第一，农技服务。目前基础条件相对好，也有需求，可以先行开展。例如植保、水肥、灌溉等技术的知识储备较为充分，已有很多农业方面的知识积累，用大模型方法，可以将相关的知识和技术，变成不同人群和地区可以使用的数字化产品。
第二，农产品市场信息服务。比如猪肉价格，未来需要对产区、市场、政策等多维度信息汇聚分析，是多模态的农业行业大模型。
第三，生物育种。种子作为农业的芯片，重要性不言而喻。生物育种需要首先发现基因，分析哪些基因与品种的性状相关，然后构建基因型-表型关联模型预测来辅助选择育种。
第四，农业智能生产。包括动植物生长监测和预测、智能灌溉、病虫害检测管理、农资管理、自动化农业机械控制、智能农业决策支持等方面，很多可以与其他行业大模型相交叉，比如遥感大模型。
AgriGPT
一种专门为农业领域设计的人工智能模型，它通过在大量与农业相关的文本数据上进行训练，以提高对农业领域知识的理解和应用能力 （例：美国农业部数据集、欧盟农业数据集、气候干旱数据集）。AgriGPT 可以解决各种农业相关问题，如作物病害识别、农业政策分析、农业技术普及、作物生长预测等。
agriGPT v0.3 是一个 gpt3.5 turbo 预提示模型，专门设计用于协助农业主题，像农学家一样思考。该聊天机器人被编程为具有解决和讨论与农业相关主题的特定风格。
精准农业-GPT
基于GPT-4 fine-tune而来，下载了大量近些年来的精准农业相关综述论文涵盖遥感，计算机视觉，统计等各项应用于农业的研究，该模型被训练于为回答各方面精准农业问题。
地址：https://chat.openai.com/g/g-xiObEERgO-jing-zhun-nong-ye-gpt
ChatAgri
ChatAgri是根据农业领域行业专有数据、技术文档等垂直数据采用Embedding形式向量化数据，结合GPT而训练的专属农业AI大语言模型。ChatAgri结合作物生长模型的解决方案:
- 数据处理能力（Data Processing Capability）：包括不同类型的农业数据预处理、数据清洗、数据转换等。
- 农业知识获取能力：模型获取农业领域知识，包括对农业领域文献、数据库、专家知识等的理解和应用。
- 农业信息理解与预测能力：模型理解农业相关信息的能力，包括生成农业建议、农作物生长预测、测土配方施肥报告、病虫害监测报告等。
- 农业决策支持能力（Agricultural Decision Support Capability）：模型对农业决策的支持能力，包括提供农作物种植方案、施肥建议、病虫害防治策略等。
详细流程实现：
1、建立向量数据库的collection（相当于数据库表）。
2、创建collection的索引。
4、导入数据调用openAi转换为向量浮点数据，把数据文本和向量浮点数据存入到collection中。
5、加载collection到内存中，用于查询。
6、用户查询调用openAi转换为向量浮点数据，根据向量浮点数据查询向量数据库得到数据文本。
7、把用户的问题和从向量数据库的数据文本，编写一个prompt，交给GPT进行润色，并生成答案。
训练使用的数据包括以下三类：
- 农业院校教材，如：植物生理学、作物栽培耕作、植物病理学、土壤学。
- 行业内技术文档。
- 行业内数据：土壤检测数据、病害发生数据、作物生长数据等。
此外还对外开放API接口，满足自主构建企业级应用。
地址：www.chatagri.eu.org
PigGPT
今年9月5日，在2023智博会专场发布活动上，国家生猪大数据中心首席科学家张亮博士面向全国首次发布新成果PigGPT—全国乡村振兴•生猪数字服务站。
作为一个面向全国中小养殖户的数字综合服务平台，该平台通过近1年的封闭开发，组建起全国最全面的生猪产业专家智库，可为中小养殖户提供专业的生猪生产知识、权威的生猪产业发展报告、最全面的生猪产业数字资讯。
地址：https://piggpt.zhuwang.com.cn/web/#/
小田（一亩田）
一亩田是一家基于移动互联网技术、深耕农产品产地、促进农产品流通效率的互联网公司，成立于2011年，通过线上一亩田APP及线下豆牛代卖智慧服务网络，累计服务农业从业者超5000万，覆盖全国2800多个县的1.5万种农产品品类，年带动农产品交易额超3000亿元。
2023年6月26日，一亩田集团发布了国内首款基于大模型技术的农业AI对话机器人——“小田”。小田融合了一亩田平台所覆盖全国2800多个县的农产品流通大数据，以及多个农业细分领域的专业知识，覆盖新品种新技术、农业技术、供需行情、产销智能匹配等多个模块，针对不同用户群体，涉及从生产、流通、采购等全链条多个场景，帮助农民解决种什么、怎么种、如何卖、高效买的问题。
耕云农业大模型（安徽省农业厅+科大讯飞））
今年10月，由安徽省农业农村厅联合科大讯飞构建的“智慧服务大脑”——耕云农业大模型首次亮相。该模型采用了“强底座、大中台、小前端”的基本架构，有效提升农业行业“产供销服管”全链条智能化水平，推动通用人工智能与农业领域深度融合和科技创新应用。
据悉，针对农业生产全过程中种植、养殖方案千变万化，惠农政策与行业发展规划需要及时普及，涉农政务服务多、流程杂，农业市场行情需及时了解和预测等行业难点痛点，耕云农业大模型能够实现农业生产、政策咨询、政务服务、市场分析“四位一体”的智慧化服务，帮助农业从业者更好进行农业生产、降本增效，并将农业政策、政务事项等信息高效传达普及。
耕云农业大模型以农业专业数据资源作为核心要素，全方位梳理汇聚农业农村各个领域数据，发挥数据资源对为农服务的支撑作用。截至目前，已对接涉农信息3.6亿条数据，提取学习涉农文档资料近200万条。该模型具备深度学习、人机协同、语义识别的优质标杆数智能力，能对涉农用户深度理解以及对产业发展持续洞察。此外，该模型能在自主学习、自我认知的基础上，为涉农主体提供高效、智能的服务和咨询，帮助涉农主体对未来市场容量和产品竞争力进行预测，提出最佳经营策略，并针对我省涉农103项政务服务事项，为群众提供规范、便捷、高效的政策咨询、办事指南等帮办服务，发挥农业生产“大管家”、涉农主体“经理人”、政务服务“好帮手”、市场信息“小灵通”的作用。
商汤AI遥感大模型
4月20日，第十二届中国国际现代农业博览会暨2023中国智慧农业发展大会上，商汤科技基于“商汤日日新SenseNova”大模型体系的AI遥感大模型，聚焦“AI技术如何下沉到现代农业应用场景”进行了精彩展示。以商汤AI遥感大模型和AI大装置SenseCore打造“大模型+大算力”基座，AI+遥感大幅提升了图像解译效果和效率。
商汤AI遥感大模型以通用视觉大模型为基础，借助通用视觉大模型10亿级模型参数，实现全国不同地形地貌、不同影像类型、不同影像时间和谱段的高泛化能力，使AI遥感大模型拥有先进的地物解译能力和媲美人工标注的图斑效果，并涵盖了46类语义分割、5类目标监测、4类变化检测、2类超分辨率算法。
基于AI遥感大模型，商汤已经建立了亚米级南北方耕地监测模型、2米级主粮作物监测模型、10米级主粮作物监测模型等农业领域专属模型，以及间接服务于农业的全要素地物检测模型。目前，商汤AI遥感大模型已在种植业监测、非农非粮监测、耕地用途管控、涉农信贷、涉农保险领域得到广泛应用。
此外，2月28日，作为首批入驻北大荒现代农业生态共创平台的AI企业，商汤科技与北大荒信息有限公司签署战略合作。此次合作率先在AI+遥感领域发力，通过对多源遥感数据智能挖掘分析，为北大荒业务部门及农场提供科学、精准、全方位的决策支撑。农作物病虫害问题便是当前双方的重点攻坚方向。对此，双方将联合研发基于智能遥感技术及气象技术的监测模型，以及基于AI图像识别技术的农作物病虫害检测模型，实现对北大荒种植区域内主要粮食作物病虫害影响范围和程度的高效判定，提升病虫害预测及防治效能。
AI遥感大模型（AIE-SEG）
今年10月，阿里达摩院发布业内首个遥感 AI 大模型（AIE-SEG），号称“率先在遥感领域实现了图像分割的任务统一”、“一个模型实现‘万物零样本’的快速提取”，并可识别农田、水域、建筑物等近百种遥感地物分类，还能根据用户的交互式反馈自动调优识别结果。
据悉，遥感技术主要用于城市规划、耕地保护、应急救灾等行业应用，而在 AI 加持下，相关遥感技术能够对卫星捕获内容及历史气象数据进行分析，从而助力城市运营、耕地保护、应急救灾等行业应用。
目前该 AI 模型已经在行业中有所应用，例如山东省国土测绘院与阿里达摩院合作利用遥感 AI 大模型进行冬小麦长势监测，识别精度达到 90% 以上，有效提高冬小麦遥感解译的效率，帮助农业管理者更好地预测粮食产量、提升农业生产效益。
神农大模型1.0
“神农大模型1.0”于2023年12月29日在中国农业大学正式发布，这标志着我国农业科技领域AI应用获得重要突破。此次发布的模型在常规大模型技术架构基础上融合了知识图谱、向量数据库等技术，实现了农业知识有问必答的同时，提高了回答的准确率。模型具备农业知识问答、农业文本语义理解、文本摘要生成、农业生产决策推理等多项功能
丰登”大模型
4月28日，中国农业大学深圳研究院王喜庆教授团队携手上海人工智能实验室和崖州湾国家实验室，共同发布了“丰登”（SeedLLM）首个种业专用大语言模型。通过深度挖掘我国已有的科研文献、科技专著、种业企业报告及历史推广数据，“丰登”能够以用户友好的方式，解答关于作物品种选育、推广、栽培技艺及种业市场动态等各类问题。
总结
LLM火了，各行各业都要来蹭一下，农业也不例外。其实早在LLM之前，AI+农业就一直在到处宣传了。国内的腾讯、阿里、字节，国外的微软、谷歌等互联网巨头都在布局农业，但迄今为止，没有一个很成功的案例。
中国大模型列表：https://github.com/wgwang/LLMs-In-China/blob/main/README.md
大模型也是如此，噱头大于实际。农业范围过于宽泛，农业数据过于复杂。没有足够算力和资金，只能用基础模型，修修改改，套壳都套不好。各行业应该聚焦于更细分的垂直领域，比如育种、种植、交易，不要想着做全产业链，上下游通吃。
参考资料：
https://36kr.com/p/2517967243382787
https://mp.weixin.qq.com/s/P8mtdx5gaNwrGeaJZeLT5w
https://mp.weixin.qq.com/s/gj12wUPMZ4o5p4HXtj483Q
https://mp.weixin.qq.com/s/fYy3Pv_YGCr9uYT_3qTNpg
https://www.shangyexinzhi.com/article/7694162.html
https://mp.weixin.qq.com/s/vcKClKwBbs8eTFE9SsZ8twhttps://finance.sina.com.cn/tech/roll/2023-06-27/doc-imyytyup1654886.shtml
原创文章，作者：奋斗，如若转载，请注明出处：https://blog.ytso.com/313839.html