□程国强 　　“十五五”时期是加快建设农业强国的关键阶段，保障粮食和重要农产品稳定安全供给始终是头等大事。当前我国粮食供需仍将长期处于紧平衡态势，极端气候频发与国际局势深刻演变进一步加大了风险防控的难度。粮食安全的底层逻辑正在发生深刻变化，推动粮食安全从侧重数量保障向数量质量并重、更具风险韧性转型升级，是筑牢国家安全根基的必然选择。实现这一转型升级，迫切需要以农业新质生产力为根本驱动，引领农业生产方式变革、要素组合优化和制度供给调适，在提升粮食供给体系全要素生产率过程中筑牢安全根基。 　　农业新质生产力的内涵与特征 　　农业领域新质生产力是以生物技术、人工智能、智能装备等高新技术为核心驱动力，通过劳动者素质、劳动资料、劳动对象及其组合方式的系统性跃升，推动农业生产方式从资源依赖型向创新驱动型转变，在充分继承既有产业基础上对传统种养业进行现代化改造，实现农业全要素生产率持续提升的先进生产力形态。 　　从本质上看，农业领域新质生产力与传统农业生产力的主要区别，体现在动力机制、要素形态与发展路径的差异。 　　在动力机制上，传统农业生产力主要依赖土地、劳动力与常规农资的投入，增长空间受边际收益递减规律的刚性约束。农业领域新质生产力则以科技创新为持续牵引动力，依托蕴含生物育种、人工智能、智能装备等先进技术的品种、装备与数据要素，遵循全要素生产率大幅提升的内在逻辑，增长动能以创新驱动为主。 　　在要素形态上，传统农业以实物形态的自然资源和初级劳动力为支撑，要素组合相对固化。农业领域新质生产力则是以生物育种成果、智能装备系统与农业数据资产为核心的知识密集型要素组合，通过生物技术、智能决策与数字系统的深度融合，推动劳动者从传统农业生产者向高素质新型农业经营主体转型，劳动资料从常规农资向智能化新型装备升级，劳动对象从常规品种向突破性优良品种跃升，形成农业生产要素体系的整体重塑。 　　在发展路径上，传统农业囿于资源投入与产出效率的单一维度，增长方式具有高度路径锁定特征。农业领域新质生产力则通过技术集成与要素协同产生乘数效应，推动增长模式从资源投入型路径锁定转向多维协同，形成以科技创新为牵引、以效率提升为支撑、以质量跃升为核心、以绿色可持续为底色的高质量发展模式。 　　这一质态转换并非对传统农业的简单否定或另起炉灶，而是通过创新驱动实现生产方式转型与能级跃迁的有机过程，构成了农业领域新质生产力区别于传统农业生产力最本质的内涵特征。这种生产方式的根本性转变，为粮食安全从侧重数量保障向数量质量并重、更具风险韧性转型升级提供了理论可能和实践路径。 　　以新质生产力筑牢国家粮食安全底线 　　保障粮食和重要农产品稳定安全供给始终是建设农业强国的头等大事。我国粮食供需长期处于紧平衡的基本态势短期内难以根本改变，在日益复杂的新形势下，必须以新质生产力筑牢国家粮食安全底线。其核心逻辑在于从夯实产能根基和强化风险应对能力两个方面同步发力，二者互为条件、相互支撑。 　　一方面，筑牢产能根基。传统粮食生产主要依赖水土资源和物化投入，增产的稳定性与可持续性存在刚性约束。农业领域新质生产力以生物育种、智能装备和数字技术为核心支撑，推动粮食生产从资源消耗型向创新驱动型跃升，从根本上夯实产能根基。产能根基的夯实是风险防范的基本前提，只有将综合生产能力稳定在高位，粮食供给体系才具备应对各类冲击的底气和空间。 　　另一方面，强化风险应对能力。新质生产力通过灾害智能预警、抗逆品种应用和智慧生产作业，形成覆盖产前、产中、产后的全周期风险防控与快速响应机制，显著增强粮食供给体系的抗冲击能力，使极端气候频发和市场波动加剧的挑战能够得到更加主动有效的化解。产能根基越牢固，风险应对空间就越宽广；风险防控越有效，产能优势转化就越充分。 　　在新一轮千亿斤粮食产能提升行动中，新质生产力的具体发力方向体现在相互协同的三个维度。一是以种业创新为引领，加快选育推广高产优质、多抗广适的突破性品种，推进生物育种产业化应用，从源头上形成产能提升的内生驱动力。二是以技术集成与场景落地为关键，促进生物技术、智能装备、物联网与农业生产深度融合，推动生产经营从单点技术应用转向全程系统优化，在大面积提单产上取得实质性突破。三是以制度创新和经营体系优化为支撑，通过发展专业化农业社会化服务，有效降低新技术应用门槛，使小农户得以分享新质生产力的技术红利，同时健全种粮农民收益保障机制，形成科技赋能与制度激励同向发力的良性循环。 　　培育农业新质生产力的挑战与破解路径 　　当前培育农业新质生产力面临的挑战，集中表现在创新供给、产业转化与制度适配三个环节的结构性矛盾。 　　在创新供给环节，主要表现为农业科研力量条块分割与产业系统性需求之间的结构性错位。育种、智能装备、数字农业等关键领域的协同攻关机制尚待健全，部分核心技术受制于人的局面仍未根本改变，加之科研成果评价长期侧重论文与专利数量，导致相当比例的先进成果难以跨越从实验室到田间地头的转化鸿沟。 　　在产业转化环节，主要表现为新技术应用门槛较高与农业经营分散格局之间的现实差距。大国小农的基本农情决定了小农户对前沿技术的承接能力有限，而面向智慧农业的专业化社会化服务覆盖深度尚显不足，这一差距使得新质生产力在终端落地过程中面临明显的传导阻滞，先进技术的应用效果难以在分散经营的格局中充分释放。 　　在制度适配环节，主要表现为新质生产力对新型生产关系的内在要求与现行体制机制之间的调适滞后。要素市场化配置改革有待进一步深化，适配科技型农业企业的金融支持与风险分担机制尚不完善，复合型人才供给与产业发展需求之间的结构性缺口依然突出。 　　破解这些矛盾，加快培育农业新质生产力是一项系统工程，既要打通技术供给的源头梗阻，又要突破产业承接的终端瓶颈，更要消除制度环境的深层壁垒。根本路径在于坚持科技创新与制度创新双轮驱动，协同推进三项关键改革举措。 　　第一，优化农业科技创新体系。切实以产业发展实际需求牵引科研方向，深化产学研深度融合机制，强化企业在技术路线选择与成果评价中的主体地位，推动创新资源向农业科技领军企业集聚，集中优势力量在生物育种、智能装备核心部件等关键领域实现自主突破。 　　第二，健全农业社会化服务网络。加快培育面向智慧农业、数字农事等新业态的专业化服务组织，有效降低小农户应用新技术的门槛与综合成本，构建覆盖全程、响应及时、运行高效的科技传导体系，从根本上打通农业科技成果进村入户的“最后一公里”。 　　第三，深化要素配置与人才体制机制改革。完善适配科技型农业企业的金融支持与风险保障制度，建立与新质生产力发展需求相协同的人才培养和引进模式，加快“新农人”培育和新型职业农民队伍建设，引导优质要素向农业农村领域有序流动、高效集聚。必须通过系统性改革打通制度性梗阻，充分释放各类创新要素的潜能与活力，为农业新质生产力的持续壮大提供坚实支撑。 　　（作者系中国人民大学教授、国家粮食安全战略研究院院长） 　　 　　近日，在黑龙江北大荒农业股份有限公司八五九分公司的水稻育秧大棚里，技术人员对智能巡检机器人进行调试和操作。 　　新华社发（王雪摄）

□记者吴蔚 　　“药物早期发现成本降低70%，临床报告撰写耗时减少60%”“生产参数决策效率提升90%，批次合格率提升22%”“物流调度从小时级压缩至分钟级，仓间调拨及物料成本降低约20%”…… 　　近日，在安徽合肥举办的2026年AI+制造行业峰会上，一组组数据勾勒出人工智能赋能医药产业的深刻变革。业内专家指出，“人工智能+”正以全链路数智化升级之势，激活医药新质生产力，为行业创造新价值。 　　破局“慢贵难” 　　AI重塑新药研发核心环节 　　新药研发是医药产业的核心环节，也是典型的“高投入、高风险、长周期”领域。传统新药研发素有“十年研发周期、十亿美元投入，临床成功率却不足10%”的“双十定律”，“慢、贵、难”成为制约医药创新的突出痛点。尤其是在小分子药物、多肽药物研发领域，依赖人工试错、经验判断的传统模式，正面临效率瓶颈与高昂成本的双重挑战。 　　人工智能正是破解研发痛点的关键抓手。业内专家指出，从国务院出台关于深入实施“人工智能+”行动意见，到“十五五”规划纲要提出全方位推进数智技术赋能，人工智能正逐步渗透到药物发现、临床研究、报告撰写等研发全流程，推动新药研发从“经验驱动”向“科学驱动”转变。 　　在药物发现环节，工业级精度3D分子生成模型与电子云密度约束的分子生成及筛选技术，如同为研发人员配备了“精准导航+自动筛选器”。 　　广州医药数智科技有限公司董事长邹彬彬介绍，广药集团依托这一技术，药物早期发现成本降低70%，小分子早期药物发现周期从行业平均一至两年缩短到三至六个月；而MolVortex智能体则成为药物分子设计的“智能助手”，能和药物化学专家配合，一起设计、优化分子，减轻了大部分重复工作，显著提升专家工作效率。 　　临床翻译与报告撰写环节的变革同样显著。“依托临床智能翻译系统，临床文档翻译成本较传统外包降低30%至50%，在保障医学专业术语精准度的同时，翻译周期从数周大幅压缩至小时级。”邹彬彬透露，临床报告智能撰写系统有效减少了重复性人工操作与人为错误率，使得报告生成进度显著加快，整体撰写耗时减少60%，实现了临床报告的标准化、智能化、高效率产出。 　　这些突破的背后，离不开坚实的算力支撑。广药集团采用昇腾智算超节点、鲲鹏超算集群，搭配华为AI制药研发加速包，使模型推理性能达到业界水平的两倍，为小分子药物高效研发提供了强劲算力保障。 　　贯通“研产供” 　　全链路数智化释放协同价值 　　如果说单点突破解决了“有没有”的问题，那么全链路贯通则回答了“好不好”的命题。从研发到生产，从制造到供应，“人工智能+”正在打通医药产业的价值链条，实现药物研发、精益生产、供应链协同全链路数智化升级。 　　在生产制造端，工艺决策已在AI推动下从“经验驱动”迈向“科学驱动”。 　　翰宇药业将华为盘古药物分子大模型与20余年积累的超10万条历史工艺数据相结合，构建了专属智能化私域数据库。该数据库能深度融合多肽的分子结构式与历史工艺数据，进行智能分析和推理，主动生成精准的工艺优化建议，让生产参数决策效率提升90%，批次合格率提升22%，确保了稳定的产品质量与生产规模化能力。 　　在供应链领域，AI求解器正推动物流运作从“人脑调度”向“智能优化”转型。 　　柳药集团引入天筹求解器智能算法，打造出物流配送智能排线系统。该系统深度整合多维度业务数据，配备信息治理模块与可视化前台，实现了物流全流程数据的可管、可视、可溯源。相比人工模式，智能建模效率提升30倍，求解效率进一步提高30%，人工排车流程从小时级压缩至分钟级；仓间调拨及物料成本降低约20%，配送与舱内拣选效率提升15%至18%，车辆利用率与配送时效也同步提升。 　　这一实践构建起全程可视、协同高效的智能物流网络，为医药流通行业的数字化升级提供了可复制、可推广的标杆样本。 　　千年传承的中医药也在AI赋能下焕发新的活力。 　　天士力基于华为盘古大模型，构建了“数智本草”中医药大模型。通过对4000多万篇中医药文献、1000多本中医药古籍以及350万天然产物分子数据的深度学习，该模型形成了庞大而精准的中医药知识图谱。基于该模型开发的“天士力数智本草中医药研发平台”能够精准解析中药成分、预测药物相互作用，实现从药材筛选到方剂优化的全流程智能化。 　　构筑“新底座” 　　自主创新与行业深耕双轮驱动 　　IDC预测，到2029年，中国AI总投资规模预计达 1114亿美元，智能经济将成为重要增长极。 　　当前，从算力基础设施到行业大模型，从高质量数据集到生态协同，“人工智能+”正在构筑医药产业高质量发展的新底座。 　　在算力层面，昇腾智算超节点、鲲鹏超算集群等自主算力基础设施，为医药研发提供了安全可靠的算力底座。与此同时，AI数据平台帮助客户在不增加算力的同时，提升智能体的推理精度与效率，实现了算力资源的优化配置。 　　在模型层面，大小模型协同的架构设计成为关键路径。“大模型做大脑、小模型做手脚”，将产线隐性知识转化为AI可执行的模型流程，打通全链路数据，实现从“事后救火”到“事前预判”的转变。 　　在数据层面，高质量数据集建设成为数智化转型的基础工程。围绕质检、安全监管、研发设计、物流、高级排程等领域，多类高质量数据集的建设不仅对内赋能，更通过资产化释放更大价值。2026年，部分企业成功入选省级首批高质量数据集建设基地，为行业数据治理树立了标杆，开放共享实践经验，带动上下游产业链升级。 　　在生态层面，“集众智，合众力”的开放合作理念正汇聚各方力量。 　　“2026年是AI+制造的跃升之年。”华为中国政企副总裁郭振兴表示，华为将开放系列化硬件，构建全场景算力底座：打造大型液冷数据中心超节点，推出面对企业级场景的适配服务器，为边缘场景提供模组与SDK，以满足行业差异化算力需求。 　　业内专家指出，在“十五五”开局之年，AI技术已从工具赋能转向价值创造核心，贯通制造业研、产、供、销、服全业务流程。智能制造开始正式告别单点试点阶段，进入全行业、全流程规模化落地周期，并重构了研发、生产、质检、供应链全业务范式。而在医药产业，“人工智能+”已深度重塑了创新范式与竞争格局，这不仅是技术的迭代，更是新质生产力的跃升。 　　 　　潘悦制图