任何的智能行為都離不開數據，而大數據則是支撐人工智能的基礎。實現牧場人工智能需要大量、多樣、及時、準確的數據支持，如下圖所示：

最后，畢博士向大家展示了幾個實際的應用。

第一個展示了Maximus公司的小豬出生探測器。畢博士說，這個東西盡管看上去高大上，并且能夠為豬場帶來明顯的幫助，但是，它不能算是智能化應用，而是自動化設備。因為它只是一個采集數據的“探頭”。

以上應用都是已經實現商業應用的，之所以這些技術非常成熟并且得以應用，是因為這些技術都是可以顯著降低牧場成本的。比如PSY提高，比如飼料效率提高，比如生長速度加快，比如人工成本下降。

目前使用上述技術的1200頭母豬場，只需要2名工作人員（周末不上班，晚上不值班）。

除了上面這些應用外，畢博士還對人工智能的應用前景進行了描述。

首先，畢博士講解了在畜舍層面判斷和處置疾病的可行性。

不論人醫還是獸醫，診斷疾病靠的都是知識（學習得來的數據）、經驗（自己積累的數據）、能力（獲取準確、充足的數據以及利用數據做出準確判斷的“算法”），而這些，機器都是可以做到的。美國IBM公司的Dr. Watson即是這樣一臺診斷機器人。

與人醫相比，飼養動物處于封閉、固定的環境，而且沒有“隱私權”困擾，因此，我們更有能力獲取與其健康狀況有關的數據。比如：飲水量、采食量、日增重、體溫、運動量、體表狀況，以及各種環境數據、運行管理數據等等，只要建立相應的診斷模型，判斷健康狀況不是一件難事。再加上不斷的自我學習，機器診斷的準確性會越來越高。

在對健康狀況進行判斷后，可以通知管理人員去處置，當然，如果我們安裝了智能的處理終端，它也可以自動執行，并且記錄、學習。

對于牧場層面、集團層面、行業層面的人工智能，目前并沒有成熟的應用。但是，畢博士也提出了幾個思考，并且認為在不遠的將來，也會變成現實。

畢杰博士對牧場人工智能的報告系統性強、緊貼應用，不論對于學術研究、產品研發還是養殖生產，都具有一定的啟發作用。