■记者 李晨 冯丽妃

　　今年的政府工作报告提出，坚持把“三农”工作作为重中之重。报告强调，深入实施种业振兴行动，加快选育推广突破性品种，推进先进适用农机装备研发应用，打通农业科技推广“最后一公里”。

　　随着“人工智能（AI）+”行动被写入“十五五”规划纲要草案，AI赋能农业，特别是驱动育种革命，已成为从科学家到产业界的共同愿景。

　　全国两会期间，《中国科学报》采访了多位代表委员和一线科学家。他们表示，这条道路并非简单的技术嫁接，而是一场需要深刻理解、持续深耕的范式变革。

　　AI为何能“加”农业

　　“你这项研究为什么要用到AI？”这是中国农业科学院作物科学研究所研究员李慧慧近几年投稿时经常从期刊编辑那里听到的问题。

　　李慧慧2009年以数学博士的学历到中国农业科学院工作时，研究方向是数量遗传学，就是用传统的数学统计模型，如方差分析、QTL作图等，为农学研究服务。在农业领域积淀十几年，李慧慧却“从未想过用AI”解决问题。直到2020年，她敏锐察觉到国际上已经开始在医学、制药领域广泛应用AI，“生物技术、大数据和AI技术在一个历史的交汇期相遇了”。中国农业科学院也在这时成立了大数据智能设计育种创新团队，李慧慧这才决定“锚定AI去做”。

　　3年前，李慧慧团队的农学领域首篇将AI用于分子育种智能预测的论文在《分子植物》发表。这项开创性工作两年内被引用近200次，拉开了AI育种研究热潮的大幕。

　　在全国政协委员、中国科学院院士种康看来，传统育种本质上是一种以表型观察为主的经验性模式。现代设计育种的核心是建立表型与基因之间精准、复杂的关联网络。一个表型可能由多个基因控制，一个基因又可能影响多个性状，这种多基因控制、基因多效性的复杂关系，“仅凭人脑和经验难以厘清”。

　　AI的引入，恰逢其时。全国人大代表、中国科学院院士钱前分析，全球粮食安全形势严峻，同时农业研究已进入数据爆炸时代，基因组、表型组、环境数据呈指数级增长。传统方法已无法满足现代育种对效率和精度的要求，AI技术因此被引入，旨在将育种科学推向智能化。

　　“另一个关键契机在于对海量种质资源的深度挖掘。”钱前说，全球保存的种质资源超过600万份，但利用率不足10%。AI技术能够实现种质资源的深度解码，让静态的基因库“活”起来。

　　李慧慧也正是这样答复期刊编辑的：农业研究进入了数据爆炸时代，AI正是处理这种“数据洪流”，从中提取有价值模式的更强大工具。AI整合与挖掘大数据的能力与传统数学模型处理有限变量和相对简单关系的能力有着本质区别。

　　“基因组研究的复杂性决定了不能只靠人类科学家单打独斗，蓬勃发展的AI将成为帮助人类解读基因组密码的好帮手。”全国政协委员、中国科学院院士黄三文说，基因组是一个复杂的语言系统，AI将是理解这一复杂系统的有力工具。

　　从“经验育种”到“智能育种”

　　如何开展传统育种？“一支笔、一把尺、一杆秤，用牙咬、用眼瞪”。如今，AI的应用已经贯穿育种的多个层面和智慧农业的诸多环节。

　　一是种质资源解码与基因挖掘。这是AI当前最能发挥价值的领域之一。钱前团队通过对2000多份水稻材料的基因组分析，鉴定出大量控制产量性状的关键位点。黄三文团队利用AI构建多维基因图谱，在马铃薯“优薯计划”中精准识别有害突变，设计优势基因组合，将育种周期从10~12年缩短至3~5年。

　　二是高通量表型鉴定。种康团队利用光谱、激光雷达、影像等技术，对作物（如苜蓿）进行无损监测，获取连续、动态的表型数据（如生物量）。他们还尝试将土壤、气象数据等环境因子与植株表型、基因组数据关联起来，构建一个多维度的决策模型。

　　三是预测模型与基因组选择。这是李慧慧团队的核心工作。“我们要做的AI模型就在育种家的脑子里。”李慧慧说，他们研发的全流程智能设计育种平台实现了从田间数据自动采集（扫码、无人机）、存储到智能分析的一站式服务，对亲本选配和后代选择进行预测、打分，提前淘汰不良组合，极大提高选择效率。他们与玉米育种家合作，仅用3年就获得了用AI设计培育并进入国家审定程序的苗头性品种。

　　四是智能装备与机器人研发。中国科学院遗传与发育生物学研究所研究员许操团队研制出世界首台自动巡航授粉机器人“吉儿”，利用AI识别毫米级的花卉柱头，完成精准授粉，破解了人工杂交授粉的成本难题。

　　此外，还有智慧农场管理。通过AI整合土壤、气象、作物生长等多源数据，可实现灌溉、施肥的精准调控，提高资源利用效率。

　　深水区的难题

　　“尽管如此，我们必须清醒地认识到，当前AI育种整体上仍处于初步探索阶段。”种康强调，这主要受限于两方面：一是AI算法本身需要不断优化和针对特定问题进行设计；二是需要有足量、高质量的数据来“喂养”和校准这些算法。

　　种康告诉《中国科学报》，目前，数据在一定程度上还比较有限和分散，算法与数据需要相互促进、共同发展。未来理想的状态是育种家在计算机上输入目标性状，如高产、抗盐、高蛋白，AI就能模拟并给出实现这些性状所需的“基因模块”组合方案，甚至直接推荐含有这些模块的品种及其实现方式。这将使育种从“田间试错”转向“计算机模拟+田间验证”，极大提高效率和精准性。

　　钱前指出，许多AI工具如同黑箱，决策过程不可解释，导致育种家信任度低。发展“可解释的AI”，让AI不仅能推荐亲本组合，还能说明是基于哪些基因和位点，将成为未来的关键方向。

　　此外，浅层的“数据嫁接”不是真正的交叉。黄三文认为，当前的一些研究，更像是“技巧”而非深耕。“交叉学科不是简单的组合，需要对各学科有深入的理解和感悟。AI算法要与农学场景深度适配，这不是开几次会就能解决的。”

　　李慧慧则发现，育种家在田间通常只保留“好材料”的数据，其他材料则直接淘汰，导致AI训练缺乏正反样本对比。更严峻的是，我国种业以中小企业为主，数据是“孤岛”，而国际巨头公司内部有海量、连贯的数据。

　　人才匮乏是另一个紧迫的挑战。李慧慧感叹：“学AI的学生不爱来农业领域。”而有农学背景的学生培养AI思维则需要更多时间。虽然一些农业高校开始设立AI专业，但尚未形成成熟的人才培养和输送体系。

　　多方合作协同破局

　　面对AI赋能农业征程上的重重挑战，没有任何一方能独自破局。受访者都认为，这需要政府、学术界、产业界深度融合，形成合力，将前沿技术的潜力转化为田野里实实在在的生产力。

　　钱前指出，政府应“通过出台‘AI+’等相关产业政策为AI育种发展指明方向”，担当顶层设计者与奠基人的角色。这将为整个领域提供清晰的战略框架和发展预期。

　　数据是AI的“粮食”，但目前我国宝贵的种质资源、品种审定、田间表现等数据，却分散在不同部门和机构中，形成了“信息孤岛”。钱前和种康都呼吁建立国家级平台来整合这些数据资源。唯有打破壁垒，实现高质量数据的汇聚与开放共享，才能为训练出强大的农业领域AI大模型提供充足的“养分”，这是我国在该领域实现自主创新、避免受制于人的基础工程。

　　与此同时，破解最紧迫的“人才荒”，也需要从科研和教育体系入手。黄三文介绍，中国农业科学院正与哈尔滨工业大学共建农业人工智能学院，尝试从人才培养的源头推动深度学科交叉。这旨在培养既懂农业生物学规律，又掌握先进算法原理的复合型“新农人”，为未来储备核心力量。

　　而种业公司是将实验室技术转化为市场品种、服务国家粮食安全战略的关键载体。李慧慧团队清晰地认识到这一点，从2023年开始便积极与种业公司合作，推动其算法模型的“国产化替代”和产业化落地。

　　今年初，中国农业科学院启动了“植物星球计划”，核心是在AI技术的辅助下对所有陆地植物主要分支进行基因组分析，识别植物王国的“共同语言”，发现耐旱、抗病、高产等关键基因，为保障全球粮食安全和推动可持续农业提供科学依据。

　　“AI育种是一条提升国家粮食自给能力和竞争力的至关重要的路径。”种康指出，保障粮食安全，在依靠传统方法的同时，必须借助前沿技术加速该进程，AI技术正是其中关键一环。AI与育种乃至整个智慧农业的结合，是一个宏大的未来图景。它不仅是技术的应用，更是科学研究范式的转变。“我们要在自主创新和数据整合上持续投入，推动这一领域健康发展。”