“培育出高產、優質、抗性強的作物品種，這是所有育種家的夢想，如果你手里有300份材料，該怎么通過數字化手段去實現它？”

 

首屆數字種業論壇上，天豐智慧技術總監邢鴻雁博士的這一提問，引發了在場聽眾的深思……

 

就傳統育種而言，選育動植物新品種過程十分漫長。一個植物新品種一般需要8-10年，畜禽新品種甚至要花費數十年乃至上百年。部分育種家努力鉆研半生，最終也沒有出來一個大品種。又或者，新品種選育出來便已被瞬息萬變的市場淘汰，傾注其中的心血不免令人惋惜。

 

眾所周知，種質資源是育種的基礎，育種家第一步要做的便是“淘金”。截至2022年底，我國長期保存的農作物種質資源數量已達53.9萬份。保存數量雖位居世界第二，但作物種質資源利用率僅為3.0%～5.0%，有效利用率僅為2.5%～3.0%。

 

種質資源的收集、保存、鑒定，所耗人力、時間和財力成本巨大，育種家要深入田間地頭做種植材料的鑒定十分困難，盡管他們樂此不疲。

 

有人將傳統育種比喻為“選美”，育種的最終結果全靠育種家的眼睛，即便是在大數據、人工智能火爆的當下，育種家的經驗仍舊不可取代。

 

可是，面對一座如此龐大、尚待開發的種質資源大山，單靠育種家的一步一履，或難登頂。

 

近年來，“BT+DT”成為了全球育種行業最熱門的詞匯。目前，國外種業已進入“常規育種+生物技術+信息化”的育種“4.0時代”，而我國仍處在以雜交選育、分子育種為主的“2.0-3.0時代”。

 

以拜耳、科迪華為代表的國際種業巨頭，利用人工智能、機器學習等技術，結合海量基因組、表型和環境數據的分析，進行種子的選擇、優化，已紛紛構建起成熟的數字化育種體系。

 

2020年，拜耳在美國亞利桑那州的馬拉納開設自動化溫室，作為其新的全球玉米產品設計中心，可整合端到端的數字化育種過程，加速其玉米新品種迭代進程。

 

在種業企業全面擁抱數字技術的同時，國際互聯網巨頭也在積極布局育種賽道。

 

去年，谷歌的母公司Alphabet公開推出“Mineral”，該項目籌劃已久，自2014年來平均每天可以采集到190000個農田數據點。利用這些數據，Mineral 開發了80個高性能機器學習模型，幫助企業、農民、研究人員和育種家預測作物產量、增加產量、防治害蟲和雜草。

 

Google Ventures合伙人Andy Wheeler曾表示，“數據將是推動下一波農業生產率提高的工具。”

 

再看國內，數字技術在交通、消費、物聯網等領域已發展得十分成熟。近些年，阿里、騰訊、京東等互聯網巨頭在農業賽道頻頻落子。可以說，國內要發展數字育種，既是大勢所趨，也是恰逢其時。

 

回到開篇的提問，數字化育種究竟該如何從展望走向落地，從經驗復制走向自主研發，乃至成熟的產業化應用呢？最近，35斗參加了首屆數字種業論壇，從數十位專家學者的報告和訪談中，我們總結出了一些可行的方向和答案：

追趕：把握數字化機遇，為育種插上隱形翅膀

 

跨界：多元人才涌入，跑好數字革命的接力棒

 

降維：減少算法和模型內卷，卷應用贏面更大

 

聯合：細致分工與一體化鏈接，重塑行業生態

 

標準：直面育種數據爆炸，回歸育種本質邏輯

 

追趕：把握數字化機遇，為育種插上隱形翅膀

 

發展數字育種契合當前我國農業政策和發展戰略，這是一個非常好的機會。

 

擁有40余年育種經驗的前亞太種子協會（APSA）主席、前先正達中國政府事務總監張孟玉表示，我國的數字技術在農業以外的其他行業發展迅速并逐步成熟，如無人機、無人交通、物聯網、區塊鏈應用、供應鏈管理等。但在數字農業和數字種業方面，剛剛起步，十分滯后。

 

在有限的應用中，設施農業又占據了大頭。水肥一體化、溫度光源控制、云平臺管理等領域常?？梢姅底只碛?。目前，信息技術在以跨國企業為代表的種業企業逐步得到使用，于中國種業而言，抓住數字化機遇，任重而只爭朝夕。

 

對此，中國農業大學郭偉龍副教授也提出了一個很有趣的思考：我們常說基因組學已經有很多數據，為什么還要數字化？數字化究竟是什么含義？

 

哪怕是數據庫也會有好幾個層次，數據化和數字化有著迥異的差距。

 

通過測序技術采集并獲取大量基因組信息，這個只是數據化的過程。我們真正要做的是數字化，基于海量基因型、表型和環境組學數據，利用算法、模型形成的育種知識庫，對于指導實踐可能更有價值、效率。

 

種業4.0是一個以數字化為基礎的創新時代。

 

華大制造李勇副研究員認為，西方國家之所以發展起成熟的育種體系，恰恰是其數字積累起來的領先優勢。如果傳統的種業無法和西方競爭，那么分子育種和數字育種將是趕超的絕佳機會。我國種質資源豐富，在研發力量上也逐漸出現了從政府、科研機構到企業的轉變，這是一個良好的信號。

 

也許，大數據早已在數字經濟的舞臺上大展拳腳、屢創佳績。如今涉足育種領域，它的神秘面紗正在一點一點揭開，蓄勢待發。

 

 

跨界：多元人才涌入，跑好數字革命的接力棒

 

育種家的戰場，不止于實驗室，也在田野，更在云端。

 

數字化育種時代，不僅需要遺傳學、分子生物學、生物信息學等領域的“BT”人才，還迫切需要數據科學、人工智能、物聯網、自動化控制、統計學等相關背景的“DT”人才共同參與。

 

拜耳作物科學的王林博士提到，種子的產出潛力很關鍵，要能適應不同農民、農場的種植環境。育種不僅僅局限于基因組方面的研發，也需要涉及種子“周邊”，如殺蟲、除草、種子管理等。因此，拜耳的育種研發始終是圍繞著客戶最終的需求來規劃。

 

西南民族大學青藏高原研究院的王嘉博副研究員，其博士研究背景是軟件開發和算法，如今卻在藏區的牦牛基因組選育工作上干勁十足。

 

在被問到如何與老一輩育種家合作，推動種業數字化轉型時，他提到：我父親從事大豆的傳統育種已有30年，也持續做出了自己的成果。當我和他討論現代的分子技術、數字技術時，父親表示“實踐是最好的答案”。

 

新技術的出現肯定會帶來革命。一代人比一代人要強，技術發展也會一代比一代更先進。只有深入田間地頭，用數字技術真正地推動種業進步，才能讓老一輩的人相信：這桿槍交給我們可以放心。

 

中國農科院作物所的張學勇研究員也在接受訪談時表示：這次參會最強烈的感受，就是希望在青年身上。對我們這一輩的育種家來說，田間的數據、實驗室的數據有很多，但是缺乏海量數據的有機整合。而國際上的種業競爭，其實就是國家種質資源的智能化競爭。

 

或許，當新一代育種家接過這份沉重的“接力棒”時，“彎道超車”或能更快實現。

 

降維：減少算法和模型內卷，卷應用贏面更大

 

在過去的一年里，以Chat GPT的火爆為標志，諸如通義千問、文心一言、PaLM 2等生成式人工智能領域的大語言模型紛紛涌現。百度創始人李彥宏曾公開表示：模型本身并不直接產生價值，基于基礎大模型開發出來的應用才是模型存在的意義。

 

郭偉龍副教授認為，人工智能技術從計算機領域來講已經很成熟，方法已經卷到了一定程度，現在不再卷模型，而是卷應用。邢鴻雁博士也提到，對于數字育種來說，不用去卷算法，哪個好用就用哪個。

 

天豐智慧CEO張洪也強調，種業科技方面我國的發期刊數量處于絕對領先優勢，但從科學到技術已經出現斷層，從技術到工程化實現還有很長的路要走。

 

構建育種大模型可以幫助預測和找到優勢的基因，大幅提升育種效率。但是，“有用”一定是決定算法、模型選擇的關鍵因素。

 

以大豆為例，“中央一號文件”連續4年聚焦大豆擴種。中國農科院作物所的李英慧研究員表示，利用基因組、轉錄組、常規表型等多組學技術的聯合分析，團隊成功發掘了300多個與產量、抗病蟲等相關的基因。

 

然而，解鎖大豆耐密植基因只是第一步，團隊更希望的是，讓這些基因能夠被育種家切實利用，回應大豆高度依賴進口的國情。

 

正如慧諾瑞德創始人韓志國所言，表型技術可以實現高通量、自動化獲取和產量、品質、抗性相關的信息數據，看上去非常高大上，脫去華麗的外衣就是光譜檢測技術。我們思考的是：能否為產業做一點事？

 

從這個角度來看，無論是極智生物的高通量基因測序平臺，還是天豐智慧的GS預測育種，抑或是慧諾瑞德的高通量表型鑒定，讓技術更加落地、平臺更加實用，或許才是千千萬萬個數字化育種人員的終極夢想。

 

 

聯合：專業分工與一體化鏈接，重塑行業生態

 

在這場數字化革命中，傳統種企或許才是感觸最深的。

 

去年，來自紅船啟航地的浙江大禾種業董事長朱娟，毅然決然地加入了數字種業聯盟，擁抱數字化育種，尋求企業轉型。

 

朱娟認為，在數字化育種中，傳統種企更多關注“效率”，如何精準地能夠為種業企業和農民的增收增效服務，這是企業最關注的點。數字種業聯盟的成立，有望實現種業企業、科研單位從點到線的有機鏈接，對于加速傳統種企業加速品種迭代會起到至關重要的推動作用。

 

中國農科院作科所/國家南繁研究院張學才研究員對此的思考是：提高育種過程的效率，而不僅僅是單一技術的效率。要解決好種質、算法和育種實踐的結合問題，從種到收、從選品種到測序，每個過程、環節都需要數字化賦能。

 

李勇研究員也表示，數字育種的價值鏈很長，而行業的專業化服務遠遠不夠，這也是我們強調的數字化聯盟的重要性所在。

 

合肥智能育種加速器大科學裝置（海霸設施）首席科學家吳麗芳強調，通過平臺將各環節的數據、技術和設備進行整合，為育種家提供便利是大科學裝置的創立初衷。

 

我們不需要做重復的工作，要充分利用各方資源，合作共贏。未來，在種質創新、新基因快速挖掘、知識產權保護、核心種質資源數據共享等方面，大家有很多合作空間。

 

在國家種業振興大背景下，如何將行業內好的育種技術真正落地，做到產業化應用非常關鍵。

 

極智基因創始人焦成智表示，單打獨斗非常難，通過組建聯盟，把各方先進的育種技術進行整合，真正賦能下游的新品種培育、種質的創新，甚至未來農業食品加工等一系列的產業應用。

 

 

標準：直面育種數據爆炸，回歸育種本質邏輯

當前，全球正處于“數據爆炸”時代。

 

2022年我國數據產量達8.1ZB，同比增長22.7%，全球占比達10.5%，位居世界第二。其中，農業數據的增量更是達到了50%至80%的水平。在環境氣候、基因組測序、作物生長指標、地方統計等方面，種業從來不差數據。

 

在會議現場，張學才提出了一個有趣的觀點：“數據并不是越多越好”。

 

他提到，測序數據越多越好，標記數量則不一定越多越好，算法也不一定越高級越好。對育種的人來講，數據庫能否承受存儲和計算的壓力，讓人覺得你不是在玩數據，你是來實踐做育種，這才是最重要的。

 

每天都有源源不斷的數據產生，在某些方面，也給育種家造成了困擾。

 

韓志國表示，大家在做表型采集時常常有不同的命名方式，這給大數據處理增加了難度。同時，不同的表型平臺的信息化難以打通，很重要的一點在于表型的數據實在太大。

 

我們也一直在尋找表型數據領域更簡化的指標，從而助力育種和關鍵的種植流程決策連接起來，這個或許會成為產業化落地應用的關鍵點。

 

張學才強調，育種是一個龐雜的過程，其中牽扯到標準化和系統化問題。包括命名格式的統一、流程的優化、頂層設計的完善，都需要遵循科學性原則。當每一粒種子有了清晰的ID，包括來源、年份、名稱等；當每家育種信息系統的底層框架達成一致，數字育種才能真正成型。

 

到那時，再復雜的數據輸入和輸出也會變得簡單、高效。

 

 

寫在最后

 

作物育種猶如建房子，正在由“建平房時代”進入“建高樓時代”。雖然平房和高樓其房間的功能變化不大，但其建設的流程和工藝已有天壤之別。

 

未來的育種，將是“設計育種”，需要有科學的規劃，優良的設計，精細的施工，完善的監理，嚴密的檢測，出色的管理，高效的協作，缺一不可。

 

這兩段話由我國著名水稻育種家劉定富老師所說。今天，它也出現在了由極智生物、天豐智慧、慧諾瑞德三家企業共同發起的數字種業聯盟的規劃書上。這些文字正是關于聯盟成立初衷、所追求事業最為形象與深刻的說明。

 

未來，在聯盟的助力下，我們也期望一代又一代育種家的終極夢想能從紙面躍至現實。