今年兩會上，政府工作報告堅持把“三農”工作作為重中之重。報告強調，深入實施種業振興行動，加快選育推廣突破性品種，推進先進適用農機裝備研發應用，打通農業科技推廣“最後一公裡”。

　　隨著“人工智能+”行動被寫入國家“十五五”規劃綱要草案，AI賦能農業，特別是驅動育種革命，已成為從科學家到產業界的共同願景。

　　兩會期間，《中國科學報》採訪了多位代表委員和一線科學家，他們表示，這條道路並非簡單的技術嫁接，而是一場需要深刻理解、持續深耕的範式變革。

　　“你這項研究為什麼要用到AI？”這是近幾年中國農業科學院作物科學研究所研究員李慧慧投稿時經常從期刊編輯那裡聽到的問題。

　　2009年李慧慧以數學博士的學歷到中國農科院工作時，研究方向是“數量遺傳學”，就是用傳統的數學統計模型（如方差分析、QTL作圖等）為農學研究服務若白百草婚紗照。十幾年在農業領域的積澱，李慧慧卻“從未想過用AI”解決問題。一直到2020年，她敏銳察覺到國際上已經開始在醫學、制藥領域廣泛應用AI，“生物技術、大數據和AI技術在一個歷史的交匯期相遇了”。同時中國農科院也在這時成立了大數據智能設計育種創新團隊。這才決定“錨定AI去做”。

　　3年前，李慧慧團隊的農學領域首篇將人工智能用于分子育種智能預測的論文在《分子植物》（Molecular Plant）雜志發表。這項開創性工作兩年內被引用近200次，由此拉開了AI育種研究熱潮的大幕。

　　在全國政協委員、中國科學院院士種康看來，“傳統育種本質上是一種以表型觀察為主的、經驗性的模式。現代設計育種的核心，則是建立表型與基因之間精準、復雜的關聯網絡。”一個表型可能由多個基因控制，一個基因又可能影響多個性狀，這種多基因控制KS凱時、基因多效性的復雜關系，“僅憑人腦和經驗難以理清”。

　　AI的引入，恰逢其時。全國人大代表、中國科學院院士錢前錢前分析，全球糧食安全形勢嚴峻，同時農業研究已進入“數據爆炸時代”，基因組、表型組、環境數據呈指數級增長。傳統方法已無法滿足現代育種對效率和精度的要求，AI技術因此被引入，旨在將育種科學推向智能化。

　　“另一個關鍵契機在于對海量種質資源的深度挖掘。”錢前說，全球保存的種質資源超過600萬份，但利用率不足10%。AI技術能夠實現種質資源的深度解碼，讓靜態的基因庫“活”起來。

　　李慧慧正是這樣答復期刊編輯的：農業研究進入了數據爆炸時代，AI正是處理這種“數據洪流”、從中提取有價值模式的更強大工具。AI整合與挖掘大數據的能力與傳統數學模型處理有限變量和相對簡單關系的能力有本質區別。

　　“基因組研究的復雜性決定了不能只靠人類科學家的單打獨鬥，蓬勃發展的AI將成為幫助人類解讀基因組密碼的好幫手。”全國政協委員、中國科學院院士黃三文說，基因組是一個復雜的語言系統，AI將是理解這一復雜系統的有力工具。

　　傳統育種如何工作？“一支筆、一把尺、一桿秤、用牙咬、用眼瞪。”如今，AI的應用已經貫穿育種的多個層面和智慧農業的諸多環節。

　　首先，種質資源解碼與基因挖掘，是AI當前最能發揮價值的領域之一KS凱時。錢前團隊通過對2000多份水稻材料的基因組分析，鑑定出大量控制產量性狀的關鍵位點。黃三文團隊利用AI構建多維基因圖譜，在馬鈴薯“優薯計劃”中精準識別有害突變，設計優勢基因組合，將育種週期從10~12年縮短至3~5年。

　　其次，高通量表型鑑定。種康團隊利用光譜、激光雷達、影像等技術，對作物（如苜蓿）進行無損監測，獲取連續的、動態的表型數據（如生物量）。他們還嘗試將土壤、氣象數據等環境因子也與植株表型、基因組數據關聯起來，構建一個多維度的決策模型。

　　再次，預測模型與基因組選擇，這是李慧慧團隊的核心工作。“我們要做的AI模型其實就在育種家的腦子裡。”李慧慧說，他們研發的全流程智能設計育種平台實現了從田間數據自動採集（掃碼、無人機）、存儲到智能分析的一站式服務，對親本選配和後代選擇進行預測和打分，提前淘汰不良組合，極大提高選擇效率。她們與玉米育種家合作，僅用三年就獲得了運用AI設計培育的進入國家審定程序的苗頭性品種。

　　此外，智能裝備與機器人研發。中國科學院遺傳與發育生物學研究所研究員許操團隊研制出世界首台自動巡航授粉機器人“吉兒”，利用AI識別毫米級的花卉柱頭，完成精準授粉，破解了人工雜交授粉的成本難題。

　　當然，還有智慧農場管理，通過AI整合土壤、氣象、作物生長等多源數據，可實現灌溉、施肥的精準調控，提高資源利用效率。

　　“盡管如此，我們必須清醒地認識到，當前AI育種整體上仍處于非常初步的探索階段。”種康強調，這主要受限于兩方面：一是AI算法本身需要不斷優化和針對特定問題進行設計；二是需要有足量、高質量的數據來“喂養”和校準這些算法。

　　種康告訴《中國科學報》，目前，數據在一定程度上還比較有限和分散，算法與數據需要相互促進、共同發展。未來理想的狀態是，育種家在計算機上輸入目標性狀（如高產、抗鹽、高蛋白），AI就能模擬並給出實現這些性狀所需的“基因模塊”組合方案，甚至直接推薦哪些品種含有這些模塊，以及如何通過雜交等方式實現。這將使育種從“田間試錯”轉向“計算機模擬+田間驗證”，極大地提高效率和精準性。

　　錢前指出，許多AI工具如同“黑箱”，決策過程不可解釋，導致育種家信任度低。發展“可解釋的AI”，讓AI不僅能推薦親本組合，還能說明是基于哪些基因和位點，是未來的關鍵方向。

　　此外，淺層的“數據嫁接”不是真正的交叉KS凱時。黃三文認為，當前的一些研究，更像是“技巧”而非深耕。“交叉學科不是簡單的組合，需要對各學科深入的理解和感悟。AI算法需要與農學場景深度適配，這不是開幾次會就能解決的。”

　　李慧慧則發現，育種家在田間通常只保留“好材料”的數據，其它材料直接淘汰，導致AI訓練缺乏正反樣本對比。更嚴峻的是，我國種業以中小企業為主，數據是孤島，而國際巨頭公司內部有海量、連貫的數據。

　　人才匱乏是另一個急迫的挑戰。李慧慧感嘆：“學AI的學生不愛來農業領域。”而農學背景的學生培養AI思維則需要更多時間。雖然一些農業高校開始設立人工智能專業，但尚未形成成熟的人才培養和輸送體系。

　　面對AI賦能農業征程上的重重挑戰，沒有任何一方能獨自破局。受訪者都認為，這需要政府、學術界、產業界深度融合，形成合力，將前沿技術的潛力轉化為田野裡實實在在的生產力。

　　正如錢前指出，政府應“通過出台‘人工智能+’等相關產業政策為AI育種發展指明方向”，擔當頂層設計者與基礎奠基人的角色。這將為整個領域提供了清晰的戰略框架和發展預期。

　　數據是AI的“糧食”，但目前我國寶貴的種質資源、品種審定、田間表現等數據，卻分散在不同部門和機構，形成了“信息孤島”。錢前和種康都呼籲建立國家級的平台來整合這些數據資源。唯有打破壁壘，實現高質量數據的匯聚與開放共享，才能為訓練出強大的農業領域AI大模型提供充足的“養分”，這是我國在該領域實現自主創新、避免受制于人的基礎工程。

　　與此同時，破解最緊迫的“人才荒”，也需要從科研和教育體系入手。黃三文介紹若白百草婚紗照KS凱時，中國農科院正與哈爾濱工業大學共建農業人工智能學院，嘗試從人才培養的源頭推動深度的學科交叉。這旨在培養既懂農業生物學規律，又掌握先進算法原理的復合型“新農人”，為未來儲備核心力量。

　　而種業公司，是將實驗室技術轉化為市場品種、服務國家糧食安全戰略的關鍵載體。李慧慧團隊清晰地認識到這一點，並從2023年開始便積極與種業公司合作，推動其算法模型的“國產化替代”和產業化落地。

　　今年初，中國農業科學院啟動了“植物星球計劃”，其核心是在AI技術的輔助下對所有陸地植物主要分支進行基因組分析，識別植物王國的“共同語言”，發現耐旱、抗病、高產等關鍵基因，為保障全球糧食安全和推動可持續農業提供科學依據。

　　“AI育種對于提升國家糧食自給能力和競爭力，是一條至關重要的路徑若白百草婚紗照。”種康指出，保障糧食安全，在依靠傳統方法的同時，必須借助前沿技術加速進程KS凱時，AI技術正是其中關鍵的一環。AI與育種乃至整個智慧農業的結合，是一個宏大的未來圖景。它不僅是技術的應用，更是科學研究範式的轉變。“我們要在自主創新和數據整合上持續投入，推動這一領域健康發展。”

　　版權聲明：凡本網注明“來源：中國科學報、科學網、科學新聞雜志”的所有作品，網站轉載，請在正文上方注明來源和作者，且不得對內容作實質性改動；微信公眾號、頭條號等新媒體平台，轉載請聯系授權。郵箱：。

　　基于絕緣體-金屬轉變選擇器的高密度交叉陣列存儲器研究 MDPI Electronic Materials凱時登錄入口，KB88凱時唯一官網登錄凱時AG登錄入口，凱時KB88官方網站，經濟新聞，凱時，