长期以来，农业生产一直受制于“靠天吃饭”。通用人工智能大模型近年进展迅速，但在农业场景中适配不足。中国农业大学信息与电气工程学院副教授王耀君团队发现，通用大模型基于多领域数据训练——覆盖面虽广——却难以提供足够的专业深度；面对复杂多变的农业问题时，常出现“水土不服”，甚至给出违背农业常识的建议。这也折射出一个现实矛盾：通用型人工智能工具难以支撑农业生产对专业化、精细化的要求。 面对这个问题，王耀君团队决定研发面向农业的垂类大模型，并将其命名为“神农”，既致敬农业文明先驱，也寄托对中国农业传统文化的传承。团队判断，农业关系近两亿人就业，借助更专业的人工智能技术推动农业现代化，具有重要的经济与社会价值。 神农大模型的研发强调系统性与可验证性。团队从数据积累入手，在中国农业大学图书馆支持下，用7个月系统扫描馆藏农业专著3000余册，并结合公开资料构建覆盖2万册图书的专项数据库。团队认为，高质量数据是训练垂类模型的基础。为保证数据可靠，团队建立了“清洗—标注—审核—入库”的质控流程，并与中国农科院等机构协作统一数据格式与指标体系，减少重复数据、剔除低质内容。 仅有理论知识仍不足以解决生产问题。为让神农大模型更贴近真实场景，团队走访全国20多个省份，采集土壤成分、灌溉记录、病虫害数据、气象灾害影响等一线生产数据，并与书本知识交叉验证、融合训练，使模型能更准确地理解和应对真实农业环境。 算力成本同样是关键挑战。单纯依靠采购高端芯片提升算力，对经费有限的科研团队并不现实。为此，王耀君团队采用MOE架构（混合专家模型），并结合模型压缩与剪枝算法提升训练效率，在资源有限的条件下降低算力消耗。 经过持续攻关，神农大模型于2023年12月推出1.0版本，具备农业知识问答、文本语义理解、文本摘要生成、生产决策推理等能力。2024年7月发布的2.0版本加入图像、声音等多模态识别功能，应用范围深入扩大。2025年10月升级至3.0版本，采用“轻量化+多智能体”架构，在算力消耗降低一半的同时，推出36个面向具体农事问题的专项智能体。 神农大模型的落地应用已取得初步进展。搭载该模型的“神农简田”家庭种植机，将种植流程简化为“选择作物、自动生成方案”，降低家庭种植门槛。该模型也被集成到面向农业科普的数字人一体机中，作为“零门槛智能终端”服务用户。目前，神农大模型已服务全国超过10万名农户，覆盖智慧种植、智慧育种、气象监测、农情遥感等农业生产全链条。
从实验室走向田间地头，“神农大模型”的研发历程表明，科技创新要解决真问题、服务真实需求。在加快建设农业强国的背景下，这种将前沿技术与传统产业结合的探索，既反映了科研团队的责任担当，也为农业现代化提供了可借鉴的中国路径。未来，随着数字技术在农业农村领域加速落地，我国农业高质量发展有望获得更持续的科技支撑。