2026年8月21日，由中国计算机学会（CCF）主办的技术论坛《农业大数据智能：大数据与大模型如何真正成为农业新质生产力？》在2026年第十四届大数据学术会议期间成功举行。当前大数据与大模型持续赋能农业，作为典型复杂开放系统的现代农业正在加速迈向数字化、网络化与智能化。然而，在实际农业场景中，仍面临数据标准不统一、跨模态融合困难、大模型适配复杂农情不足及产业落地成本高等关键问题。本论坛邀请大数据、人工智能、农业信息化领域学者及产业界专家开展深入交流，围绕“生产要素-生产工具-生产关系”，聚焦农业大数据与大模型智能适配的关键技术与行业挑战，探讨技术突破向农业新质生产力转化的实现路径，推动农业数智化技术真正落地，为农业新质生产力培育与高质量发展提供新思路与新方案。

论坛由YOCSEF哈尔滨2026-2027副主席戴百生（东北农业大学）和YOCSEF广州2022-2023主席黄栋（华南农业大学）共同担任执行主席。

论坛邀请到西北农林科技大学副校长张宏鸣、哈尔滨工业大学人工智能研究院院长刘劼、中国农业大学三亚研究院农业人工智能研究中心主任王耀君、中国科学院计算技术研究所农业智能技术实验室主任张玉成、澳门科技大学助理教授陈祈祈作为引导发言嘉宾，还邀请了深圳大学大数据技术与应用研究所副所长陈小军、黑龙江八一农垦大学信息与电气工程学院院长赵安邦、哈尔滨工程大学国家级青年人才江俊慧作为特邀嘉宾参与议题深度思辨。同时，论坛吸引了中国科技大学、中山大学、华东师范大学、华北水利水电大学、武汉达梦数据库股份有限公司等外地嘉宾。另外，参与本论坛的还包括YOCSEF总部AC副主席张忠宝、YOCSEF总部AC委员敖翔、YOCSEF广州老主席谭台哲、YOCSEF武汉AC委员袁鑫，以及YOCSEF哈尔滨的AC委员、委员等来自企业与高校的60余位代表参与此次论坛。

本次论坛围绕三大核心思辨议题展开深度交流和递进式思辨，各位嘉宾结合农业一线实践、技术研发与产业应用展开深入讨论，共同探索大数据与大模型真正转化为农业新质生产力的实现路径。

引导发言：从农业大模型到智慧农场

引导发言嘉宾西北农林科技大学教授潘丽鹏以《农业大模型关键技术及其应用》为题，系统介绍了九壤耘星农业大模型的总体框架与关键核心技术，展示了人工智能大模型赋能农业智能化发展的技术路径。报告立足我国农业特色产业布局，围绕九壤耘星农业大模型的应用体系，介绍了其在果业、畜牧业、设施农业、大田作物及区域特色产业中的应用探索，探讨了农业大模型推动产业协同与集群发展的新模式。同时，报告结合不同农业场景，展望了农业大模型的应用前景，为人工智能赋能农业转型升级提供了新的技术思路。

引导发言嘉宾哈尔滨工业大学人工智能研究院院长刘劼以《后大模型时代的智慧农场技术》为题，系统介绍了多模态、物理智能与具身智能等新兴技术的发展及其在农业领域的应用探索，分析了人工智能对农场感知、决策、执行与管理模式带来的深刻变革。同时，报告结合智慧农场技术与系统全国重点实验室的研究实践，探讨了农业大模型与智能体赋能农业的特色场景及技术路径，并展望了AI推动智慧农业发展的未来方向。

引导发言嘉宾澳门科技大学助理教授陈祈祈以《基于区块链与数字孪生的农机作业数据管理》为题，围绕农机作业数据管理与可信共享展开分享，分析了农机数据分散、格式复杂及采集可靠性不足等问题，介绍了基于区块链与数字孪生的农机作业数据管理框架，通过可信数据共享、全生命周期追踪及智能合约等技术，实现农机作业数据的安全传输、可靠存储与可追溯管理，并结合实际农机作业数据验证了框架的可行性，为提升农机数据共享效率与透明度提供了新思路。

引导发言嘉宾中国农业大学三亚研究院农业人工智能研究中心主任王耀君以《神农大模型在农业场景中的应用》为题，分析了农业数据碎片化、环境动态变化与决策可信度不足等问题，介绍了神农大模型从知识增强、多模态适配到智能体构建的技术路径，并通过算法透明、结果可溯源与知识可表达提升模型可信度。结合病虫害识别、产量预测等应用案例，展示了大模型与智能体在农业场景中的应用价值，为农业智能化发展提供了新的技术思路。

引导嘉宾中国科学院计算技术研究所农业智能技术实验室主任张玉成以《基于伏羲农场的智慧农业技术体系构建与实践》为题，介绍了“伏羲农场”示范基地建设及“数据+算法+场景”技术体系，展示了物联网感知、农业大数据等技术在智能灌溉、精准施肥、病虫害预警等场景中的应用实践。同时，报告分享了农业全流程智能化管理经验，探讨了智慧农业技术的标准化、规模化推广路径，为智慧农业发展和粮食安全保障提供了实践参考。

论坛现场为各位引导发言嘉宾颁发感谢牌，对各位专家的倾情分享和鼎力支持表示诚挚感谢。

随后，论坛正式进入思辨环节，议题聚焦三大核心方向。在特邀嘉宾的带动下，与会者融合理论研究、技术攻关与产业一线经验，展开了充分而深入的讨论。不同视角的反复碰撞与互补，产出了众多兼具前瞻性与可操作性的建设性观点。思辨点1：生产要素之钥:数据能否成为智慧农业“空中楼阁”现象的破解之钥?首先特邀嘉宾赵安邦就该议题做了发言。随后谭台哲、陈祈祈、张晓光、张忠宝等对该议题进行了思辨发言。

观点输出主要集中在以下方面：

1.数据壁垒与共享机制：当前智慧农业的关键问题并非简单的数据不足，而是数据壁垒和利益协调机制不畅，数据资源难以有效共享流通；需进一步完善数据共享机制，推动打破数据孤岛，促进数据要素价值释放。

2.数据与场景结合：数据只是智慧农业的重要生产要素之一，真正决定技术价值的是能否与实际应用场景有效结合；应将大模型和人工智能算法深度嵌入具体业务场景，聚焦农业生产中的实际痛点和难点，推动数据要素由资源向生产效能转化。

3.数据质量：高质量数据是提升智慧农业算法服务能力的重要基础，需着力解决农业数据非标准化、噪声干扰等问题，将优质数据的获取、治理和处理作为农业智能技术发展的重要着力点。

4.数据—算法—场景协同：高质量数据需要与高效的数据处理机制和实际应用场景相匹配，实现数据、算法与场景的协同。

5.数据底座与智能体融合：以数字化为基础，推动智能体与大模型深度融合，在数据底座支撑下发挥智能体的自主决策和工具调用能力，为农业科研和生产效率提升提供新的技术路径。

6.数据生成闭环：随着大模型对存量数据学习和利用能力不断提升，智慧农业的关注点正逐步从“数据积累”转向“数据生成与应用闭环”；需探索更加高效的数据生成机制，使数据能够在实际应用中持续产生、反馈和迭代。

思辨点2：生产工具之问，大模型如何从“知识发现者”走向“生产驱动者”？

首先特邀嘉宾陈小军就该议题做了发言。随后王耀君、潘丽鹏、张剑飞、陈祈祈等对该议题进行了思辨发言。

观点输出主要集中在以下方面：

1.验证与降低不确定性：实验环境中的模型验证与真实农业生产存在明显差异，大模型自身的不确定性与农业生产对稳定性、可靠性的要求之间仍存在矛盾；需进一步缩短验证周期，降低复杂环境中的不确定性，并通过实际业务应用检验其降本增效能力。

2.智能中枢定位：可将大模型作为“智能中枢”，向下连接农机、传感器等智能装备及垂直领域小模型，通过综合调度和多智能体协同，逐步拓展大模型在生产环节中的作用。

3.全产业链延伸：通过打通种植、管理、收获和销售等环节的数据，推动大模型从生产端向消费端、市场端延伸，从单一的知识服务工具向覆盖全产业链的业务驱动工具转变。

4.知识约束：针对模型输出存在一定不确定性的问题，可将农业专家经验、专业规则等融入智能体，并通过智能体对大模型的生成边界进行约束，使其更安全、稳定地参与农业生产决策与执行。

5.决策辅助定位：现阶段大模型更适合作为“决策辅助者”，而非直接替代专业人员进行生产决策；应充分发挥大模型在信息分析、知识整理和数据处理等方面的优势，同时保留专业人员的决策和风险把控作用。

6.感知—行动—反馈与一线迭代：大模型在复杂知识推理中仍存在一定局限，需借助 Agent 连接外部软件、硬件和实际生产环境，通过“感知—行动—反馈”的循环不断修正优化；同时一线农技人员和真实业务场景是模型持续迭代的重要基础，通过“实践—认知—再实践”的迭代闭环反哺模型。

思辨点3：生产关系之变:数智农业走向“人机协同”还是“机器主导”?

首先特邀嘉宾江俊慧就该议题做了发言。随后王妍玮、王勇、高明等对该议题进行了思辨发言。

观点输出主要集中在以下方面：

1.分层管理：可根据任务风险和应用场景进行分层管理，在低风险、可逆的农业任务中逐步提高机器自主决策程度，对高风险和复杂任务保留人工审核和决策机制，通过合理划分人机职责实现效率与安全的平衡。

2.封闭场景机器自主：在温室、水产等环境相对封闭、可控的场景中，机器自主运行具有较好的应用基础。

3.大田人工确认：面对极端天气和复杂环境的大田生产，高风险环节仍需要保留人工确认机制。

4.标准化作业机器自主：随着无人驾驶农机、空间联动控制等技术不断成熟，在部分标准化程度较高的单机作业及多智能体协同场景中，机器自主作业已经具备较好的技术条件。

5.长期趋势：随着人工智能技术不断成熟以及风险控制能力持续提升，农业生产有望进一步提高自动化和无人化水平，机器将在更多生产环节承担执行任务。

6.审慎过渡：大模型在复杂、非标准化问题处理中仍存在一定的不确定性，技术过渡阶段应以“人类主导、机器辅助”为主要模式，在规则明确的场景中发挥机器效率优势，关键决策仍需由专业人员把关；设施农业等封闭可控场景机器自主可行性较强，而大田等复杂场景则需保留人工干预和风险兜底机制。从“能用”到“好用”，农业智能化仍需系统推进。

经过数小时的交流研讨，与会嘉宾认为，大数据与大模型正在成为推动农业现代化的重要技术力量，但农业智能化并非单纯的技术升级，而是生产要素、生产工具和生产关系的系统性变革。

在生产要素层面，应进一步完善农业数据标准、确权、共享与安全机制，推动分散数据由“孤岛”走向协同利用；在生产工具层面，应促进农业大模型与知识图谱、数字孪生、智能体及智能农机等技术深度融合，提升智能系统对真实农业场景的理解、决策与执行能力；在生产关系层面，应探索与农业生产特点相适应的人机协同机制，合理划分人与机器的职责边界。

本次论坛形成的共识是，农业大数据智能的价值不在于建设多少平台、接入多少设备或训练多大模型，而在于能否真正转化为农业生产效能。只有让数据进入生产、让模型连接场景与设备，并在真实农业生产中持续迭代验证，才能推动大数据与大模型从技术能力转化为现实生产力，真正成为农业新质生产力的重要支撑。

最后，YOCSEF哈尔滨分论坛主席王勇对论坛作总结与展望。他认为本次论坛选题具有鲜明特色，嘉宾水平高且影响力大，与会者思辨交流充分，进一步凝聚了智慧农业发展的共识，也为大数据和大模型技术赋能农业高质量发展提供了新的思路。