摘 要：种子是农业的“芯片”，粮食种业科技水平直接关系粮食综合生产能力和农业发展主动权。近年来，我国积极推进人工智能与现代种业深度融合，在育种研发、品种选育、制种应用等环节取得关键进展，人工智能育种基础不断夯实。人工智能赋能由单点技术探索向多环节协同应用拓展，成为推动粮食种业科技创新和产业升级的重要力量。“十五五”时期，需顺应种业创新范式变革，通过构建人工智能赋能粮食种业创新的资源体系、创新体系、应用体系、生态体系和保障体系，推动粮食种业创新链与产业链的深度融合，为保障国家粮食安全奠定坚实基础。
关键词：人工智能 种业创新 新质生产力 粮食安全
【中图分类号】F324.6 【文献标识码】A
种业创新水平决定农业科技竞争力和粮食综合生产能力。习近平总书记指出，实现种业科技自立自强、种源自主可控[1]。人工智能作为新一轮科技革命的重要推动力，通过融合大数据、关键算法与智能装备，在应对气候与资源的双重约束中展现出强大潜力，为加速推进种业振兴、提升粮食综合生产能力提供新机遇[2]。近年来，我国积极推进人工智能与现代种业深度融合，在育种研发、品种选育、制种应用等环节取得关键进展，人工智能育种基础不断夯实。与此同时，制度保障水平、数据资源供给、关键技术突破和企业创新能力仍有优化空间，人工智能的赋能效能尚未充分释放，要系统谋划、精准施策，加快构建人工智能赋能粮食种业创新发展体系，为实现种业科技自立自强、夯实国家粮食安全根基提供有力支撑。
人工智能成为推动粮食种业创新的重要力量
近年来，从科研探索到产业实践，人工智能推动粮食种业由传统经验驱动向数据驱动、智能决策转变，科技创新与种业生产的结合更加紧密，前沿技术已开始进入品种创制和产业应用环节。人工智能与大数据、多组学等技术加速融合，种业创新的技术路径和生产方式持续拓展，企业、高校、科研院所等主体参与人工智能育种的程度不断提高，为提升粮食种业自主创新能力和育种效率提供新的技术支撑。人工智能赋能由单点技术探索向多环节协同应用拓展，成为推动粮食种业科技创新和产业升级的重要力量。
政策环境持续优化。完善的政策环境为人工智能赋能粮食种业创新提供重要制度保障，同时推动新技术规范健康发展。2021年，中央全面深化改革委员会第二十次会议审议通过《种业振兴行动方案》，为粮食种业发展提供宏观的战略规划。2022年，《数字乡村发展行动计划（2022—2025年）》详细部署智慧农业创新发展行动，为粮食种业创新的优化方向作出指引。2024年，《全国智慧农业行动计划（2024—2028年）》在公共服务能力建设、产业布局和示范带动等方面作出具体要求，为粮食种业创新的智慧化发展打下良好基础。2025年，《加快建设农业强国规划（2024—2035年）》提出推动种业自主创新全面突破，从国家规划层面肯定粮食种业创新的重要性。同年，《国务院关于深入实施“人工智能+”行动的意见》提出加快人工智能驱动的育种体系创新，人工智能在粮食种业创新的应用逐渐拓展。
数据基础不断夯实。高质量数据是人工智能赋能粮食种业创新的基础资源，同时有力支撑智能育种的迭代升级。传统育种依赖经验判断，育种过程中形成的大量种质、基因、表型和环境数据，分散在不同科研机构、育种基地和试验环节，数据积累与利用能力不足，制约育种精准化和智能化水平提升。人工智能的快速发展使海量育种数据，能够转化为模型训练和性状预测的重要资源，有效提升数据的规模、质量和连续性，夯实数据资源在育种创新中的基础性作用。坐落于“南繁硅谷”的国家南繁作物表型研究设施，通过建成自动化表型鉴定平台，数据采集效率较人工提升4—5倍，累计鉴定水稻、玉米、棉花和大豆等作物种质资源6万份次/年，为优异种质资源筛选、关键基因挖掘和精准育种设计提供数据基础[3]。
智能育种技术深入探索。关键核心技术决定人工智能赋能粮食种业创新的深度和水平，也是提升国际竞争力的关键所在。人工智能能否转化为育种创新能力，一定程度上取决于关键算法、智能模型等关键技术能否突破。关键核心技术既决定人工智能对育种数据的分析处理能力，又影响其在基因挖掘、性状预测和品种设计等环节的应用精度，是推动育种模式由经验驱动向智能驱动转变的重要支撑。华中农业大学联合湖北洪山实验室、崖州湾国家实验室，成功研发植物基因组语言模型“PlantGFM”，实现人工智能设计植物基因全链条表达验证[4]。
产业发展步伐加快。企业直接面向市场需求和生产实践，对品种选育、生产经营和产业发展的实际需求更加敏感，能够及时识别人工智能技术的应用场景和商业价值，是推动人工智能技术产业化应用和创新成果转化的关键主体，也是促进创新链与产业链深度融合的重要纽带。其拥有的产业链资源和市场渠道，能够将算法模型、数字技术与育种材料、田间试验、生产经营等环节深度结合，推动科研成果从技术研发向规模化应用转变。例如，浩淞农业科技集团融合人工智能技术与现代农业场景，研发推广十项核心农业技术，覆盖“选种—种植—管理—土壤养护”全流程。通过计算机视觉、大数据分析及智能决策系统，为农业生产提供精准种植、病虫害识别、产量预测等智能化服务，打造从田间到云端的全链条数字化解决方案，推动农业产业智能化升级。
人工智能赋能粮食种业创新面临的问题挑战
借助数据分析、智能算法和模型预测等人工智能手段，种业资源配置、性状筛选和决策分析的效率得到进一步提升，为缩短育种周期、提高育种精准度和增强种业创新能力提供新的技术路径。然而，人工智能技术从科研探索走向种业实践并非简单的技术叠加，而是涉及数据资源、技术研发、制度环境和创新主体等多个环节的系统性变革。当前，我国人工智能与粮食种业的融合尚处于加速探索和应用阶段，相关支撑条件仍显薄弱，基础性、关键性问题尚未得到有效解决。特别是在制度规范与政策协同、优质数据积累与利用、关键技术自主研发以及企业创新引领等方面，仍存在不同程度的制约因素，影响人工智能技术优势向粮食种业创新效能充分转化。
制度保障体系有待完善。与飞速发展的人工智能技术相比，制度供给存在一定滞后。育种数据产权、共享开放、交易流通等制度规则有待完善，数据资源价值没能得到充分体现。人工智能算法安全、数据隐私保护等治理规则，仍需进一步健全，相关标准体系建设相对滞后。复合型人才培养、科技金融支持、知识产权保护等配套政策仍存在短板，跨部门、跨领域的协同机制有待加强，需尽快完善支撑人工智能与粮食种业深度融合发展的制度体系。
高质量育种数据支撑有待增强。一方面，种质资源、基因组、栽培管理等数据分散于科研院所、高校、企业和地方平台之间，数据标准不统一、共享开放程度不高，存在“数据孤岛”现象。另一方面，不同主体数据采集规范、质量监管和更新机制存在差异，高质量、多维度、连续性的育种数据供给不足，难以满足人工智能模型训练和优化迭代需求，数据资源供给与智能育种需求之间仍存在落差。
关键核心技术自主创新能力仍需提升。在基础研究方面，面向复杂性状解析、优异基因挖掘和育种路径优化等关键问题的智能化解决方案仍需深化，人工智能技术与遗传育种理论之间的交叉融合研究相对滞后。在技术开发方面，高性能育种算法、智能决策模型、育种专用大模型等原创性技术供给不足，关键算法平台和底层软件自主可控能力有待加强。
企业创新主体作用不够突出。企业作为创新主体的牵引能力仍需加强。一方面，多数种业企业规模较小，研发投入不足，数字化基础能力相对薄弱，持续开展人工智能研发和应用的能力有限。另一方面，种业企业参与重大科技攻关的程度不高，与科研院所、高校之间尚未形成稳定高效的协同创新机制，产业需求难以及时反馈至科研端。
充分释放人工智能赋能粮食种业创新的效能
《国务院关于深入实施“人工智能+”行动的意见》指出：“加快农业数智化转型升级。加快人工智能驱动的育种体系创新，支持种植、养殖等农业领域智能应用。”[5]随着基因组学、生物信息学、智能育种算法等前沿科技不断发展，粮食种业创新活动由主要依靠经验积累和田间反复试验，逐步转向多学科交叉、海量信息分析与智能辅助决策相结合的人工智能赋能新模式。为顺应这一趋势，需从治理机制、数据资源、技术创新和主体协同四个方面完善支撑体系，加快形成具有自主优势的粮食种业创新格局。
完善治理机制，构建人工智能赋能种业创新的保障体系。健全数据产权制度，分类建立种业产权保护和授权使用规则，严格按照产权制度促进数据合规流通。对公共数据，实行规范汇交、分类开放和授权使用；对企业数据，依法保护企业数据权益和商业秘密；对涉及个人信息的数据，严格落实合法授权和个人信息保护要求。优化算法安全监管，根据人工智能在亲本选择、性状预测、品种评价和生产决策等环节的影响程度，建立分类分级监管机制，对一般辅助性工具实行包容审慎监管，对可能影响种质资源安全、粮食生产安全和生态环境的应用加强测试验证。建立应用前评估、运行中监测和事后追溯制度，重点审查训练数据来源、模型适用范围和安全防护能力。对重要育种决策保留人工审核和干预渠道，完善模型故障、数据泄露和错误决策的应急处置机制。完善人工智能伦理规范，将公平公正、风险可控、公开透明和隐私安全等伦理要求，贯穿人工智能赋能种业的全过程，重点防范人工智能局限性带来的品种选择趋同、地方品种边缘化和小农户数字排斥等问题，对可能影响生态环境、公共利益和可持续发展的人工智能研发活动开展伦理审查。
夯实数据底座，构建智能育种数据资源体系。完善国家粮食种业数据平台，以国家统计局数据库、中国种业大数据平台为基础，统筹整合粮食种业领域种质资源、基因组、品种审定等数据资源，加快形成覆盖资源保护、育种研发、试验示范、推广应用等全过程的数据资源体系。探索建立统一的数据目录和数据编码规则，加强科研院所、高校和企业之间的数据互联互通。加快推进种质资源数字化，依托第三次全国农业种质资源普查成果，对粮食作物种质资源实行“一份资源、一份档案、一张图谱”的数字化管理，实现遗传信息、表型特征、育种材料等基础数据规范采集和长期积累。利用高通量表型、遥感监测和智能传感等技术，围绕玉米、水稻、小麦等主要粮食作物，持续补充不同生态区、多年份、多环境条件下的育种数据，为人工智能开展性状预测和品种筛选，提供连续稳定的数据来源。提升育种数据治理能力，在保障数据安全的基础上，探索公益性数据共享、商业性数据授权使用等模式，分类推进粮食种业数据开放利用。制定粮食种业数据相关技术规范，统一主要粮食作物数据格式、指标口径和元数据标准，解决多源数据难以整合利用的问题。建立数据质量审核机制，校验上传数据的完整性、一致性和真实性，提高模型训练数据质量。完善重要育种数据分级分类管理制度，对种质资源重要数据、育种亲本数据等实行分类保护，建立数据访问授权、使用留痕和安全审计机制，在严格保障数据安全的基础上提高数据开发利用水平。
突破关键技术，打造人工智能育种创新体系。加强自主可控育种大模型研发，围绕水稻、小麦、玉米等主要粮食作物，依托国家重点实验室、国家育种联合攻关平台和优势科研院所，研发面向粮食作物育种的行业专用大模型，建立覆盖基因组、表型组、代谢组等全景组学数据的训练数据集。依据预测精度、计算效率、应用效果等指标，实行模型的动态反馈，提高模型研发和应用效率。支持建设智能育种试验基地，推广机器视觉自动识别、种子分选机器人、无人机表型采集等先进技术，在育种材料管理、田间表型采集、病虫害识别、生长监测和品种评价等环节开展集成应用，形成可复制、可推广的智能育种技术模式。建设集约化智能算力平台，依托国家“东数西算”工程、国家算力枢纽节点以及高校、科研院所现有高性能计算平台，统筹公共算力资源，为育种大模型训练、基因组分析、海量表型数据处理等提供稳定算力支撑。针对中小种业企业和基层科研单位算力投入成本高、获取渠道少等问题，探索将算力券支持范围拓展至承担育种攻关任务的科研单位和种业企业，降低人工智能研发成本。建立算力资源统一调度机制，优先保障种业振兴行动、生物育种重大专项等重点科研任务顺利开展，推动公共算力资源按需分配、动态调度，避免重复建设和资源闲置。
培育创新主体，构建协同创新生态体系。支持具有较强研发能力和产业带动能力的种业企业牵头承担智能育种重大科技任务，通过共建研发中心、科研人才双聘等方式，将智能创新资源导入种业龙头企业，全面增强种业龙头企业智能研发能力。同时，鼓励龙头企业向中小种业企业开放部分试验设施和通用工具，带动中小企业向专业化、特色化方向发展。围绕主要粮食作物品种选育和种业人工智能共性技术突破等目标，支持种业企业联合高校、科研院所、智能科技企业和农技推广机构组建任务导向型创新联合体。明确主体分工，高校与科研院所主攻种业基础研究与底层算法创新，智能科技企业负责数字系统与智能装备开发，种业企业承担育种繁种与创新成果落地，农技推广机构负责田间验证与应用反馈，联合攻克单一主体无法解决的复杂技术难题。面向智能种业发展需要，鼓励高校、科研院所和企业共建实践教学基地，推动农学、生物学、计算机科学和工程技术交叉融合，加快培养既掌握作物遗传育种知识，又熟悉人工智能和数据分析方法的复合型人才，补齐产业一线人才智能技术应用短板。发挥财政资金的引导作用，支持种业人工智能关键技术研发和创新成果转化，开发知识产权质押融资、科技保险和投贷联动等金融产品，缓解企业育种投入大、周期长和不确定性高带来的融资困难。
注释
[1]《习近平在海南考察时强调 解放思想开拓创新团结奋斗攻坚克难 加快建设具有世界影响力的中国特色自由贸易港》，《人民日报》， 2022年4月14日，第1版。
[2]谷晓峰、张立超等：《农业生物智能设计育种》，《中国农业科技导报（中英文）》，2025年第12期，第1—13页。
[3]《国家作物表型与基因型鉴定设施（海南）》，中国农业科学院作物科学研究所网站，2025年11月6日。
[4]《我国首次实现AI设计植物基因全链条表达验证》，人民日报客户端，2026年6月9日。
[5]《国务院关于深入实施“人工智能+”行动的意见》，中国政府网，2025年8月21日。
作者：东北农业大学现代农业发展研究中心教授、博导 崔宁波
来源：《国家治理》2026年第16期
