人工智慧 (Artificial intelligence, AI) 具有感測環境、處理數據並適應各種預期或突發事件的能力。對於農業而言，AI 將能夠取代人力，並克服目前缺乏體力勞動的問題，如遙控感測器、衛星與無人機等技術，能夠隨時隨地收集與植物健康、土壤狀況和溫溼度等資訊。該報告整理了影響該市場的動態因素，敘述如下：
1. 驅動因素：包括人口增加，對糧食供應的壓力隨之增加、越來越多透過農作物感測器和圖像的數據產生、透過深度學習能夠提高作物生產力，以及政府支持採用現代農業技術。
2. 限制因素：要收集精確的現場數據需要高昂成本。
3. 機會：包括開發中國家能夠提供顯著的成長機會，以及能夠利用 AI 解決方案管理 5 公頃以下的小型農場。
4. 挑戰：包含缺乏標準化、農民對 AI 的認知不足，以及歷史數據的可用性相當有限。
此外，2019 年全球爆發新型冠狀病毒 (COVID-19)，導致中國與美國等主要經濟體的國內生產總額 (Gross Domestic Product, GDP) 大幅降低，根據國際貨幣基金組織 (International Monetary Fund, IMF) 於 2020 年 4 月的估計，2020 年的全球經濟將急遽下降 3%。雖預計 2020 年下半年經濟將復甦，2021 年預計經濟將成長 5.8%，且 COVID-19 對 AI 的農業市場與其供應鏈的影響尚不清楚，但能夠確定短期內對農業設備和技術的需求將減少，如 Deere＆Company 與 AGCO 等大廠都因 COVID-19 影響而減少工廠的營運，使財務大受影響。

農業中的 AI 結合了各種技術，對於發展農業生態系統相當重要，該報告將技術領域分為機器學習、電腦視覺與預測分析，若結合以機器人、無人機、農作物管理系統與畜群管理工具等 AI 技術，能夠使農民增加農作物產量，並大幅提高農場經營的利潤。整體而言，2019 年的農業 AI 技術價值為 8.35 億美元，預計 2026 年將達 40.02 億美元，年均複合增長率 (Compound Annual Growth Rate, CAGR) 為 25.5%。以下敘述各個技術領域的發展：
1. 機器學習：該技術領域 2019 年的價值為 4.52 億美元，預計 2026 年達 20.97 億美元，CAGR 為 25%。機器學習技術在農業 AI 市場中的占比最高，在未來幾年內，機器學習在農業的應用將成指數型成長，其中深度學習透過人工神經網絡來學習文字、圖片與聲音等不同層級的數據，有助於識別非結構化的數據，因此能夠在農業市場中廣泛應用並日益成長。
2. 機器視覺技術：該技術領域的價值預計從 2020 年的 2.02 億美元，增加到 2026 年的 8.61 億美元，CAGR 為 27.3%，在 AI 技術領域中的成長率為最高。該技術能夠將農作物的單位產量提高約 30%，且預測每周和季節性農作物單價的準確率高達 90%。此外，電腦視覺還廣泛應用於監測作物健康與所缺乏的營養素，如以色列公司 Prospera 利用電腦視覺，透過葉子的分析檢測是否有病蟲害。電腦視覺技術主要應用於 20 至 1,000 公頃的中大型溫室，並將相機和氣候感測器安裝在溫室電線桿上，由太陽能供電，使農民能夠持續監控溫室的情況。
3. 預測分析：該技術領域的價值預計從 2020 年的 2.7 億美元，增加到 2026 年的 10.45 億美元，CAGR 為 25.3%。預測分析用於各種演算法技術分析目前數據，以預測作物產量和植物健康，使農民能夠管理農地、農作物投入和農藝學上的決策。預測分析廣泛應用於作物產量預測、作物營養缺乏預測、作物健康預測、土壤管理、水資源管理和牲畜管理等，預計增加預測分析的應用將推動 AI 農業市場的成長。

以產品來看，AI 農業市場可分為硬體、軟體和服務，其敘述如下：
1. 硬體：執行 AI 系統所需要的硬體設備包含了處理器、儲存設備和網絡。隨著技術發展，以往的大型硬體設備有望變成更小且高效率的神經型態晶片系統。該系統基於橫向自旋閥 (Lateral spin valves) 與憶阻器 (Memristors) 等技術，使其具像人腦一樣的能力，如 Intel 發展了一種自我學習的神經型態晶片 Loihi，被認為可推動第三代 AI 發展。硬體領域的價值預計從 2020 年的 2.14 億美元，成長至 2026 年的 8.91 億美元，2020 年至 2026 年的 CAGR 為 26.8%。處理器方面，由於電腦要能夠顯現人腦等智慧型功能，需要不同類型的處理器，包括微處理器 (MicroProcessing Unit, MPU)、圖形處理器 (Graphic Processing Unit, GPU)、現場可程式化邏輯閘陣列 (Field-Programmable Gate Array, FPGA) 和特定應用積體電路 (Application Specific Integrated Circuit, ASIC) 等，來為農業建立由 AI 驅動的解決方案應用程式。GPU 和 FPGA 是主要用於實現各種農業應用的深度學習演算法，GPU 的流通量比 FPGA 快近 100 倍，而 FPGA 的效率比 GPU 高 50 倍。NVIDIA Co. 與 Xilinx Inc. 分別為 GPU 和 FPGA 的市場領導者。其中 GPU 已被廣泛用於電腦視覺技術，製造業的企業也在為各種電腦視覺演算法部屬 GPU，因其計算能力比中央處理器 (Central Processing Unit, CPU) 更好，如 NVIDIA Geforce TitanX 等高階的 GPU 具有每秒 336 GB 的記憶體頻寬，而 Intel Xeon E5-2699 v3 等高階的 CPU 僅有每秒 80 GB 的記憶體頻寬。此外，GPU 還具有執行許多複雜演算法的能力，如特徵點的檢測與追蹤、光流計算和尺度不變特徵轉換 (Scale-Invariant Feature Transform, SIFT) 比對等，使 GPU 成為農業 AI 使用最多的硬體組件；儲存設備方面，由於 AI 技術需要透過大量數據訓練、測試和驗證神經網絡演算法，一些新創公司正在尋找高頻寬並行檔案系統，以提高流通量和效率；網絡方面，透過將 AI 整合到現有的網路應用程式和伺服器，可減少系統運作時對執行環境和編碼的需求，如美國的 TinMan Systems 提供雲端的 AI 系統，具易整合性且不需執行環境和編碼的優點。AI 系統還需要配備 CPU、RAM，內存記憶體板和其他設備的來分析大量數據。現代電腦非常適合處理數據，並用於在現實中做出較佳的決策。
2. 軟體：近年來，AI 與相關的軟體開發工具快速發展，美國 IBM、Microsoft、Deer&Company、The Climate Corp、Precision Hawk 與瑞士 Gamaya 等公司，在農業 AI 軟體開發方面處於領先地位。軟體領域的價值預計從 2019 年的 4.27 億美元，成長至 2026 年的 18.53 億美元，2020 年至 2026 年的 CAGR 為 23.7%，在農業 AI 市場中預計擁有最大的占比。主要成長因素包括行動與農業技術的成長，以及利用 AI 系統提高農場效率與即時數據管理的需求不斷成長。AI 平台提供了使用者建立智慧型應用程式的工具包，且大多數平台如 IBM Watson 和 Google Deepmind Technology，都提供了預先建立的演算法和簡化的工作流程，且這些演算法都具有圖片識別和預測分析技術的功能，在農業中主要用於建立學習演算法和智慧應用程式。此外，另一種雲端 AI 在農業領域中越來越受關注，因其具有快速設計和量身訂做 AI 系統的能力，且可以將 AI 容易地整合到現有網路應用程式和伺服器中，減少了對編碼的需求，透過非同步的 JavaScript 和 XML AJAX JavaScript 即可快速整合。AI 平台主要協助用於數據管理、品質控制、物料搬運、預測性維護、機台檢查、生產計劃和現場服務解決方案的不同工具套件。其中數據管理是一項非常複雜的任務，需要整合不同數據集的術語系統，因此需要統一的數據和標準化演算法，提供具一致性的數據格式。AI 平台可從不同來源獲得並儲存數據，以建立數據整合的環境，進而減少終端用戶的工作量。近年來，AI 解決方案和相關軟體的開發有重大進展，如美國 AI、Data RPM、Sight Machine、德國 Siemens、與日本 Preferred Networks 等公司，利用如 LISP 與 PROLOG 等非程序性語言建立解決方案，使系統能夠根據環境學習與修改響應，需要快速的 CPU、較大容量的 RAM 與儲存容量、顯示卡與少量的輸入和輸出設備。
3. AI 即服務：該領域的價值預計從 2020 年的 2.14 億美元，成長至 2026 年的 9.49 億美元，CAGR 為最高，達 28.2%。主要公司如 IBM、Mirosoft、Granular 與 Descartes Labs，都參與了 AI 即服務。例如 Microsoft 提供分佈式機器學習工具包，允許使用者同時執行多個機器學習應用程式；IBM 的 Waston 使農業整合企業的開發人員能夠在應用程式中整合 Waston，並提供 Waston AI 引擎作為雲端分析服務。
4. 服務：該領域的價值預計從 2020 年的 0.78 億美元，成長至 2026 年的 3.1 億美元，CAGR為 25.8%。從事 AI 服務市場的公司如美國 Granular、瑞典 ec2ce、澳洲 Flying AG Australia 與 Queensland Drones，主要提供安裝、培訓與支持方面的協助，以及線上支援和後期維護。軟體部屬和整合是系統上裝置 AI 所需的關鍵服務之一，該服務允許軟體與分析端整合再一起，使數據檢索能夠透過計算產生所需的結果；在支援和維護服務方面，主要是要消除安裝和培訓後與操作相關的問題，其中維護服務的最終目的是使系統維持可接受的標準，需要付出許多努力，使設備恢復到可運作狀態。