创新驱动发展｜智能育种，中国农大校长怎么谈？

记者：发展智能育种对我国实现种业科技自立自强、种源自主可控有什么意义？ 

孙其信：当前全球种业竞争激烈，我国在高端种源和育种技术上仍面临一些挑战。智能育种通过整合人工智能、基因编辑、大数据等技术手段，加速优质品种研发，给育种工作装上了“加速器”。这有利于提升我国种业自主创新能力，确保种源安全，增强我国种业国际竞争力。 

智能育种最显著的优势在于提高育种效率和精准度，能帮助我国快速培育适应本土生态环境的高产、抗病、抗逆作物品种，减少对国外技术和种质资源的依赖，增强种业的自主可控性。 

此外，智能育种将推动农业可持续发展。通过基因编辑技术，科研人员可以培育出耐旱、耐盐碱、抗病虫害的作物，减少对化肥、农药的依赖，降低农业生产的环境负荷。所以，智能育种有助于实现绿色生产，提高农业资源利用效率。

记者：我国相关研究处于什么水平？ 

孙其信：在我看来，我国智能育种研究与世界是同步的。我国现代育种起步晚于西方，但如今我国智能育种走向了世界前沿。在个别领域，甚至可以说我们已经“快了半步”。比如，在相关大模型的开发上，国内很多机构做了不少工作，都在加大人工智能技术同农业领域的交叉研究。 

未来不久，我国智能育种有望实现根本性突破。

记者：您的信心从何而来？ 

孙其信：“十三五”“十四五”期间，我国在生物育种领域投入了大量资源，开展各类作物种质资源的基因型与表型研究、重要农艺性状基因挖掘与功能研究、大数据驱动的育种决策研究以及智能设计育种模型开发等，为人工智能真正应用于育种实践打下了基础。

大模型与机器人技术的逐步成熟与应用落地，也极大推动了人工智能在育种领域的应用与发展。人工智能是以数据为基础的。近年来，多地农科院的育种团队、地方性中小育种公司产生了大量训练数据集。大模型与机器人技术可以高效整合各个层级的训练数据，形成针对不同农作物的育种预训练大模型，有效解决育种数据匮乏、训练群体小而散的问题。传感器、机器人技术逐步成熟，也能大大降低表型数据、基因型数据、环境数据的采集成本，助力大模型的训练。 

此外，生物语言大模型在农业生物领域的应用正逐步展开。生物语言大模型是将语言大模型的技术应用到生物学领域。不过，它处理的不是人类语言，而是生物学中的序列数据。它有助于在植物基因组这一“底盘”上进行育种性状的精准改良。例如，通过蛋白质语言大模型，可以实现人工蛋白质从头设计，再结合实验室快速进化与定向进化技术，我们有望以前所未有的高效率和低成本，创造出自然界中不存在的新蛋白质和基因，提升作物的抗逆性和品质，解决传统育种方法难以攻克的难题。

记者：中国农业大学在智能育种方面进行了哪些探索？ 

孙其信：中国农业大学成立了教育部分子设计育种前沿科学中心，并以专项经费形式支持智能育种领域前沿研究。例如，学校专门资助了“神农·固芯育种大模型”课题，研发“神农·固芯”育种大模型、“神农·筑基”种植大模型、“神农·强牧”养殖大模型、“神农·问穹”遥感大模型。 

其中，“神农·固芯”是专门解决动植物育种决策的大模型。它是根据商业化育种体系各个技术环节设计的全过程数字育种决策平台，涵盖基因型与表型数据分析、育种大模型智能决策、品种区域试验模拟等功能模块，覆盖了“从育种到品种”的全过程数字化决策，具有较高行业落地性。

记者：您对我国智能育种发展有怎样的愿景？ 

孙其信：回答这个问题前，我讲一个背景。2021年，中国农业大学与华为签订战略合作协议，共同开展智能育种研究。那时，人工智能的热度还没有今天这么高。在协议达成前，我向华为描绘了我对未来场景的想象：希望借助人工智能技术，推动育种技术达到甚至超越世界顶级育种家的水平。 

具体来说，我期待我国智能育种从四方面实现突破。 

第一，在智能育种领域实现自主可控，在核心育种算法模型、关键基因编辑工具等方面拥有完全自主的知识产权。 

第二，应用智能育种技术对我国丰富的本土种质资源进行系统开发和保护。在人工智能辅助下，可以精确发掘和利用本土及全球的优质种质资源，培育出具有优良性状的作物品种，同时确保重要的种质资源得到妥善保护，实现种质资源的自主可控与可持续利用。 

第三，带动整个种子产业链数字化和智能化升级，为种业提供更智能的解决方案，保障我国粮食安全。 

第四，培养新型跨学科种业人才，通过校企联合培养、强基计划等多种形式，培养出一大批掌握现代生物技术、信息技术、大数据分析与人工智能的复合型人才，推动我国在育种领域的科技创新和持续发展。

记者：如何培养智能育种人才？ 

孙其信：事实上，种业科技创新人才短缺，一直是制约我国种业自主创新的主要瓶颈之一。为加强智能育种人才培养，我认为要做好三方面工作。 

首先，加强智能育种学科建设，设立生物技术、数据科学与遗传育种相结合的跨学科专业，加强人工智能辅修专业与第二专业的课程建设，培养具有多学科背景的复合型人才。中国农业大学除了布局直接与人工智能、大数据相关的专业之外，还实施“人工智能+”的专业升级。 

其次，加强校企联合培养硕博研究生的专项工作，建立校企双导师制，企业导师提出明确的攻关需求并由企业提供科研经费，高校导师带领研究生有针对性地解决企业遇到的问题。 

最后，优化智能育种领域的科研激励机制，为育种大模型、生物语言大模型等前沿研究提供充足研究经费，鼓励青年科研工作者率先开展智能育种相关科研项目。 

不久前，中国农业大学举行了2024年度本科招生工作总结会，考生报考的第一大热门就是与人工智能信息技术、生物育种相关的专业。我相信，对农业教育领域的持续投入，将不断提升对科技创新的支撑力。

记者：具体来看，传感器技术研发人才的培养问题怎么解决？ 

孙其信：这确实是个关键问题。表型组技术就像是育种的“眼睛”和“耳朵”，它依靠各种高精尖的生物传感器、物联网技术、软件工程来实时捕捉动植物的外表特征、生理状态，然后及时反馈给科研人员。 

然而，我国育种所依赖的表型组技术与国外先进水平相比还有不小差距，尤其是精密传感器的核心元件和算法方面仍存在短板。解决这个问题，需要加大专项财政经费投入，培养一批跨界高手，他们得既懂生物学，又精通计算机，还了解传感器，这样才能真正打破技术壁垒。 

在项目立项上，要设立以需求应用为导向的智能育种表型组研发专项。同时，还要引导相关学科的设置调整与人才培养模式改革。

记者：您认为我国智能育种发展还面临哪些挑战？ 

孙其信：一是市场化程度有待提升。我认为，政府应加强引导，营造智能育种产业创新创业的友好环境。政府可以通过资金支持、税收优惠、风险投资引导等政策，鼓励科技人员在智能育种领域创业，为科研人员提供从研发到产品化的全流程支持，加速智能育种领域的创新成果进入市场。 

二是育种数据共享平台建设尚不完善。各方应大力支持集成种质资源、基因数据、表型数据以及环境数据等，为育种大模型的预训练与智能决策模型研究提供丰富的“养料”。此外，育种大模型对算力的要求较高，各级政府应支持育种大模型专用的算力建设，保障智能育种技术体系构建。 

三是基层科技人员专业化培训有待加强。田间测试的数据规范性、完整性与准确性，直接决定了构建育种模型的精度。高校等机构应开设数字种业研修班等课程，加强对基层科技工作者的继续教育与技能培训，提高基层工作者的专业素养。