8月16日，在广西南宁召开的第32届全国大豆科研生产研讨会上，安徽农业大学王晓波教授代表研发团队正式发布大豆领域垂直大模型“丰菽”2.0。该模型实现了多模态数据融合，通过降低单一模型回答偏差，旨在推动大豆数据辅助育种的落地应用。
大豆是我国重要的粮、油、饲兼用作物，其品种改良和育种效率直接关系到国家粮食安全。今年2月，安徽农业大学联合中国农业科学院作物科学研究所共同完成了“丰菽”大模型的初始构建，该模型定位为面向大豆全生命周期的生成式AI育种平台。近期，两家单位对该模型进行了迭代升级，推出“丰菽”2.0版本。
据研发团队介绍，“丰菽”2.0在数据层面进行了大幅扩充和结构化整合。模型整合了大豆种质资源、基因组与编码序列、蛋白质、转录本、基因表达、病害样本、育种试验记录及中外文献资料，形成了面向大豆科研的结构化知识体系。具体来看，该模型集成了超过1000万字专业文本基础、超过1万篇科研文献与专利数据，构建了包含2万个实体、10万条关系的大豆领域知识图谱，并融合了8000份基因组重测序数据、约4万份大豆种质资源和3000份以上品种表型数据。
相较于初代版本，“丰菽”2.0新增了多模型协同分析机制。该机制嵌入了部分通用大模型接口，各模型可分别回答同一大豆专业问题，再由“丰菽”2.0的总结模块结合领域知识、私有数据和结构化比对规则，对各模型回答中的共识、差异及证据完整性进行综合分析，从而形成更加清晰可靠的专业结论。这一设计有助于提高大豆专业知识服务的稳定性，减少单一模型可能带来的偏差。
在功能层面，“丰菽”2.0集成了豆百科、豆分子、豆文献、豆病害、豆表型、豆育种六大功能模块，构建了覆盖知识图谱与文献数据、基因组与多组学数据、表型组数据、育种实践数据等多维数据体系。目前，该模型可围绕大豆重要农艺性状，辅助开展病害诊断、育种亲本筛选、虚拟组合设计、表型数据解析、分子标记辅助育种和候选基因功能分析等任务。
从行业视角看，“丰菽”2.0的发布是AI技术在垂直农业领域的一次具体落地。大豆育种涉及基因组、表型、环境等多维度复杂数据，传统育种方法依赖大量田间试验和经验判断，周期长且成本高。借助大模型对海量文献和组学数据的整合分析能力，育种家可以在虚拟环境中进行亲本组合设计和性状预测，从而缩短育种周期、提高选择效率。该模型的迭代也反映出农业科研机构正在加速将生成式AI引入基础研究和应用转化环节。
值得注意的是，“丰菽”2.0采用的多模型协同架构，在垂直领域大模型建设中具有一定代表性。通过引入通用大模型接口并进行专业领域知识校准，既利用了通用模型的语言理解和推理能力，又通过领域知识图谱和私有数据约束了输出的专业性和准确性。这种“通用+垂直”的混合架构，或将为其他农业细分领域的AI模型建设提供参考。
目前，“丰菽”2.0仍处于科研应用阶段，其实际育种效果尚需通过更多田间试验和育种项目来验证。随着模型持续迭代和更多育种数据的积累，大豆数据辅助育种有望从实验室走向规模化应用，为大豆种业振兴提供技术支撑。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
