[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"item-2729":3,"related-2729":68},{"id":4,"title":5,"url":6,"summary":7,"summary_zh":8,"content":9,"source_name":10,"source_url":8,"published_at":11,"category":12,"cover_url":8,"hotness":13,"is_selected":14,"score":15,"score_detail":16,"sources":24,"tags":26,"primary_topic":32,"secondary_topics":38,"classification":39,"search_phrases":62,"slug":65,"view_count":66,"doi":8,"paper":8,"created_at":67},2729,"WAFI2026世界农业科技创新大会在京举行——辽宁省农科院等亮相","https:\u002F\u002Fwww.toutiao.com\u002Farticle\u002F7686105927610630691\u002F","2026世界农业科技创新大会(WAFI2026)9月16—19日在北京平谷举行。中国农业大学校长孙其信指出,人工智能已经从过去的示范,变成了部分大型新型经营主体的主要生产方式。中国农业大学王耀君副教授介绍神农大模型3.0已在非洲落地。北京数智京园智慧设施管控技术体系亮相。",null,"潮新闻 记者 沈爱群 侴雪妍\n\n2026世界农业科技创新大会，正在北京举行。\n\n9月16日上午，在大会举行的“人工智能与农业论坛”上，潮新闻记者捕捉到了一个话题：人工智能如何造福农民？\n\n这个话题，由中国农业大学全球食物经济与政策研究院院长樊胜根教授在论坛致辞中提出。\n\n会上，与会国内外专家学者、业界代表见仁见智给出了答案：通过农业人工智能，可以让农民种得好、种得起、种得稳、种得赚。其中，深谙东方智慧的“中国方案”得到了与会嘉宾的点赞与关注。\n\n世界农业科技创新大会（英文缩写WAFI），是以“创新农业 共享未来”为宗旨的世界农业盛会，致力于打造农业“达沃斯”。自2023年成功举办以来，WAFI赢得了国内外同行的高度认可，被誉为世界三大农业盛会之一。\n\n![Image 1](https:\u002F\u002Fp3-sign.toutiaoimg.com\u002Ftos-cn-i-axegupay5k\u002F59a79b9b009545259d6d2d50486c2167~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1790208715&x-signature=Mbp32uTVtyQxX7rWipDc9RKtXnU%3D)\n活动现场（记者 沈爱群 摄）\n\n在这个世界级农业盛会上，与会嘉宾为何特别关注“人工智能与农民”？\n\n答案，可以从人工智能时代全球农民、小农户面临的挑战找到。\n\n农业人工智能论坛上，中国农业大学校长、中国工程院院士陈卫就谈到：当前全球农食系统面临前所未有的挑战，气候变化加剧了农业生产的风险，土地、水资源和生物多样性承受着越来越大的压力。“我们必须生产更多更有营养的食物，降低农业对环境的影响，为农村地区创造更好的发展机会。然而这些挑战在不同地区的分布并不均衡，一端是资本和技术高度密集的现代化农场，另一边是数以亿计、以有限的资源支撑全球重要粮食供给的农民与小农户。”\n\n挑战面前，人工智能为农业转型注入了新动能。正如与会嘉宾在本次论坛上提及，人工智能正在推动智能育种、精准种植和农业生产全产业链系统发生新的变化，以卫星遥感数据、气象预警数据、土壤变化数据、种子种植数据以及营销数据分析等，帮助农民实现种植方案自动生成、无人机出苗率检测、卫星遥感旱涝、摄像头自动巡田、智能拼车等农业生产及农事经营。\n\n推动这些新变化的“中国方案”中，有着力农业教育的中国高校，有从事农业生产的中国农业企业，也有站在消费端的中国城市设施农业。\n\n先看中国高校。会上，中国农业大学信息与电子工程学院副教授王耀君和中国农业大学全球食物经济与政策研究院教授张玉梅，分别在主旨演讲中提到了“神农大模型”以及“农业食物经济与政策AI模型”。\n\n神农大模型，去年就已做到了3.0版。作为国内首个实现农业系统智能的大模型，神农1.0版于2023年问世，可以实现农业专业知识的精准查询与问答。2024年迭代的神农2.0版，拓展了技术边界，可以整合文本、图像等多模态数据进行分析决策。2025年全球首发的神农3.0版，打破了农业学科壁垒，让AI成为汇聚农业智慧的载体。\n\n神农大模型3.0是“小麦育种智能助手”。它融合了国家级种质资源与专家知识，可以赋能育种决策，实现从“田间试错”到“精准育种”。\n\n神农3.0还是个农业病虫害智能体。可以识别70类、600余种病虫害，实现用一部手机就能获得如同多个专业植保专家的指导。\n\n值得一提的是，神农3.0还可以让全球农业科技人员和从业者自主构建，以最低成本推动AI应用，让农业AI在科研院所和田间地头普惠落地。“经过过去一年的推广，神农大模型已经跨越千山万水，在非洲落地了。”神农大模型团队负责人王耀君说。\n\n农业食物经济与政策AI模型，不仅面向政府、科研机构和企业，也面向广大农业生产者，旨在将数据、经济模型与人工智能相结合，为农业市场研判和科学决策提供支持。为此，张玉梅教授提醒：“对于农民和小农户来说，这个模型提供的国内外农产品价格监测与异常预警、农业生产成本收益分析、膳食营养评价和国际市场动态分析，可以帮助他们及时了解市场变化 、比较政策方案、评估生产经营收益与营养状况。”\n\n其次，看看农业企业端。会上，北大荒信息有限公司总经理任荣荣向大家介绍了“未来农场”这个各项农艺技术集成平台。以深耕智慧农业培育发展新动能为己任的北大荒信息有限公司，既自主研发了智能装备管理平台覆盖111个农场、接入8.4万台智能装备；也让“未来农场”为60万种植户提供产前、产中、产后服务，实现农业资金交易1000亿元。\n\n再看城市设施农业。会上，北京市数字农业农村促进中心副主任、正高级农艺师芦天罡，向大家展示了北京市“数智京园”智慧设施管控技术体系和连栋温室“赛马制”中试熟化场景。\n\n据芦天罡介绍，北京市目前正通过AI+城市设施农业，实现了连栋温室的国产化技术攻关和日光温室的数智场景改造，快速推动农业产业智能化。“从系统到装备到模型，人工智能可以帮助农户解放劳动力、提高精细化生产水平，还可以调节生产周期，助推农户增收。”芦天罡表示。\n\n“转载请注明出处”","今日头条 2026年9月16日","2026-09-16T00:00:00Z","报道",10,false,78,{"impact":17,"substance":18,"depth":19,"authority":20,"freshness":21,"relevant":22,"comment":23},24,20,17,8,9,1,"世界级农业盛会现场报道，汇聚神农大模型3.0、未来农场、数智京园等多方实质进展，信息增量足，值得进入每日精选。",[25],{"name":10,"url":6},[27,28,29,30,31],"智慧农业","农业人工智能","设施农业","神农大模型","智能育种",{"code":33,"slug":34,"name":35,"path":36,"parent_code":37},"I2","agricultural-ai","农业AI与大模型","\u002Ftopic\u002Fdigital-agriculture\u002Fagricultural-ai","I",[],{"status":40,"locked":14,"version":41,"method":42,"evidence":43},"classified","2026-10-22.2","rules",{"candidates":44,"agricultural_evidence":47},[45,52,57],{"code":33,"score":46,"supported":47,"title":48,"abstract":49,"tags":51},5,true,[],[50],"大模型",[28,30],{"code":53,"score":22,"supported":14,"title":54,"abstract":55,"tags":56},"F2",[],[],[31],{"code":58,"score":22,"supported":14,"title":59,"abstract":60,"tags":61},"I1",[],[],[27],[63,64],"农业人工智能 神农大模型 智慧农业 智能育种","农业人工智能 神农大模型","农业人工智能神农大模型智慧农业智能育种-2729",3,"2026-09-17T00:04:39.330857Z",{"total":69,"page":22,"page_size":69,"items":70},6,[71,117,166,238,284,345],{"id":72,"title":73,"url":74,"summary":75,"summary_zh":8,"content":8,"source_name":76,"source_url":8,"published_at":77,"category":12,"cover_url":8,"hotness":13,"is_selected":14,"score":78,"score_detail":79,"sources":84,"tags":86,"primary_topic":88,"secondary_topics":89,"classification":90,"search_phrases":111,"slug":114,"view_count":115,"doi":8,"paper":8,"created_at":116},5331,"农民日报报道 WAFI 2026:AI 为农业注入新动能 推动智能育种精准种植全产业链转型","https:\u002F\u002Fszb.farmer.com.cn\u002Fnmrb\u002Fhtml\u002F2026\u002F20261014\u002F20261014_8\u002Fnmrb_20261014_13425_8_2110120867111473164.html","2026 世界农业科技创新大会(WAFI)在北京举行,中国农业大学校长陈卫表示 AI 正在推动智能育种、精准种植和全产业链转型,小农户迎来手机端病虫害预警、本地化气象预警等新机会。中国农业大学王耀君宣布在肯尼亚发布神农大模型,针对 250 个肯尼亚问题通用大语言模型准确率 70%、神农达 96%、平均成本仅 0.1 美分。盖茨基金会高级项目官斯图尔特·科里斯认为 AI 农技咨询有望在亚非 7 个重点地区触达 4200 万农户,每年带来超 30 亿美元收益。北大荒 2025 年粮食产量达 463 亿斤,数字农服平台服务60 万种植户。","农民日报 2026-10-14","2026-10-14T00:00:00Z",84,{"impact":80,"substance":81,"depth":19,"authority":82,"freshness":46,"relevant":22,"comment":83},26,22,14,"世界农业科技创新大会的权威报道，含神农大模型海外发布、AI农技咨询覆盖数据等实质增量，产业级影响，值得精选。",[85],{"name":76,"url":74},[27,28,30,31,87],"数字农服",{"code":33,"slug":34,"name":35,"path":36,"parent_code":37},[],{"status":40,"locked":14,"version":41,"method":42,"evidence":91},{"candidates":92,"agricultural_evidence":47},[93,97,103,107],{"code":33,"score":46,"supported":47,"title":94,"abstract":95,"tags":96},[],[50],[28,30],{"code":98,"score":66,"supported":47,"title":99,"abstract":100,"tags":102},"G2",[],[101],"小农户",[],{"code":53,"score":22,"supported":14,"title":104,"abstract":105,"tags":106},[],[],[31],{"code":58,"score":22,"supported":14,"title":108,"abstract":109,"tags":110},[],[],[27],[112,113],"神农大模型 肯尼亚","WAFI 2026 中国农业大学","神农大模型肯尼亚-5331",0,"2026-10-20T02:47:36.680168Z",{"id":118,"title":119,"url":120,"summary":121,"summary_zh":8,"content":122,"source_name":123,"source_url":8,"published_at":124,"category":12,"cover_url":8,"hotness":13,"is_selected":14,"score":78,"score_detail":125,"sources":128,"tags":130,"primary_topic":132,"secondary_topics":133,"classification":134,"search_phrases":161,"slug":164,"view_count":66,"doi":8,"paper":8,"created_at":165},2974,"人民日报海外版：神农大模型3.0+36个专项智能体 服务全国超10万农户","https:\u002F\u002Fnews.cau.edu.cn\u002Fmtndnew\u002Fcbf7a6637ffd4fffb20e26993670895d.htm","中国农业大学王耀君团队2023年12月发布神农大模型1.0版、2024年7月推出2.0版新增多模态识别、2025年10月升级至3.0版采用\"轻量化+多智能体\"架构同时推出36个针对具体农事问题的智能体。神农大模型已构建覆盖90%农业学科、80%农业场景的专属知识体系，核心知识库含1000万条农业知识图谱、2000万张标注图片、5000万条生产数据。辽宁杜连辉600亩玉米地使用后成本从480元\u002F亩降到不足400元\u002F亩，北京怀柔丹辉农业生菜基地育种智能体培育\"雁栖2号\"新品种。","**李晨**\n\n“近几年人工智能底层技术和应用场景发展很快，在农业上已经出现由‘人工智能+智能机械+大模型+规模化生产’集成的无人工厂、智慧农业生产方式。现在我国部分地区，这类技术已经从示范阶段转向了一些大型新型经营主体的主要生产方案。”9月16日，中国工程院院士、中国农业大学教授孙其信在2026世界农业科技创新大会（WAFI）上接受媒体采访时指出，当前全球已形成共识，未来一次重大产业变革可能以新一代人工智能技术为重要引擎，农业同样如此。人工智能引导下一轮农业生产方式变革，已经不是一个梦想，而是变成了现实。\n\n![Image 1](https:\u002F\u002Fnews.cau.edu.cn\u002Fimages\u002F2026-09\u002Fb8dbe90d2f9144beb4ace03f32463a25.jpg)\n\n孙其信接受媒体采访。中国农大供图\n\n孙其信指出，智能育种可视为第四代育种技术方向——用智能体和大模型训练，承接过去依靠育种家下地、拿尺子、记本子的部分工作。\n\n以小麦为例，中国农业大学相关团队正在研发人工智能小麦大模型。首先是积累田间数据，用无人机、地面多光谱设备记录作物从出苗到收获全过程，预计三五年后大宗粮食和畜禽的基础数据可满足智能育种模型需要。\n\n其次是积累基因数据，随着测序技术的快速发展，现在获取小麦高质量基因组信息的成本大幅降低，效率也显著提升。\n\n然后用人工智能关联田间表型与基因信息，例如输入地块表现可推测基因、输入基因可预测田间表现，从而大部分替代育种家从成千上万个体中筛选少数优良材料的工作，效率提升几十到几百倍。\n\n孙其信还提到地下根系识别。他说，根系在地下，过去育种后期才知道产量和品质，现在用新设备加人工智能算法，可测算每个品种的根系构型，设计少施肥、抗干旱、高产的根型。他对其规模化应用给出了保守判断：部分专项小模型已经起步，整体5到10年可看到大规模应用，真正在田间替代多数人工筛选还需要约5年数据积累。\n\n如今，中国农业在人工智能方面的实践越来越多的与国际接轨。孙其信介绍，去年WAFI发布中国农业大学神农大模型，盖茨基金会曾将该模型与世界一流模型对比，其在农业问题解决方案方面位居参评模型首位。\n\n中国农大团队开发了服务于非洲农业的“神农ZAO”智能体，并首先落地肯尼亚——用肯尼亚当地语言提问，模型输出适应当地农业生产的技术方案，而不是直接套用中国方案。“ZAO”在肯尼亚当地语言斯瓦西里语是种植管理的意思。\n\n孙其信说，世界需要这样一个平台，WAFI的目标不是一年开一次会，而是持续聚合全球顶尖科技资源、研发机构、投资金融机构和农业企业，产生“乘法效应”，服务中国农业发展，也服务全球农食系统绿色健康转型。\n\n[科学网2026年9月19日](https:\u002F\u002Fnews.sciencenet.cn\u002Fhtmlnews\u002F2026\u002F9\u002F571737.shtm)","中国农业大学·人民日报海外版","2026-09-18T01:00:00Z",{"impact":17,"substance":18,"depth":19,"authority":126,"freshness":20,"relevant":22,"comment":127},15,"院士在WAFI大会披露神农大模型3.0与智能育种进展，权威性与信息增量俱佳，值得进入每日精选。",[129],{"name":123,"url":120},[27,28,131,30,31],"农业大模型",{"code":33,"slug":34,"name":35,"path":36,"parent_code":37},[],{"status":40,"locked":14,"version":41,"method":42,"evidence":135},{"candidates":136,"agricultural_evidence":47},[137,141,147,153,157],{"code":33,"score":82,"supported":47,"title":138,"abstract":139,"tags":140},[50],[50],[28,131,30],{"code":142,"score":66,"supported":47,"title":143,"abstract":144,"tags":146},"A3",[],[145],"玉米",[],{"code":148,"score":66,"supported":47,"title":149,"abstract":150,"tags":152},"B1",[],[151],"生菜",[],{"code":53,"score":22,"supported":14,"title":154,"abstract":155,"tags":156},[],[],[31],{"code":58,"score":22,"supported":14,"title":158,"abstract":159,"tags":160},[],[],[27],[162,163],"神农大模型 智能体 农户","中国农业大学 智能育种 小麦","神农大模型智能体农户-2974","2026-09-20T00:03:00.349769Z",{"id":167,"title":168,"url":169,"summary":170,"summary_zh":171,"content":8,"source_name":172,"source_url":169,"published_at":173,"category":174,"cover_url":8,"hotness":13,"is_selected":14,"score":175,"score_detail":176,"sources":180,"tags":182,"primary_topic":185,"secondary_topics":186,"classification":187,"search_phrases":210,"slug":213,"view_count":66,"doi":214,"paper":215,"created_at":237},4108,"Visión artificial para la detección de plagas en cultivos de tomate: revisión sistemática de la literatura","https:\u002F\u002Fdoi.org\u002F10.36825\u002Friti.14.34.010","Phytosanitary monitoring is an essential activity for reducing production losses caused by pests in tomato crops grown under protected agriculture conditions. In recent years, computer vision and deep learning methods have gained relevance as tools capable of automating agricultural image detection and analysis processes. Despite these advances, there is still a need to determine which techniques have been used, under what conditions they have been evaluated, and what performance they have reported, particularly in protected agriculture and small-scale production contexts. This study aims to examine research published on these technologies and assess their potential incorporation into participatory agricultural monitoring schemes. To this end, a systematic review of scientific literature published between 2020 and 2026 was conducted following the methodological guidelines proposed by Kitchenham. The review was developed through the stages of planning, study search and selection, and information synthesis, considering previously established inclusion and exclusion criteria. As a result, fifty studies related to image processing, artificial intelligence, and phytosanitary monitoring were selected and analyzed. Among the main findings of the review, several studies reported high-performance levels for deep learning models in tasks involving the automatic identification of symptoms associated with pests and other crop-related conditions. The synthesis identified the main techniques, data, application contexts, and reported performance levels, providing reference elements for assessing their potential incorporation into participatory agricultural monitoring schemes.","植物检疫监测是减少保护地番茄种植中由有害生物造成的产量损失的一项重要活动。近年来，计算机视觉和深度学习方法作为能够自动化农业图像检测与分析流程的工具而日益受到重视。尽管取得了这些进展，但仍需明确已采用了哪些技术、这些技术在何种条件下进行了评估，以及它们报告了怎样的性能，尤其是在保护地农业和小规模生产情境下。本研究旨在考察已发表的关于这些技术的研究，并评估其纳入参与式农业监测方案的潜力。为此，按照Kitchenham提出的方法学指南，对2020年至2026年间发表的科学文献进行了系统综述。该综述通过规划、研究检索与筛选以及信息综合等阶段展开，并依据事先确立的纳入与排除标准。结果共筛选并分析了50项与图像处理、人工智能和植物检疫监测相关的研究。在综述的主要发现中，多项研究报告了深度学习模型在自动识别与有害生物相关的症状及其他作物相关状况的任务中具有高性能水平。该综合识别了主要技术、数据、应用情境及所报告的性能水平，为评估其纳入参与式农业监测方案的潜力提供了参考要素。","Revista de Investigación en Tecnologías de la Información","2026-10-02T00:00:00Z","论文",63,{"impact":177,"substance":178,"depth":126,"authority":13,"freshness":20,"relevant":22,"comment":179},12,18,"系统综述梳理2020-2026年计算机视觉与深度学习在番茄病虫害检测中的应用，方法规范、结论有参考价值，但属细分领域综述，公共影响有限。",[181],{"name":172,"url":169},[27,28,29,183,184],"番茄种植","病虫害监测",{"code":33,"slug":34,"name":35,"path":36,"parent_code":37},[],{"status":40,"locked":14,"version":41,"method":42,"evidence":188},{"candidates":189,"agricultural_evidence":47},[190,199,206],{"code":33,"score":13,"supported":47,"title":191,"abstract":192,"tags":198},[],[193,194,195,196,197],"深度学习","计算机视觉","deep learning","artificial intelligence","computer vision",[28],{"code":148,"score":200,"supported":47,"title":201,"abstract":202,"tags":205},7,[],[203,204],"番茄","tomato",[183],{"code":58,"score":22,"supported":14,"title":207,"abstract":208,"tags":209},[],[],[27],[211,212],"计算机视觉 番茄 病虫害检测","深度学习 设施农业 植保监测","计算机视觉番茄病虫害检测-4108","10.36825\u002Friti.14.34.010",{"doi":214,"openalex_id":216,"authors":217,"venue":172,"cited_by_count":115,"oa_url":169,"card":230,"direction":234,"ingested_from":236},"W7216085028",[218,220,223,226,228],{"name":219,"orcid":8},"Jesús Alberto Alarcón Luna",{"name":221,"orcid":222},"María Salomé Alejandre Apolinar","https:\u002F\u002Forcid.org\u002F0009-0008-0232-8217",{"name":224,"orcid":225},"Hugo Amores Pérez","https:\u002F\u002Forcid.org\u002F0009-0009-0260-4872",{"name":227,"orcid":8},"Jacel Adame García",{"name":229,"orcid":8},"María Angélica Cerdán",{"tldr":231,"method":232,"finding":233,"direction":234,"opportunity":235},"系统综述2020-2026年计算机视觉与深度学习在番茄设施栽培虫害检测中的研究。","遵循Kitchenham指南系统检索筛选50篇文献，归纳技术、数据与性能。","深度学习模型在虫害症状自动识别任务中普遍报告高性能，但多限于特定条件。","农业人工智能与决策模型","面向设施农业与小规模生产的轻量化模型及参与式监测集成仍属研究空白。","openalex","2026-10-03T23:30:53.163959Z",{"id":239,"title":240,"url":241,"summary":242,"summary_zh":8,"content":243,"source_name":244,"source_url":8,"published_at":245,"category":12,"cover_url":8,"hotness":13,"is_selected":14,"score":246,"score_detail":247,"sources":249,"tags":251,"primary_topic":254,"secondary_topics":255,"classification":256,"search_phrases":279,"slug":282,"view_count":66,"doi":8,"paper":8,"created_at":283},3030,"人民日报海外版：神农大模型团队负责人王耀君在WAFI2026发布肯尼亚农业专属智能体\"神农ZAO\"","https:\u002F\u002Fwww.toutiao.com\u002Farticle\u002F7687279743934284288","WAFI2026\"农业人工智能论坛\"9-16在中国农业大学国际会议中心举行，中国农业大学校长陈卫院士、信息与电气工程学院院长张漫主持论坛开幕式。神农大模型团队负责人王耀君在会议上发布肯尼亚农业专属智能体\"神农ZAO\"，以本土化AI技术赋能非洲农业数字化转型，服务当地小农户。\"ZAO\"取自斯瓦希里语，意为\"作物、收成与成果\"。国际食物政策研究所（IFPRI）高级研究员Jawoo Koo介绍了CGIAR数字创新研究计划和\"农业生成式人工智能（GAIA）\"项目；数字绿色组织联合创始人Rikin Gandhi分享AI农技助手Farmer.Chat已服务亚洲和非洲数以十万计小农户。","9月16日上午，2026世界农业科技创新大会“农业人工智能论坛”在中国农业大学国际会议中心举行。中国农业大学校长、中国工程院院士陈卫，中国农业大学全球食物经济与政策研究院院长、讲席教授樊胜根，盖茨基金会高级项目官Stewart Collis出席论坛并致辞。中国农业大学信息与电气工程学院院长张漫主持论坛开幕式。\n\n![Image 1](https:\u002F\u002Fp3-sign.toutiaoimg.com\u002Ftos-cn-i-6w9my0ksvp\u002Fea05a17d37c9433385e9de0d0cb4ec1d~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1790553958&x-signature=0w66WHDdFcSmaOXsePtY6rUYyww%3D)\n\n![Image 2](https:\u002F\u002Fp3-sign.toutiaoimg.com\u002Ftos-cn-i-6w9my0ksvp\u002F88cefc1718fe4a928d2e0e945c571946~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1790553958&x-signature=JZF2QG52QgF%2Bn2jr8HTGV7trgZw%3D)\n\n陈卫在致辞中表示，人工智能正深刻改变农业科研范式与生产方式，中国农业大学依托“神农大模型”等标志性成果，持续推动人工智能与农业全产业链深度融合，期待以本次论坛为契机汇聚全球智慧，让人工智能更好赋能农业现代化、惠及广大小农户。\n\n![Image 3](https:\u002F\u002Fp3-sign.toutiaoimg.com\u002Ftos-cn-i-6w9my0ksvp\u002F4bc3ce77aa214b64a69e73f2e9ff8057~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1790553958&x-signature=8CUpzxub46gjOKjaKeiXlInxhqU%3D)\n\n樊胜根在致辞中指出，全球食物系统正面临气候变化、市场波动与营养不良等多重挑战，必须推动数据、模型与知识转化为从政策制定者到田间农户都能用、用得起的决策支持，真正体现农业大模型的普惠价值。\n\n![Image 4](https:\u002F\u002Fp3-sign.toutiaoimg.com\u002Ftos-cn-i-6w9my0ksvp\u002F142f68300a344cc7816f7d33a0e15901~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1790553958&x-signature=mGSdo8GYlbOSRhLx1esuDCLPImc%3D)\n\nStewart Collis对论坛的召开致以热烈祝贺。他表示，人工智能有望大幅降低农业知识与服务的获取门槛，呼吁各方加强跨国界、跨部门协作，推动负责任的人工智能创新落地生根，让技术进步惠及最需要的人群。\n\n![Image 5](https:\u002F\u002Fp3-sign.toutiaoimg.com\u002Ftos-cn-i-6w9my0ksvp\u002F4d9d861c9c8b46fd8bd3ec7678e069be~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1790553958&x-signature=9XDRBMKS7Worcabgh4eakcJICMc%3D)\n\n![Image 6](https:\u002F\u002Fp3-sign.toutiaoimg.com\u002Ftos-cn-i-6w9my0ksvp\u002Fd89862ade72c4be7a06c81b59d01af6e~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1790553958&x-signature=RNHOr7ndl3LhKReHxZB4ji85%2FD0%3D)\n\n主旨报告环节，国内外专家围绕人工智能赋能农业食物系统分享深度洞见。国际食物政策研究所（IFPRI）高级研究员Jawoo Koo结合其领导的CGIAR数字创新研究计划，阐述了地理空间数据与综合建模在评估气候和技术对农业食物系统影响中的作用，并介绍了IFPRI“农业生成式人工智能（GAIA）”项目在印度、肯尼亚等地测试AI农技咨询工具、提升数字农技服务准确性与包容性的最新进展。数字绿色组织（Digital Green）联合创始人兼首席执行官Rikin Gandhi分享了AI农技助手Farmer.Chat的实践：农户用本地语言拍照提问，即可获得病虫害诊断与防治建议，该工具已服务亚洲和非洲数以十万计的小农户，以远低于传统推广的成本提供本土化、气候智慧型的农技服务。信息与电气工程学院副教授、神农大模型团队负责人王耀君在会议上发布了肯尼亚农业专属智能体“神农 Zao”，以本土化 AI 技术赋能非洲农业数字化转型，服务当地小农户。“Zao” 取自斯瓦希里语，意为“作物、收成与成果”，贴合农业服务核心定位。该智能体搭载斯瓦希里语多模态交互能力，可实现当地语言的智能问答、语音识别与生成，打破语言壁垒。其依托神农大模型技术优势，基于国际食物政策研究所（IFPRI）深耕肯尼亚多年积累的小农户本土化语料训练，深度适配当地农业生产场景。目前 “神农 Zao” 已在肯尼亚投入推广，预计未来一年实现全域普及，助力当地农业提质增效，深化中非农业科技合作。全球食物经济与政策研究院、经济管理学院教授张玉梅代表研究院介绍了“食物经济与政策人工智能模型”英文版。该平台集成多尺度农业空间均衡模型、全球农业局部均衡模型和中国CGE模型，提供价格预警、成本收益分析、营养膳食评估与国际市场情报等服务，只需描述政策、市场或气候情景，即可自动生成运算结果、图表与专业分析报告。中国农业大学经济管理学院院长司伟主持主旨报告环节。\n\n交流环节，两场专题圆桌对话围绕“人工智能与农业现代化”和“人工智能服务小农户”展开深入研讨。\n\n![Image 7](https:\u002F\u002Fp3-sign.toutiaoimg.com\u002Ftos-cn-i-6w9my0ksvp\u002F0ac38cf8322e46348705e057d416e65f~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1790553958&x-signature=2dqIfuv4K57dojJhzGVwYGpVfDQ%3D)\n\n在“人工智能与农业现代化”圆桌对话中，穆罕默德·本·扎耶德人工智能大学（MBZUAI）教授宋德臻介绍了与盖茨基金会共建农业与人工智能研究院（IAAI）、面向非洲小农户研发大语言模型咨询系统的进展，以及从除草到采摘的农业机器人研究。科大讯飞研究院副院长李鑫提出AI for Science的两条路径——以深度神经网络建模复杂关系、以大语言模型挖掘与生成科学知识，并分享了与崖州湾国家实验室的育种数据合作实践。iSDA虚拟农艺师首席执行官Jamie Collinson介绍了以低成本数字化农艺咨询服务非洲小农户的经验。北大荒信息有限公司总经理任荣荣展示了覆盖4800万亩耕地的智慧农业闭环：已建成48个农业模型并发布北大荒大模型1.0，多项识别准确率达90%以上，数字农服平台服务60万种植户。北京市数字农业农村促进中心副主任芦天罡介绍了“数智京园”智慧设施园艺管控技术体系和温室番茄高质量数据集建设成效。中国农业大学信息与电气工程学院副教授贾璐主持本场对话。\n\n![Image 8](https:\u002F\u002Fp3-sign.toutiaoimg.com\u002Ftos-cn-i-6w9my0ksvp\u002F0dec8a4716c54794aae2c395befbb9fb~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1790553958&x-signature=gNf4dCWOATvdNaBMQ35faSdkZas%3D)\n\n在“人工智能服务小农户”圆桌对话中，阿卜杜拉国王科技大学（KAUST）教授Mario Caccamo提出，人工智能可全方位支持小农户的农艺咨询、病虫害诊断、气候风险、市场准入与金融保险需求，并强调三项原则：本地化适配、获取成本最低、建议与可行动资源相衔接。中国农业大学资源与环境学院教授张卫峰以曲周实验站五十余年改土治碱实践为例指出，小农户在深翻、播种、灌溉等关键环节“每个环节差一点点、最终产量差四成”，精细决策正是AI服务小农户最迫切的需求。国际热带农业研究所（IITA）总干事Simeon Ehui强调，AI建议须科学可靠、贴合当地、可负担且可执行，必须与种子、农资、金融、推广和市场等交付体系相连接。乡合农业科技集团有限公司副总裁赵占胜介绍了“小合”AI智能体以可负担方式为小农户提供全流程服务的实践；隆平高科信息技术（北京）有限公司总经理范培磊分享了“云上智农”平台以“人工智能+产业”模式服务超1000万注册用户的经验。盖茨基金会高级项目官Christian Witt主持本场对话。\n\n![Image 9](https:\u002F\u002Fp3-sign.toutiaoimg.com\u002Ftos-cn-i-6w9my0ksvp\u002F1fb40968737349a3bc1e4ae60af66ada~tplv-tt-origin-web:gif.jpeg?_iz=58558&from=article.pc_detail&lk3s=953192f4&x-expires=1790553958&x-signature=wao7cO6UuKoYrjeitlAiYW4yc7Q%3D)\n\n盖茨基金会北京代表处副主任、政策倡导与政府关系负责人张丽在闭幕致辞中指出，本次论坛充分展现了人工智能赋能农业发展的巨大潜力与多元路径，期待各方以论坛为起点，共同推动人工智能相关的解决方案在农业领域的负责任创新与规模化应用，确保其更加广泛、公平地惠及全球人群，尤其是中低收入国家的小农户。\n\n本次论坛由中国农业大学全球食物经济与政策研究院、中国农业大学信息与电气工程学院联合主办。","中国农业大学·WAFI2026","2026-09-19T16:12:00Z",85,{"impact":17,"substance":81,"depth":19,"authority":82,"freshness":20,"relevant":22,"comment":248},"WAFI2026农业人工智能论坛上发布肯尼亚专属智能体神农Zao，兼具技术突破与国际合作价值，信息增量充足，值得进入每日精选。",[250],{"name":244,"url":241},[27,28,30,252,253],"小农户服务","中非合作",{"code":33,"slug":34,"name":35,"path":36,"parent_code":37},[],{"status":40,"locked":14,"version":41,"method":42,"evidence":257},{"candidates":258,"agricultural_evidence":47},[259,264,269,275],{"code":33,"score":260,"supported":47,"title":261,"abstract":262,"tags":263},16,[50],[28,50],[28,30],{"code":98,"score":265,"supported":47,"title":266,"abstract":267,"tags":268},4,[],[101],[252],{"code":270,"score":66,"supported":47,"title":271,"abstract":272,"tags":274},"J3",[],[273],"非洲农业",[],{"code":58,"score":22,"supported":14,"title":276,"abstract":277,"tags":278},[],[],[27],[280,281],"神农Zao 肯尼亚","神农大模型 王耀君","神农Zao肯尼亚-3030","2026-09-21T00:04:32.249984Z",{"id":285,"title":286,"url":287,"summary":288,"summary_zh":8,"content":8,"source_name":289,"source_url":8,"published_at":290,"category":174,"cover_url":8,"hotness":13,"is_selected":14,"score":291,"score_detail":292,"sources":295,"tags":297,"primary_topic":300,"secondary_topics":301,"classification":302,"search_phrases":332,"slug":335,"view_count":46,"doi":8,"paper":336,"created_at":344},2900,"Crop-GPA 2.0:安徽农业大学团队发布跨物种基因-表型预测深度学习工具,登The Crop Journal","https:\u002F\u002Fwww.global-agriculture.com\u002Fag-tech-research-news\u002Fchinese-researchers-launch-ai-tool-that-predicts-crop-gene-trait-links-across-species\u002F","安徽农业大学岳振宇教授团队(第一作者高玉佳)开发的Crop-GPA 2.0跨物种基因-表型预测深度学习工具于2026年9月10日发表在The Crop Journal。该工具通过分层基因组表征、跨物种预训练、性状感知学习三种联动技术,在水稻、玉米、小麦测试中跨性状(产量、抗病性、抗逆性、籽粒品质)均优于现有方法,且能在新物种或训练数据有限时保持较好性能,在线平台为育种者提供免费SNP排名服务,极大降低标记辅助选择门槛。","Global Agriculture \u002F The Crop Journal","2026-09-14T00:00:00Z",83,{"impact":81,"substance":293,"depth":178,"authority":82,"freshness":69,"relevant":22,"comment":294},23,"跨物种基因-表型预测工具登核心期刊，方法新颖、结论可靠，对智能育种有实质推动，值得进入每日精选。",[296],{"name":289,"url":287},[27,28,298,31,145,299],"水稻","基因-表型预测",{"code":33,"slug":34,"name":35,"path":36,"parent_code":37},[],{"status":40,"locked":14,"version":41,"method":42,"evidence":303},{"candidates":304,"agricultural_evidence":47},[305,309,314,318,324,328],{"code":33,"score":177,"supported":47,"title":306,"abstract":307,"tags":308},[193],[193],[28],{"code":310,"score":265,"supported":47,"title":311,"abstract":312,"tags":313},"A1",[],[298],[298],{"code":142,"score":265,"supported":47,"title":315,"abstract":316,"tags":317},[],[145],[145],{"code":319,"score":66,"supported":47,"title":320,"abstract":321,"tags":323},"A2",[],[322],"小麦",[],{"code":53,"score":22,"supported":14,"title":325,"abstract":326,"tags":327},[],[],[31],{"code":58,"score":22,"supported":14,"title":329,"abstract":330,"tags":331},[],[],[27],[333,334],"安徽农业大学 Crop-GPA 2.0","Crop-GPA 2.0 基因-表型预测","安徽农业大学Crop-GPA2.0-2900",{"doi":8,"openalex_id":8,"authors":337,"venue":8,"cited_by_count":115,"oa_url":8,"card":338,"direction":234,"ingested_from":343},[],{"tldr":339,"method":340,"finding":341,"direction":234,"opportunity":342},"安徽农业大学团队发布跨物种基因-表型预测深度学习工具Crop-GPA 2.0，并在水稻、玉米、小麦中","分层基因组表征、跨物种预训练、性状感知学习，基于多物种SNP与表型数据。","跨性状预测均优于现有方法，新物种或小样本下仍表现良好，并提供免费在线SNP排名服务。","可探索将跨物种预训练模型与田间表型组、环境数据融合，提升复杂性状预测与育种决策的可解释性。","agent","2026-09-19T00:06:08.595080Z",{"id":346,"title":347,"url":348,"summary":349,"summary_zh":8,"content":350,"source_name":351,"source_url":8,"published_at":352,"category":12,"cover_url":8,"hotness":13,"is_selected":14,"score":353,"score_detail":354,"sources":356,"tags":358,"primary_topic":359,"secondary_topics":360,"classification":361,"search_phrases":382,"slug":385,"view_count":69,"doi":8,"paper":8,"created_at":386},2876,"WAFI2026人工智能与农业论坛在京举办:中国农业大学发布神农Zao肯尼亚农业专属智能体","https:\u002F\u002Fnews.cau.edu.cn\u002Fttgznew\u002F93647b0f7eed4c05ab707c1d603ff1f8.htm","9月16日,WAFI2026农业人工智能论坛在中国农业大学举行,聚焦人工智能赋能农业现代化与小农户发展。中国农业大学校长陈卫院士致辞,神农大模型团队负责人王耀君发布肯尼亚农业专属智能体神农Zao,搭载斯瓦希里语多模态交互能力,实现当地语言智能问答、语音识别与生成。IFPRI、CGIAR、Digital Green等分享数字农技服务经验,樊胜根教授阐述数据-模型-知识转化路径,Stewart Collis呼吁加强跨国协作。","**中国农大新闻网讯**9月16日上午，2026世界农业科技创新大会“农业人工智能论坛”在中国农业大学国际会议中心举行。中国农业大学校长、中国工程院院士陈卫，中国农业大学全球食物经济与政策研究院院长、讲席教授樊胜根，盖茨基金会高级项目官Stewart Collis出席论坛并致辞。中国农业大学信息与电气工程学院院长张漫主持论坛开幕式。\n\n![Image 1](https:\u002F\u002Fnews.cau.edu.cn\u002Fimages\u002F2026-09\u002Fad5f91e34df64c749afe19277693ed23.jpeg)\n\n![Image 2](https:\u002F\u002Fnews.cau.edu.cn\u002Fimages\u002F2026-09\u002F78ff8bd8e00d49b7afc7ea79c971c1fe.jpeg)\n\n陈卫在致辞中表示，人工智能正深刻改变农业科研范式与生产方式，中国农业大学依托“神农大模型”等标志性成果，持续推动人工智能与农业全产业链深度融合，期待以本次论坛为契机汇聚全球智慧，让人工智能更好赋能农业现代化、惠及广大小农户。\n\n![Image 3](https:\u002F\u002Fnews.cau.edu.cn\u002Fimages\u002F2026-09\u002F6f90982f1ff84841bc163bdefd4e9558.jpeg)\n\n樊胜根在致辞中指出，全球食物系统正面临气候变化、市场波动与营养不良等多重挑战，必须推动数据、模型与知识转化为从政策制定者到田间农户都能用、用得起的决策支持，真正体现农业大模型的普惠价值。\n\n![Image 4](https:\u002F\u002Fnews.cau.edu.cn\u002Fimages\u002F2026-09\u002Fa08a664d2f6740a69eda583c5436d89f.jpeg)\n\nStewart Collis对论坛的召开致以热烈祝贺。他表示，人工智能有望大幅降低农业知识与服务的获取门槛，呼吁各方加强跨国界、跨部门协作，推动负责任的人工智能创新落地生根，让技术进步惠及最需要的人群。\n\n![Image 5](https:\u002F\u002Fnews.cau.edu.cn\u002Fimages\u002F2026-09\u002F5a83d793ff9c4fe6970ff89287c5a9e1.jpeg)\n\n![Image 6](https:\u002F\u002Fnews.cau.edu.cn\u002Fimages\u002F2026-09\u002F031df8b14d6b4b63bdebbab89f4ca77e.jpeg)\n\n主旨报告环节，国内外专家围绕人工智能赋能农业食物系统分享深度洞见。国际食物政策研究所（IFPRI）高级研究员Jawoo Koo结合其领导的CGIAR数字创新研究计划，阐述了地理空间数据与综合建模在评估气候和技术对农业食物系统影响中的作用，并介绍了IFPRI“农业生成式人工智能（GAIA）”项目在印度、肯尼亚等地测试AI农技咨询工具、提升数字农技服务准确性与包容性的最新进展。数字绿色组织（Digital Green）联合创始人兼首席执行官Rikin Gandhi分享了AI农技助手Farmer.Chat的实践：农户用本地语言拍照提问，即可获得病虫害诊断与防治建议，该工具已服务亚洲和非洲数以十万计的小农户，以远低于传统推广的成本提供本土化、气候智慧型的农技服务。信息与电气工程学院副教授、神农大模型团队负责人王耀君在会议上发布了肯尼亚农业专属智能体“神农 Zao”，以本土化 AI 技术赋能非洲农业数字化转型，服务当地小农户。“Zao” 取自斯瓦希里语，意为“作物、收成与成果”，贴合农业服务核心定位。该智能体搭载斯瓦希里语多模态交互能力，可实现当地语言的智能问答、语音识别与生成，打破语言壁垒。其依托神农大模型技术优势，基于国际食物政策研究所（IFPRI）深耕肯尼亚多年积累的小农户本土化语料训练，深度适配当地农业生产场景。目前 “神农 Zao” 已在肯尼亚投入推广，预计未来一年实现全域普及，助力当地农业提质增效，深化中非农业科技合作。全球食物经济与政策研究院、经济管理学院教授张玉梅代表研究院介绍了“食物经济与政策人工智能模型”英文版。该平台集成多尺度农业空间均衡模型、全球农业局部均衡模型和中国CGE模型，提供价格预警、成本收益分析、营养膳食评估与国际市场情报等服务，只需描述政策、市场或气候情景，即可自动生成运算结果、图表与专业分析报告。中国农业大学经济管理学院院长司伟主持主旨报告环节。\n\n交流环节，两场专题圆桌对话围绕“人工智能与农业现代化”和“人工智能服务小农户”展开深入研讨。\n\n![Image 7](https:\u002F\u002Fnews.cau.edu.cn\u002Fimages\u002F2026-09\u002F4e564194355d479cbd5827ed92f3a59f.jpeg)\n\n在“人工智能与农业现代化”圆桌对话中，穆罕默德·本·扎耶德人工智能大学（MBZUAI）教授宋德臻介绍了与盖茨基金会共建农业与人工智能研究院（IAAI）、面向非洲小农户研发大语言模型咨询系统的进展，以及从除草到采摘的农业机器人研究。科大讯飞研究院副院长李鑫提出AI for Science的两条路径——以深度神经网络建模复杂关系、以大语言模型挖掘与生成科学知识，并分享了与崖州湾国家实验室的育种数据合作实践。iSDA虚拟农艺师首席执行官Jamie Collinson介绍了以低成本数字化农艺咨询服务非洲小农户的经验。北大荒信息有限公司总经理任荣荣展示了覆盖4800万亩耕地的智慧农业闭环：已建成48个农业模型并发布北大荒大模型1.0，多项识别准确率达90%以上，数字农服平台服务60万种植户。北京市数字农业农村促进中心副主任芦天罡介绍了“数智京园”智慧设施园艺管控技术体系和温室番茄高质量数据集建设成效。中国农业大学信息与电气工程学院副教授贾璐主持本场对话。\n\n![Image 8](https:\u002F\u002Fnews.cau.edu.cn\u002Fimages\u002F2026-09\u002F8e4ae25253034b8092c4782243f1b44c.jpeg)\n\n在“人工智能服务小农户”圆桌对话中，阿卜杜拉国王科技大学（KAUST）教授Mario Caccamo提出，人工智能可全方位支持小农户的农艺咨询、病虫害诊断、气候风险、市场准入与金融保险需求，并强调三项原则：本地化适配、获取成本最低、建议与可行动资源相衔接。中国农业大学资源与环境学院教授张卫峰以曲周实验站五十余年改土治碱实践为例指出，小农户在深翻、播种、灌溉等关键环节“每个环节差一点点、最终产量差四成”，精细决策正是AI服务小农户最迫切的需求。国际热带农业研究所（IITA）总干事Simeon Ehui强调，AI建议须科学可靠、贴合当地、可负担且可执行，必须与种子、农资、金融、推广和市场等交付体系相连接。乡合农业科技集团有限公司副总裁赵占胜介绍了“小合”AI智能体以可负担方式为小农户提供全流程服务的实践；隆平高科信息技术（北京）有限公司总经理范培磊分享了“云上智农”平台以“人工智能+产业”模式服务超1000万注册用户的经验。盖茨基金会高级项目官Christian Witt主持本场对话。\n\n![Image 9](https:\u002F\u002Fnews.cau.edu.cn\u002Fimages\u002F2026-09\u002F27ce4e91c2914cc5b3ddd36ff121ea6e.jpeg)\n\n盖茨基金会北京代表处副主任、政策倡导与政府关系负责人张丽在闭幕致辞中指出，本次论坛充分展现了人工智能赋能农业发展的巨大潜力与多元路径，期待各方以论坛为起点，共同推动人工智能相关的解决方案在农业领域的负责任创新与规模化应用，确保其更加广泛、公平地惠及全球人群，尤其是中低收入国家的小农户。\n\n本次论坛由中国农业大学全球食物经济与政策研究院、中国农业大学信息与电气工程学院联合主办。","中国农业大学新闻网","2026-09-17T00:00:00Z",87,{"impact":80,"substance":81,"depth":19,"authority":82,"freshness":20,"relevant":22,"comment":355},"国际性农业AI论坛，发布肯尼亚专属智能体神农Zao，兼具技术突破与中非合作价值，信息增量充足。",[357],{"name":351,"url":348},[27,28,30,252,253],{"code":33,"slug":34,"name":35,"path":36,"parent_code":37},[],{"status":40,"locked":14,"version":41,"method":42,"evidence":362},{"candidates":363,"agricultural_evidence":47},[364,368,372,378],{"code":33,"score":20,"supported":47,"title":365,"abstract":366,"tags":367},[],[28,50],[28,30],{"code":98,"score":265,"supported":47,"title":369,"abstract":370,"tags":371},[],[101],[252],{"code":373,"score":66,"supported":47,"title":374,"abstract":375,"tags":377},"J2",[],[376],"农业现代化",[],{"code":58,"score":22,"supported":14,"title":379,"abstract":380,"tags":381},[],[],[27],[383,384],"中国农业大学 神农Zao 肯尼亚","WAFI2026 农业人工智能论坛","中国农业大学神农Zao肯尼亚-2876","2026-09-19T00:06:04.347972Z"]