人工智能如何赋能农业“芯片” ？

种子是农业的“芯片”，粮食种业科技水平直接关系粮食综合生产能力和农业发展主动权。近年来，我国积极推进人工智能与现代种业深度融合，在育种研发、品种选育、制种应用等环节取得关键进展，人工智能育种基础不断夯实。“十五五”时期，人工智能如何更好赋能粮食种业创新？

人工智能成为推动粮食种业创新的重要力量

近年来，从科研探索到产业实践，人工智能推动粮食种业由传统经验驱动向数据驱动、智能决策转变，科技创新与种业生产的结合更加紧密，前沿技术已开始进入品种创制和产业应用环节。人工智能与大数据、多组学等技术加速融合，种业创新的技术路径和生产方式持续拓展，企业、高校、科研院所等主体参与人工智能育种的程度不断提高，为提升粮食种业自主创新能力和育种效率提供新的技术支撑。人工智能赋能由单点技术探索向多环节协同应用拓展，成为推动粮食种业科技创新和产业升级的重要力量。

政策环境持续优化。完善的政策环境为人工智能赋能粮食种业创新提供重要制度保障，同时推动新技术规范健康发展。2025年，《加快建设农业强国规划（2024—2035年）》提出推动种业自主创新全面突破，从国家规划层面肯定粮食种业创新的重要性。同年，《国务院关于深入实施“人工智能+”行动的意见》提出加快人工智能驱动的育种体系创新，人工智能在粮食种业创新的应用逐渐拓展。

数据基础不断夯实。高质量数据是人工智能赋能粮食种业创新的基础资源，同时有力支撑智能育种的迭代升级。人工智能的快速发展使海量育种数据，能够转化为模型训练和性状预测的重要资源，有效提升数据的规模、质量和连续性，夯实数据资源在育种创新中的基础性作用。坐落于“南繁硅谷”的国家南繁作物表型研究设施，通过建成自动化表型鉴定平台，数据采集效率较人工提升4—5倍，累计鉴定水稻、玉米、棉花和大豆等作物种质资源6万份次/年，为优异种质资源筛选、关键基因挖掘和精准育种设计提供数据基础。

智能育种技术深入探索。关键核心技术既决定人工智能对育种数据的分析处理能力，又影响其在基因挖掘、性状预测和品种设计等环节的应用精度，是推动育种模式由经验驱动向智能驱动转变的重要支撑。华中农业大学联合湖北洪山实验室、崖州湾国家实验室，成功研发植物基因组语言模型“PlantGFM”，实现人工智能设计植物基因全链条表达验证。

产业发展步伐加快。企业的产业链资源和市场渠道，能够将算法模型、数字技术与育种材料、田间试验、生产经营等环节深度结合，推动科研成果从技术研发向规模化应用转变。例如，浩淞农业科技集团融合人工智能技术与现代农业场景，研发推广十项核心农业技术，覆盖“选种—种植—管理—土壤养护”全流程。通过计算机视觉、大数据分析及智能决策系统，为农业生产提供精准种植、病虫害识别、产量预测等智能化服务，打造从田间到云端的全链条数字化解决方案，推动农业产业智能化升级。

育种机器人“吉儿”2.0正在演示植物授粉。来源/新华网

人工智能赋能粮食种业创新面临的问题挑战

当前，我国人工智能与粮食种业的融合尚处于加速探索和应用阶段，相关支撑条件仍显薄弱，基础性、关键性问题尚未得到有效解决。特别是在制度规范与政策协同、优质数据积累与利用、关键技术自主研发以及企业创新引领等方面，仍存在不同程度的制约因素，影响人工智能技术优势向粮食种业创新效能充分转化。

制度保障体系有待完善。与飞速发展的人工智能技术相比，制度供给存在一定滞后。育种数据产权、共享开放、交易流通等制度规则有待完善，数据资源价值没能得到充分体现。

高质量育种数据支撑有待增强。一方面，种质资源、基因组、栽培管理等数据标准不统一、共享开放程度不高，存在“数据孤岛”现象。另一方面，高质量、多维度、连续性的育种数据供给不足，难以满足人工智能模型训练和优化迭代需求，数据资源供给与智能育种需求之间仍存在落差。

关键核心技术自主创新能力仍需提升。在基础研究方面，面向复杂性状解析、优异基因挖掘和育种路径优化等关键问题的智能化解决方案仍需深化，人工智能技术与遗传育种理论之间的交叉融合研究相对滞后。在技术开发方面，高性能育种算法、智能决策模型、育种专用大模型等原创性技术供给不足，关键算法平台和底层软件自主可控能力有待加强。

企业创新主体作用不够突出。企业作为创新主体的牵引能力仍需加强。一方面，多数种业企业规模较小，研发投入不足，数字化基础能力相对薄弱，持续开展人工智能研发和应用的能力有限。另一方面，种业企业参与重大科技攻关的程度不高，与科研院所、高校之间尚未形成稳定高效的协同创新机制，产业需求难以及时反馈至科研端。

人工智能如何更好赋能粮食种业创新？

随着基因组学、生物信息学、智能育种算法等前沿科技不断发展，粮食种业创新活动由主要依靠经验积累和田间反复试验，逐步转向多学科交叉、海量信息分析与智能辅助决策相结合的人工智能赋能新模式。为顺应这一趋势，需从治理机制、数据资源、技术创新和主体协同四个方面完善支撑体系，加快形成具有自主优势的粮食种业创新格局。

完善治理机制，构建人工智能赋能种业创新的保障体系。健全数据产权制度，分类建立种业产权保护和授权使用规则，严格按照产权制度促进数据合规流通。优化算法安全监管，根据人工智能在亲本选择、性状预测、品种评价和生产决策等环节的影响程度，建立分类分级监管机制。建立应用前评估、运行中监测和事后追溯制度，重点审查训练数据来源、模型适用范围和安全防护能力。完善人工智能伦理规范，将公平公正、风险可控、公开透明和隐私安全等伦理要求，贯穿人工智能赋能种业的全过程。

夯实数据底座，构建智能育种数据资源体系。完善国家粮食种业数据平台，以国家统计局数据库、中国种业大数据平台为基础，统筹整合粮食种业领域种质资源、基因组、品种审定等数据资源，加快形成覆盖资源保护、育种研发、试验示范、推广应用等全过程的数据资源体系。

突破关键技术，打造人工智能育种创新体系。加强自主可控育种大模型研发，围绕水稻、小麦、玉米等主要粮食作物，依托国家重点实验室、国家育种联合攻关平台和优势科研院所，研发面向粮食作物育种的行业专用大模型，建立覆盖基因组、表型组、代谢组等全景组学数据的训练数据集。依据预测精度、计算效率、应用效果等指标，实行模型的动态反馈，提高模型研发和应用效率。

培育创新主体，构建协同创新生态体系。支持具有较强研发能力和产业带动能力的种业企业牵头承担智能育种重大科技任务，通过共建研发中心、科研人才双聘等方式，将智能创新资源导入种业龙头企业，全面增强种业龙头企业智能研发能力。同时，鼓励龙头企业向中小种业企业开放部分试验设施和通用工具，带动中小企业向专业化、特色化方向发展。

（作者：崔宁波，系东北农业大学现代农业发展研究中心教授、博导）