近日，第32届全国大豆科研生产研讨会上，我国科学家发布大豆垂直大模型“丰菽”2.0。凭借人工智能算法对作物基因与环境的深度解析，大豆育种周期大幅缩短，精准度显著提升。从一粒种子的智能设计出发，人工智能正加快进入农业科研和生产实践。其意义不只在于增加一种技术工具，更在于推动智能技术从单点应用，向农业科研、生产经营和产业发展深度拓展。
促进人工智能与农业发展相结合，是提升农业科技创新效能的重要着力点。2026年中央一号文件提出，“因地制宜发展农业新质生产力，促进人工智能与农业发展相结合”，并对拓展无人机、物联网、机器人等应用场景作出部署。从加强农业关键核心技术攻关到发展智慧农业，一系列部署持续推进，人工智能在农业领域的应用正由技术探索走向多场景拓展。
人工智能与农业发展相结合，首先体现在育种科研方式的变化上。
种子是农业的“芯片”，育种是科技高度密集的农业科研活动。传统育种既依赖科研人员长期积累的专业经验，也需要经过大量材料筛选和反复田间试验。随着基因组、表型、环境等数据快速积累，仅靠人工检索和经验分析，越来越难以充分挖掘不同数据之间的复杂关联。
智慧育种平台将种质资源、基因组、病害样本、育种试验记录和专业文献等多源数据关联起来，通过多模型协同分析辅助育种科研。人工智能进一步进入亲本筛选、虚拟组合设计、候选基因分析等专业环节，帮助科研人员从海量信息中发现关联、比较方案、形成科研假设。
从经验育种到精准育种，从田间筛选到计算筛选，人工智能打破了生命科学与信息科学的学科壁垒，使育种科研从粗放走向精准、从被动适应走向主动设计，为破解种源“卡脖子”问题提供了技术支点。
从智慧育种向外延伸，人工智能正在加快进入农业生产经营全过程。农业生产链条长、影响因素多，从播种、田间管理到收获、加工，不同环节都存在大量感知、分析和决策需求。近年来，无人机、物联网、智能农机加快进入农业生产，大模型、智能体等新技术也不断拓展应用场景。人工智能在农业中的作用，由环境监测、图像识别等信息感知环节，进一步向生产分析、辅助决策和智能作业延伸，推动农业生产中的数据采集、分析研判与作业执行更加紧密衔接。
发展智慧农业，不能简单理解为增加几种智能设备，而是要让智能技术进入农业生产经营过程，使农业生产由更多依赖经验判断，向数据和经验协同决策转变，不断提高农业生产的精准化、智能化水平。
从智慧育种到智慧农业，人工智能带来的变化正在超越具体技术应用本身，进一步作用于农业生产力发展。
生产力的发展始终与生产工具革新和生产要素优化组合紧密相连。人工智能与农业结合，一方面推动农机装备、农业设施等传统生产工具加快智能化升级，使其具备更强的信息感知、分析决策和精准作业能力；另一方面使数据、算法、知识等要素更加深入地同土地、劳动力、资本等传统农业生产要素结合，促进不同要素协同增效。
在一些智慧农业实践中，如水稻生产被划分为13个环节、49个决策点，通过算法模型贯通耕、种、管、收全过程，实现信息感知、定量决策和精准投入。从依靠机械完成作业，到依托数据和算法优化生产决策，智能技术改变的不只是农业生产工具，也在改变生产要素的组合方式和农业生产方式。
发展农业新质生产力，不是简单为传统农业叠加数字技术，而是立足农业资源禀赋和产业实际，以科技创新推动生产工具迭代、生产要素优化组合和生产方式变革，不断释放农业发展的新动能。
促进人工智能与农业发展相结合，关键是提高技术创新与农业实际需求的适配度。面向未来，应坚持问题导向与系统观念，推动人工智能在农业领域走深走实。技术研发要更多面向种业、种植、养殖、农机等领域的实际问题，在农业专业知识和高质量数据积累的基础上，提升模型解决复杂问题的能力。技术验证要更多进入真实生产场景，通过实验、示范和生产应用检验模型能力，在持续反馈中迭代完善。成果转化要充分考虑不同地区资源禀赋、产业特点和经营规模，探索成本可承受、操作更便捷的应用方式。
“喜看稻菽千重浪，遍地英雄下夕烟。”从一粒种子的智能设计，到广阔田野上的智慧生产，人工智能正在打开农业发展的新空间。立足我国农业实际，让新技术在科研和生产中经受检验、创造价值，才能真正把人工智能的技术潜力转化为农业新质生产力，为推进农业现代化注入持续动能。
（作者：苏洁，系安徽农业大学马克思主义学院院长、教授）
