十问农业大模型的当前和未来

图片

袁媛 腾讯研究院资深专家

11月6日OpenAI开发者大会带来的GPT-4 Turbo多模态能力升级和GPT Store生态策略,再次引起业界关注热潮。我国通过《生成式人工智能服务管理暂行办法》第一、第二批备案的大模型已经达到22个，除了通用大模型之外，行业或领域大模型开始逐渐增多。可以预见，通用大模型持续增强的听、说、看能力，将通过声音、视觉、图像等多模态开放接口，更便捷的输出给行业大模型的开发者和使用者，在带来更丰富场景的同时，进一步降低应用门槛。

农业是国民经济的基础，“大国小农”是我国的特色，大模型和AIGC的浪潮下，是否在农业也会带来一些实质性价值和机会？农业需要什么样的行业大模型？带着10个问题，腾讯研究院访谈了6位农业领域专家。在访谈中，专家们表示，大模型和AIGC还在快速发展之中，大家对其认识见仁见智，且认识也会逐渐深化，访谈内容仅为探索、交流、共进，抛砖引玉，欢迎各位同仁一起探讨。

【访谈嘉宾（按姓氏首字母排序）】

谷晓峰 中国农业科学院生物技术研究所副所长

胡嵩 北京一亩田新农网络科技有限公司CTO

刘桂才 农业农村部信息中心原总工程师

申斌 湖南惠农科技有限公司创始人、CEO

许世卫 农业农村部农业监测预警技术重点实验室主任

周取辉 湖南惠农科技有限公司CTO

【访谈者】

袁媛 腾讯研究院资深专家

一、大模型在农业领域是否有实质性机会或价值

许世卫：农业上很需要AI大模型。例如，植物保护中的虫情监测，现在主要依靠农技人员去观测，一方面不同人员的经验差异大，另一方面人工的工作量很大，用AI可以建立农技服务方面的大模型，提供具体的植物保护技术，在水肥管理上，也可以应用人工智能技术，提供动态的、具体的管理措施，通过“数字农技员”来指导农业种植管理。此外，随着农业生产的规模化，种植/养殖大户需要AI提供精准的未来生产作业指引，由于各地气象、土壤肥力、农产品品种不同，目前用通用AI方法尚难以实现专一性应用目标。农业行业大模型会带来价值，能带来一些机会，但也不是完全替代现有技术人员和技术环境，而是提供辅助。

刘桂才：大模型会带来新的价值。农民对技术和价格相对不太敏感，敏感的是规模化用户，例如农垦企业、养殖畜牧业、高价值的设施农业，要找更有规模和效益的场景去使用大模型，例如气象、灾害、市场预测等场景。此外，现在农业种植等方面面临劳动力短缺问题，这也给AI大模型带来应用需求。

谷晓峰：大模型出来后，农业生物育种领域反响很大。现在农业生物育种智能设计领域的模型，和已发布的大模型参数量相比有较大差距，有很大的挑战，但对于农业生物领域构建育种大模型也是很好的机遇，具有大幅度提升育种效率的潜力。

申斌：大模型会对农业带来价值和应用场景。第一，过去希望农技服务能到田到户，但一直难做到，大模型的出现，让广大小农户都可以利用AI、大数据等数字技术来获取最新的农业技术和市场信息，实现农技服务的到田到户。第二，可以利用大模型为农户提供种养殖的决策建议。第三，未来通过大模型可以支持系统智能控制，更有利于智慧农业设施的推广和普及。

胡嵩：用户反馈来看，大家对农业行业的大模型有很高的期待。今年6月份，一亩田已推出基于大模型技术的AI对话机器人“小田”，希望做每个农民身边的农业百事通。从规划的方向看，小田可在农技服务、新品种新技术、行情查询、产销对接等方面，利用大模型的人机交互方式，提供轻量级的信息交互服务，带来效率提升。

图片

二、哪些农业场景适用AI大模型？

许世卫：第一，农技服务。目前基础条件相对好，也有需求，可以先行开展。例如植保、水肥、灌溉等技术的知识储备较为充分，已有很多农业方面的知识积累，用大模型方法，可以将相关的知识和技术，变成不同人群和地区可以使用的数字化产品。第二，农产品市场信息服务。比如猪肉价格，未来需要对产区、市场、政策等多维度信息汇聚分析，是多模态的农业行业大模型。第三，生物育种。生物育种需要首先发现基因，分析哪些基因与品种的性状相关。例如，品种蛋白质的含量、成熟期的先后，或者抗病抗灾能力等。由于基因的数据量很庞大，因此AI的作用在于关联分析，即分析不同性状与基因之间的关系，通过机器与系统来选择和匹配关联关系。AI在此过程中作为辅助手段，来支持生物学专家发现规律、快速解决一些问题，但也有边界。

刘桂才：在农技服务方面，对高质量的大模型有需求，之前农业部建设了12316三农综合信息服务平台，大模型的技术可以为类似这样的服务平台模式带来优化提升。在基因育种方面，用大模型可以预测和找到优势的基因，大幅提升效率，是相对小众但关键的应用场景，国家种质资源库如应用，可以支持建立育种优势。在养殖、物流、保险、乡村治理等方面，也有需求，重点是信息要保证精准。

谷晓峰：农业生物育种领域需要AI大模型，指导智能设计目标性状。基因组、表型组、转录组、表观组等多维组学适合做大模型，农业生物基因组含有几亿或几十亿碱基对，最终组装成几万个、十几万个基因，大模型可以用于海量基因数据的分析和处理，基因大模型的核心在于精准设计调控基因表达。

申斌：结合惠农网自身实践，农业行业大模型有三个可以实施的场景：农技服务，市场辅助决策，农业智能生产。大模型以后会改造生产生活相关的各个业务环节。农业相对其他行业，可能会慢一点，但想象空间会非常大。

胡嵩：“小田”可用于种植、养殖、电商、农技服务等从生产到流通全产业链中的信息交互服务场景。种养殖过程的决策都可以用大模型来解决，比如基于行情趋势、品种改进、所在位置等给予生产者品种推荐。目前一亩田新品种新技术发布平台已与中国热带农业科学院、海南农科院、河北农业大学、仲恺农业工程学院等多所高校及科研院所达成合作，进行新品种内容的发布。

图片

笔者试用 “小田”（基于大模型技术的农业AI对话机器人）

三、农业行业大模型与传统AI模型的差异点

许世卫：大模型与传统AI模型有很大差别，大模型系统能够根据需要，自主学习、自主生成结论；传统AI模型是针对特定目标训练，用于完成特定的任务。农科院监测预警中心过去建立了中国农产品监测预警CAMES模型系统，使用了AI方法，有上万个底层模型、千万级参数，基于历史数据可对未来每年的生产量、消费量、贸易量、价格四个要素进行预测分析。未来如果能有上亿参数（非大语言模型），预测效果会更好。

刘桂才：差异点体现在，一方面，以前AI模型主要方式是检索，现在是有生成的信息。另一方面，当传统的AI模型无法支撑复杂数据和计算体量时，需要大模型，例如对猪周期的预测。

申斌：之前AI很专业，普通人很难参与进去。今年ChatGPT火了以后，大家都能参与。农业有特殊性，大模型真正落地难度还是很大。

胡嵩：第一，大语言模型带来的是交互革命。第二，过去的AI一般使用搜索、推荐，很难深度整合知识来源、给到靠谱的答案，之前一直做不到，大模型带来了可能性。例如可以一段话提出某农产品供需方面的需求，通过大模型来寻找和推荐供应商。

四、农业大模型落地关键点、如何解决幻觉问题？

刘桂才：农业大模型训练的数据要准确。大模型并不是需要每个点都给精准建议，而是给出趋势性判断，供决策参考，用户再根据自己的经验来做判断。

谷晓峰：在农业领域，仅仅一个通用大模型很难解决所有的生物问题。农作物、动物、微生物都需要各自建立一个通用大模型。此外，行业大模型应该是分层的，例如，基于农作物的通用大模型，可以针对水稻、小麦、玉米等不同品种研发专用大模型。

申斌：第一，农业对准确性要求很高，农业决策的失误对于经营主体会带来不可承受的结果，比如种养殖建议如果准确性很差、病虫害预测结果出问题，都会带来巨大损失。第二，构建行业通用大模型的难度大，不同作物在不同地区，不能用一个通用模型来解决，每个地方都需要差异化、个性化建模。第三，农业的因果关系非常复杂，决策类场景涉及因素多（包括品种、生产方式、土壤、气候等），构建模型的难度较大。

胡嵩：行业大模型是基于通用大模型之上叠加了专业知识。通用大模型在很多专业领域的专业性都不够，会出现幻觉。一亩田不做底层基座大模型的训练，按照国家大语言模型规范，与云厂商合作，在基座大模型之上做专业领域知识的增强，使其能够理解农业领域的专业术语（例如西瓜有黑美人、京欣二号、甜王五号等各种品种的专业用语）。

周取辉：惠农网不会自研底层大模型，而是选择与头部AI模型团队联合，通过私有化部署大模型的方式，结合行业场景及行业大数据, 沉淀出行业大模型。行业大模型的核心是平台积累的丰富行业数据。结合大模型自然语言处理能力和逻辑思维链能力，提供更加自动化和智能化的场景解决方案。目前LLM本身存在一些局限，比如大模型幻觉问题，对于LLM本身未知的问题，会存在一本正经的“胡说八道”的可能性。对于农业行业来说，向用户反馈的知识准确性尤为重要，因此我们也会有一些针对性的规避措施和解决方案。例如，“AI惠小农”通过RAG（检索增强式生成）思路，大幅提高了农技AI问答结果的丰度和准确性，而农技知识库本身来自以往农技专家在平台的沉淀，AI通过匹配识别问题和多个答案，聚合生成后对用户提问请求进行解答。

图片

笔者试用 “AI惠小农”（基于大模型技术的农技AI助手）

五、农业行业大模型（如智能对话类）对小农户是否存在使用门槛？

许世卫：农民肯定需要农业行业大模型的服务，但目前的大模型尚有一定使用门槛。农业行业大模型要考虑如何更好的满足最终用户需求，例如，是否可以通过带有地方方言的语音来提问？目前种植业绝大多数是小农户；养殖业中小农户占比约为50％-60%，与种植业相比，规模化的养殖大户或企业更多。

刘桂才：类似“小田”的农业大语言模型，对农户没有使用门槛。但农民对企业提供的大模型信任度可能不高，更信任由政府或专业机构提供的。

申斌：大模型相比过去，降低了使用门槛。惠农网在农业电商里面沉淀了十几亿条电商数据，过去输出对象是专业机构，现在通过“AI惠小农”提供了大模型问答方式，能够让不太会互联网的用户使用，解决用户关心的实际问题。

胡嵩：“小田”的目标是做每一位农民身边的农业百事通，目前只要会使用智能手机，会基本的文字输入，都可以和1.0版本的“小田”进行对话，“小田”会通过文字或者小程序卡片给出答案。未来会进一步围绕农业用户需求，去扩展“小田”的交互，即“多模态的形态”。例如，用户可以拍一个照片，录一段视频给“小田”，或者可以直接用语音来问、也可以直接用语音回答，同时未来也会支持用视频来回答，让用户可以更多样化的形式实现知识获取。

六、行业大模型研发和应用中，哪些数据有用？如何破解数据难题？

许世卫：数据是制约大模型的研制和应用的重要因素。数据质量、数据量、数据全息、数据系统性，都对模型有影响。数据质量对模型准确度影响极大。全息类的数据（多维属性数据）价值远大于单维度的数据价值。农业是数据类型最为丰富的领域，涉及自然、气象、土壤等数据以及各类农产品、乡村社会管理等数据。农业的经济效益较低、社会效益很大，在数据收集分析方面，很少有系统化、标准化的方法。农业领域已有一些数据积累，主要是统计类、物联网类、遥感类数据，小体量数据也能一些解决问题。

刘桂才：农业行业的非结构化数据多，真正鲜活的数据很多是非结构化的。鲜活数据很有用，例如物联网搜集的天气和土壤的变化数据。用多模态、多维度数据训练的大模型，判断肯定比单因素模型更准确，之前的AI模型数据很多是单维度的。

谷晓峰：农业生物育种领域，数据资源有很大挑战。一方面，需要采集的多维组学数据量很大，比如针对水稻，需要从种子萌发开始的全生命周期进行数据采样和获取，以及种植在不同生态区条件下的作物品种进行数据获取。另一方面，需要加强数据的标准化，目前缺乏统一的数据标准，这是全球都面临的问题。

申斌：数据方面，由于我国的农业生产方式非常分散，单个经营主体规模不大，数据采集和使用难度相对更大。大模型需要大量的底层数据来支撑，惠农网之前做了多年大数据应用，包括电商类、生产类，有12亿标准化农产品及农业投入品数据沉淀，以及1000多名农技专家的专业知识，在此基础上可以快速叠加大模型技术，输出大模型产品。

胡嵩：企业很难具备所有数据，例如特定品种的种养殖数据，在区域专门做大田作业的数据等。“小田”的未来会是一个行业开放的平台，通过API服务等方式，所有有数据的公司和机构，包括科研院所、农资农机厂商、农技专家等行业伙伴，都可以和“小田”合作，通过模型框架，融合特定的数据、知识，为相关农户提供服务。

七、除了数据，还有哪些因素制约农业行业大模型发展？

许世卫：机制方面，ChatGPT快速引起巨大关注，与做模型的体制机制也有关系。农业上，是建立统一大模型还是分类大模型？从哪个方面入手？如果整体做一个农业大模型来解决农业全产业链的问题，是最理想的，但是谁来做？目前大企业对农业大模型较为关注，每个单位在做自己擅长的。人才方面，是重要因素，如果缺乏相关人才，算法、应用、商业模型都很难创造出来。

刘桂才：有算力的公司更有优势，但算力不构成核心制约。算法是核心竞争力，非常重要。商业模式、资金、人才也会影响。

谷晓峰：算力方面，大模型的百亿、千亿级参数量需要大量的GPU芯片，对于科研机构来说也是挑战之一。

申斌：算力资源方面，农业大模型的计算量和数据量都很大，需要很强的计算资源，农业行业的投入产出不高，直接效益很难覆盖，企业自身投入难度大。

八、农业+大模型方面会产生哪些新的产品/服务形态？

刘桂才：大模型中经常询问的话题，就会变成新的产品、新的服务，是鲜活的开发产品的材料。可以分类型去分析这些话题。这些不仅对农业，对保险、旅游公司等也会产生新的产品服务。语音交互的产品服务会更有需求。率先发布大模型会有好处，基于用户输入的内容，也可以对用户画像，有利于企业占领市场。

申斌：目前产品是免费的。除了智能问答服务之外，农业+大模型技术还有很多想象空间，可能需要10-20年逐步成熟。第一，在养殖和种植业中，未来一定是用更多的传感器、智能农机、无人农机来自动化控制（例如自动控制光照），用大模型技术，可以使得生产过程的自动化控制更加精准和优化，也可以应对劳动力短缺问题。第二，希望将电商、流通环节的数字化，进一步延伸到生产端，使得生产和流通的信息较为匹配，基于大模型技术，可以根据土壤气候、价格变化、供需关系等综合信息，指导种植方案。

胡嵩：“小田”要产生商业闭环，产生价值。目前的商业模式是免费服务2C用户，通过服务好用户，做好交易撮合，来提升用户粘性，帮助用户解决生产周期遇到的问题。2C服务中，对用户更加了解，撮合中效率会更高。面向农业行业的合作伙伴，将提供基于“小田”的API服务等生态化合作和服务模式。

图片

九、是否需要出台支持农业大模型的政策、标准或规划？

许世卫：行业内对农业大模型较为关注，但由于大模型尚在发展中，不同单位认知不一致，大家还在寻找落地案例。从方向上，国家对于大模型提出在规范的基础上促进发展，发展是第一位的，农业行业预计也是政策支持方向。

刘桂才：目前尚无农业大模型方面的政策，随着农业行业大模型产品的逐步推出和使用，后续需要出台，例如隐私保护方面。标准也需要在逐步成熟后制定。

申斌：过去农业互联网、农业大数据，政府都有很多政策扶持力度，都给了很多支持。对于农业行业大模型，政策的响应会有一个过程。特别是在算力资源方面，需要政府能给予公益性算力的支持。

胡嵩：国家对大语言模型政策很及时，一亩田“小田”也会在国家政策的指引下，更好的服务产业。

十、各类企业如何参与开发农业行业大模型产品或服务

许世卫：在算力方面，云厂商有实力，可以与农业领域的研究机构、企业合作参与进来，例如可以合作开发农技服务机器人，或者数字农技服务。

申斌：从我们的角度看，惠农网和云厂商完全互补。云厂商提供基础设施和算力资源，以及基础技术的解决方案；惠农网做应用方面，把行业解决方案用到农业场景。惠农网链接了广大的农业经营主体，通过合作，可以快速把产品服务到农业整个产业。

胡嵩：做行业大模型的基础是数据，保障是算力。“小田”作为行业应用，优势是对行业场景的理解，有大量数据的积累。“小田”融合了一亩田平台所覆盖全国2800多个县的农产品流通大数据和众多农业细分领域的专业知识，平台累计服务了全国5000万涉农用户，他们基于产销两端的供需数据，会形成全面的农产品产地知识图谱，在此基础上，做知识增强是有优势的。目前云厂商都推出了自己的大模型，有些自研、有些基于开源。行业内在基座大模型层面产品已经较为丰富，接下来重点是联合行业企业来合作拓展行业大模型。通用大模型技术的关键在于产业化应用。只有与产业发展相结合，AI才有了灵魂，才能对社会发展产生根本的推动。