AI赋能下我国农业智慧化前景可期育种效率大幅提升

2025-05-08 08:46

手机浏览

1、政策大力支持智慧农业发展

我国作为传统农业大国，农业生产一直是政策支持的重点。过去几年复杂多变的国际社会和气候环境使得全球粮食供应体系变得更加脆弱，各经济体纷纷将粮食安全战略提升至前所未有的高度。世界人口的稳步增长和人均耕地面积的下降，也对粮食的生产效率和稳定性提出了更高的要求。作为全球人口数量第一的国家，中国要用仅占世界7%的耕地面积养育全球20%的人口，粮食安全对于国家的稳定和发展具有十分重要的意义。面对短缺的耕地供给和巨大的粮食需求之间的矛盾，中国长期将保障粮食安全作为治国理政的头等大事。

近年我国保障粮食安全相关会议精神及政策

时间	部门	政策/会议	主要内容
2020.01	国务院	《关于抓好"三农"领域重点工作确保如期实现全面小康的意见》	确保粮食安全始终是治国理政的头等大事，粮食生产要稳字当头，稳政策、稳面积、稳产量，强化粮食安全省长贡任制考核，各省(自治区、直辖市)2020年粮食播种面积和产量要保持基本稳定。
2021.01	国务院	《关于全面推进乡村振兴加快农业农村现代化的意见》	提升粮食和重要农产品供给保障能力。地方各级党委和政府要切实扛起粮食安全政治责任，实行粮食安全党政同责，深入实施重要农产品保障战略。
2021.10	农业农村部	《关于促进农业产业化龙头企业做大做强的意见》	以保障国家粮食安全和重要农产品有效供给为根本目标，以打造农业全产业链为重点任务，以建立联农带农利益联结机制为纽带，促进小农户和现代农业发展有机衔接。
2021.11	国务院	《“十四五”推进农业农村现代化规划》	深入实施国家粮食安全战略和重要农产品保障战略，落实藏粮于地、藏粮于技，健全辅之以利、辅之以义的保障机制。压实粮食安全政治责任，完善粮食生产扶持政策，加强耕地保护与质量建设。
2022.01	国务院	《关于做好2022年全面推进乡村振兴重点工作的意见》	全面落实粮食安全党政同责，严格粮食安全责任制考核，确保粮食播种面积稳定、产量保持在1.3万亿斤以上。主产区、主销区、产销平衡区都要保面积、保产量，不断提高主产区粮食综合生产能力，切实稳定和提高主销区粮食自给率。推进国家粮食安全产业带建设。
2022.10	第十九届中央委员会	二十大报告	确保粮食、能源资源、重要产业链供应链安全；全方位夯实粮食安全根基，牢牢守住十八亿亩耕地红线，确保中国人的饭碗牢牢端在自己手中。
2022.01	中共中央政治局	2022年中央经济工作会议	实施新一轮千亿斤粮食产能提升行动
2023.01	国务院	《关于做好2023年全面推进乡村振兴重点工作的意见》	确保全国粮食产量保持在1.3万亿斤以上，各省(自治区、直辖市)都要稳住面积、主攻单产、力争多增产。

数据来源：观研天下数据中心整理

目前中国农村劳动力正面临结构性挑战，农业收入较低和城镇化趋势促使越来越多的农业劳动力向城市转移或从事工业、服务业等其他工作。《中国农村发展报告2020》数据显示，预计到2025年，农业就业人员比重将下降到20%左右。此外，中国社科院农村发展研究所显示，乡村60周岁及以上老年人口占乡村总人口的比重为33.86%，远超城镇老年化比例。在这种背景下，以较少人力高效应对新型农业生产方式的智慧农业正蓬勃发展。

数据来源：观研天下数据中心整理

根据观研报告网发布的《中国智慧农业行业发展趋势分析与投资前景研究报告（2025-2032年）》显示，智慧农业是以信息和知识为核心要素，通过互联网、物联网、大数据、人工智能和智能装备等现代信息技术与农业跨界融合，为农业生产提供精准化种植、可视化管理、智能化决策，是农业生产的高级阶段。近三年，全球科技的重要前沿领域集中在AI大数据模型和机器人技术。随着科技的外溢，消费端寻找应用场景的现象愈发普遍。从支持AI产业化发展角度来看，近年来政策端鼓励科技引领消费升级，支持力度逐步加大。政策将逐步发力在消费领域的各个方面挖掘智能化发展潜力，鼓励AI+消费创新升级。从AI+农业的角度来看，当前仍处于智能化发展初期。

智慧农业功能及基本介绍

功能	基本介绍
监控功能系统	根据无线网络可获取德植物生长环境信息，如监测土壤水分、土壤温度、空气温度等参数，并以直观的图表和曲线的方式显示给用户，根据以上的信息反馈对农业园区进行自动灌溉、自动降温、自动喷药等自动控制。
监测功能系统	在农业园区内实现自动信息检测与控制，通过配备无线传感节点检测土壤、空气、光照等参数。并根据种植作物的需求提供各种声光报警信息和短信报警信息。
实时图像与视频监控功能	能直观反映作物的生长长势，侧面反映作物生长的整体状态及营养水平，从整体上给农户提供更加科学的种植决策理论依据。

数据来源：观研天下数据中心整理

智慧农业已成为世界现代化农业发展趋势，全球各国都在加快智慧农业布局，加深人工智能、大数据、云计算等技术在农业领域的应用。从全球范围来看，美国、以色列、德国、日本、澳大利亚等国家的智慧农业发展水平、智慧农业的软硬件技术水平处于较为领先的地位。智慧农业通过集成AI算法、物联网、大数据、云计算等先进技术，正深刻改变着传统农业生产模式。近年来国家高度重视并积极推动智慧农业建设，2024年10月23日农业农村部印发《全国智慧农业行动计划（2024-2028年）》，目标到2028年底农业生产信息化率达到32%以上；2025年中央一号文件指出“以科技创新引领先进生产要素集聚，因地制宜发展农业新质生产力。支持发展智慧农业，拓展人工智能、数据、低空等技术应用场景。”

国家发展“智慧农业”相关政策一览

时间	颁发部门	政策名称	相关内容
2025.02	国务院	《中共中央国务院关于进一步深化农村改苹扎实推进乡村全面振兴的意见》	支持发展智慧农业，铸造“农业新质生产力”,拓展人工智能、数据、低空等技术应用场景
2024.10	农业农村部	《全国智慧农业行动计划(2024-2028年)》	实施智慧农业公共服务能力提升行动：打造国家农业农村大数据平台，开发智慧农业基础模型，加快推动人工智能大模型在农业农村科研、生产经营、管理服务等重点领域应用。
2024.10	农业农村部	《农业农村部关于大力发展智慧农业的指导意见》	以推进物联网、大数据、人工智能等信息技术在农业农村领域全方位全链条普及应用为工作主线，提出推进主要作物种植精准化、设施种植数字化、高牧养殖智慧化、渔业生产智能化、育制种智能化、农业全产业链数字化、农业农村管理服务数字化等任务，加快农业传感器与专用芯片、农业核心算法、农业机器人等关键核心技术研发攻关，深入推进人工智能大模型等技术在农业农村领域融合应用。
2024.02	国务院	《中共中央国务院关于学习运用“千村示范、万村整治”工程经验有力有效推进乡村全面振兴的意见》	持续实施数字乡村发展行动，发展智慧农业，缩小城乡"数字鸿沟"。鼓励有条件的省份统筹建设区域性大数据平台，加强农业生产经营、农村社会管理等涉农信息协同共享。
2024.01	国家数据局	《“数据要素×”三年行动计划(2024—2026年)》	重点支持农业生产经营主体和相关服务企业融合利用遥感、气象、土壤、农事作业、灾害、农作物病虫害、动物疫病、市场等数据，构建以数据和模型为支撑的农业生产数智化场景，实现精准种植、精准养殖、精准捕捞等智慧农业作业方式。
2023.02	国务院	《中共中央国务院关于做好2023年全面推进乡村振兴重点工作的意见》	深入实施数字乡村发展行动：推动数字化应用场景研发推广。加快农业农村大数据应用，推进智慧农业发展。落实村庄公共基础设施管护责任。加强农村应急管理基础能力建设，深入开展乡村交通、消防、经营性自建房等重点领域风险隐患治理攻坚。
2022.12	国家发改委	《"十四五"扩大内需战略实施方案》	加快发展智慧农业，推进农业生产经营和管理服务数字化改造。
2022.02	国务院	《中共中央国务院关于做好2022年全面推进乡村振兴重点工作的意见》	推进智慧农业发展，促进信息技术与农机农艺融合应用

数据来源：观研天下数据中心整理

2、AI助力育种效率大幅提升

人工智能相融合的“智能设计育种”。育种者能够借助AI驱动的工具对海量数据进行分析，从而精准预测基因型-表型关联，识别新的基因组合，大幅提升精度和效率并优化育种策略。AI在作物改良中的核心应用工具包括大数据技术、机器学习、深度学习、计算机视觉、遗传算法等等，对作物的表型组学、基因组学产生深远影响。

AI在作物育种技术中的应用

技术	介绍	运用
全基因组选择	利用全基因组范围内的分子标记(如SNP,单核苷酸多态性)来预测个体遗传潜力的育种技术。利用Al机器学习算法(如随机森林、支持向量机等)分析基因型与表型数据，构建预测模型，帮助育种者在早期阶段筛选出优良品种，从而加速育种进程。	特征基因挖掘：利用Al的特征选择算法，如基于梯度提升决策树的方法，可以从大量基因组标记中识别出与目标性状关联紧密的关键基因或标记，为作物遗传改良提供明确的靶点。
数据融合与功能基因预测	整合多源数据(如基因型、表型、环境数据),预测功能基因和优异等位基因，指导遗传改良。运用Al深度学习算法快速解析海量基因组数据，定位关键基因；通过对已知基因功能和序列的学习，建立模型来预测未知基因的功能。	数据融合：全流程智慧育种平台实现针对基因测序数据的变异位点计算加速110倍，基因型过滤加速25倍以上，群体遗传学分析加速1000倍以上。功能基因预测：中国农业科学院生物技术研究所构建的植物表观遗传修饰智能预测在线工具SMEP,采用Al深度学习植物DNA甲基化、RNA甲基化、组蛋白修饰等序列信息，系统实现了水稻、玉米等物种中表观修饰位点的预测
高通量表型采集	利用自动化、高精度的传感器和成像技术，快速、大规模地获取生物体表型数据，包括植物的形态、结构、生理状态等。利用Al深度学习算法，如卷积神经网络(CNN),自动从图像中提取植物的形态、颜色、纹理等特征，提高特征提取的准确性和效率。结合机器人技术和Al算法，实现表型数据的自动化采集。	图像分析与处理：托普云农的植物表型智能解析平台“TP-AlPheno",能对可见光二维三维、高光谱等图像进行解析，实现可见光二维单株植物解析用时小于5秒等高效处理。多模态数据融合：无人机激光雷达结合三维深度神经网络的棉花高通量表型获取方法，实现大田棉花株高、孔隙率、冠层体积等表型信息的快速获取。
基因编辑优化	CRISPR-Cas9、TALENs、ZFNs技术结合Al技术，优化基因编辑系统，Al算法能够分析作物基因组序列数据，精准识别适合编辑的靶点区域，实现基因的精确插入、删除或替换，精准改造目标基因，提高作物的抗病性和产量。也可利用Al技术挖掘新的基因编辑酶或系统。	通过深度学习模型对gRNA的序列特征和编辑效果进行学习，设计出更高效的gRNA序列；改进CRISPR-Cas9系统的引导RNA(gRNA)设计，提高其与目标DNA的结合特异性和编辑效率，降低脱靶效应。

数据来源：观研天下数据中心整理

2024年6月，先正达集团与AI公司Insta Deep合作，将先正达专有的性状研发能力与Insta Deep的大语言模型（LLM）——农学核苷酸转化器（AgroNT）相结合。AgroNT在大约1050万个包含数万亿碱基对的基因组序列上接受预训练，涵盖大田、水果、豆科、蔬菜等48种核心农作物，因而能够深度解析遗传密码的复杂语言。通过这种方式，AgroNT可以帮助科学家从大量的DNA序列和基因组数据中挖掘洞察，准确预测基因调控机制，从而将性状控制和作物表现提升到一个新水平。该技术进一步加快了先正达性状管线的发展，目前已成功应用于玉米和大豆的性状设计中。

国外AI协助作物育种运用案例

国家	具体案例
美国	Avalo公司利用机器学习算法分析作物基因结构，研发耐早的棉花、耐高温的番茄等品种；通过A技术将作物育种过程速度提升约70%,使新甘蔗品种推向市场的时间从12年以上缩短到5-6年
美国	谷歌X实验室推出的Heritable Agriculture项目，利用Al和基因组科学相结合，通过机器学习模型分析植物的遗传特性，优化育种过程。该项目结合深度学习、生成对抗网络(GANs)和遗传算法，能够从大量基因组数据中挖掘出潜在的产量提升机会。在肯尼亚，该项目帮助一家小农场将玉米产量提高30%。
荷兰	Key Gene公司开发的Key Box便携式植物表型平台精确识别植物的形态、颜色、破损程度等表型参数。Key Gene开发Al驱动的4D表型技术，将点云3D数据与高光谱成像1D数据相结合，通过深度学习算法实现对作物植物多维度表型的精确、高通量采集和分析，帮助育种家提取作物的结构信息和生理信息，加快植物育种进程，提高作物产量和品质。
以色列	Equinom公司开发的Manna TM技术平台利用Al和传统育种技术，定位具有所需性状子集的品种，预测基因之间的相互作用，最小化环境因素的影响并计算出目标产品的基因组密码。通过该平台，Equinom将高蛋白黄豌豆品种的开发周期缩短至传统作物开发周期的一半，培育出的黄豌豆蛋白质含量达到75%.
德国	拜耳公司开发的Climate Field View平台结合Al和大数据技术，支持作物育种中的数据整合与分析。该平台通过分析田间作物的生长数据，帮助育种家优化育种方案。在美国中西部玉米种植区，Climate Field View的应用显著提高玉米的产量和抗病性，如伊利诺伊州的玉米种植者通过使用该平台，实现玉米产量增长10%以上，同时减少15%的氮肥使用量。此外，平台提供的病害预警系统帮助农民减少20%以上的病害损失。

数据来源：观研天下数据中心整理

我国近年来在作物育种数据积累方面取得显著进展，在AI算法研究方面亦有所突破，但整体上AI在作物育种中的应用还处于逐步推广阶段，应用主体集中在科研院所，在算法的创新性和应用的广泛性方面与国外还有一定差距。国内在整体产业转化上还需进一步加强产学研合作，提高技术的落地应用水平。

国内AI协助作物育种运用案例

运用主体	具体案例
崖州湾国家实验室	种业大模型"丰登"集成了先进的人工智能技术(书生·浦语2.0)与大数据分析，通过深入学习我国迄今发布的科研文献、科技书籍、种企报告和历史推广数据，以用户友好的互动方式，可解答有关作物品种选育推广、栽培技术以及种业企业状况等问题。
托普云农	基于Al图像处理、深度学习等技术，运用全自研算法打造植物表型智能解析平台"TP-AIPheno",将数据采集与解析流程集成在同一软件中，实现采集、分析实时化、一体化完成，大大提升表型解析效率，可见光二维单株植物解析用时小于5秒可见光三维单株植物解析用时小于2分钟，高光谱单株植物解析用时小于5秒。
中国农业大学	中国农大与华为合作Al小麦育种，通过整合2000份小麦基因信息和田间表现型数据，构建了算法模型，能够预测小麦的加工特性(如馒头或面包的适用性),为育种家提供科学决策支持。
海南种子创新研究院	为解决育种材料大规模田间试验环境精准监测，团队定制开发物联网感知与智慧管理系统，并研制田间巡检机器人以及与之配套的作物田间表型智能分析系统，用于解决大规模育种材料田间试验表型分析、验证与鉴定问题。智慧示范基地建设以农业遥感、Al、物联网、智能装备等技术为依托，开展分时分类试点建设、智能化装备建设、田问作物表型鉴定功能区建设，从而实现南繁基地精准监测、智能决策和智慧管理。
华智生物	开发WISEED智慧育种平台，包括智慧种质资源库Hi-Pilot,支持基因组数据管理和智能决策，提升育种效率。通过深度融合BT+DT技术实现育种智能化决策的平台产品。具有分子标记辅助选择、全基因组选择预测、全基因组关联分析、Al表型精准鉴定等功能，提供SNP多态性分析、群体遗传分析、物种进化分析、表型通用模型搭建等多样化的智能工具