给土地装上“最强大脑” 安徽一批农业大模型相继亮相

过去，育种专家寻找一个优良基因，要在海量资料和多年试验中反复比对；茶农面对一片出现病斑的叶子，更多依靠经验判断。如今，人工智能正在成为农业科研和生产的新助手。

8月16日，安徽农业大学联合中国农业科学院作物科学研究所研发的大豆垂直大模型“丰菽”2.0亮相。

这个面向大豆全生命周期的AI育种平台，与此前发布的梨产业“棃想”大模型、茶产业“陆羽”大模型一起，勾勒出安徽农业智能化探索的新图景：让分散的数据转化为科研决策依据，让人工智能参与种子培育，也让传统农业产业拥有新的智能工具。

给大豆育种装上“AI大脑”

8月16日，在广西南宁召开的第32届全国大豆科研生产研讨会上，由安徽农业大学联合中国农业科学院作物科学研究所共同研发的大豆领域垂直大模型“丰菽”2.0正式发布。

该模型构建了我国首个面向大豆全生命周期的生成式AI育种平台，通过整合种质资源、基因数据、表型信息和科研文献等多维数据，为科研人员开展育种分析提供辅助，推动大豆育种从经验驱动向数据辅助决策转变。

今年2月，安徽农业大学联合中国农业科学院作物科学研究所完成“丰菽”大模型初代构建。半年后，研发团队围绕大豆产业关键需求完成升级，推出“丰菽”2.0。

“相较于初代版本，‘丰菽’2.0新增的多模型协同分析机制，是一次重要升级。”安徽农业大学农学院院长王晓波介绍，面对同一个大豆专业问题，不同模型可以分别进行分析，再由“丰菽”的总结模块结合领域知识和结构化规则，对不同答案进行比对，提取共识、分析差异，降低单一模型回答可能产生的偏差。

农业知识正在被重新连接

“丰菽”2.0的出现，并非一次孤立的技术尝试。

农业科研长期积累了海量数据：从种质资源、基因序列，到田间试验记录、病虫害样本，再到专家多年总结的生产经验。但这些数据分散在不同领域和环节，如何让它们真正服务科研决策，成为农业智能化发展面临的新课题。

垂直大模型的探索，正在尝试破解这一难题。相比通用人工智能，农业领域大模型更强调对专业知识和产业场景的理解，通过整合多源数据，让人工智能从“回答问题”进一步走向“辅助决策”。

这些探索背后，是安徽农业科研资源与产业需求的结合。

今年2月，安徽农业大学发布“棃想”大模型，面向梨产业全链条需求，探索人工智能在果树育种和生产管理中的应用。梨产业在传统育种和生产过程中，往往面临数据分散、经验难以快速复制等问题。

“棃想”大模型围绕历史文化、种质资源、智慧育种、基因库谱、文献分析、高效栽培、病虫防控、贮藏加工8个功能模块，融合梨产业相关文献、图像数据、表型数据和基因组数据，构建专业知识体系，为科研人员开展品种选育、性状分析等提供辅助。

在茶产业领域，人工智能也正在寻找新的应用空间。

“陆羽”茶业大模型聚焦茶树育种、品质分析、病虫害识别等场景，整合茶树基因组、茶叶化合物库、茶叶化学与健康等数据库，汇聚4万余篇茶文献、5万多个基因数据等专业信息。

从大豆到梨，再到茶叶，这些面向农业细分领域的垂直大模型，探索的并不是简单替代专家，而是将分散的农业知识重新组织起来，让经验、数据和算法形成新的连接。

安徽探索AI赋能全链条

围绕农业科研、生产和管理需求，安徽正在探索让人工智能从实验室走向更广泛的应用。

今年，安徽智农AI大模型启动建设。该模型由安徽省农业科学院农业经济与信息研究所与中国农业科学院农业信息研究所在“农知大模型”基础上共同研发，融合安徽农业科研领域高质量科技文献、专业科学数据等知识资源，打造服务安徽农业科研、生产、管理、服务全链条的省级农业智能知识服务大模型。

不同于面向单一产业的垂直模型，安徽智农AI大模型更关注农业综合服务场景。未来，该模型将面向农业科研院所、高校、企业及广大农技人员，提供覆盖农业全产业链的智能知识服务，推动农业知识获取、技术咨询和生产管理方式升级。

这些探索背后，是安徽农业数字化转型的持续推进。

2025年，安徽创新性组建“1+5”农业科技创新联盟，推动农业科技资源协同整合。近年来，安徽农业科技进步贡献率、农作物耕种收综合机械化率、农业生产信息化率等核心指标均居全国前列，为农业人工智能应用提供了数据基础和产业环境。

在具体产业中，农业大模型也正在进入应用验证阶段。“丰菽”2.0下一步将推进田间试点验证，加强模型分析结果与真实育种试验之间的结合，根据不同大豆主产区的气候、土壤条件和种植模式持续优化，提高模型在种质资源挖掘、性状分析、品种选育和生产管理等环节的应用能力。

从服务大豆育种的“丰菽”，到连接农业全链条的安徽智农AI大模型，安徽正在探索一条农业人工智能发展的路径：既通过垂直模型解决产业关键问题，也通过综合平台服务更广泛的农业生产需求。