#数字化育种

原文标题: Artificial Intelligence Empowering Modern Agricultural Biological Breeding。作者: 徐启玉、郑波、钟上威（北京大学现代农业研究院、潍坊市科技创新促进中心、北京大学生命科学学院）。DOI: 10.12133/j.smartag.SA202602016。本文系统探究AI驱动植物育种范式变革的底层逻辑，梳理智慧育种的代际演变及其在表型解析、基因组预测和分子设计等关键环节的技术进展，并深入探讨育种大模型对育种全流程的重构作用，以期为中国种业科技实现自立自强提供理论参考。重点阐述AI在种质资源高效挖掘、高通量表型精准解析、全基因组选择模型预测及分子设计育种等关键环节的技术逻辑与实证案例，并针对跨学科数据壁垒、深度学习算法的可解释性不足、复杂变动环境下的模型泛化能力弱等核心挑战进行了深入分析。

9月4日，神农育种Studio正式发布，把分散研究环节自动串联。以设计一套小麦育种方案为例，过去需投入10人月，借助Studio可降至0.5人月。神农大模型数据底座已汇集超过1000万条农业知识图谱数据、超5000万条农业生产数据；北京市将依托农业中关村核心区打造智能育种创新基地，建设智能育种共性技术创新中心和智能育种共性装备创新中心。

中国农业大学副教授王耀君介绍：神农大模型数据底座已汇集超过 1000 万条农业知识图谱数据、超过 5000 万条农业生产数据；团队借助平台从数百个生菜品种中海选出"雁栖 1 号""雁栖 2 号"。9 月 4 日"神农育种 Studio"将正式发布——以设计一套小麦育种方案为例，过去需要投入 10 人月，借助 Studio 可降至 0.5 人月，资料检索、数据处理、模型计算和初步方案生成等原分散工作可由平台连续完成。北京将依托农业中关村核心区打造北京农业中关村智能育种创新基地。

《智慧农业(中英文)》2026年第3期专刊集中刊发20篇研究成果,围绕智慧农业模式演进、数智技术农业应用、数字乡村政策效应、农业经济韧性、产业链效率、数据治理和研究范式转型等议题展开。本专刊从理论、方法、证据和制度多个层面,回答数字技术如何重塑农业发展逻辑。

9 月 4 日，"神农育种 Studio"正式发布，把原本分散的研究环节自动串联起来。育种人员用自然语言提出目标，Studio 先识别任务所需的数据、模型和软件，再按需调用相应工具，完成资料检索、亲本筛选、品系评价、多环境试验分析等任务。支撑平台运行的是团队多年积累的农业知识、生产数据和育种模型。神农大模型的数据底座已汇集超过 1000 万条农业知识图谱数据、超过 5000 万条农业生产数据。过去设计一套小麦育种方案需投入 10 人月，借助 Studio 可降至 0.5 人月，效率提升约 20 倍。

浙江省农业科学院病毒学与生物技术研究所所长、智能生物育种创新中心主任朱英研究员发布'豆芯'DNA育种大模型。该模型以27种、120个豆科植物基因组为基座,系统整合大豆、豇豆、豌豆等5000余份种质资源多组学数据,涵盖8万余个基因组和超12.5万份表型数据,构建起从DNA序列解读到育种方案设计的一体化智能解析与育种决策系统。该模型具备精准识别豆科作物基因组关键功能位点与调控模式、解析遗传变异效应的核心能力,性状预测精度超越传统育种模型,可将豆科作物育种周期压缩至传统方法的三分之一。

近日，中国农业科学院农业环境与可持续发展研究所智慧气象与农业气候资源利用创新团队提出塑性感知基因组选择框架，实现了跨环境小麦基因组预测与育种资源高效配置。科研团队以重组自交系群体为材料，在 8 个环境中调查产量、千粒重、穗粒数、穗数和株高。研究发现仅使用 50% 基因型在 3 个环境中的表型数据，株高、穗粒数和千粒重的预测准确度即可分别达到 0.70、0.54 和 0.59，显示出减少试验规模的潜力。该研究得到国家重点研发计划、国家自然科学基金等项目支持。

综述整合多组学、人工智能与基因编辑，提出棉花下一代育种框架。