●AI育种可大幅压缩传统育种周期，通过虚拟筛除低潜力材料，大幅减少田间试验投入。

●现有AI育种通用模型适配性存在明显局限，跨区域、跨气候场景应用准确率下降。

●人才是串联技术、资源与平台的核心纽带，AI育种急需懂育种、懂田间采集、懂算法的复合型人才。

川观智库研究员 张敏

国庆假期，成都时而下雨时而放晴，位于天府新区的20层无人化垂直植物工厂正在全速运转，温湿度却保持稳定。作为“植物工厂水稻育种加速器”，它摆脱了天气束缚，AI智慧管控贯穿环境调控、生长监测与育种决策，将水稻育种周期从120天缩短至60天。

人工智能浪潮驱动各行各业蝶变，种业也迎来升级契机。今年6月，四川省委十二届九次全会审议通过了《中共四川省委关于深入贯彻习近平总书记重要指示精神加快推进农业农村现代化的决定》，提出实施农作物及畜禽育种攻关计划。此前，《四川省加快推进“人工智能+”一号创新工程实施方案》明确要加快农业基础模型与算法开放平台建设，强化育种创新。作为全国十三个粮食主产省份之一、国家级育制种基地之一，当前人工智能在四川育种领域发展情况如何？哪些方面亟待突破？川观智库邀请多名专家对话探讨。

圆桌嘉宾

兰海 四川农业大学玉米研究所教授

王平 四川省农业科学院生物技术核技术研究所副所长

裴荣 四川现代种业集团科创中心科研负责人

余协中 四川省农业农村厅种业发展处（农场处）副处长


谈优势：

AI育种能大幅压缩育种时间、降低试错成本

川观智库：该如何理解AI育种？相较于传统经验育种，AI育种有哪些核心优势？

王平：AI育种是生物技术、大数据与人工智能算法结合的新型育种工具范式，推动育种由经验驱动转向数据驱动。传统育种确定一个新品种一般需要7至10年，AI育种通过虚拟筛选，可将育种时间压缩至3到5年、降低试错成本。AI技术预先筛除大部分低潜力材料、优化组合，田间只需重点验证少数优选组合，大幅度减少无效种植规模和人工投入。

AI育种的评价也更客观。传统育种非常依赖育种专家的经验，主观性较强，可能出现大田试验结果不如预期的情况。AI育种的基因、表型等数据是标准化的，能够更客观地评价种质资源，育出来的新品种更稳定、高效。

需要注意的是，品种好不好，大田见分晓。农业育种要遵循自然生长规律，不管是传统育种还是AI辅助育种，都要经过大田试验验证。因此，AI育种不是“电脑造新种”，而是育种专家的智能助手。

裴荣：AI育种以基因组、表型、环境、种质资源数据为基础，通过AI大模型深度挖掘种质资源的基因、性状、环境之间的关联，在计算机上完成模拟筛选、亲本适配、性状预测等工作，辅助育种家进行决策。

这种方式突破了传统育种单一性状优化的局限，可以实现多性状协同改良，在预测新品种时能兼顾高产、抗倒伏、抗病、优质等多重育种目标，精准精简试验组合，能显著提升育种效率。AI育种的数据标准化后，还有利于各方开展合作，进一步推动区域联合育种、科企深度融合发展。

兰海：AI育种还能盘活海量种质资源，比如四川省种质资源中心库可保存各类种质资源188.4万份。这些种质资源数据盘活后，可以充分用于育种。有效数据越多，AI预测精准度越高。

川观智库：目前主要在哪些育种环节使用AI技术？

余协中：从技术层面看，AI可覆盖育种全流程，当前核心在基因分析、表型数据分析、杂交组合预测环节。比如在大田里布局高清摄像头等，通过传感器采集表型数据，用大模型开展分析、预测。

兰海：去年，我们发布了国内首款玉米智慧育种大模型“西南种芯—V1”，聚焦基因组分析，运用全基因组选择技术，对玉米产量、抗性等关键性状进行预测，帮助育种专家快速筛选优良亲本与品种。由于大田试验数据采集依赖高清摄像头、无人机等设备，成本偏高、数据采集量还不足，因此这些环节人工智能技术使用得还较少。

裴荣：企业层面，当前AI育种主要集中在种质资源分析、杂交组合虚拟筛选环节。这源于企业的现实考量，需要兼顾规模、成本与投入产出，因此过去多侧重后端推广与田间表型测试，对遗传背景研究相对薄弱。如今借助AI技术，企业可以激活手中的优质种质资源，对骨干材料进行更深入解析研究。

川观智库：当前国内AI育种整体处于什么发展阶段？

余协中：刚刚起步。全球来看，国内AI育种整体跟跑国际、局部同步，科研成果丰硕但产业落地相对滞后。

王平：国内AI育种尚未实现大规模应用，处于科研端试点示范、头部主体先行试用阶段。以水稻育种为例，国内已研发出全球首个种业大语言模型“丰登”及专为水稻生物育种打造的“丰登·水稻”模型、中科荃银研发的智能体“水稻AI育种家”已投入应用。但对四川来说，目前尚无自主研发的水稻育种大模型，但已通过大数据技术开展水稻种质资源筛选。

谈瓶颈：

规模化落地，急需复合型人才和优质数据

川观智库：既然AI育种有诸多优势，那尚未大规模应用的核心堵点是什么？

余协中：主要是产业发展瓶颈突出。一是软硬件成本偏高，智能传感设备、计算机服务器等基础设施投入大，中小企业入局门槛高。二是交叉学科人才储备不足，缺乏懂育种、懂田间采集、懂算法、懂数据的复合型人才。三是高精度模型迭代需要持续算力支撑，而目前算力成本还比较高，制约了规模化应用。

王平：现有AI育种通用模型适配性存在明显局限，跨区域、跨气候场景应用准确率下降。比如，适宜成都平原的模型，就不太适宜丘陵、高原地区，预测精准度会受限。另外，AI育种需要建立和完善育种数据产权、数据交易、AI辅助育种成果评价、知识产权规则等制度，这方面相对滞后。

兰海：当前行业存在数据体系不足、数据采集不规范、数据杂乱无序等问题，劣质数据会直接导致AI模型预测偏差、结果失真。同时，也缺少标准化、可共享的育种服务公共平台，种质数据、表型数据、环境数据等分散在各科研院所、企业、平台。只有打通数据壁垒，才能为AI大模型迭代训练提供充足优质的数据。另外，算法适配不足。农业与人工智能行业差异大，现有通用算法难以精准解决种业专属问题。比如种质材料超亲优势的精准预测等行业专属难题，急需跨行业技术攻坚。

川观智库：哪一项是最急需突破或者最关键的？

裴荣：可能是交叉型人才缺乏。数据、算法、平台等资源与技术工具，本身无法自主实现价值，必须依靠专业人才统筹推进。交叉复合型人才才能精准把握育种的核心需求，规范数据标准、优化算法模型，将静态的种质资源、数据资源等转化为育种创新能力。人才是串联所有技术、资源、平台的核心纽带，人才短板不补齐，其余硬件、技术优势都无法落地见效。

川观智库：针对交叉复合型人才短缺这一问题，高校、科研机构、企业、政府四方该如何联动破解？

余协中：目前我们已向省内多个高校、相关部门建议，推动高校开展交叉学科培养，比如四川农业大学加强与电子科技大学的合作，培育既懂农业又懂人工智能的人才。科研机构、企业、高校也要开展深度合作，共建“科技小院”、产教融合基地，将企业需求快速反映到课程设计中，并通过“订单式”培养实现就业衔接。

王平：四川农业大学已开设智慧农业专业，据了解今年该专业本科招生仅100余人，远不能满足行业需求。建议省级层面设立“人工智能+育种”重大专项，通过单聘、双聘、柔性引才等灵活形式，面向全球集聚跨学科领军人才，快速补齐人才短板。

兰海：还要完善人才激励评价体系，建立“贡献导向、多元多维”的评价机制，将技术转化、品种培育等实际产业贡献纳入核心指标，激励和引导人才向AI育种领域流动。同时加大公共平台与算力基础设施投入，用好四川省种质资源中心库，建设智慧育种公共平台、算力设施，降低中小企业和基层科研团队的创新门槛，为人才干事创业提供良好的平台支撑。

谈路径：

立足西南生态特色，打造本土模型

川观智库：四川是国家级育制种基地，AI育种可以为四川种业发展带来哪些实质性增益与发展机遇？

王平：引入AI育种是种业高质量发展、转型升级的必由之路。近年来，极端气候频发，育种目标日益复杂多元，需要同步兼顾高产、优质、抗病、耐高温、宜机化等多重需求，传统经验育种难以全面覆盖。此外，四川面临丘陵复杂生态、季节性高温热害、病虫害高发、耕地条件复杂等独特育种难题，依靠传统育种模式，精准度不足，难以适配现代农业发展需求。借助AI育种，有望大幅提升西南地区种质资源利用效率，加速抗逆、优质、适配本土环境的新品种选育，助推“川种振兴”。

余协中：当前全国AI育种均处于起步探索阶段，窗口期机遇均等，谁率先突破、谁就能抢占行业发展先机。四川需要在AI赋能农业的探索中进一步提升育种科研能力、种业影响力。四川也具备这样的竞争优势：一是育种产业积淀深厚，作为国家级育制种基地，种质资源丰富、育种经验成熟；二是科研资源富集，拥有四川农业大学、电子科技大学等高校和科研机构，产学研基础扎实；三是部分AI育种工作已初见成效，比如川农大研发出Deepblup智能育种系统，正在四川、云南等省生猪核心育种场应用；“西南种芯—V1”玉米智慧育种大模型已选育出“优迪899”等多个优良新品种，并成功推广应用。

川观智库：AI赋能四川种业发展，种业未来需要在哪些方面发力？

余协中：建议立足西南本土育种特色和优势，深耕区域市场，打造特色差异化品牌。同时，也要积极探索进入东南亚、中亚等海外市场，推动川种出海，扩大四川种业在全国乃至全球的影响力。一方面，推动跨领域、跨主体协同创新。省内优势种业企业要打破行业壁垒，主动联动生物科技企业、科研院所，聚焦基因组学、分子设计、智能算法等核心领域，推动多学科技术交叉融合、优势互补，选育出更多优良新品种。另一方面，依托省内农业科技园区资源赋能产业发展。四川建成了一批国省级种业园区及农业科技园区，基础设施完善、科研资源集聚，可依托园区打造AI育种创新平台、建设智慧育种先行示范区，为技术落地、试点推广筑牢硬件基础。

王平：重点推动本土化模型迭代升级。针对西南地区的特殊生态场景，持续优化迭代本土AI育种大模型，重点研发低成本、轻量化的应用型模型，降低中小企业、基层科研团队的使用门槛。要加快科研成果落地转化，鼓励科研院所将自研AI育种技术成果向省内种业企业开放，在水稻、玉米等核心作物育种单位设立示范试点，避免技术成果停留在论文、实验室层面，推动技术加快落地。

裴荣：对企业来说，需要有明确的靶向引导，建议由政府统筹明确四川种业育种主攻方向，例如聚焦玉米“夏播耐密高产易机收”等本土化核心育种目标，进而反向梳理、完善标准化种质资源数据库。统筹整合全省科研院所、种业企业资源，打破信息壁垒、资源壁垒，凝聚AI育种发展合力。

【未经授权，严禁转载！联系电话028-86968276】