【光明时评】智慧农业须以高质量数据集为支撑

　　【光明时评】　

　　近期，国务院印发《加快农业农村现代化“十五五”规划》。此次规划将“推进人工智能运用和智慧农业发展”作为重要部署，为智慧农业发展指明了方向。农业是最需要数字技术赋能，也最能体现人工智能价值的领域之一。但“人工智能+农业”的发展，不只在于智能装备和算法模型，更在于稳定、丰富、可信的数据供给。

　　近日，国家数据局发布《关于推进行业高质量数据集建设行动的实施方案》，进一步把高质量数据集建设摆在基础性位置。行业高质量数据集是经过采集、加工等处理，可直接用于开发和训练人工智能模型、能够有效提升模型性能的行业数据集合，是推动“人工智能+”赋能千行百业、实现产业落地的基础性、关键性资源。实施方案围绕行业高质量数据集供给、流通、应用等关键环节，推动形成“场景牵引数据、数据驱动模型、模型赋能应用、应用创造价值”的良性循环。对农业而言，这一循环能否转起来，关键就在于能否把散落在生产一线、科研平台、经营主体和公共服务系统中的数据组织起来、治理起来、利用起来。

　　当前，从耕地保护、农情监测、病虫害识别，到智能农机、智慧灌溉、良种选育，农业生产的各个环节都在持续产生数据。这些数据虽然分散，却蕴含着土壤、气候、作物、农机、经营主体和市场需求之间的复杂联系。实践中，“神农”“司农”等农业大模型不断涌现，遥感影像、作物长势、病虫害识别、农机作业、气象环境、种质资源等数据加速汇集，为农业智能化发展作出积极贡献。但也要看到，农业数据来源广、类型多、产出主体分散，采集标准不一、标注质量不齐、流通渠道不畅等问题仍然存在，真正能够稳定用于模型训练的高质量数据仍显不足。

　　因此，推动“人工智能+农业”发展，不能把着力点停留在“建几个模型、上几个平台”上。农业大模型要真正服务生产，必须以高质量数据集为支撑，把农业经验、农学知识、生产记录、遥感影像、农机轨迹、气象环境等转化为可计算、可训练、可验证的数据资源。只有数据供得出、流得动、用得好、保安全，人工智能才能真正管用。

　　高质量数据集建设，首先要解决数据供给的问题。农业数据无法凭空产生，需要从生产实践中来，需要多方主体共同贡献。要让各类主体愿意供给、放心供给，就必须让贡献有回报、权益有保障。对于凝结着农户、集体经济组织和其他农业经营主体劳动投入的数据，应当建立更加清晰的权益确认和收益分享机制，避免“数据被拿走、收益留不下”的问题。只有让数据贡献者看得见收益、摸得着保障，才能让农业数据“从沉睡中醒来”。

　　高质量数据集建设，还要解决数据质量的问题。农业大模型不同于一般问答模型，它面对的是复杂多变的自然条件和高度专业的农业知识。病虫害识别需要准确图片和专家标注，土壤肥力判断需要长期监测和区域经验，育种模型还涉及基因、性状、环境等多维数据。如果数据不完整、不准确、不及时，模型输出就可能失真，甚至误导农业生产。因此，要把质量意识贯穿数据采集、清洗、标注、更新、反馈全过程，推动农业专家、技术人员和智能工具协同参与，形成“数据—模型—应用—反馈”的良性循环。模型用得越多，数据越能不断校准；数据越优，模型越能精准服务。

　　高质量数据集建设，更要解决数据安全保障的问题。农业数据关系粮食安全、生态安全、生物安全和农民权益，不能简单地一放了之。需要根据数据内容、敏感程度、应用场景和公共价值实行差别化管理。对基础性、公益性强且风险较低的数据，可以积极开放共享；对涉及敏感区域、个人信息、商业秘密和重要资源的数据，则要设置必要条件，明确用途范围和责任。安全不是发展的对立面，而是数据长期流通、持续利用的前提。守住安全底线，才能形成可持续的数据供给秩序。

　　面向未来，应以农业真实需求为牵引，以数据质量提升为核心，以多方参与和利益共享为支撑，推动更多农业数据从田间地头走向模型训练、从分散沉淀走向融合利用。当高质量数据源源不断汇入农业大模型，人工智能就能更好地服务粮食稳产增产、农民增收致富、乡村全面振兴。把高质量数据集建设好、利用好、保护好，必将为“人工智能+农业”注入更加澎湃的动力，也将为农业强国建设开辟更加广阔的空间。

　　（作者：梁伟亮，系中国农业大学农业与农村法制研究中心研究员、人文与发展学院副教授）