七月盛夏，第七届前沿分子育种技术研讨会在石家庄胜利召开。来自高校、科研机构和企业的专家学者近500人围绕智能育种、人工智能、生物制造、多组学融合等方向展开交流。
这场会议释放出的信号，并不是某一个新品种的突破，而是种业竞争逻辑正在发生变化。
过去几十年，种业竞争主要围绕资源、经验和品种展开。拥有优异种质资源、掌握育种经验、率先推出商业化品种，往往意味着竞争优势。今天，基因组学、人工智能、合成生物学和自动化技术正在重塑育种体系。
一个大品种依然重要，已经很难成为长期竞争壁垒。未来种业竞争，比拼的不只是一个品种的成功，而是谁能够建立持续创新的育种体系。
种业竞争正在从“品种竞争”，进入“系统能力竞争”。
育种目标正在变化：从提高产量到创造价值
长期以来，育种首先解决的是产量问题。高产、稳产、抗病、抗逆，是评价新品种的重要指标。随着消费需求和产业结构变化，育种目标正在从生产端向营养品质和产业价值延伸。
过去育种关注的是亩产提升、抗性增强和区域适应性；未来还需要关注营养品质、功能成分和产业用途。华中农大张启发院士团队开展的“黑米全谷化”“米饭型全谷黑米”等探索，并不是简单培育一个新品种，而是在重新定义粮食价值。
四川农大黄永财教授团队通过挖掘野生玉米资源中的优异等位基因，探索提升籽粒蛋白水平和氮利用效率。未来玉米价值不仅体现在产量，也可能成为粮食蛋白和资源效率提升的重要载体。
过去酿酒高粱主要关注籽粒大小、颜色和皮厚等指标，河北省农科院高粱吕芃团队研究发现，不同香型白酒发酵效果与籽粒内部淀粉结构密切相关。育种评价正在从外观选择走向品质形成机制解析。未来育种价值评价体系正在发生变化：品种不再只是产量工具，而正在成为连接食品、营养和产业链的新入口。
智能育种崛起：环境正在成为可计算变量
育种目标正在变化，育种方法也正在被重新定义。传统育种长期依赖多地点、多年份试验评价材料表现。随着生态环境更加复杂，同一遗传组合在不同环境下可能产生明显差异，即育种中的G×E互作问题，成为影响新品种稳定性的关键因素。
中国农科院/北京大学现代农业研究院徐云碧研究员提出的环境组学理念，尝试融合基因组、表型、土壤、气候和空间环境数据，构建G-P-E综合预测体系。将过去依靠扩大试验规模寻找规律的方式，转变为利用数据模型提前判断品种在不同环境中的表现。
育种最大的变化，是环境第一次从“不可控因素”变成“可计算变量”。
未来竞争的不只是发现优良基因，而是谁能够提前判断遗传资源在不同环境中的价值。对企业而言，品种评价将从依赖多年试验积累，逐渐转向基于数据模型的提前判断。
AI育种进入产业阶段：数据正在成为新的种质资源
AI进入农业，最大的瓶颈并不是模型能力，而是能否获得高质量、可计算的育种数据。长期以来，大量基因、表型和环境数据分散在科研机构、企业和不同试验体系中，存在标准不统一、数据难关联、价值难释放等问题。没有高质量数据基础，AI很难真正理解复杂生命规律。
据王曼产品总监介绍，百图生科正在探索构建面向育种行业的数据平台，通过数据治理、智能清洗和模型训练，将分散的育种记录、科研文献和实验数据转化为结构化数据资产，为垂直领域大模型开发提供基础。让过去沉淀在论文、实验记录和育种档案中的经验，转变为能够被模型计算和持续优化的数据资源。在模型层面，南京农业大学甘祥超教授团队探索利用三维表型感知技术和基因组预测模型，将水稻结构、环境表现与遗传信息融合分析，提高复杂性状预测能力。育种评价正在从“种出来再判断”，逐步转向利用模型提前评估材料潜力。
数据和模型最终需要进入企业育种体系，形成规模化应用。隆平高科王凯介绍，未来育种需要将育种家的经验与基因数据、环境数据、表型数据和模型算法结合起来。企业正在构建覆盖多生态区域的智能育种数据库，并通过全基因组选择算法建立跨环境预测体系，将经验判断转化为可计算、可复制的决策能力。
AI并不是替代育种家，而是放大育种家的能力。
分子检测企业：从数据入口到育种基础设施
智能育种时代，最大的变化之一，是育种数据价值正在重新被定义。
过去，分子检测主要回答：“这个材料携带哪些基因？”未来，更重要的问题是“这个材料具有什么育种价值？”
当基因组学、人工智能和多组学技术融合发展，分子检测正在从单一技术服务，转变为连接种质资源、数据分析和育种决策的基础设施。
以博瑞迪等企业为代表，分子检测正在从单一基因分型服务，向覆盖数据分析、材料评价和育种决策支持的综合服务体系延伸。
在未来育种体系中，分子检测企业不再只是技术服务商，而可能成为连接资源、数据和算法模型的基础节点。
从发现基因到设计性状：育种进入主动创造阶段
智能育种解决的是：如何更准确预测。分子设计育种解决的是：如何主动创造。过去，育种主要依靠自然变异，从大量材料中寻找优良个体。未来，随着泛基因组、多组学和基因编辑技术发展，育种开始进入设计阶段。
西瓜育种就是典型案例。过去，西瓜育种主要依赖甜度、果色、成熟期和硬度等表型选择。如今，通过泛基因组分析和功能基因研究，北京农林许勇研究员团队开始解析复杂性状形成背后的调控机制。
例如，糖分积累、果色形成等重要性状背后，都涉及多个基因协同调控。育种不再只是寻找一个“好基因”，而是理解基因网络如何影响性状，并通过组合设计创造符合目标需求的新材料。未来育种竞争，不只是发现优良基因，而是设计符合未来环境需求的作物。
面对高温、干旱等极端环境压力，传统育种依靠多年、多地点试验筛选抗逆材料，周期长且效率有限。中国农科院普莉研究员团队探索“AI+表观遗传+单细胞技术”融合路径，通过解析环境信号如何影响基因表达，寻找控制抗逆、高产等复杂性状的新机制。
通过构建作物多组学数据体系和AI预测模型，研究进一步探索从表观修饰、染色质结构到功能性状的关联预测，并结合基因编辑、启动子设计等技术，创制兼具高产和环境适应能力的新种质。
未来育种竞争，不只是发现优良基因，而是设计符合未来环境需求的作物。
AI进入生命设计：从生命解析到生命创造
如果基因组学帮助人类读取生命信息，那么人工智能正在帮助人类设计生命信息。中国农业大学王向峰教授团队探索的蛋白质大模型，正在改变传统研发模式。
过去，蛋白质改造主要依靠：提出假设；设计突变；实验验证。这一过程周期长，效率有限。如今，基于大规模蛋白数据库训练的AI模型，可以学习蛋白序列规律、结构关系和功能特征，并支持功能预测、新蛋白设计和分子优化。
研发模式正在从实验寻找规律转向模型提出方向，实验完成验证。
从“解析机制”到“主动干预”的思路，也正在改变植物保护领域。柑橘黄龙病长期威胁全球产业。中科院赵平芝研究员团队关注植物自身防御机制，发CsLOB1等关键调控因子参与感病过程，为理解植物—病原互作机制和增强植物自身防御能力提供新路径。未来植物保护可能从如何消灭病原转向如何增强植物自身防御能力。
合成生物学重构农业边界：植物正在成为功能平台
农业长期解决的是“生产更多、更好的作物”，而合成生物学正在重新定义植物价值：植物不仅可以生产粮食，也可能成为制造功能分子和新材料的平台。
目前主要有两条路径。第一，微生物制造高价值分子。传统天然产物生产依赖植物种植和提取，容易受到生长周期、环境条件和产量波动影响。
武汉大学鲁丽教授团队通过基因组挖掘、代谢工程和酶优化，将植物复杂代谢路径转移至微生物，实现高价值天然产物的生物制造探索。AI的加入，也进一步提升了关键酶筛选和代谢路径优化效率。第二条路径，是直接重塑植物功能，通过调控植物代谢网络，提高特定功能成分积累。例如，通过多酶凝聚体技术提升番茄红素等功能物质产量，并探索抗虫、抗病和营养强化型作物设计。
如果传统育种主要围绕植物已有性状进行优化，那么合成生物学正在探索赋予植物新的功能。浙江大学都浩教授团队探索植物生物发光技术，也是这一方向的代表。通过解析真菌发光通路，并结合代谢工程和AI筛选，实现植物内源发光体系构建。这一技术的价值并不只是创造“会发光的植物”。其研究证明植物可以被重新设计，成为具有新功能的生命系统。未来农业竞争的边界，可能不再局限于生产多少粮食，而是能否利用植物创造新的生物制造价值。
农业科技进入工程时代：产业化能力成为新壁垒
基因编辑、多组学、人工智能和自动化技术正在加速农业创新，但新的瓶颈正在出现：科研发现速度不断提升，产业转化能力却没有同步增强。实验室可以发现新的基因、新的调控机制和新的生命功能，而产业需要的是稳定产品、标准流程、可控成本和规模化能力。科研创新与产业应用之间，仍存在一道工程化鸿沟。
中国农科院作物所吕建研究员指出，在玉米、水稻等主粮育种领域，基因编辑、双单倍体等技术体系正在逐步成熟，但育种周期长、研发成本高以及商业化门槛，仍限制创新成果快速进入产业端。这背后反映的并非单一技术问题，而是研发体系问题：数据、实验流程和产业验证环节仍缺少有效连接。
武汉耘阵探索的AI育种平台，核心并不是增加一个算法工具，而是重新组织育种数据体系。通过整合基因、表型和环境数据，将分散的育种记录转化为可计算的数据资产，并支持材料筛选、性状预测和育种决策。让过去依赖育种家经验积累的资源，逐渐转变为能够被计算、训练和持续优化的数据基础。
如果数据平台解决的是“资源如何产生新价值”，那么自动化体系解决的则是研发能力复制。华大智造探索的AI+自动化实验体系，通过自动化样本处理、全基因组检测、AI视觉识别和数据管理系统，推动育种实验流程标准化，提高研发通量和数据利用效率。未来育种实验室将逐渐从人工操作平台，转变为数据、算法和自动化设备协同运行的智能研发系统。
中试平台解决的是科研成果进入产业前最后一道验证环节。它承担着从实验室成果到产业产品之间的工程验证，需要回答实验室无法回答的问题：技术能否稳定运行？生产成本是否可控？工艺流程能否复制？产品能否实现规模化应用？
通过工艺放大、生产验证、质量检测和工程优化，中试平台帮助创新技术完成从实验条件到产业条件的迁移。工业和信息化部赛迪研究院李磊博士指出，农业生物技术未来竞争的关键，不只是发现新的生命规律，更是建立支撑技术持续落地的工程体系。
技术突破决定创新高度，工程转化决定产业速度。未来种业竞争，比拼的不只是发现新的生命规律，更是谁能够让这些发现真正进入农业生产。
主要作物进入系统设计阶段
当育种开始同时具备资源解析、数据计算、基因设计和工程转化能力，主要作物正在进入系统设计阶段。过去，育种更多依靠优异资源发现和长期经验积累；未来，育种效率将越来越取决于对遗传规律的理解、复杂性状的预测能力，以及将科研成果转化为品种的工程能力。
传统马铃薯属于四倍体作物，遗传背景复杂，优良性状难以固定，是长期制约育种效率的重要因素。云南师范大学祝光涛副院长研究团队探索二倍体马铃薯体系，通过简化遗传结构，提高遗传预测能力，使优良性状组合更加可控。结合野生资源挖掘和基因编辑技术，马铃薯育种有望从依赖种薯繁殖，向种子化育种模式转变。
面对食用油供应压力，油菜产业竞争正在从扩大种植面积转向提升单位生产能力。中国农科院油料所李翠研究团队通过Bt与Eb结合，提高优异材料评价效率。同时，研究发现籽粒重量等重要产量性状不仅受到自身遗传控制，也受到母体植株和角果结构影响，为高油、高产和机械化适应型油菜育种提供新的理论基础。
长期以来，小麦抗白粉病改良主要依赖单个抗病基因的挖掘与利用。但随着病原菌持续进化，单一抗性容易被突破。中科院遗传所陆平研究团队发现，小麦免疫反应并非由单个基因决定，而是由多个抗病基因模块协同调控形成复杂免疫网络。未来抗病育种的关键，不只是寻找“更强的抗病基因”，而是解析并设计更加稳定的免疫体系。
从马铃薯遗传体系重构，到油菜产量机制解析，再到小麦免疫网络设计，主要作物育种正在进入系统创新阶段。
未来种业到底竞争什么
一个超级品种，仍然能够创造市场价值，但它的生命周期正在缩短。
未来种业竞争，并不是不需要好品种，而是单一品种优势越来越难成为长期壁垒。真正决定企业竞争力的，是能否持续发现问题、解决问题，并不断创造适应未来需求的新产品。
从经验育种到数据驱动，从发现基因到设计性状，种业竞争正在从“培育一个好品种”，转向“建立持续创新能力”。
品种决定一次成功，体系决定长期竞争。
育种技术专栏-博瑞迪专刊
