安徽农大｜发布大豆垂直大模型「丰菽」2.0：多模型协同育种

通用大模型能答「什么是基因组」，未必稳答「这一批种质在病害样本与田间试验记录对照下该怎么筛」——农业垂直模型要解决的，正是这种「听起来懂、落到田里却飘」的问题。

安徽农业大学长期深耕作物育种与农业信息化交叉方向。所谓垂直大模型，白话不是再堆一个通用聊天机器人，而是把某一细分领域的私有数据、专业规则与工作流绑进同一套系统，回答要经得起同行核对。所谓数据辅助育种，白话是用结构化知识与模型推理，缩短「看材料→做假设→排试验」的循环，而不是替代育种家拍板。8月16日，学校在广西南宁举行的第32届全国大豆科研生产研讨会上发布大豆垂直大模型「丰菽」2.0，由王晓波教授代表研发团队介绍；公开口径称该版本实现多模态数据融合，并新增多模型协同分析机制。

据研发团队介绍，「丰菽」2.0整合大豆种质资源、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，形成面向大豆科研的结构化知识体系。相对初代版本，关键增量是协同机制：系统嵌入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，再由总结模块结合领域知识、私有数据与结构化比对规则，对各模型回答中的共识、差异及证据完整性做综合分析，从而降低单一模型回答偏差，提高专业知识服务的稳定性。

可以把2.0的设计想成「会诊 + 书记员」：

1. 多源证据：种质、组学、病害与田间记录先被收成可检索的知识底座。
2. 多模型会诊：同一问题允许多个通用模型各自作答，避免单点幻觉一锤定音。
3. 领域总结：总结模块按证据完整性与一致性出更稳的专业结论，而不是简单投票。
4. 目标场景：服务育种科研问答与数据辅助决策，而不是泛娱乐对话。

把这件事放进产业AI坐标：垂直模型拼的不是参数海报，而是私有数据、专业规则与可复核结论。对育种科研与种业数字化，意义是把分散样本与文献收成可查询、可对照的工作流；对农业科技公司，则提示「接通用API」只是起点，真正护城河在结构化数据与田间验证闭环。赛道对照也不抽象——医疗、法律、工业质检都在走同类路径：通用模型负责语言与推理，垂直层负责证据与责任边界。

需要把边界读清楚。发布会口径不等于开放权重或公开API；「降低偏差」属方法设计目标，仍需独立复现与田间指标对齐。下一观察点是模型是否对更多科研机构开放试用，以及与真实育种试验关键指标（产量、抗性、周期）的对照结果——能答对题，还要能帮得上田。