AI賦能下我國農業智慧化前景可期育種效率大幅提升

2025-05-08 08:46

手機瀏覽

1、政策大力支持智慧農業發展

我國作為傳統農業大國，農業生產一直是政策支持的重點。過去幾年復雜多變的國際社會和氣候環境使得全球糧食供應體系變得更加脆弱，各經濟體紛紛將糧食安全戰略提升至前所未有的高度。世界人口的穩步增長和人均耕地面積的下降，也對糧食的生產效率和穩定性提出了更高的要求。作為全球人口數量第一的國家，中國要用僅占世界7%的耕地面積養育全球20%的人口，糧食安全對于國家的穩定和發展具有十分重要的意義。面對短缺的耕地供給和巨大的糧食需求之間的矛盾，中國長期將保障糧食安全作為治國理政的頭等大事。

近年我國保障糧食安全相關會議精神及政策

時間	部門	政策/會議	主要內容
2020.01	國務院	《關于抓好"三農"領域重點工作確保如期實現全面小康的意見》	確保糧食安全始終是治國理政的頭等大事，糧食生產要穩字當頭，穩政策、穩面積、穩產量，強化糧食安全省長貢任制考核，各省(自治區、直轄市)2020年糧食播種面積和產量要保持基本穩定。
2021.01	國務院	《關于全面推進鄉村振興加快農業農村現代化的意見》	提升糧食和重要農產品供給保障能力。地方各級黨委和政府要切實扛起糧食安全政治責任，實行糧食安全黨政同責，深入實施重要農產品保障戰略。
2021.10	農業農村部	《關于促進農業產業化龍頭企業做大做強的意見》	以保障國家糧食安全和重要農產品有效供給為根本目標，以打造農業全產業鏈為重點任務，以建立聯農帶農利益聯結機制為紐帶，促進小農戶和現代農業發展有機銜接。
2021.11	國務院	《“十四五”推進農業農村現代化規劃》	深入實施國家糧食安全戰略和重要農產品保障戰略，落實藏糧于地、藏糧于技，健全輔之以利、輔之以義的保障機制。壓實糧食安全政治責任，完善糧食生產扶持政策，加強耕地保護與質量建設。
2022.01	國務院	《關于做好2022年全面推進鄉村振興重點工作的意見》	全面落實糧食安全黨政同責，嚴格糧食安全責任制考核，確保糧食播種面積穩定、產量保持在1.3萬億斤以上。主產區、主銷區、產銷平衡區都要保面積、保產量，不斷提高主產區糧食綜合生產能力，切實穩定和提高主銷區糧食自給率。推進國家糧食安全產業帶建設。
2022.10	第十九屆中央委員會	二十大報告	確保糧食、能源資源、重要產業鏈供應鏈安全；全方位夯實糧食安全根基，牢牢守住十八億畝耕地紅線，確保中國人的飯碗牢牢端在自己手中。
2022.01	中共中央政治局	2022年中央經濟工作會議	實施新一輪千億斤糧食產能提升行動
2023.01	國務院	《關于做好2023年全面推進鄉村振興重點工作的意見》	確保全國糧食產量保持在1.3萬億斤以上，各省(自治區、直轄市)都要穩住面積、主攻單產、力爭多增產。

數據來源：觀研天下數據中心整理

目前中國農村勞動力正面臨結構性挑戰，農業收入較低和城鎮化趨勢促使越來越多的農業勞動力向城市轉移或從事工業、服務業等其他工作?！吨袊r村發展報告2020》數據顯示，預計到2025年，農業就業人員比重將下降到20%左右。此外，中國社科院農村發展研究所顯示，鄉村60周歲及以上老年人口占鄉村總人口的比重為33.86%，遠超城鎮老年化比例。在這種背景下，以較少人力高效應對新型農業生產方式的智慧農業正蓬勃發展。

數據來源：觀研天下數據中心整理

根據觀研報告網發布的《中國智慧農業行業發展趨勢分析與投資前景研究報告（2025-2032年）》顯示，智慧農業是以信息和知識為核心要素，通過互聯網、物聯網、大數據、人工智能和智能裝備等現代信息技術與農業跨界融合，為農業生產提供精準化種植、可視化管理、智能化決策，是農業生產的高級階段。近三年，全球科技的重要前沿領域集中在AI大數據模型和機器人技術。隨著科技的外溢，消費端尋找應用場景的現象愈發普遍。從支持AI產業化發展角度來看，近年來政策端鼓勵科技引領消費升級，支持力度逐步加大。政策將逐步發力在消費領域的各個方面挖掘智能化發展潛力，鼓勵AI+消費創新升級。從AI+農業的角度來看，當前仍處于智能化發展初期。

智慧農業功能及基本介紹

功能	基本介紹
監控功能系統	根據無線網絡可獲取德植物生長環境信息，如監測土壤水分、土壤溫度、空氣溫度等參數，并以直觀的圖表和曲線的方式顯示給用戶，根據以上的信息反饋對農業園區進行自動灌溉、自動降溫、自動噴藥等自動控制。
監測功能系統	在農業園區內實現自動信息檢測與控制，通過配備無線傳感節點檢測土壤、空氣、光照等參數。并根據種植作物的需求提供各種聲光報警信息和短信報警信息。
實時圖像與視頻監控功能	能直觀反映作物的生長長勢，側面反映作物生長的整體狀態及營養水平，從整體上給農戶提供更加科學的種植決策理論依據。

數據來源：觀研天下數據中心整理

智慧農業已成為世界現代化農業發展趨勢，全球各國都在加快智慧農業布局，加深人工智能、大數據、云計算等技術在農業領域的應用。從全球范圍來看，美國、以色列、德國、日本、澳大利亞等國家的智慧農業發展水平、智慧農業的軟硬件技術水平處于較為領先的地位。智慧農業通過集成AI算法、物聯網、大數據、云計算等先進技術，正深刻改變著傳統農業生產模式。近年來國家高度重視并積極推動智慧農業建設，2024年10月23日農業農村部印發《全國智慧農業行動計劃（2024-2028年）》，目標到2028年底農業生產信息化率達到32%以上；2025年中央一號文件指出“以科技創新引領先進生產要素集聚，因地制宜發展農業新質生產力。支持發展智慧農業，拓展人工智能、數據、低空等技術應用場景?！?

國家發展“智慧農業”相關政策一覽

時間	頒發部門	政策名稱	相關內容
2025.02	國務院	《中共中央國務院關于進一步深化農村改蘋扎實推進鄉村全面振興的意見》	支持發展智慧農業，鑄造“農業新質生產力”,拓展人工智能、數據、低空等技術應用場景
2024.10	農業農村部	《全國智慧農業行動計劃(2024-2028年)》	實施智慧農業公共服務能力提升行動：打造國家農業農村大數據平臺，開發智慧農業基礎模型，加快推動人工智能大模型在農業農村科研、生產經營、管理服務等重點領域應用。
2024.10	農業農村部	《農業農村部關于大力發展智慧農業的指導意見》	以推進物聯網、大數據、人工智能等信息技術在農業農村領域全方位全鏈條普及應用為工作主線，提出推進主要作物種植精準化、設施種植數字化、高牧養殖智慧化、漁業生產智能化、育制種智能化、農業全產業鏈數字化、農業農村管理服務數字化等任務，加快農業傳感器與專用芯片、農業核心算法、農業機器人等關鍵核心技術研發攻關，深入推進人工智能大模型等技術在農業農村領域融合應用。
2024.02	國務院	《中共中央國務院關于學習運用“千村示范、萬村整治”工程經驗有力有效推進鄉村全面振興的意見》	持續實施數字鄉村發展行動，發展智慧農業，縮小城鄉"數字鴻溝"。鼓勵有條件的省份統籌建設區域性大數據平臺，加強農業生產經營、農村社會管理等涉農信息協同共享。
2024.01	國家數據局	《“數據要素×”三年行動計劃(2024—2026年)》	重點支持農業生產經營主體和相關服務企業融合利用遙感、氣象、土壤、農事作業、災害、農作物病蟲害、動物疫病、市場等數據，構建以數據和模型為支撐的農業生產數智化場景，實現精準種植、精準養殖、精準捕撈等智慧農業作業方式。
2023.02	國務院	《中共中央國務院關于做好2023年全面推進鄉村振興重點工作的意見》	深入實施數字鄉村發展行動：推動數字化應用場景研發推廣。加快農業農村大數據應用，推進智慧農業發展。落實村莊公共基礎設施管護責任。加強農村應急管理基礎能力建設，深入開展鄉村交通、消防、經營性自建房等重點領域風險隱患治理攻堅。
2022.12	國家發改委	《"十四五"擴大內需戰略實施方案》	加快發展智慧農業，推進農業生產經營和管理服務數字化改造。
2022.02	國務院	《中共中央國務院關于做好2022年全面推進鄉村振興重點工作的意見》	推進智慧農業發展，促進信息技術與農機農藝融合應用

數據來源：觀研天下數據中心整理

2、AI助力育種效率大幅提升

人工智能相融合的“智能設計育種”。育種者能夠借助AI驅動的工具對海量數據進行分析，從而精準預測基因型-表型關聯，識別新的基因組合，大幅提升精度和效率并優化育種策略。AI在作物改良中的核心應用工具包括大數據技術、機器學習、深度學習、計算機視覺、遺傳算法等等，對作物的表型組學、基因組學產生深遠影響。

AI在作物育種技術中的應用

技術	介紹	運用
全基因組選擇	利用全基因組范圍內的分子標記(如SNP,單核苷酸多態性)來預測個體遺傳潛力的育種技術。利用Al機器學習算法(如隨機森林、支持向量機等)分析基因型與表型數據，構建預測模型，幫助育種者在早期階段篩選出優良品種，從而加速育種進程。	特征基因挖掘：利用Al的特征選擇算法，如基于梯度提升決策樹的方法，可以從大量基因組標記中識別出與目標性狀關聯緊密的關鍵基因或標記，為作物遺傳改良提供明確的靶點。
數據融合與功能基因預測	整合多源數據(如基因型、表型、環境數據),預測功能基因和優異等位基因，指導遺傳改良。運用Al深度學習算法快速解析海量基因組數據，定位關鍵基因；通過對已知基因功能和序列的學習，建立模型來預測未知基因的功能。	數據融合：全流程智慧育種平臺實現針對基因測序數據的變異位點計算加速110倍，基因型過濾加速25倍以上，群體遺傳學分析加速1000倍以上。功能基因預測：中國農業科學院生物技術研究所構建的植物表觀遺傳修飾智能預測在線工具SMEP,采用Al深度學習植物DNA甲基化、RNA甲基化、組蛋白修飾等序列信息，系統實現了水稻、玉米等物種中表觀修飾位點的預測
高通量表型采集	利用自動化、高精度的傳感器和成像技術，快速、大規模地獲取生物體表型數據，包括植物的形態、結構、生理狀態等。利用Al深度學習算法，如卷積神經網絡(CNN),自動從圖像中提取植物的形態、顏色、紋理等特征，提高特征提取的準確性和效率。結合機器人技術和Al算法，實現表型數據的自動化采集。	圖像分析與處理：托普云農的植物表型智能解析平臺“TP-AlPheno",能對可見光二維三維、高光譜等圖像進行解析，實現可見光二維單株植物解析用時小于5秒等高效處理。多模態數據融合：無人機激光雷達結合三維深度神經網絡的棉花高通量表型獲取方法，實現大田棉花株高、孔隙率、冠層體積等表型信息的快速獲取。
基因編輯優化	CRISPR-Cas9、TALENs、ZFNs技術結合Al技術，優化基因編輯系統，Al算法能夠分析作物基因組序列數據，精準識別適合編輯的靶點區域，實現基因的精確插入、刪除或替換，精準改造目標基因，提高作物的抗病性和產量。也可利用Al技術挖掘新的基因編輯酶或系統。	通過深度學習模型對gRNA的序列特征和編輯效果進行學習，設計出更高效的gRNA序列；改進CRISPR-Cas9系統的引導RNA(gRNA)設計，提高其與目標DNA的結合特異性和編輯效率，降低脫靶效應。

數據來源：觀研天下數據中心整理

2024年6月，先正達集團與AI公司Insta Deep合作，將先正達專有的性狀研發能力與Insta Deep的大語言模型（LLM）——農學核苷酸轉化器（AgroNT）相結合。AgroNT在大約1050萬個包含數萬億堿基對的基因組序列上接受預訓練，涵蓋大田、水果、豆科、蔬菜等48種核心農作物，因而能夠深度解析遺傳密碼的復雜語言。通過這種方式，AgroNT可以幫助科學家從大量的DNA序列和基因組數據中挖掘洞察，準確預測基因調控機制，從而將性狀控制和作物表現提升到一個新水平。該技術進一步加快了先正達性狀管線的發展，目前已成功應用于玉米和大豆的性狀設計中。

國外AI協助作物育種運用案例

國家	具體案例
美國	Avalo公司利用機器學習算法分析作物基因結構，研發耐早的棉花、耐高溫的番茄等品種；通過A技術將作物育種過程速度提升約70%,使新甘蔗品種推向市場的時間從12年以上縮短到5-6年
美國	谷歌X實驗室推出的Heritable Agriculture項目，利用Al和基因組科學相結合，通過機器學習模型分析植物的遺傳特性，優化育種過程。該項目結合深度學習、生成對抗網絡(GANs)和遺傳算法，能夠從大量基因組數據中挖掘出潛在的產量提升機會。在肯尼亞，該項目幫助一家小農場將玉米產量提高30%。
荷蘭	Key Gene公司開發的Key Box便攜式植物表型平臺精確識別植物的形態、顏色、破損程度等表型參數。Key Gene開發Al驅動的4D表型技術，將點云3D數據與高光譜成像1D數據相結合，通過深度學習算法實現對作物植物多維度表型的精確、高通量采集和分析，幫助育種家提取作物的結構信息和生理信息，加快植物育種進程，提高作物產量和品質。
以色列	Equinom公司開發的Manna TM技術平臺利用Al和傳統育種技術，定位具有所需性狀子集的品種，預測基因之間的相互作用，最小化環境因素的影響并計算出目標產品的基因組密碼。通過該平臺，Equinom將高蛋白黃豌豆品種的開發周期縮短至傳統作物開發周期的一半，培育出的黃豌豆蛋白質含量達到75%.
德國	拜耳公司開發的Climate Field View平臺結合Al和大數據技術，支持作物育種中的數據整合與分析。該平臺通過分析田間作物的生長數據，幫助育種家優化育種方案。在美國中西部玉米種植區，Climate Field View的應用顯著提高玉米的產量和抗病性，如伊利諾伊州的玉米種植者通過使用該平臺，實現玉米產量增長10%以上，同時減少15%的氮肥使用量。此外，平臺提供的病害預警系統幫助農民減少20%以上的病害損失。

數據來源：觀研天下數據中心整理

我國近年來在作物育種數據積累方面取得顯著進展，在AI算法研究方面亦有所突破，但整體上AI在作物育種中的應用還處于逐步推廣階段，應用主體集中在科研院所，在算法的創新性和應用的廣泛性方面與國外還有一定差距。國內在整體產業轉化上還需進一步加強產學研合作，提高技術的落地應用水平。

國內AI協助作物育種運用案例

運用主體	具體案例
崖州灣國家實驗室	種業大模型"豐登"集成了先進的人工智能技術(書生·浦語2.0)與大數據分析，通過深入學習我國迄今發布的科研文獻、科技書籍、種企報告和歷史推廣數據，以用戶友好的互動方式，可解答有關作物品種選育推廣、栽培技術以及種業企業狀況等問題。
托普云農	基于Al圖像處理、深度學習等技術，運用全自研算法打造植物表型智能解析平臺"TP-AIPheno",將數據采集與解析流程集成在同一軟件中，實現采集、分析實時化、一體化完成，大大提升表型解析效率，可見光二維單株植物解析用時小于5秒可見光三維單株植物解析用時小于2分鐘，高光譜單株植物解析用時小于5秒。
中國農業大學	中國農大與華為合作Al小麥育種，通過整合2000份小麥基因信息和田間表現型數據，構建了算法模型，能夠預測小麥的加工特性(如饅頭或面包的適用性),為育種家提供科學決策支持。
海南種子創新研究院	為解決育種材料大規模田間試驗環境精準監測，團隊定制開發物聯網感知與智慧管理系統，并研制田間巡檢機器人以及與之配套的作物田間表型智能分析系統，用于解決大規模育種材料田間試驗表型分析、驗證與鑒定問題。智慧示范基地建設以農業遙感、Al、物聯網、智能裝備等技術為依托，開展分時分類試點建設、智能化裝備建設、田問作物表型鑒定功能區建設，從而實現南繁基地精準監測、智能決策和智慧管理。
華智生物	開發WISEED智慧育種平臺，包括智慧種質資源庫Hi-Pilot,支持基因組數據管理和智能決策，提升育種效率。通過深度融合BT+DT技術實現育種智能化決策的平臺產品。具有分子標記輔助選擇、全基因組選擇預測、全基因組關聯分析、Al表型精準鑒定等功能，提供SNP多態性分析、群體遺傳分析、物種進化分析、表型通用模型搭建等多樣化的智能工具