智能化对农民种植结构的影响：来自中国四川省的证据

《TECHNOLOGICAL FORECASTING AND SOCIAL CHANGE》：The impact of intelligentization on farmers' planting structure: Evidence from Sichuan Province, China

　　李培涛|王斌|徐定德
四川农业大学管理学院，成都，611130，中国

**摘要**
遏制耕地的“非粮食化”对于保障粮食安全至关重要。由人工智能（AI）推动的第四次科技革命正在深刻重塑农业生产方式。一个关键问题是：这股创新浪潮是否会增加用于粮食作物的土地比例，或者无意中加速农田从粮食生产中的转移？现有文献对此问题尚未达成共识。基于对四川省1154名农民的微观调查，本研究从农民采用智能技术的角度探讨了智能化对作物配置的影响，并系统分析了这种关系及其背后的异质性。主要发现如下：（1）智能化显著提高了粮食作物在农民种植结构中的比重；（2）机制分析表明，智能化通过扩大经营规模、增加地块面积和提高地块连续性三个主要渠道促进了粮食种植；（3）异质性分析显示，智能化对粮食作物比例的负面影响在平原地区的农民和非大规模经营者中更为明显。基于这些结论，我们建议政府加强补贴计划以促进智能技术的应用，并继续支持粮食种植规模的扩大。此外，政策实施应具有针对性，确保不同资源条件的农业经营者和地区能够在智能化的演变背景下找到盈利的粮食生产路径。

**引言**
粮食安全是“具有极其重要的国家意义的问题”（刘，2018）。目前，全球粮食安全形势日益严峻。根据《2025年世界粮食安全与营养状况报告》，2024年约有6.73亿人面临饥饿，占全球人口的8.2%（粮农组织等，2025）。在地缘政治冲突加剧、极端气候事件频繁发生以及全球供应链中断的背景下，粮食生产和供应的不确定性显著增加。预计到2050年，全球粮食需求将翻一番（蒂尔曼等，2011）。因此，粮食安全已成为全球关注的关键问题（周等，2025）。作为世界上人口最多的国家，中国仅用世界9%的耕地养活了近20%的世界人口（徐和陈，2026）。中国粮食供需的任何缺口都直接威胁到全球粮食安全（刘等，2018；罗等，2016）。

**作物结构**
作物结构指的是一个地区内各种作物种植面积、产量或产值的组成和比例，反映了农业资源分配和种植偏好。通常通过粮食作物、经济作物和作物多样化指数的比例来衡量。可持续的作物结构有助于促进粮食安全和资源保护（姜等，2023）。然而，中国的耕地“非粮食化”——即耕地从粮食种植转向经济作物或其他用途——现象日益明显（谭等，2023）。这种转变是由于经济作物和粮食作物之间的利润差距扩大所驱动的，促使农民调整种植结构（杜和韩，2020）。2010年至2018年间，全国粮食播种面积比例从68.3%下降到67.4%。尽管自2019年以来有所回升，但中国的粮食供应仍存在总体不足和结构性矛盾（陈，2023）。全球许多发展中国家，如非洲、东南亚和西亚，也面临着类似的“非粮食化”挑战，其中经济作物种植的扩大威胁到了粮食生产的稳定性（普罗塞科夫和伊万诺娃，2018）。中国的2024年“一号文件”明确要求遏制“非农业化”并防止“非粮食化”，作为确保粮食安全的关键措施。

**同时，以人工智能、大数据和物联网为代表的智能技术正在深刻改变农业生产方式**（乌卢贾克等，2026）。智能化是机械化和数字化的进一步升级：虽然机械化替代了体力劳动，数字化连接了生产和销售（尽管某些环节仍相对孤立），但智能化整合了整个产业链——从生产、管理、加工到销售——实现了系统范围内的技术优化（罗，2025）。世界银行（2019）报告称，北美和欧洲的智能技术应用使平均作物产量提高了5%–20%。麦肯锡（2021）估计，到2030年，全球全面实施AI和物联网可使主要粮食作物产量再增加5%–10%。中国政府（2024）报告称，截至2024年，农业科技进步贡献超过了63%，综合性机械化率达到74%，田间管理信息化水平升至26.4%。第十四个五年规划预测，到2025年，农业生产信息化将达到27%，智能技术应用面积将超过5亿亩。农业部数据显示，覆盖1.8亿亩的技术应用使小麦和玉米的平均产量分别提高了100公斤/亩以上，大豆提高了50公斤/亩以上。这些证据表明，智能化为粮食生产提供了强大的推动力。

**学术研究**
学术界广泛探讨了影响农民种植结构变化的因素，主要集中在传统生产要素上，如劳动力（陈，2023）、社会化服务（徐等，2025a）和土地质量（田等，2024）。在传统资源投入边际收益递减的背景下（李等，2019），现代生产要素如数字经济（拉乔伊-奥马利等，2020）和农业机械化（博奇蒂斯等，2014）也得到了广泛讨论。与一般现代因素不同，智能技术的核心优势在于其类似人类的感知、决策和自适应控制能力（阿里等，2025a）。它不仅仅是人类劳动力的替代品或生产效率的线性增强器；通过深度学习算法、实时物联网监控和无人操作系统，它将农业生产的精准度、主动性和复杂性提升到了新的高度（阿里等，2025b；侯赛因等，2025）。

在传统资源投入边际收益递减的背景下（李等，2019），智能化已成为农业现代化的新动力。然而，智能化对农民种植决策的理论影响具有双重性，在学术界引发了热烈讨论。一方面，一些学者认为，智能化通过增加产量和收入而有利于粮食生产（格鲁瓦尔等，2024；张等，2024a）。粮食作物具有高度标准化、相对简单的田间管理和集中的收获期，自然适合规模化生产和机械化（科尔等，2018）。多项研究证实，智能技术可以通过改善基础设施（唐纳德森，2022）、优化生产流程（高和赵，2024）以及优化生产要素分配（邱等，2025）显著提升粮食生产的机械化水平和运营效率。这降低了单位生产成本，从而提高了粮食种植的相对盈利能力，遏制了“非粮食化”趋势。另一方面，一些学者认为，智能化可能在一定程度上成为导致“非粮食化”的因素（罗和赵，2022）。智能技术的应用不仅限于粮食作物，也可以在经济作物生产中发挥重要作用。受经济理性的驱动，农民可能会利用智能温室、集成水肥系统、智能病虫害识别等技术进一步提高经济作物的生产效率和经济效益，这可能会加剧与粮食作物的利润差距，从而加速“非粮食化”（刘和张，2024）。此外，智能技术为农民提供了更强的市场信息获取能力，使他们能够拓展销售渠道和扩大市场规模（马等，2024；周和龙，2025），这也可能影响作物选择。

**当前关于智能化对种植结构影响的研究仍存在某些局限性**。首先，现有研究沿着两条平行但往往脱节的路径展开：一条专注于农业数字技术本身的应用，研究技术采纳率和生产效率效果（卡斯蒂略-吉伦斯等，2025）；另一条关注农民的土地利用和作物选择决策，研究种植结构的变化及其驱动因素（江等，2023）。然而，这两种研究路径经常被混淆，且缺乏将智能技术应用和农民种植决策置于同一分析框架内的文献。目前缺乏将技术应用研究从“效率测量”扩展到“结构响应”的框架。其次，现有文献往往采用宏观数据视角，关注区域或行业层面的测量，对微观层面的农民智能化发展关注较少。在区域层面，常用的指标包括综合数字经济指数（叶，2025）、数字化金融化水平（曹和王，2024）和数字基础设施（马卡特等，2018）。在行业层面，数字化转型指数通常基于企业年报的文本分析构建（郭等，2023；苏和吴，2024）。在个体微观层面，现有研究往往依赖于互联网使用或数字技术应用等单一指标（李等，2025a），在全面衡量农民的智能化水平方面仍有很大的改进空间。与行业智能化或企业数字化转型不同，农民的智能化更关注微观需求，体现在农民使用智能设备、获取基本智能服务和在实际生产中应用智能技术等方面。农民的智能化转型依赖于一个整体和系统的支持体系；缺乏单一的技术链接可能会阻碍整个进程。同时，基本服务和运营主体的基本技能也非常重要（法布雷加斯等，2019）。

**为了解决这些研究空白，本研究利用了2024年四川省1154个农户的调查数据**。从微观层面出发，旨在考察农民的智能化水平对其种植结构变化的影响，并探索背后的异质性。本文的两个主要贡献是：首先，构建了“智能化——三层农业土地规模管理——种植结构变化”的理论框架，丰富了技术进步与粮食安全之间关系的理论理解；其次，基于一手调查数据，实证分析了智能化对种植结构变化的影响，充分考虑了地形和种植规模的异质性。研究结果旨在为制定和改进与“非粮食化”治理相关的政策提供决策参考。超越简单的技术补贴或土地转让激励措施；将智能农业机械和精准农业系统的支持直接与种植面积和土地连贯性挂钩。确保农田项目能够适应智能设备的需求，并支持相关研究。

**研究的局限性及未来研究建议**
本研究存在以下局限性：首先，研究范围仅限于四川省。尽管样本选样考虑了地形和经济发展水平的差异，但所得结论和政策建议是否适用于其他地区仍需进一步验证。其次，分析基于静态横截面数据。未来研究可以利用动态面板数据来揭示智能化发展的动态机制。

**作者贡献声明**
李培涛：撰写 – 审阅与编辑、撰写 – 初稿、方法论设计、调查实施、资金募集、数据分析、概念构建。
王斌：撰写 – 审阅与编辑、撰写 – 初稿、指导监督、数据分析、概念构建。
徐定德：撰写 – 审阅与编辑、撰写 – 初稿、指导监督、调查实施、资金募集、数据分析、概念构建。

**利益冲突声明**
作者声明没有已知的财务利益冲突或可能影响本文研究工作的个人关系。

**致谢**
本项工作得到了国家自然科学基金（25SGC196）、四川省自然科学基金（2026NSFSC0222）以及大学生创新创业培训项目（S202510626009）的支持。
李培涛是四川农业大学的学生，主修资源与环境经济学。