7月13日，中國(guó)農(nóng)業(yè)大學(xué)“神農(nóng)大模型2.0”正式發(fā)布，“神農(nóng)大模型2.0”在1.0基礎(chǔ)上實(shí)現(xiàn)了技術(shù)上的顯著突破，涵蓋了多個(gè)專(zhuān)門(mén)化的農(nóng)業(yè)專(zhuān)業(yè)大模型，分別是“神農(nóng)?固芯”育種大模型、“神農(nóng)?筑基”種植大模型、“神農(nóng)?強(qiáng)牧”養(yǎng)殖大模型、“神農(nóng)?問(wèn)穹”遙感氣象大模型。

使得大模型能夠廣泛覆蓋育種、種植、養(yǎng)殖、農(nóng)業(yè)遙感及氣象等多個(gè)農(nóng)業(yè)應(yīng)用場(chǎng)景，極大地拓寬了實(shí)用價(jià)值。

數(shù)字開(kāi)物了解到，不只是“神農(nóng)大模型”，今年4月和6月還先后發(fā)布了專(zhuān)注于種業(yè)的“豐登”大模型、專(zhuān)注漁業(yè)的“范蠡”大模型。AI大模型在農(nóng)業(yè)領(lǐng)域有著廣泛的應(yīng)用前景。

農(nóng)業(yè)大模型的應(yīng)用一般涵蓋種植業(yè)、畜牧業(yè)、通用領(lǐng)域和綜合應(yīng)用四大場(chǎng)景。

種植業(yè)是農(nóng)業(yè)大模型應(yīng)用最廣泛的領(lǐng)域之一，主要包括作物識(shí)別、雜草管理、病蟲(chóng)害識(shí)別等，通過(guò)識(shí)別不同作物種類(lèi)、生長(zhǎng)階段和雜草種類(lèi)、病蟲(chóng)害類(lèi)型，能幫助農(nóng)民精準(zhǔn)施肥、施藥，進(jìn)行病蟲(chóng)害防治，提高種植效率和產(chǎn)品質(zhì)量。

例如，神農(nóng)大模型2.0的神農(nóng)·筑基種植大模型就涵蓋水肥管控、病蟲(chóng)害識(shí)別、作物生長(zhǎng)建模等功能，結(jié)合物聯(lián)網(wǎng)技術(shù)，實(shí)現(xiàn)種植環(huán)境的智能化監(jiān)測(cè)與精準(zhǔn)調(diào)控，提升農(nóng)業(yè)種植效率。

神農(nóng)大模型2.0

在畜牧業(yè)可用于家畜行為分析、家畜追蹤、動(dòng)物產(chǎn)品分析等，通過(guò)分析家畜行為識(shí)別疾病、預(yù)測(cè)生產(chǎn)周期，來(lái)提高養(yǎng)殖效率；利用圖像識(shí)別技術(shù)追蹤家畜位置，來(lái)提高管理效率。

例如，神農(nóng)大模型2.0的“神農(nóng)·強(qiáng)牧”養(yǎng)殖大模型能提供養(yǎng)殖環(huán)境監(jiān)測(cè)、疫病干預(yù)及合理喂養(yǎng)方案。

在通用領(lǐng)域，常應(yīng)用于農(nóng)業(yè)遙感、農(nóng)業(yè)文本分析等場(chǎng)景，為農(nóng)業(yè)決策提供數(shù)據(jù)支持。利用衛(wèi)星遙感數(shù)據(jù)，分析作物生長(zhǎng)情況，預(yù)測(cè)產(chǎn)量，來(lái)提高農(nóng)業(yè)生產(chǎn)效率；分析農(nóng)業(yè)文本數(shù)據(jù)，預(yù)測(cè)市場(chǎng)價(jià)格，來(lái)提高農(nóng)業(yè)生產(chǎn)效率。

例如，神農(nóng)大模型2.0的“神農(nóng)·問(wèn)穹”遙感氣象大模型就專(zhuān)注于氣象與遙感監(jiān)測(cè)，通過(guò)精準(zhǔn)預(yù)警減少自然災(zāi)害損失，保障農(nóng)業(yè)生產(chǎn)安全。

此外，還能應(yīng)用于農(nóng)業(yè)知識(shí)問(wèn)答、自動(dòng)化農(nóng)機(jī)、農(nóng)業(yè)自主決策等場(chǎng)景。例如，范蠡大模型1.0以魚(yú)、蝦、蟹、貝等27種我國(guó)主養(yǎng)品種水產(chǎn)文本語(yǔ)料為主，形成大規(guī)模漁業(yè)專(zhuān)業(yè)知識(shí)語(yǔ)料庫(kù)，不僅實(shí)現(xiàn)了豐富的漁業(yè)養(yǎng)殖知識(shí)生成，還能進(jìn)行水、餌、病、管等多方面多元化的預(yù)測(cè)、分析和決策。

盡管農(nóng)業(yè)大模型應(yīng)用場(chǎng)景廣，但也存在著挑戰(zhàn)。由于農(nóng)業(yè)環(huán)境的復(fù)雜性和多變性，數(shù)據(jù)采集過(guò)程中往往存在數(shù)據(jù)不準(zhǔn)確、不完整、不一致等問(wèn)題，此外由于不同地區(qū)、不同企業(yè)的數(shù)據(jù)采集標(biāo)準(zhǔn)和系統(tǒng)不統(tǒng)一，導(dǎo)致農(nóng)業(yè)數(shù)據(jù)難以整合和共享，這都給后續(xù)的數(shù)據(jù)分析和決策帶來(lái)了困難，農(nóng)業(yè)數(shù)據(jù)的采集和標(biāo)準(zhǔn)化是一個(gè)巨大挑戰(zhàn)。

總的來(lái)說(shuō)，未來(lái)農(nóng)業(yè)大模型的發(fā)展朝著數(shù)據(jù)融合、精細(xì)化應(yīng)用、與物聯(lián)網(wǎng)結(jié)合的方向發(fā)展。

進(jìn)一步整合多源農(nóng)業(yè)數(shù)據(jù)，提高模型泛化能力和應(yīng)用范圍；開(kāi)發(fā)更多針對(duì)特定農(nóng)業(yè)場(chǎng)景的專(zhuān)用模型，滿(mǎn)足不同用戶(hù)的個(gè)性化需求；融合實(shí)時(shí)傳感器數(shù)據(jù)，提供更精準(zhǔn)的決策支持，實(shí)現(xiàn)農(nóng)業(yè)智能化生產(chǎn)。