南农发布“神农慧种”系列智能体 “神农慧种”系列智能体已在多地示范应用

 智慧农业并非一日之功。当人工智能热潮席卷各行各业时,农业领域却依然面临一个尴尬的现实——大模型“会回答”,却未必“懂种田”。气候变化的不可控、劳动力老龄化的不可逆、耕地资源约束的不可回避,叠加在一起,倒逼着农业寻求一条新路。有人用一句话概括了这场变革的紧迫性:“靠经验种田”的时代正在退场,“靠数据决策、靠模型诊断、靠装备执行”的新篇悄然开启。

 正是在这样的背景下,南京农业大学智慧农业创新团队交出了一份沉甸甸的答卷。2026年5月16日,在农业大模型与智能体创新发展研讨会上,“神农慧种”系列智能体正式亮相。这并非凭空诞生的产物,而是三十年来在农作系统模拟、农情遥感监测、农田精确管理等领域的持续深耕,最终汇聚而成的智慧种植综合解决方案。

 “神农慧种”四个字本身就藏着巧思——“慧”字拆开看,是“丰收”的“丰”压着一颗心,意在用心耕耘才能换来丰收。这份用心的背后,凝聚着百余项核心算法、三大自主研发模型体系的支撑,以及数十位科研人员长年累月的田间观测与数据积累。

 “慧耕耘”领衔 打造粮食生产智慧基座

 “神农慧种”之所以被定位为“系列智能体”,是因为它并非一个单一工具,而是一套完整的系统。在设计理念上,它采用了“综合平台+关键环节+应用场景”的全栈式架构,被项目负责人形容为粮食生产的“智慧基座”。

 整个系统的顶层结构清晰而有序。以“慧耕耘”作为总入口和智慧大脑,以“慧种植”为主线串联各个环节,涵盖“慧感知”“慧预测”“慧作业”三大关键节点,以及“慧种稻”“慧种麦”“慧种玉”“慧种豆”四大应用场景,覆盖了主要粮油作物从播种到收获的全生育期智慧管理。

 “慧耕耘”平台的设计别有洞天。它采用大语言模型与小量化模型协同机制——大模型负责对话交互与意图理解,小模型负责定量计算与动态预测。在架构层面,研发团队攻克了算法技能封装、模型上下文协议、命令行调用等一系列自有技术。依托这一平台,系统能将作物生长参数解析算法、CropGrow生长模拟模型与田间智能装备精确调度起来,真正打通了从云端算法到田间作业的执行链路。

 “慧感知”则打通了作物生长的“眼睛”。它将遥感监测通用模型与大语言模型相结合,在全国稻麦主产区范围内实现了田块分割、作物识别、长势参数反演、灾害胁迫监测以及产量品质预测,并能自动生成结构化的农情报告和动态专题图。而“慧预测”以自主研发的CropGrow模型为核心,耦合机器学习算法和气象、土壤、管理等数据,对稻麦主产区开展生育期预测、产量品质预报、气候影响评估、农田碳排放估算,预测精度达到90%以上。

 “慧种稻”和“慧种麦”这两大应用场景智能体则聚焦具体作物生产,集成田块智能识别、土壤养分估算、播种制度推荐、生长参数反演、病虫草害识别、变量施肥施药灌溉、收获评估等功能,实现“种—肥—水—药—收”全链条智能管理。这些功能不仅输出量化决策结果,还可以通过空间专题图、管理时间轴等形式呈现,并与智能农机装备对接,确保精准作业能够真正落地。

 跨地域落地 让大模型长出手脚回馈农田

 如果说技术是种子,那么落地应用就是土壤。“神农慧种”的真正价值,体现在它已经扎根于实实在在的田野之中。

 在江苏农垦的百万亩规模化种植基地,依托长期产学研合作积累的海量实证数据,“神农慧种”的模型训练和场景适配不断精进。数据显示,相关技术已在江苏、河南、安徽、江西、山东、上海、新疆等地开展示范应用,覆盖了产前种植处方设计、作物长势诊断调控、变量施肥灌溉、病虫害防治、无人收获和农技服务等多个环节。

 在更宏观的产业层面,“神农慧种”的发布并非单一企业或机构的“独角戏”。南京农业大学、江苏省农科院与苏垦农发等科研院所和龙头企业联合攻关,依托共建的南京市智慧农业创新联合体、智慧农业联合研究中心,将科研成果与一线生产需求紧密对接。这既是一场多方资源汇聚的协同之战,也是一次技术供给与产业需求双向奔赴的实践。

 值得注意的是,“神农慧种”还留出了“私人定制”的空间。用户可以将自己的种植经验上传到平台的本地知识库,让智能体持续学习和进化,逐步构建起专属农业智能体。这意味着,“神农慧种”不是一套固定的模具,而是一个可塑性极强的活工具——它接纳每一位农户的经验,也在每一次迭代中变得更懂那片土地。从“会回答”到“慧种田”,这三个字的变化,正悄然弥合着实验室与田垄之间那道曾经难以跨越的鸿沟。