#智慧育种

综述直播稻生理适应、栽培管理与遗传改良，强调表型组与育种结合。

2026年9月18日，中国农科院基因组所（大鹏湾实验室）商连光团队联合崖州湾国家实验室、盐碱地综合利用国家技术创新中心，在《分子植物（Molecular Plant）》上在线发表题为'OASIS, a self-evolving AI scientist that integrates omics data and literature knowledge for plant stress research'的研究论文。该研究开发了面向植物逆境研究的自进化AI科学家'绿洲'（OASIS）。系统将大语言模型、多智能体协作、植物逆境文献知识库以及组学和遗传数据纳入同一科研流程。'绿洲'将复杂科研任务拆解为多个子任务，由6个AI智能体分工协作完成。研究团队进一步以水稻耐盐为案例，对'绿洲'提出的候选基因开展实验验证，形成了从科学问题到候选假说再到实验验证的完整研究路径。

综述AI赋能多组学、基因编辑与精准农业，培育气候韧性与营养强化作物。

综述AI赋能杂粮智慧育种的技术体系、应用案例与产业化路径。

山东省重点研发计划(农业良种工程)"蝴蝶兰智慧育种技术体系构建与突破性新品种培育"项目启动会在青州召开,中国农科院烟草所、山东省农科院、山东农大、潍坊及青州市相关部门参加,项目构建蝴蝶兰智慧育种技术体系,聚焦突破性新品种培育。

第三十三届中国北京种业大会9月4日在丰台开幕,主题"AI赋能智慧育种 数智引领种业未来"。大会推出145项自主知识产权的育种芯片、大模型、表型采集智能设备,首次发布一体化智能育种工作台"神农育种Studio"与全国首个种业大语言模型"丰登",全球首款人形具身智能育种机器人"吉儿2.0"同步亮相,育种各环节人工智能渗透率达90%以上,138家科研院所、种业企业、服务商共带来621项前沿成果。

第三十三届中国北京种业大会以"AI 赋能智慧育种 数智引领种业未来"为主题，首次将智慧育种作为主线。大会推出 145 项具有自主知识产权的育种芯片、大模型、表型采集智能设备等成果，育种各环节人工智能渗透率达 90% 以上。在"基因解码"板块，50 多款"京牌"育种芯片覆盖农作物、畜禽、水产、林果全品类；"模型演算"板块展示 30 多款种业大模型，超三分之一由在京单位牵头研发。

湘湖实验室携手杭州纽曲星生物科技、浙江道济种业、浙江润耕农业生物科技三家企业共建联合实验室，凭借扎实的产学研融合成效与成熟的科创转化成果，入选萧山区 2026 年度首批联合实验室认定名单。各联合实验室立足产业实际需求靶向破解农业领域技术瓶颈：依托合成生物学、AI 酶蛋白分子设计等前沿科研优势，深耕特医配方食品技术研发；构建种质创新、智能选育、数字化田间管护的全周期科创体系；通过先进生物转化工艺将畜禽粪污变废为宝，研发出适配水稻、番茄、辣椒等多类作物的专用有机营养液。

9 月 4 日，"神农育种 Studio"正式发布，把原本分散的研究环节自动串联起来。育种人员用自然语言提出目标，Studio 先识别任务所需的数据、模型和软件，再按需调用相应工具，完成资料检索、亲本筛选、品系评价、多环境试验分析等任务。支撑平台运行的是团队多年积累的农业知识、生产数据和育种模型。神农大模型的数据底座已汇集超过 1000 万条农业知识图谱数据、超过 5000 万条农业生产数据。过去设计一套小麦育种方案需投入 10 人月，借助 Studio 可降至 0.5 人月，效率提升约 20 倍。

第三十三届中国北京种业大会将于 9 月 4 日在丰台区京丰宾馆开幕，开幕式包括种业国际合作签约（蛋鸡、鲟鱼、玉米品种开发战略合作、玉米增产基因 KRN2 专利及抗虫转基因合作研发、耐密高产玉米自交系 M7393F 新品种权许可）等。同日上午举办"芯智汇"智慧育种论坛，万建民院士、赵春江院士、夏敬源（FAO 原总干事特别顾问）将作主旨报告，企业家对话环节主题为"AI+育种：从实验室到田间的企业实践与产业破局"。

综述菜豆在有机农业中的多功能生态作用，提出以生态系统为导向的育种策略。

原文标题: Artificial Intelligence Empowering Modern Agricultural Biological Breeding。作者: 徐启玉、郑波、钟上威（北京大学现代农业研究院、潍坊市科技创新促进中心、北京大学生命科学学院）。DOI: 10.12133/j.smartag.SA202602016。本文系统探究AI驱动植物育种范式变革的底层逻辑，梳理智慧育种的代际演变及其在表型解析、基因组预测和分子设计等关键环节的技术进展，并深入探讨育种大模型对育种全流程的重构作用，以期为中国种业科技实现自立自强提供理论参考。重点阐述AI在种质资源高效挖掘、高通量表型精准解析、全基因组选择模型预测及分子设计育种等关键环节的技术逻辑与实证案例，并针对跨学科数据壁垒、深度学习算法的可解释性不足、复杂变动环境下的模型泛化能力弱等核心挑战进行了深入分析。