為健康，使用設備可以提高生產成績。對于個別健康問題稍多一點的場，后續可能進行關燈試驗，從生產人員心里改變他們的想法，先解決生產人員積極性后再看效果。

總體來說，SoundTalks^?咳嗽管家報警準確，且比飼養員有顯著提前，有較大可能提升該場的生產水平。實驗對比發現，安裝SoundTalks^?咳嗽管家的豬舍可改善料肉比、死亡率和日增重，并降低生產成本。

另外，從交叉學科的角度來看，聲音識別算法發展的較為成熟。在實際應用中，SoundTalks^?咳嗽管家可以將雜音過濾，24小時實施監測豬群呼吸道健康狀況。但具體可以提前多少天發現豬群健康問題，這受各個豬場生產人員操作水平的影響，也需要根據具體的實驗結果去分析。

按照前期的統計學設計，當前鋪開量已經滿足測試需求，下一步我們將新的數據填補原有數據中再做一次計算，看是否需要擴大鋪開面。未來，隨著鋪開面的擴大，得到的數據將更加準確。

王凱烙：探索智能化養豬是一個漫長的過程，首先要做好數據質量把控，只有統計高質量的數據才有價值。

正大集團是分大區管理，不同區域統計方式會導致數據差異。因此，正大集團在數據分析與智能化結合方面花費了很多精力。首先將數據標準統一，便于統一管理；其次，正大集團從最簡單的數據報表做起，持續關注數據質量，以方便后續管理。

同時，正大集團研究院數字創新算法團隊結合其他部門圍繞生豬養殖進行數據的深度挖掘，嘗試建立數據大模型，即通過數據分析實現供應鏈的預測、深度分析、疾病預警和農牧領域的大語言模型。

首先供應鏈的預測，可以通過生產曲線模型、死亡曲線模型等了解生產規劃及預測生豬輸出情況；通過采食曲線驗證過去飼料耗用標準并預測未來的飼料耗用。其次，深度分析可以通過窩產健仔數從月度和年度進行定量、定性分析，找出生產成績存在差異的原因；還可以通過種豬淘汰策略分析應該主動淘汰還是繼續配種，實現種豬價值的最大化。然后是基于生產數據進行疾病預警，如根據藍耳發病相關的因素和疾病標簽建立藍耳疾病預警模型，預估藍耳爆發情況。最后就是應用當前數字化創新的重要發展趨勢，特別是面向特定行業或企業定制版的垂直領域的大語言模型，通過模型訓練、微調指令、微調模型、資源調度、反饋搜集、語言整合等最終形成農牧領域的大語言模型。

目前，養殖行業智能化進程相對較慢，率先突破智能養豬瓶頸期的企業將獲得可觀的回報。隨著近年各大集團智能化發展意識不斷提高，開始設立智能化崗位，愿意花費較高的工資去招攬人才。同時，智能化設備廠家也將持續創新升級，提供更好的產品，為養豬企業提供更大的發揮空間?？梢?，探尋智能化養豬之路即是機遇，也是挑戰。未來，大家會對智能養豬習以為常，而我選擇這個行業也是看它的長期發展。