大数据为何“赌”不对猪周期？

原创赞收藏评论

举报 2022-02-15

扫描,分享朋友圈

撰文 / 张贺飞

编辑 / 沈洁

进入到2021年的财报季，猪企们却集体遭遇了寒冬。

在已经披露年度业绩预报的猪企中，亏损已然成了一种新常态。温氏、新希望、天邦、正邦等企业均交出了亏损的答卷，甚至有猪企在过去一年里亏掉了十年的利润。即便是为数不多盈利的牧原股份，净利润也同比下降超过70%，第三季度出现三年内首次季度亏损，且第四季度的亏损有扩大趋势。

至于业绩下滑或亏损的原因，猪企普遍给出的解释是：由于报告期内的生猪出栏量较上年同期大幅增加，而随着国内生猪产能的逐渐回复，生猪价格较上年明显下降。不排除未来生猪市场价格出现大幅下滑，继续造成可能的业绩下滑。

这一轮寒冬的根源其实并不复杂，大多数猪企在2021年增加了产能，结果造成了供大于求的一幕，以至于生猪价格低于猪企的养殖成本，被业界讨论多年的“猪周期”现象再一次被市场应验。

01 大数据和猪周期

和许多农牧领域一样，生猪市场有着典型的周期属性：猪肉价格高的时候，大大小小的猪企开始增加产能，导致生猪的供应增加价格逐渐走低，然后普遍开始去产能，生猪的供应减少让肉价再度增高……

作为全球最大的猪肉消费国，中国的“猪周期”现象尤为明显，2000年以来已经连续上演了5轮猪周期：2002年到2006年、2006年到2009年、2009年到2014年、2014年到2018年，以及2018年至今的新一轮周期。正在按照三到四年的时间节点，一次次重复着涨跌的过程，甚至还将在接下来的一段时间里继续上演。

按照经济学原理的解释，“猪周期”的内在逻辑并不复杂，本质在于供需关系的错配，最终影响了价格的波动。由此出现了不少“熨平”猪周期的假设，核心观点主要集中在消除信息不对称，进而增加决策的科学性。

早在2014年的时候，就有声音讨论引入大数据治理猪周期，利用云计算、大数据等进行研究、分析、判断，建立起基于大数据的算法模型，帮助市场研判猪肉价格波动的规律，进而进行合理的调控。

2015年两会期间，新希望集团董事长刘永好在提案中呼吁运用大数据破解猪周期，在大量统计数据分析的基础上建立一个研究体系，为养殖业提供必要的决策信息，减少由于经济周期变化给养殖业带来的影响。

这些观点不乏一定的理论基础。比如国内已经出现了数轮“猪周期”，将历史统计数据归纳形成一个数据池，或可以为市场供给、价格调控等决策提供数据参考；再比如对市场上的养殖数据进行汇总后，可以对市场的演变趋势进行预警，帮助猪企适时调整生产预期，避免盲目跟从的现象。

对应到市场层面上，越来越多的互联网和科技企业“下场养猪”，一些生猪行业龙头企业也纷纷探索企业生产与经营管理的云平台。前者的典型代表就有阿里云和华为，在生猪价格上扬的2020年前后，阿里云的AI养猪屡屡被媒体捧上头条，华为的“南泥湾”也将“智能养猪”推向了风口；后者的例子包括新希望的云养殖和云平台、安佑集团的安佑云、金新农的互联网生猪养殖服务平台等等。

彼时的舆论不可谓不乐观，一些专家坦言随着生猪行业的产业升级和产业生态的完善，加上政府和资本市场的扶持，生猪的规模化生产和精细化养殖将是必然趋势，将不断增强生猪产业市场抗风险的能力，跳出“猪周期”的影响已经不再遥远。

有些遗憾的是，当生猪价格即将在2021年再次落入谷底时，头部猪企的行动大多是“扩大产能”，而非及时去产能降风险，大数据未像想象中那么切中市场要害，新一轮的“猪周期”如期而至，且愈演愈烈。

02 行业的“待解之谜”

大数据为何“赌”不对猪周期？业界并不缺少合理的说辞。国内农牧业的生产周期较长、统一化管理难度较高，即便提前洞察到了突发性事件，也无法大范围给出正确应对。特别是在生猪养殖市场，母猪存栏到生猪出栏往往需要12个月左右的时间，留给市场的调整时间并不充裕，何况国内生猪市场还有两个特殊国情。

一个是行业的高度分散，虽然国内的生猪产量占到全球的一半左右，但市场主体仍然以散养为主，规模化程度偏低。

可以参考2020年的一组数据，市场前五猪企的出栏量仅占市场的9.22%，近95%的养殖户养殖规模在50头以下。高度分散的市场结构不仅增加了数据统计的难度，还导致了信息获取的滞后效应，加剧了信息的不对称。再加上分散的养殖场习惯从主观意愿判断市场趋势，都希望在生猪价格的高点进场，无形中制造了“追涨杀跌”的行为。

另一个是市场的不确定性，就像非洲猪瘟这样的变量，常常给整个生猪行业带来超出预期的负面结果。

直接的诱因在于整个产业生产模式的粗放现状，一方面导致了数据历史、准确度、包含度的欠缺，制约了数据处理、分析的想象空间；另一方面是生物防疫、抽检、监测等环节存在太多的盲区，无法进行科学调控。大数据治理“猪周期”在舆论上被一次次讨论，但在实际生产中还是依赖主观本能。

倘若数据散碎、滞后等病根无法解决，所谓的算法模型也就无从谈起，大数据治理猪周期注定会停留在理论层面。这样的说法可以解释猪周期屡屡出现的必然性，却无法回避头部猪企亏损的自身原因。

因为头部猪企所能掌握的数据维度远多于散户，并不难从一些蛛丝马迹中洞察到市场的产能变化，先于市场做出反应。

一个直接的例子就是猪粮比，即生猪价格和作为生猪主要饲料的玉米价格的比值，猪粮比的数值越高，意味着生猪养殖的利润越大，6∶1的比值常常是盈亏平衡点。2021年6月份前后，发改委等部门就给出了猪粮比价连续3周处于5∶1-6∶1的二级预警，但牧原、正邦等猪企照旧在扩张产能，并未理性地克制产能。

可以窥知一二的是，哪怕正邦、牧原、金新农等都交出了亏损或利润下滑的成绩单，企业的股价却不降反涨，因为每一次市场触底的时候，都有机构给出拐点的判断，猪企的决策者显然知道扩张后的风险，可面对抢战市场份额的时机以及投资者的用脚投票，被迫作出了悖于初心的决定。

相较于分散的市场和不确定性，最难琢磨的恐怕是猪企管理者的心理，在高度依赖人治的决策体系里，几乎没有一家猪企可以平安度过市场低迷期，一些挺过几轮周期的猪企都可能在下一轮中折戟。

03 新技术的应用范式

需要回答的另一个问题在于：大数据、云计算等新技术的应用，并未消灭猪周期，个别企业的亏损更是超过了传统预期。在这样的局面下，倘若新技术短时间内无法解决传统产业的棘手问题，潜在的应用空间在哪里？

网易味央、阿里云、京东、华为等科技大厂先后向猪企抛出了橄榄枝，其中夹杂着驱动千行百业数字化转型的赤子之心，也隐藏着在产业互联网领域寻找新战场的商业野心，而能否在相对较短的时间里打开局面，将直接关系巨头们产业化的转型进程，以及农牧业等传统业态智能化的时间表。

比较有借鉴价值的是，科技大厂们没有选择“围剿”猪周期代表的棘手问题，多半选择了一条迂回路线。

譬如云计算、大数据等无法改写猪周期的市场现状，是否可以帮助猪企控制养猪成本，在应对猪周期的过程中有更多试错的底气？截止到目前来看，网易味央正在向合作伙伴输出自家的养殖模式，华为进军“养猪”市场的切入点也是传感器、物联网技术和人工智能算法，同时牧原、温氏等头部企业也表达了“智能养猪”的兴趣。

其中的挑战在于，猪场的智能化转型需要增加消杀、监控、传感器等方面的投入，也将进一步增加生猪养殖的硬性成本，智能化转型所需要的投入和养殖成本降低的平衡关系，尚需要时间来验证。即便是温氏、牧原、新希望等对“智能猪场”公开表态的企业，目前主要的资金用途还是产能扩张和上下游产业链的延伸。

站在旁观者的立场上，大数据等新技术的落地应用所需要的不单单是“做项目”，还需要在某种程度上“炒概念”。

正如前面所提到的一个现象，头部猪企的亏损在持续扩大，股价却在莫名上涨，意味着资本市场都在进行一场“豪赌”，筹码是头部猪企可以享受过剩产能出清后带来的红利。假如这种赌预期的心态适当转移到“智慧化转型”上，让“智慧养猪”成为股价上涨的新共识，不失为一种理想的结果。

只是就现阶段而言，大数据等新技术在生猪行业仍然是配角，能否从人治向数治转型，让大数据发挥出应有的作用，还需要一个“奇点”。

事情似乎也没那么糟糕，每一轮猪周期都是猪企的生死考。曾经与牧原股份一较高下的雏鹰农牧，就是在上一轮猪周期中错判了风向而落幕，为中国股市留下了“猪饿死了”“以肉偿债”等笑谈；在本轮猪周期中表现两极化牧原和温氏，在很大程度上左右了重资产模式和轻资产模式的输赢；一旦某家将大数据等新技术应用落地的猪企笑到了最后，或将在一夜之间改变市场的认知。

不过在假设被印证前，中国的生猪市场还会遭受一次次阵痛，直到找出新技术“熨平”猪周期的正确范式。

04 写在最后

猪周期的连续上演，看似是难以避免的供需失衡问题，折射出的恰恰是农业现代化的深层次病因。

就连大数据这样在互联网中广泛应用的“旧技术”，也无法在农牧业出成绩的时候，所暴露出的问题已经不言而喻。何况“猪周期”只是农业周期性的一隅，“蒜你狠”“豆你玩”姜你军”等事件的层出不穷，都倾诉着国内农牧业的原始和脆弱，为大数据、云计算、人工智能等留下了广阔的应用空间。

让人感到惋惜的是，五年前就有人说农业是产业互联网的最后一片蓝海，现在看依然是蓝海一片，农业的数智化何时才能走出一条通路？但愿不要等太久。

本文系作者授权数英发表，内容为作者独立观点，不代表数英立场。
转载请在文章开头和结尾显眼处标注：作者、出处和链接。不按规范转载侵权必究。