牧原股份养着一支千人规模的算法和大数据团队，每年投入约 10 亿元做智能化研发。
这是一家全国最大的养猪公司。
这一千人要处理的，是它在全国猪场里装的 330 万套智能采集装备每天跑出来的 20 亿条数据，涵盖猪只体态、采食频次、舍内微气候、声纹异常、疫病特征、饲料配比等 4500 余项细分指标。
数据得先从猪舍里传出来。
而猪舍里氨气浓度高、湿度也大，普通交换机放进去用不了多久就会被腐蚀掉，华为为此单独改了一款，交换机和无线 AP 都加了防腐涂层和密封处理，专供猪场。
2026 年 8 月 22 日，牧原和华为签了战略合作协议。华为副董事长汪涛、农牧养殖军团总裁孔维明、牧原创始人秦英林和双方核心高管都到了现场。
两个多月前的 6 月 1 日，牧原刚跟阿里云签过一次，引入了阿里云的智算算力和通义千问大模型底座。
一个夏天，中国最大的养猪企业把阿里云和华为一起请进了猪圈。
有人质疑道，这是否是技术路线上的摇摆呢？
还真不是。
大模型完全在云端运行，解决不了设备腐蚀和边缘计算延迟的问题。而只靠硬件架构，又长不出精准的专家诊断算法。
这两个问题要一起解决，市场上没有哪一家公司能同时兼顾。
老兽医的天花板
先说阿里云这一边。
它和牧原一起开发出来的产品叫牧原 AI 小牧，也叫小牧助手。
小牧助手使用场景
它把猪舍里的声纹、视觉以及环境等 18 项核心指标整合到一起，再加上数十年积累的兽医专家诊断逻辑，用算法去做病害识别。
每批次约 600 头猪的健康检测，耗时从 20 分钟缩短到秒级，小牧助手目前已经覆盖超过 1000 个养殖场，日均调用量 2.3 万次。
它解决的是兽医荒。
规模化猪场最稀缺的资源是有经验的兽医，一位老兽医可以从猪的咳嗽声里听出毛病，但他一天只能走几个猪舍，培养这样一个人又要十几年。
传统养猪业的效率上限，就锁死在人的经验和人的双腿上。把老兽医的判断逻辑输入到模型里，几百个猪场才能同时用上。
不过也不要把话说满。
日均调用量还可以再算一步：2.3 万次分摊到 1000 多个养殖场，平均每场每天用不到 20 次。
覆盖面已经铺开，使用深度还很浅，模型现在起的是特定环节的辅助判断作用，并没有接管全部场景。
大脑、骨骼和场景
那么华为又是做什么的呢？把这两份合作协议分开来看，三方各出一份，边界很清晰。
阿里云出大脑。通义千问大模型底座加智算云平台，负责上层 AI 应用开发、多模态病害识别和经营管理分析。
华为出骨骼和神经。昇腾 AI 芯片搭起了专属农牧算力集群，巡检、饲喂、防疫这些环节的智能体都在上面跑；那批防腐的交换机和无线 AP，负责把各个基地的数据稳稳送上去。
还有电。猪场的通风、控温、采暖本来就费电，再叠上 AI 推理的开销，电费很容易把省下来的钱又吃回去。所以华为把光伏和储能也一起带了进来，想把猪场的用电成本压下去。
牧原出场景和数据，也就是开头那些装备、数据和千人团队，这是三方里唯一买不到的一份。
数字是怎么涨上去的
三家凑在一起有没有用，最后得看猪场的账本。
按国盛证券的研报和公开数据，牧原的 PSY 从 24.4 头升到了 28.3 头，育肥料肉比从 2.99 降到 2.73，养殖完全成本在 2026 年 7 月降到约 11.5 元每公斤。
这几个数得翻译一下。
PSY 说的是一头母猪一年能断奶多少头仔猪。母猪是猪场里最贵的固定资产，同一头母猪一年多出将近 4 头仔猪，摊到每头猪身上的成本就下来了。
料肉比是长一斤肉要吃几斤料。饲料是养猪最大的一笔开销，这个比值往下压一点，放到几千万头的规模上就是一大笔钱。
完全成本是最后的结果，猪价往下走时谁能扛过去，就看这个数。
温氏那边，华为和软通动力等伙伴一起搭了云网边端协同的架构，落地了牧视通 AI 视觉平台和 AI4S 科创平台。以前农户分散，巡查难，盘点全靠人一头一头数，现在点数、估重、看猪的行为，交给了摄像头和算法。
试点跑下来，巡查和盘点的效率都是成倍往上走，一个服务人员能照看的规模也变大了。再加上差弱猪闭环管理和精准饲喂，商品猪上市率提升了 1% 到 2%。
上市率提升 1%，听着不起眼吧？
温氏每年出栏数千万头生猪，1% 以上就是数亿元级别的利润增量。
中粮家佳康在吉林长岭的基地走的是另一条路。它引入生猪产业大模型，把一线兽医的临床诊疗以及育种经验转化成可用的算法，长岭基地的 PSY 突破了 29 头。
自动化环控和 AI 预警系统协同之后，分娩舍内单名饲养员的管理能力提升到近 800 头仔猪。
顺便提一下，华为的农牧养殖军团先后拿下温氏股份和中粮家佳康，加上牧原，已经实现了对中国生猪养殖前三大巨头的算力与网络底座全覆盖。
为什么只有这两家下场
那么其他的几家大公司又怎么样了呢？
网易味央「全民养猪」众筹海报：上线 56 小时突破 1000 万——2009 年丁磊宣布养猪，开了「互联网大厂养猪」的先河。
中国的许多大科技公司都已经在农业数字化上有所布局，但是它们的站位差得很远。
百度的落点在产学研。飞桨深度学习平台加上 EasyDL、EdgeBoard 硬件套件，能力输出集中在农田卫星遥感、作物生长预测、病虫害图像识别、水果智能分拣这类标准化场景，合作对象主要是大学和科研机构，靠无人工厂示范项目来推广。
它没有大范围进入生猪养殖这种重资产、高风险的现场。
拼多多的重心在孵化和出海。它连续多年牵头办多多农研科技大赛，场景由最初的云南高原温室 AI 种植，发展为集装箱植物工厂和 50 平方米人工光草莓工厂，再通过跨境电商生态把方案推向国际市场。
参赛获奖团队欧普智莓团队成员在植物工厂内，利用植物光照分析仪采集关键数据
腾讯瞄准的是消费端。微信小程序、腾讯云溯源链以及各种零售数字化工具，打通的是农产品从产地到餐桌的链路。
对于养殖场内部的高频环境调控和疾病诊断这类重度物理交互场景，腾讯保持了相对审慎的态度。
只有阿里云和华为，钻到了最沉重的那一段。
两家企业都认定了一件事：农牧业里附加值最大、壁垒最深的部分，在生产端的降本增效。
三条路都成立，切进去的位置不一样而已。
京东农牧「猪脸识别」：每头猪的体重、进食量、健康状态都有数据记录
1 比 800 之后
说到这里，就要谈到一个大家都不太想继续讨论的问题了。
在传统模式中，一个饲养员要负责几百头商品猪，并且还要做清粪、饲喂以及人工巡查的工作。
目前长岭基地的分娩舍，已经实现单人管养近 800 头仔猪。
在牧原、温氏的标准化厂房中，饲养员由原来的体力劳动者，变成了系统调度员以及异常预警响应员。
效率提高了很多倍，背后伴随着一种结构性的变化。
但是产业界对它，基本上处于失语状态。
单人管理规模放大数倍之后，单位猪只所需的直接劳动力数量会断崖式下跌。
大型农牧巨头在不断扩大智能化猪场比重的同时，关于被替代的传统养殖工人以及缺乏数字技能的中老年饲养员的去向和分流安排，公开披露的信息极少。
而新岗位的门槛同时也被大幅抬高，未来的猪场不需要只会拿扫帚和饲料铲的工人，需要的是会用小牧助手这类 AI 终端、看得懂智能环控报表、能根据 AI 预警做现场干预的数字新农人。
从一个人管几百头商品猪，到长岭基地分娩舍一个人管近 800 头仔猪，中间隔着的是一整套技能要求的转向，而传统乡村劳动力面临的是严重的断层。
现在还没有哪家公司愿意把这笔账摊开来算。
这笔账要怎么算
算力和基础大模型都很快被商品化了，不管是用开源架构调优的模型，还是按需购买的智算算力，只要资金到位，任何一家公司都可以很快搭起一个基础技术框架。
这两样东西已经不具备排他性。
稀缺的是另一半。
生猪养殖面对的是复杂的生物活体，以及不断变化的疫病环境。真实世界里的声纹数据、体温变动、采食曲线和猪舍微气候交互，没法用合成数据模仿出来。
牧原每天沉淀的 20 亿条数据，是 330 万套装备一天天跑出来的。这种高时间分辨率、4500 余项指标的生物数据流，很难被绕开。
还有验证场景。
大模型在养殖端要直接下达指令给自动饲喂机、智能风机以及精准给药系统，每一次算法迭代是否有效，都要用猪只的生长速率、料肉比以及健康度来做长周期验证。没有几百万头猪，算法迭代就是空转。
也正是在这样的背景下，牧原展开了更为长远的发展计划。
牧原首席财务官高曈明确表示，未来共建的养猪大模型将向全行业共享开放，期望大模型能够服务每一位养猪人，为中小养殖户配备超级智能助手。
牧原智能轨道巡检机器人
免费或者以较低的成本把 AI 能力提供给整个行业，表面上看是让利。
但是底层逻辑是两件事：一是把自己的做法变成中国农牧业数字化的技术标准，二是在赋能中小养殖户的过程中，把全行业的养殖动态数据虹吸过来，让模型在更大规模的数据喂养下不断进化。
模型和算力可以花钱买到，数据和场景买不到。
牧原一旦把模型往外送，它要收回来的是别人的数据。
通用大模型那一层，中国一直都在追赶之中，这是个客观存在的问题。但是垂直大模型比的是场景深度和数据密度，参数多少反而是次要的。
工作人员在智能环控后台远程管理和控制
猪圈这种场景，全世界只有中国有这个体量。
而猪圈，只是其中一个。中国还拥有全世界最齐全的制造业门类、最大规模的电网、最密集的物流网络以及最大的港口吞吐量，这些地方每天都会跑出别人拿不到的真实数据流。
工业革命之所以重要，在于谁掌握了煤和铁，谁就掌握了话语权。同样的道理，在 AI 时代，谁握着真实世界的数据流，谁就握着下一轮的话语权。
而这一次，我们手里的牌可能比想象中要好。
▲星海情报局 AI重构世界专栏
热门跟贴