作者 | 曾响铃
文 | 响铃说
毫无疑问，在充裕的粮食自给率面前，中国老百姓早已经不用担心“饿肚子”问题。几个月前，加拿大数字媒体公司发布了一份权威的粮食自给率数据榜单，拥有14亿人口的中国已经高居全球第三。
但是，我们看到的可能只是一种食物的“结果”，在整个农业产业链条中，这种“结果”之前的育种环节，我们所面临的挑战实际上并不小。2025年，中央一号文件提出继续推进生物育种产业化，这也是“生物育种”连续第五年走进中央一号文件，其背后是育种产业的重要性和发展的紧迫性。
农安天下，种为基石，种子是农业的“芯片”，是现代农业的基石，更是确保国家粮食安全的源头，关系着国计民生。
而过去许多年，国际种业巨头在我国市场来势凶猛，包括全球种业前十强在内的70多家国际种企进入中国，我们的田间地头已经种下了一大批洋种子，粮食自给自足的背后是种子严重依赖国外。
虽然这些年在国家大力扶持以及相关主体的积极努力下，我国种业也在快速发展并取得了一些突破，研发能力逐步增强，市场占有率也稳步提升，但不得不承认的是，中国种业与发达国家存在代差。
端稳中国饭碗，还必须培育中国种子。
好消息是，已经有人在行动。作为国家重要的农业实验室，崖州湾国家实验室主要从事种业研究，与华为携手，正在积极通过AI提升育种的效率和效果，实现农业智能化与可持续发展。
AI普惠带来的育种革命，但撞上了“数据墙”
崖州湾国家实验室相关专家在一次活动上分享育种AI实践时，曾回顾了全球育种行业过去的发展。与很多传统行业一样，这个领域过去长期依赖经验，虽然经过多个阶段的进化，但从技术来说一直是一个概率事件：
第一代的驯化育种直接从大自然挑好种子；
第二代杂交育种带有极强的随机性，需要长期蹲守，期待、等待好的结果；
到了第三代分子水平育种，有分子标记但也只是进行了提前的筛选，本质上是提高了第二代杂交育种获得成果的概率；
到了第四代，也就是全基因组学习阶段，分子标记变成基因识别和标记，概率、效率近一步提升。
可以看出，只要是不能真正预测育种行为结果的，都无法摆脱被动“拼概率”的命运。
这造成了一个来自时间的壁垒——那些起步早的西方国家，靠着长期依赖不断试错、博概率的积累，在育种方面积累了中国很难短期内同样用概率追赶的优势（从杂交组合到性状筛选，往往需要数年甚至数十年的周期），尤其是我们的育种技术还存在代差，获得成果的“概率值”还比不上西方时。
怎么办？
如果能有一种方法，突破“拼概率”，在田间育种进行前就能提前预测到结果，毫无疑问育种就能实现弯道超车。
这也正是第五代育种——智能品种设计阶段带给中国的机遇。
中国的AI普惠如火如荼，正在众多领域推进效率升级甚至是模式革命，它不仅是“工具的革命”，更是“革命的工具”。在育种领域，AI for Science新的研究范式，让育种可以通过 AI 模型快速分析基因与表型之间的关联，预测作物的产量、抗逆性等关键性状，大幅缩短研究周期，帮助我国育种产业实现赶超。
然而，当崖州湾国家实验室拥抱AI、积极投身智能品种设计时，却遭遇了严峻的数据挑战。
众所周知，当下AI已经从拼模型的时代进入到数据的时代，数据的质量很大程度上决定了模型效果，西方国家发布的AI战略已经把科学数据定为国家战略资产。但是，我国农业领域能够用于育种的数据却很难支撑AI育种的需要——在数量和分布上，我国农业数据分散在全国各地且共享困难；在质量上，农业数据的标准也很难统一，“数据格式、质量标准混乱”。
这时候，建立一个底层数据体系，统一数据规范、数据标准，为AI应用奠定数据基础，就成为崖州湾国家实验室的当务之急。
高质量数据集的汇聚、共享和流动，奏响育种数据交响乐
在数据挑战面前，崖州湾国家实验室选择联合华为，构建面向下一代生物育种技术的AI数据湖基座。
要解决问题，先要更充分地认识问题。
打造数据基座，首先必须对什么才是“好的数据”也即高质量的数据集有统一的认识。在崖州湾国家实验室与华为的合作中，双方对数据构建的目标进行了五级划分，从符合FAIR原则（即可查找、可访问、可互操作、可复用），到满足通用模型，再到强化推理支撑，再到针对科学问题的数据集建立，最后到即插即用的统一数据集，一个数据基座的目标体系或者说质量控制体系就此构建起来。
在这样的“行动纲领”引导下，基于OceanStor Pacific全闪分布式存储，华为与崖州湾国家实验室共同打造起AI数据湖基座，汇集了过去分散在全国各地的农业科研数据、国外公开数据、企业托管数据、学校自采集数据等，通过数据分类共享机制（分为对外公开、受限开放、内部机密等级并设置安全策略）实现了数据的有序共享和流通，做到了全局文件系统的统一调度。
当然，数据基座不仅仅是一个既有数据融通共享与利用的体系，在数据质量源头方面，双方还制定了统一的农业数据采集标准，让分散在各地的育种数据有了“通用语言”，不管是来自实验室还是田间，各种数据都能无缝纳入AI 数据湖。
在这样的数据基座支撑下，农业数据“散、乱、差”的痛点得到解决，全国育种数据可视、可管和有序共享，面向育种的高质量语料库建立起来，原本难以共享的数据资源也能够成为可复用、可流转的“国家战略资产”。
最终，在智能融合、数据全域流通下，农业数据分散式、数据割裂难利用的情况被彻底改变，实现全局数据统一目录，EB级数据秒级检索，随时随地按需共享等。崖州湾国家实验室智慧育种成功打造了国家级精准育种技术体系，支撑起一个总部+5个基地+N个分支、超1000科学家的育种体系。
从试验田到数据基座，将育种革命进行到底
一旦数据基座建立，AI育种的工作也开始加速推进。
例如崖州湾国家实验室还打造了基于Nexent的农业AI工具社区，智能体系统和数据系统打通，实现数据自动推荐和智能体自主交互。
AI数据湖高效支撑各类育种AI工具的运行，科研工作者不再像过去那样必须费劲找到“指定数据”才能开展工作。在崖州湾国家实验室的期望中，未来与华为深入合作，要构建起一个基于多智能体的AI科学家系统或AI育种系统，去服务农业科学家群体以及企业群体。
从这个意义上看，当AI数据基座建设起来，数据问题的解决只是一个开端，更重要的是传统育种工作模式的改变。
本质上，华为AI数据湖并非孤立的技术产品，它与农业智能体系统、育种工具平台深度融合，做到了“数据采集-分析-决策-执行”的闭环。
过去，提到育种，很多人脑海第一印象可能是田间地头的“泥腿子”奔波。但当下及以后的育种工作，更可以是完全现代化的工作范式——科研人员通过 VR 眼镜、无人机等前端设备获取田间信息，数据实时传入 AI 数据湖，经过 AI 分析后生成的育种决策，能直接下发给机器狗、智能农机执行，让传统“靠天吃饭、凭眼判断”的育种模式升级为精准可控的智慧育种。
由此可见，华为AI数据湖与生物育种的结合，看似是技术层面的创新，实则是AI普惠、科技服务国计民生的一次深入实践。它用数据打通了科技与农业的“最后一公里”，让AI不再是实验室里的“高精尖”，而是扎根田野、服务民生的“好帮手”。
未来，随着这一数据基座的不断完善，有理由相信，中国育种行业将加速突破代差，培育出更多适应环境、高产优质的农业品种。
*本文图片均来源于网络
