首頁媒體中心產業消息

2025-04-17

分享：

人工智慧在台灣農漁畜產業的趨勢分析報告

本報告深入探討了人工智慧（AI）在台灣農漁畜產業的應用現況與未來趨勢。分析顯示，AI正以前所未有的速度滲透到農業生產的各個環節，從提升作物產量和品質的精準農業，到優化水產養殖和畜牧管理的智慧系統，都展現出巨大的潛力。

摘要
本報告深入探討了人工智慧（AI）在台灣農漁畜產業的應用現況與未來趨勢。分析顯示，AI正以前所未有的速度滲透到農業生產的各個環節，從提升作物產量和品質的精準農業，到優化水產養殖和畜牧管理的智慧系統，都展現出巨大的潛力。報告強調了AI在提高生產效率、節約資源、促進環境永續以及應對勞動力短缺等方面的關鍵作用。然而，儘管前景廣闊，AI在台灣農漁畜產業的廣泛應用仍面臨著數據挑戰、技術成本、農民接受度以及基礎設施限制等多重障礙。本報告總結了主要的發展趨勢，提出了針對政府、產業和研究機構的策略性建議，旨在促進AI技術在台灣農漁畜產業的更有效和可持續的整合。

一、前言

台灣農漁畜產業的重要性

農業、漁業和畜牧業在台灣經濟中扮演著至關重要的角色，不僅是國內生產總值的重要貢獻者，也是重要的就業來源，並直接關係到台灣的糧食安全。¹ 這些產業不僅滿足了國內的糧食需求，部分產品如蘭花、水產品等更在國際市場上佔有一席之地。² 台灣的農業以其精緻化和高附加價值著稱，漁業則擁有豐富的海洋資源和發達的養殖技術，畜牧業也在不斷尋求提高生產效率和產品品質的方法。在全球氣候變遷和人口增長的背景下，提升這些產業的生產力和永續性變得尤為重要。

人工智慧的變革潛力

人工智慧作為一種關鍵的賦能技術，具備徹底改變傳統產業運作模式的潛力。透過分析大量數據、識別模式和做出智能決策，AI能夠在各個領域實現資源優化、效率提升和永續性增強。在初級生產領域，AI的應用範圍廣泛，包括精準管理農業投入、監測作物和牲畜健康、優化養殖環境以及預測市場趨勢等。這些應用不僅可以提高生產效率，還可以減少對環境的負面影響，並提升產業的整體競爭力。

報告的範圍與目標

本報告旨在全面分析AI在台灣農漁畜產業的應用現況、新興趨勢、潛在效益與所面臨的挑戰。報告的目標包括：識別目前已在台灣農漁畜產業中應用的AI技術；探索未來可能出現的AI應用趨勢；分析AI技術導入所帶來的生產力、永續性和經濟效益；評估AI應用過程中遇到的主要障礙；檢視台灣政府和研究機構在推動AI於這些產業發展方面所做的努力；並將台灣的發展情況與國際趨勢進行比較，從而為政策制定者、產業領導者和投資者提供深入的見解和參考。

二、台灣農業中應用AI的現況

(一) 精準農業與作物生產

數據收集與分析

無人機在農田上空飛行，監控作物生長狀況，並將數據傳輸到雲端進行分析，從而實現對農藥和化肥施用以及水資源管理的優化，農民只需透過手機或平板電腦即可輕鬆完成巡田任務。² 大數據分析有助於農民了解作物特性，適時調整土壤微量元素、養分、灌溉和作物輪作等生長條件。葉片感測器測量植物含水量，土壤感測器收集水分移動和土壤濕度、碳及溫度變化，以優化灌溉工作。² AI演算法分析無人機、感測器和手機應用程式收集的數據，為農民提供詳細資訊，例如哪些區域需要更多養分或存在病蟲害。² Winmate的機器人控制器管理配備感測器和攝影機的地面和空中機器人，以監測環境條件、檢測病蟲害並評估作物健康狀況，實現即時分析和決策。³ 用於優化灌溉、施肥和病蟲害控制的精準農業工具成本從3萬到10萬美元不等。¹傳統農業依賴農民的經驗進行管理，而AI的引入使得農業管理更加精確和高效。透過多種感測技術收集的環境和作物數據，經由AI分析後，可以為農民提供客製化的建議，從而優化資源使用，提高生產效率並降低對環境的影響。整合來自不同來源（無人機、感測器、歷史數據）的數據，透過AI形成對農場運營的整體視圖，使得農民能夠進行前瞻性管理和優化決策。相較於依賴單一數據點或傳統方法，這種全面的數據分析能力顯著提升了農業管理的水平。然而，即使是基本的AI工具，其成本對於台灣的平均農場而言也是一筆不小的開支，這表明需要提供財政支持或開發更經濟實惠的解決方案，以促進AI技術的普及。

產量預測與優化

清華大學的團隊利用無人機、衛星空拍和AI影像分析技術，結合物聯網和數據分析，為火龍果、香蕉和綠竹筍等農作物預測最佳採收期和產量。其LPWAN平台整合了IoT感測器、無線傳輸和區塊鏈等技術。⁴ 農委會指出，精準農業使產量預測準確度提高了5%，並避免了350公噸的庫存過剩。⁵準確的產量預測對於農民和整個供應鏈的規劃至關重要。AI透過分析歷史數據、天氣模式和當前條件，可以提供比傳統方法更可靠的預測，幫助農民做出更明智的種植和銷售決策。先進的影像技術和AI演算法顯著提高了產量預測的準確性，這有助於改善供應鏈管理並減少浪費。傳統的產量估計往往依賴人工抽樣和估計，可能不夠精確。AI透過分析大規模影像和其他數據，可以提供更精確的預測，從而更好地協調農業價值鏈的各個環節。

(二) 病蟲害偵測與管理

AI驅動的AR智慧眼鏡引導工人選擇最適合的火龍果花苞。⁴ 感測器和攝影機持續監測田地中的病蟲害發生情況，使農民能夠及早採取行動，可能比傳統偵測方法提前數天。⁴ Winmate的系統利用先進的感測器和成像技術及早偵測病蟲害，實現精準治療並減少農藥使用。³病蟲害是影響作物產量的主要因素之一。AI技術可以幫助農民及早發現病蟲害，並採取有針對性的防治措施，減少損失並降低農藥的使用量。AI正推動病蟲害管理從被動反應轉向主動預防，從而最大限度地減少作物損失並降低化學處理對環境的影響。傳統的病蟲害防治往往是在發現問題後才進行噴灑農藥，而AI透過持續監測和早期偵測，可以在問題初期就採取干預措施，可能使用更少且更精準的方法。

(三) 農業無人機與機器人

無人機用於勘測田地、檢查損害以及噴灑肥料和農藥，節省人力、時間和化學品。⁶ AI驅動的機器可以執行重複性的農業任務，如分揀、種植和除草，以應對農業勞動力下降的問題。²台灣農業面臨人口老化和勞動力短缺的問題。無人機和機器人等AI驅動的技術可以自動執行許多繁瑣和重複性的任務，減輕農民的負擔，提高生產效率。透過無人機和機器人實現農業任務的自動化不僅提高了效率，也透過減少體力勞動使農業對年輕一代更具吸引力。傳統農業的體力勞動性質可能會阻礙年輕人進入該行業。透過自動化一些更費力且重複性的任務，AI驅動的機械可以使農業成為更具吸引力的職業選擇。

三、台灣漁業和水產養殖中應用AI的現況

(一) 智慧餵養與魚類健康監測

AI可以分析蝦的行為來優化水產養殖的餵食和疾病管理。² 海盛科技的「養好魚AIoT水產育成監控系統」利用AI和物聯網自動記錄和分析基於水下影片監控的魚類生長曲線，幫助養殖戶追蹤生長情況並降低風險。⁷ AIoT系統可以監測水質參數（氧氣、溫度、pH值），預測和預防「泛池」事件，以便及時干預。⁸峰漁公司利用AI的「漁業數位分身」技術，根據物種、習慣和環境變數動態調整水產養殖計畫，產量提高10%，勞動力時間減少15%。⁹傳統的水產養殖方法往往依賴經驗和人工觀察。AI技術可以透過連續監測和分析魚類的行為和環境數據，提供更精確的餵養和健康管理方案，降低養殖風險。水產養殖業轉向AIoT可以實現即時監測和主動管理，與傳統方法相比，顯著降低了風險並提高了效率。傳統水產養殖往往依賴定期檢查和被動應對措施。AIoT系統提供連續數據和預測能力，使養殖戶能夠預測和預防問題，而不是僅僅在問題發生後才做出反應。

(二) 環境控制與水質管理

研究正在進行關於水產養殖環境的智慧感測元件和具有先進自動控制的智慧節能養殖系統。² AI可用於利用太陽能控制魚塘的水質，可能節省大量成本。¹⁰ AI智慧化養殖管理系統旨在透過提供即時資訊和遠端監控功能，最大限度地降低網箱養殖的成本並最大化產量。¹¹水質是影響水產養殖成功的關鍵因素。AI技術可以幫助監測和控制水質參數，創造最佳的養殖環境，降低能源消耗並減少環境影響。AI正促進開發更節能和環保的水產養殖方法，透過智慧環境控制和資源管理。傳統水產養殖可能能源密集且對環境有影響。AI驅動的系統可以優化能源消耗和資源利用，從而實現更永續且具成本效益的運營。

(三) 水產養殖育種與生產優化

海盛科技的系統自動取樣、記錄和分析魚類生長情況，提供報告以幫助養殖戶了解生長模式並做出明智的決策。¹² AI可用於建立數位模型，以提高水產養殖系統的彈性。² 透過數據分析和模型建立，AI可以幫助水產養殖戶優化育種計畫和生產流程，提高產量和品質。AI正在賦予水產養殖戶基於數據的運營洞察力，從而實現更好的決策和優化的生產成果。透過為養殖戶提供客觀數據和分析工具，AI幫助他們超越直覺和經驗，做出更明智的水產養殖決策，最終提高效率和盈利能力。

四、台灣畜牧業中應用AI的現況

(一) 動物健康監測與早期疾病偵測

AIoT自動化家禽體重計利用影像辨識技術計算家禽數量和平均體重，並將數據上傳雲端進行即時監控和異常警報。¹³ 大成長城集團使用AI數位助理「Vital」進行影像辨識，24小時監控數百個畜牧場畫面，偵測並透過LINE或電話回報豬隻和雞隻的異常狀況。¹⁵ AI可以分析家禽的行為和生理數據，預警疾病發生，降低發病率和死亡率。¹³ 及早發現和處理動物疾病對於維持畜牧業的生產效率和動物福利至關重要。AI技術可以透過連續監測動物的行為和生理指標，實現疾病的早期預警。透過AI驅動的監測系統，畜牧業者能夠獲得前所未有的動物健康和福祉洞察力，實現早期干預並減少損失。傳統的畜牧監測往往依賴人工檢查，可能耗時且難以發現早期疾病跡象。AI系統提供連續且客觀的監測，使得能夠及時發現健康問題。

(二) 餵養與育種實務的優化

AI可以根據家禽的生長狀況和營養需求，精準調配飼料配方和投餵量，提高飼料利用率並降低成本。¹³ 畜產試驗所（LRI）正在評估和開發智慧機械，以解決畜牧業的勞動力短缺並提高產量。¹⁰ AI在乳牛養殖中也有應用，包括智慧擠乳機器人和監測牛隻健康和餵養常規。²優化餵養和育種實務可以提高畜牧業的生產效率和產品品質。AI技術可以分析動物的生長數據和營養需求，提供更精確的管理方案。AI透過優化餵養策略和改善資源管理，正在實現更有效率和具成本效益的畜牧業。傳統的餵養方法可能無法完全符合不同生長階段動物的特定需求。AI分析可以提供更精確的建議，從而提高飼料轉化率並減少浪費。

(三) 畜牧業的廢棄物管理與環境永續性

台灣大學的研究團隊正在研究利用精準營養和微生物產品來減少養豬場的糞便和氣味產生，利用大數據分析和智慧技術。¹⁶ 大成長城集團正在實施AIoT來控制養豬場的環境參數（溫度、濕度、二氧化碳、氨氣），根據豬隻的年齡和數量等因素優化條件。¹⁵畜牧業的廢棄物管理和環境影響是一個重要的議題。AI技術可以幫助優化廢棄物處理流程，減少污染，並促進更永續的畜牧實務。AI透過優化資源利用、減少廢棄物和改善農場設施內的環境控制，正在促進更永續的畜牧業發展。畜牧業可能對環境產生重大影響。AI驅動的系統可以幫助減輕這些影響，提高廢棄物管理的效率並創造更受控和更環保的養殖環境。

五、關鍵賦能技術與新興趨勢

(一) 物聯網（IoT）與感測器技術的角色

智慧農業計畫強調在各個農業領域整合物聯網和感測器以進行數據收集和分析。²AIoT自動化家禽體重計依賴攝影機和感測器收集數據以進行AI分析。¹³ 感測器用於監測土壤狀況、天氣、水質和動物健康，為AI演算法提供原始數據。⁴物聯網和感測器技術是AI在農漁畜產業應用的基礎。它們能夠收集大量的實時數據，為AI演算法提供必要的輸入，從而實現智能化的監測、分析和決策。經濟實惠且可靠的感測器技術的普及，加上穩健的物聯網基礎設施，是台灣初級生產領域中AI應用日益普及的關鍵驅動力。AI演算法需要數據才能運作。感測器技術和物聯網連接的進步使得收集大量數據變得更容易且更具成本效益，而這些數據對於農業、漁業和畜牧業中有效的AI應用至關重要。

(二) 利用大數據分析獲取洞察與決策

大數據分析用於了解作物特性、優化耕作實務、預測產量以及改進病蟲害管理。² 智慧農業計畫旨在建立一個通用資訊平台，以儲存、分析和應用來自試點產業的大數據。¹⁷大數據分析能夠從海量的農業數據中提取有價值的資訊，幫助農民和企業做出更明智的決策，提高效率和生產力。透過大數據分析收集、儲存和分析大量的農業數據，可以提供以前無法獲得的寶貴洞察，從而實現更明智和有效的決策。傳統的農業決策往往依賴有限的數據和過去的經驗。大數據分析允許處理更大、更多樣化的數據集，揭示可以優化實務和改善結果的模式和相關性。

(三) AI驅動的無人機與機器人日益普及

無人機用於監測、噴灑、施肥，甚至評估收穫預測。² 機器人正在開發和部署用於移植幼苗、擠牛奶，甚至可能收割作物。²AI技術的進步使得無人機和機器人更加自主化和智能化，能夠執行更複雜的農業任務，減少對人工干預的需求。AI的進步使得無人機和機器人更加自主、智能，並能夠在農業環境中執行日益複雜的任務，從而減少對人工干預的需求。早期的無人機和機器人應用通常需要大量的人工控制。隨著AI的進步，這些機器變得更加獨立，能夠適應不斷變化的條件，使其在農業應用中更加實用和高效。

(四) 小型語言模型（SLMs）在本地化農業支援方面的潛力

中興大學開發了「神農TAIDE」，這是一個利用台灣自行開發的大型語言模型TAIDE的農業知識搜尋引擎，提供基於情境且詳細的答案，並引用農業部的資料。²⁰ Stable LM 2是一個擁有16億參數的小型語言模型，已在2兆個token上進行訓練，旨在降低使用多種語言生成式AI的門檻。²⁵小型語言模型是一種針對特定任務和領域進行優化的AI模型。在農業領域，SLMs可以提供本地化的知識檢索和諮詢服務，克服語言障礙，為農民提供更便捷的支援。像「神農TAIDE」這樣本地化的SLMs的開發，有可能顯著改善台灣農民以其母語獲取農業知識和支援的途徑。語言障礙可能會阻礙國際AI工具的採用。基於本地農業數據訓練並能夠理解和回應台灣方言的SLMs可以為農民提供更相關和更容易理解的資訊，使他們能夠做出更好的決策。

六、人工智慧採用的挑戰與障礙

(一) 數據的可用性、品質與整合

AI的有效性取決於輸入數據的品質，因此需要投入大量精力進行數據的採集、清理和維護。AI演算法需要大量的、高質量的數據進行訓練和運行。在農業領域，由於環境的多樣性和數據收集的複雜性，獲取足夠且可靠的數據仍然是一個挑戰。要確保在台灣多樣化的農業環境中獲得全面、高質量且良好整合的數據，仍然是充分發揮AI潛力的重大挑戰。AI演算法從數據中學習。如果數據不完整、不一致或分散在不同的農場或系統中，將會限制AI驅動解決方案的準確性和有效性。

(二) 技術成本與財務影響

AI的初始導入成本對於台灣的中小型農場來說可能是一個主要的障礙。¹ 即使是基本的AI解決方案，成本也可能在3萬到10萬美元之間，這對於許多台灣農民來說是一筆巨大的投資¹。AI技術的硬體、軟體和基礎設施成本可能很高，這對於收入相對有限的農民來說是一個重要的財務負擔，可能會阻礙他們的採用意願。AI技術的高昂前期成本對於台灣很大一部分農民來說是一個顯著的採用障礙，這需要財政支持或更經濟實惠的替代方案。台灣農業的平均收入可能無法輕易負擔如此龐大的技術投資，因此財政援助或開發低成本解決方案對於更廣泛的採用至關重要。

(三) 利害關係人的數位素養與接受度

在有效實施基於技術的建議時，考慮人的因素和具體情況非常重要。許多農民，特別是年長的農民，可能對新技術的採用持謹慎態度，或者缺乏使用數位工具所需的技能。因此，需要提供足夠的培訓和支援，以提高他們的數位素養和對AI技術的接受度。AI的成功整合不僅需要技術進步，還需要透過充分的培訓和使用者友善的介面來解決農民和其他利害關係人的數位素養和接受度問題。不熟悉技術的農民可能對採用AI解決方案猶豫不決，無論其潛在益處如何。培訓和直覺的介面對於彌合這一差距至關重要。

(四) 基礎設施限制與連線挑戰

雖然在摘要中沒有明確詳細說明，但應將基礎設施限制（尤其是在農村地區）阻礙依賴穩定網路連線的AI解決方案部署的可能性視為一個挑戰。許多AI應用，特別是那些涉及雲端運算和即時數據傳輸的應用，需要可靠的網路連線。台灣農村地區的網路基礎設施可能不夠完善，這可能會限制AI技術的應用。台灣農村地區基礎設施不足可能會阻礙依賴連線和雲端運算的AI技術的部署和有效性。農業中的許多AI應用都需要可靠的網路存取才能進行數據傳輸和處理。解決農村地區的數位落差對於實現AI的廣泛採用至關重要。

七、政府倡議與研發努力

(一) 政府政策與資金概述

農業部（前身為農委會）正透過「智慧農業4.0」等計畫積極推動智慧農業，重點在於智慧生產和數位服務。² 政府正在投資智慧農業技術的研發並為其採用提供支持。⁴ 重點在於將ICT、IoT和大数据整合到農業生產中。¹⁴ 台灣政府高度重視AI在農業發展中的作用，並制定了一系列政策和計畫，投入大量資金支持相關的研發和應用。現有的強大政府支持和策略性倡議為台灣初級生產領域中AI的持續發展和採用提供了有利的環境。政府政策和資金在克服初步採用障礙和在農業產業內培養創新文化方面發揮關鍵作用。

(二) 研究機構與大學的活動

各大學和研究機構，如清華大學和中興大學，積極參與農業AI技術的開發和應用。⁴ 農業科技研究院（ATRI）致力於研究和技術轉移，以支持農業部門的現代化。³¹ 台灣擁有一批優秀的研究機構和大學，它們在農業AI領域進行了深入的研究，開發了許多創新的技術和解決方案。台灣受益於強大的研發生態系統，該生態系統積極促進農業、漁業和畜牧業中AI的進步和應用。大學和研究機構的參與確保了能夠解決農業部門不斷發展的需求的新知識和技術的持續流動。

(三) 產業合作與聯盟的角色

「智慧農業聯盟」是促進農業智慧技術創新和採用的關鍵策略。¹⁷大成長城集團等科技公司與農業企業之間的合作，體現在「Vital」等AI解決方案的開發和部署中。¹⁵為了加速AI技術在農業領域的應用，政府、研究機構和產業之間的合作至關重要。透過共同努力，可以整合各方的優勢，克服挑戰，實現共贏。政府、學術界和產業界的共同努力對於將研究轉化為實際解決方案並確保AI在農業領域的廣泛採用至關重要。透過共同努力，這些不同的部門可以利用各自的專業知識和資源來克服挑戰並加速AI技術的實施。

八、國際比較與基準分析

(一) 其他國家的人工智慧採用策略與成功案例

全球範圍內，人們更加關注透過採用AI來加強糧食生產，從而加強糧食安全。³² 北美洲目前在農業AI技術的採用方面處於領先地位。³² AI正應用於國際上的垂直農業、水產養殖和畜牧管理。³² 在德國、法國和美國，一定比例的農民仍然不使用數位技術，而全球各區域和不同規模農場的採用率差異很大。³³世界各國都在積極探索和應用AI技術來提升其農業的競爭力和永續性。了解其他國家的策略和經驗，可以為台灣提供有益的借鑒。雖然台灣正積極推動農業AI的發展，但全球範圍內AI的採用程度和區域重點各不相同，這為台灣從國際經驗中學習並可能專注於某些領域提供了機會。了解其他國家在AI採用方面的進展、他們的成功經驗和挑戰，可以為台灣自身的策略提供寶貴的見解，並幫助確定台灣可以發揮優勢的領域。

(二) 識別全球趨勢與台灣的潛在啟示

全球範圍內，AI正被用於加強作物監測、精準農業、預測分析和產量優化。³² 精準農業技術有潛力顯著減少對農藥和其他資源的需求。³⁴ 政府的倡議和資金是全球農業AI採用的重要驅動力。³²全球農業正朝著更高效、更永續的方向發展，AI在其中扮演著關鍵的角色。台灣可以借鑒國際趨勢，調整其發展策略，確保與全球方向保持一致。全球對精準農業和永續耕作實務的趨勢，透過AI實現，為台灣利用其技術優勢並為更有效率和環保的農業部門做出貢獻提供了重要的機會。全球對農業永續性和資源效率的重視為台灣繼續投資和推廣符合這些全球優先事項的AI解決方案提供了強有力的理由。

九、未來展望與建議

(一) 預計未來的應用與成長領域

全球農業AI市場預計未來幾年將顯著增長。¹在垂直農業、水產養殖和畜牧管理方面，存在開發創新AI應用程式的機會。³² 小型語言模型（SLMs）有望為農業等領域的小型企業帶來價值。隨著技術的不斷進步和成本的下降，AI在農漁畜產業的應用將會更加廣泛和深入。垂直農業、水產養殖和畜牧管理等領域將會出現更多創新的AI應用。全球農業AI市場的顯著預期增長表明台灣可以利用這一強勁的全球趨勢。垂直農業、水產養殖和畜牧管理方面的具體機會為台灣未來的努力指明了方向。小型語言模型（SLMs）的出現為台灣支持小型農業企業提供本地化且易於使用的AI解決方案提供了一個有希望的途徑。

(二) 針對政府、產業和研究機構的策略建議

政府
- 繼續並擴大資金支持計畫，以支持AI的採用，特別是針對中小型農場。1
- 投資改善農村地區的網路基礎設施和數位連線。
- 制定並推廣數據標準化和共享框架，以促進AI的開發和部署。
- 支持教育和培訓計畫，以提高農民和農業工人的數位素養。
產業
- 專注於開發針對台灣農民需求的具成本效益且使用者友善的AI解決方案。
- 探索產業內合作和數據共享的機會，以加速AI創新。
- 投資於針對台灣農業獨特挑戰和機遇的AI應用研發。
研究機構
- 繼續進行農業、漁業和畜牧業AI的前沿研究，重點在於實用且可擴展的解決方案。
- 加強與產業和政府的合作，確保研究成果轉化為實際應用。
- 專注於開發和完善本地化的AI工具和資源，包括用於農業知識共享的SLMs。

(三) 永續與倫理實施的考量

解決與資料隱私和安全相關的潛在倫理問題。
確保AI的採用促進環境永續性並減少農業的生態足跡。
考慮AI採用對農業勞動力和農村社區的社會經濟影響。

十、結論

本報告全面分析了人工智慧在台灣農漁畜產業的應用現況與未來趨勢，強調了AI在提高生產效率、促進永續發展以及應對產業挑戰方面的巨大潛力。儘管目前已取得顯著進展，但數據挑戰、技術成本、數位素養以及基礎設施限制等問題仍需克服。為確保AI技術在台灣農漁畜產業的成功整合，政府、產業和研究機構需要共同努力，持續投入資金、加強合作、提升農民的數位技能，並建立完善的基礎設施。透過積極應對這些挑戰並抓住新興趨勢帶來的機遇，台灣的農漁畜產業有望透過AI的賦能，實現更永續、高效和具競爭力的未來。

參考資料：