夏日炎炎，海南三亞崖州灣，田間的南繁季已結束，而“數據田”裡的育種仍在進行。走進海南大學南繁學院，基因組與大數據育種實驗室裡，不見培養皿與種苗圃，映入眼帘的是運轉不息的機房。

　　“我們的‘田’就在這裡。”指著數據機房，副院長夏志強介紹，團隊研發的人工智能（AI）生物信息科學家智能體與大模型，能在虛擬農田裡“算”出作物長什麼樣，幫育種科研人員節省時間。

　　田間南繁，須守農時。每年9月到次年5月，北方的育種科研人員便如候鳥一般來到海南島南部，利用充足的光熱資源開展種子加代繁育，壓縮育種周期。選種、種植、收獲，重復6到7輪、花上8到10年，才能找出性狀穩定、表現優良的品種。

　　“我們將積累的作物基因數據‘喂’給AI，讓它幫我們預測作物未來的樣子，就能提前淘汰掉不合格的品種。”夏志強說，在滿足一定條件下，相關技術能幫育種人員節約近一半的時間。而要預測作物未來的樣子，讀懂“說明書”、迅速開展基因測序是關鍵。

　　實驗室的孔板裡，放著打碎的玉米葉片。經由設備提取分析，玉米的脫氧核糖核酸（DNA）信息被輸入電腦中。打開AI科學家助手的對話框，輸入指令，不一會兒，一份基因功能鑒定報告便在屏幕上呈現。1個人3天的工作量，AI科學家助手用5個小時就能完成。

　　毗鄰南繁基地的優勢，讓實驗室能更便利地獲取包括水稻、玉米、大豆等作物樣本。與企業合作開發的快速測序技術，讓豐富的樣本轉化為海量的基因數據，成為滋養AI進化的沃土。育種人員隻需在對話框內輸入需求，就能快速獲得精准的分析結果。

　　AI智能體當助手，大模型當上了翻譯。今年5月，團隊發布了首個水稻泛基因組大模型。通過閱讀149份高質量水稻的“生命說明書”，這一大模型像學習一門新語言一樣，理解了水稻DNA序列的內在規律。

　　“這片‘田’，不求大水漫灌，而是精准滴灌。我們選擇了一條小而精的輕量化路線。”夏志強介紹，水稻泛基因組大模型將詞元詞表規模做了壓縮，同參數量數十億的多物種模型相比，7億參數的設置讓大模型“輕裝上陣”。

　　按下回車，水稻泛基因組大模型開始思索：能讀懂已有的DNA序列，也能弄懂語法進行“續寫”﹔能標注基因功能、預測虛擬農田裡的水稻將長成什麼樣，也能根據水稻的樣子，反向推導出基因排布……高效的計算工具，讓水稻能在試驗田生長之前，先在代碼裡“自由舒展”。

　　“不僅僅是作物基因數據，我們還去新疆等地收集了氣象等大數據，能給這片‘田’造出小氣候。”夏志強說。未來，在種子播入田間之前，可借助大模型在虛擬空間中進行千萬次模擬，從而精准鎖定最具潛力、最能適應環境變化的“種子選手”。

　　《 人民日報 》（ 2026年07月03日 10 版）