世界首臺智能育種機器人“吉兒”

在一向被認為人工智能中的“冷門”賽道——農業領域中，近來接連出現引人注目的成果：世界首臺智能育種機器人“吉兒”登上《細胞》雜志；走向崇明田頭的全球首個生物育種工程化平臺“海霸”將育種速度代際更替從“年”壓縮到“月”；中國農業大學與上海人工智能實驗室聯合發布的首個生物育種科研智能體“豐登·基因科學家”推出至今，已經輔助科學家在主糧作物中成功發現了數十個新的基因功能。

農業是國之根本，種子是農業領域的“芯片”。AI賦能農業可以說是一場關乎糧食安全、技術突圍與產業未來的深刻變革。近期的成果密集爆發，是否意味著這一賽道正在由冷轉熱？記者在采訪中發現，農業與AI的雙向奔赴，現在已經邁出了艱難的第一步。但這是一個國家急需、大有可為的領域，應被更多科學家、企業家看到，并投身其中。

AI正在重塑農業生產的底層邏輯

“過去育種靠經驗，現在育種靠算法。”上海人工智能實驗室青年科學家董楠卿用一句話概括了這場變革的本質。

生物育種涉及生物學、遺傳學、氣象學、土壤學等多學科交叉，可過去的育種信息呈孤島式分布。董楠卿研發“豐登·種業大模型”的初衷，就是要打破知識壁壘，讓AI通過自主學習，改變數據碎片化的現狀?！拔覀兿ＭS登’可以成為育種科研工作者的‘科研助手’。”

如何讓農作物適應人工智能，是中國科學院遺傳與發育生物學研究所研究員許操的思維突破口，“現在的農作物是為工業化機械種植設計的，我們要設計出適應機器人時代的作物形態”。

許操首先想改變的是授粉，這是育種、制種過程中重復性勞動占比最高的環節——占育種成本25%以上。利用基因編輯技術，他的團隊培育出柱頭外露的番茄、大豆，讓機器人可以方便地一路“刷粉”。這項成果為多年未有突破的手工操作農業打開了口子，在《細胞》上刊登之后，很多國際種業都前來尋求合作?！拔覀兘o生物技術和AI賦能農業打了個樣，探了條路。”

“海霸”設施誕生在中國科學院合肥物質科學研究院的智能機械研究所。吳麗芳告訴記者，種質創新、鑒定和穩定是一條環環相扣的育種鏈條，要讓每一環都快起來，才能實現育種的加速。目前，“海霸”包括一個智能育種中心和三條加速線，可實現這三個環節的全面加速?！拔覀兊淖罱K目標是打造一個大科學裝置，引領帶動智能育種的工程化，為農業產業帶來新變革?！?/span>

雙向奔赴中的“一把辛酸淚”

從不同路徑重塑傳統農業，科學家描繪的藍圖令人振奮，然而在實驗室光芒背后，智能系統與田間現實的碰撞卻充滿艱辛。三位受訪科學家均坦言，在這場“雙向奔赴”中，幾乎人人都有“一把辛酸淚”。

2018年，許操剛提出為機器人農業改造作物時，不少人覺得他不務正業，跑了不少單位尋求合作，均遭拒絕。“賺錢不夠快”是最現實的問題。博士畢業于牛津大學計算機科學系的董楠卿坦言，當下大模型技術人才本身很受資本追捧，而開發金融、醫療、能源、氣象等行業大模型周期短、回報高，吸引了大多數AI人才，“農業領域的投入周期長、見效慢，但需要學習更多領域的知識，就顯得冷門”。

作為農業的“門外漢”，從研究智能育種伊始，董楠卿就注意到國外企業只賣種子，卻不公布育種技術，這使得國內只能從底層原創技術路線開始“摸著石頭過河”，大模型和智能體的研發難度遠超其他領域。同時，分子生物學育種的科研紅利還在延續，不少從事農業研究的科學家還沒有感受到擁抱AI的迫切。

“現在，真正在擁抱AI的農業領域科學家，大概不到20%?！眳躯惙家灿型校亚逍颜J識到，如果困在本學科方向，已很難有大突破，“農業與AI結合是一個互相成就的過程”。

令吳麗芳感到幸運的是，2020年合肥物質院進行科研團隊的建制化整合，她有了嘗試“AI for 農業”的機會。2023年，在合肥市政府的支持下，一個專注于智能育種加速平臺建設的新型研發機構“中科合肥智能育種加速器創新研究院”成立。在頂層設計推動下，短短兩年，該機構已具備“自我造血”能力，從快速育種技術到智能育種裝備，沿途產出的技術頗受市場認可。

加速賦能還需突破幾道瓶頸

這一代在田頭勞作的農民正在老去，下一代年輕人不再愿意從事“面朝黃土背朝天”的耕種，農業勞動力已面臨短缺。

“這是世界共性問題，我們要敢為天下先，而且做成就是世界第一?！痹S操就是用這句話，打動了中國科學院自動化研究所副研究員楊明浩，一起合作研發“吉兒”。他希望，通過AI賦能農業，實現換道超車，讓下一代農民能手持平板電腦，指揮機器人種地，更體面地從事農業勞動。

然而，要想讓AI加速賦能農業，還需打破認知偏見、建立數據共享機制、完善人才培養體系。這不僅是技術問題，更是一場需要多方協同的系統變革。

例如，“跨界農人”的培育就很難一蹴而就。董楠卿提到，在招聘和招生時，“很多優秀候選人聽說我是做農業大模型的，就不來了”。而創新和育人的更大困難在于多學科融合。吳麗芳提到，研發育種裝備時，常遇到“AI技術不懂農業需求、農業需求找不到AI解決方案”的困境，而要形成一支富有創新力的團隊，則要整合人工智能、光學、材料、生物等多學科人才，沒有多年磨合與積累很難辦到。