內容概要：近年來，我國先后啟動了多個與設計育種相關的項目，例如中國科學院啟動實施的戰(zhàn)略性先導科技專項(A類)“分子模塊設計育種創(chuàng)新體系”“種子精準設計與創(chuàng)造”項目，科技部啟動實施的“七大農作物育種”項目。通過項目實施，我國在作物基因組、水稻理想株型、水稻雜種優(yōu)勢、養(yǎng)分高效利用、作物-微生物互作、作物基因組編輯和分子改良等方面均取得了一系列突破性成果，總體上在作物科學和技術應用方面處于國際第一方陣，水稻等研究領域已經處于世界引領地位。

相關上市企業(yè)：ST荃銀（300087）、天域生物（603717）、隆平高科（000998）等。

相關企業(yè)：中農種源(深圳)科技有限公司、深圳興旺生物種業(yè)有限公司、山東極智生物科技有限公司、石家莊博瑞迪生物技術有限公司?等。

關鍵詞：設計育種行業(yè)相關政策、分子育種行業(yè)市場規(guī)模、設計育種行業(yè)發(fā)展趨勢

一、設計育種行業(yè)相關概述

設計育種是指在計算機平臺上對植物體的生長、發(fā)育和對外界反應行為進行預測；然后根據具體育種目標，構建品種設計的藍圖；最終結合育種實踐培育出符合設計要求的農作物新品種。

設計育種的核心是建立以分子設計為目標的育種理論和技術體系，通過各種技術的集成與整合，對生物體從基因(分子)到整體(系統)不同層次進行設計和操作，在實驗室對育種程序中的各種因素進行模擬、篩選和優(yōu)化，提出最佳的親本選配和后代選擇策略，實現從傳統的“經驗育種”到定向、高效的“精確育種”的轉化，以大幅度提高育種效率。

全球種業(yè)經歷了四個清晰的代際躍遷。育種1.0為數千年的農家馴化選種；育種2.0始于20世紀初的雜交育種，利用雜種優(yōu)勢大幅提升產量；育種3.0以20世紀90年代轉基因技術商業(yè)化應用為標志，實現單一性狀的跨物種導入；當前正邁入育種4.0階段——設計育種，即基于基因模塊及其非線性耦合理論，以及合成生物學思路，借助計算生物學和人工智能設計出理想的品種，大大縮短了育種周期，提高了育種效率。

中國的發(fā)展路徑與之并行又獨具特色。20世紀50至70年代以地方良種評選和矮化育種為起點；70至90年代以雜交水稻、雜交玉米的成功為標志，實現育種2.0的全面突破；2000年后轉基因技術研發(fā)跟進，但商業(yè)化審慎；2020年“十四五”啟動種業(yè)振興行動，轉基因產業(yè)化試點逐步放開；至“十五五”規(guī)劃，智能設計育種被確立為先導性產業(yè)，標志著中國正式進入育種4.0全面布局階段。

當前，設計育種的研究共形成九大技術方向，分別為：光傳感表型技術、計算機視覺技術、深度學習技術、多組學融合分析技術、基因編輯技術、數據庫存儲技術、基于全基因組選擇的表型預測技術、基于機器學習的表型預測技術、基因知識圖譜輔助育種。

光傳感表型（OSP）技術是指利用光學傳感技術獲取植物或生物體表型特征的一種方法，全球范圍內使用了OSP技術的表型監(jiān)測平臺在歐洲國家較為成熟，如比利時CropDesign公司的TraitMill平臺、法國農業(yè)科學研究院的Pheno?scope和PHENOPSIS表型平臺、荷蘭KeyGene公司的PhenoFab平臺、捷克PSI公司的PlantScreen平臺等。

在中國，多個研究機構和公司也引進或自研了高通量表型平臺，例如，華中農業(yè)大學研制了國內首套水稻表型自動檢測分析系統；南京農業(yè)大學自主設計并建造了田間作物表型艙、人工智能氣候艙；中國科學院植物研究所研發(fā)了國內首套高通量作物三維表型監(jiān)測系統——Crop 3D等。光傳感表型技術可以幫助育種者快速、準確地評估作物的性狀和表型特征，為育種目標的選擇和優(yōu)化提供科學依據。

計算機視覺技術利用圖像處理和模式識別等方法，通過對圖像和視頻數據的分析和解釋，提取有關作物表型特征和性狀的信息。在產業(yè)化方面，我國慧諾瑞德公司開發(fā)的多光能數字化玉米考種機iMaize®，基于機器視覺和AI技術自動測量玉米的多項表型指標，實現自動化玉米考種?？梢姡嬎銠C視覺技術通過處理大量的作物圖像和表型數據，為育種者提供更全面、準確的數據支持，幫助其制定更優(yōu)化的育種策略。

深度學習是機器學習領域中的一個分支，其通過構建和訓練深層神經網絡模型，能夠對復雜的作物數據進行高效的學習和分析。我國之江實驗室智能設計育種團隊采集大豆的各類表型數據、基因數據和生長環(huán)境數據，結合AI算法分析，預測最耐鹽堿和高產組合。2019年，中國農業(yè)科學院生物技術研究所汪海副研究員等開發(fā)出從基因組DNA序列預測基因表達調控模式的人工神經網絡模型，有望借助人工智能（AI）技術實現定向育種，相關成果發(fā)表在《美國科學院院刊》上?？梢姡疃葘W習技術將基因數據、表型數據、環(huán)境數據等多源異構數據進行集成分析，從而從大規(guī)模、高維度的作物數據中提取有價值的信息和模式。

多組學融合分析技術是將多個不同類型的組學數據進行整合和聯合分析的方法。相對于單一的GWAS分析，不同組學間的關聯分析有助于解析發(fā)育特征是如何被精準調控的，當前研究涉及的多組學關聯分析包括mGWAS（基于代謝組的全基因組關聯分析）、TWAS（基于轉錄組的全基因組關聯分析）、EWAS（基于表觀組的全基因組關聯分析）等。

基因編輯技術是一種對生物體基因組進行定點修改的技術，它可以較精確地添加、插入、刪除或修改目標基因的DNA序列。目前CRISPR/Cas9系統已成為育種的熱門領域，2012年，來自加州大學伯克利分校的結構生物學家Jennifer Doudna和瑞典于默奧大學的Emmanuelle Charpentier首次將CRISPR/Cas作為基因編輯系統應用。隨后，多種基因編輯作物在全球范圍內被商品化，至今美國已有150多種植物品種被免除監(jiān)管，進行商業(yè)種植。2023年，南京農業(yè)大學萬建民院士團隊發(fā)表了一項新型水稻啟動子編輯技術的研究，該技術可調控水稻抽穗期，提高水稻品種的適應性和種植效益。目前基因編輯技術已應用于小麥、大豆和水稻等作物育種中，對作物育種的基因功能研究、基因改良、新品種創(chuàng)制、遺傳純化和背景消除等具有重要價值。

數據庫存儲技術可以有效地管理和存儲大量的育種數據及其中間數據，提供數據的可靠性、一致性和可訪問性。2015年，美國成立了農業(yè)生物數據庫聯盟AgBioData，2021年，美國投入2 500萬美元（約1.7億元人民幣）成立可編程植物系統研究中心（CROPPS），促進數字生物學新領域發(fā)展。2015年，中國農業(yè)科學院作物科學研究所水稻分子設計技術與應用創(chuàng)新團隊在《科學通報》發(fā)布了水稻功能基因組育種數據庫（RFGB）的雛形，2019年RFGB v2.0構建完成。2020年，華中農業(yè)大學創(chuàng)建了玉米多組學數據庫ZEAMAP，整合了基因組、轉錄組等數據，支持性狀相關的遺傳分析。2021年，國家基因庫推出農業(yè)數字化服務平臺，提供從種質資源到基因數據的全鏈條服務。2022年，國家基因庫發(fā)布了全球最大的生菜種質基因資源數據庫LettuceDB，計劃擴展至3 000+生菜數據資源，促進精準育種。2023年，國家作物種質庫聯合騰訊公司，共同發(fā)起“國家作物種質庫2.0項目”，支持育種研究。同年，中國科學院發(fā)布了大豆多維組學數據庫SoyOmics，提供大豆遺傳學及育種研究的數據支持，展示了多維組學數據的深度整合能力。

全基因組選擇（genomic selection, GS） 是Meuwissen等在2001年提出的一種選擇育種方法，是指利用覆蓋整個基因組的遺傳標記信息對未知表型的個體育種值進行估計，其作為一種高效育種方法，通過早期選擇縮短世代間隔，提高育種值估計準確性?；谌蚪M選擇的表型預測技術能夠將微效多基因調控的位點應用于育種實踐，為作物育種提供了一種高效、精確的方法，推動了作物品種改良。

基于機器學習的表型預測技術利用大量遺傳標記數據和表型數據，通過建立預測模型和算法，可以準確地預測作物個體的表型表現。大量研究表明，基于深度學習的模型（CNN和RNN等）預測準確度較高。2022年，中國農業(yè)科學院李慧慧研究員團隊聯合多家單位提出利用植物海量多組學數據進行全基因組預測的深度學習方法（deep neural network for genomic predic?tion, 簡稱DNNGP），可以實現育種大數據的高效整合與利用。

基因知識圖譜輔助育種是一種利用知識圖譜技術來整合、存儲和分析與基因相關的信息，并將其應用于作物育種的方法。上海師范大學黃學輝教授領銜開創(chuàng)的“水稻導航育種系統”（RiceNavi），構建了迄今為止最完善的水稻數量性狀基因關鍵變異（causative variation）圖譜。中國農科院深圳農業(yè)基因組研究所張興坦團隊主導，聯合國內多家單位成功構建茶樹首個泛基因組圖譜，研究成果發(fā)表于Nature Plants。Hassani-PAK 等開發(fā)了一個開源基因發(fā)現平臺KnetMiner，利用基因組規(guī)模的知識圖譜生成循證生物網絡，可用于任何具有測序基因組的物種。

二、設計育種行業(yè)相關政策

設計育種可大幅縮短育種周期，提高了育種效率，因此，加快設計育種發(fā)展，對實現中國種業(yè)科技自立自強、種源自主可控，確保國家糧食和重要農產品有效供給等意義重大。近年來，我國政府出臺多項政策，積極推動生物育種和智能設計育種發(fā)展，如2026年6月，國務院發(fā)布《加快農業(yè)農村現代化“十五五”規(guī)劃》，其中提出積極推動種業(yè)振興與農業(yè)科技創(chuàng)新能力條件建設。前瞻布局智能設計與合成育種、生境模擬試驗等農業(yè)科研基礎設施，推進智能農機裝備、生物合成等中試驗證平臺建設。隨著“十五五”規(guī)劃的落地，國內智能設計育種的產業(yè)支持政策將逐步細化，上下游技術的持續(xù)迭代，也會繼續(xù)縮短品種研發(fā)周期，帶動國內種業(yè)的競爭力持續(xù)提升。

相關報告：智研咨詢發(fā)布的《中國設計育種行業(yè)市場運營態(tài)勢及投資前景研判報告》

三、設計育種行業(yè)現狀

近年來，設計育種等重要育種技術快速發(fā)展，相關發(fā)表論文數量占生物育種領域發(fā)表論文總量的比例逐年增加。但我國目前設計育種技術較少，與發(fā)達國家相比還有較大差距。數據顯示，中國設計育種技術論文量占本國育種技術相關論文總量的5%，遠落后于美國的13%?？梢?，我國設計育種技術布局有待進一步優(yōu)化。

近年來，我國先后啟動了多個與設計育種相關的項目，例如中國科學院啟動實施的戰(zhàn)略性先導科技專項(A類)“分子模塊設計育種創(chuàng)新體系”“種子精準設計與創(chuàng)造”項目，科技部啟動實施的“七大農作物育種”項目。通過項目實施，我國在作物基因組、水稻理想株型、水稻雜種優(yōu)勢、養(yǎng)分高效利用、作物-微生物互作、作物基因組編輯和分子改良等方面均取得了一系列突破性成果，總體上在作物科學和技術應用方面處于國際第一方陣，水稻等研究領域已經處于世界引領地位。

分子育種，是指將分子生物學、基因組學、生物信息學等現代生物技術整合于經典遺傳育種方法中，在基因或分子水平上對生物性狀進行精準鑒定、選擇與改良，以設計培育優(yōu)良新品種的技術體系。其主要技術手段包括分子標記輔助選擇（MAS）、轉基因育種、基因編輯育種、分子設計育種以及全基因組選擇等。

2020年至2025年，中國分子育種行業(yè)市場規(guī)模由人民幣7億元增長至44億元，年均復合增長率達到44.4%，展現出強勁的增長動能。這一增長得益于國家政策的大力支持、育種企業(yè)對分子技術的日益依賴以及農業(yè)現代化的深入推進。隨著分子育種行業(yè)的持續(xù)發(fā)展，設計育種作為分子育種的高級形式，其市場規(guī)模也呈現上升趨勢。

四、設計育種行業(yè)發(fā)展趨勢

1、多學科深度融合夯實育種底層研發(fā)體系

設計育種的研發(fā)邊界將持續(xù)拓寬，傳統遺傳學單獨支撐研發(fā)的模式徹底轉變，生物信息學、計算機科學、多組學、合成生物學等學科深度交叉融合。行業(yè)不再單一開展基因功能解析，而是構建基因、蛋白、代謝、田間表型聯動的完整調控網絡，打通從分子機理到田間性狀的完整研究鏈路。各類生物數據標準體系逐步完善，打破不同作物、科研機構間的數據孤島，形成統一共享的種質與基因數據庫?？鐚W科協作成為研發(fā)常態(tài)，理論基礎研究、算法開發(fā)、生物技術研發(fā)同步推進，為定向、精準的品種虛擬設計提供完備理論與技術支撐，持續(xù)提升性狀改良的精準度。

2、人工智能全面滲透育種全流程環(huán)節(jié)

人工智能技術將覆蓋種質挖掘、基因篩選、性狀模擬、田間鑒定全部育種環(huán)節(jié)，徹底轉變以往依靠田間試種篩選品種的經驗化模式。各類機器學習模型持續(xù)優(yōu)化基因與表型關聯預測能力，依靠數字化模擬預判品種綜合表現，大幅壓縮田間試驗依賴。算力配套、智能感知設備成為產業(yè)核心配套，自動采集田間表型數據，形成數據輸入、模型運算、品種預判的閉環(huán)研發(fā)模式。行業(yè)研發(fā)重心逐步向算法迭代、生物大數據運算傾斜，依靠智能算法同步優(yōu)化多個優(yōu)良性狀，規(guī)避傳統育種性狀連鎖負面效應，推動行業(yè)全面轉向數據驅動的智能育種模式。

3、多元化復合性狀定向改良成為核心賽道

育種改良目標擺脫僅追求高產的單一導向，兼顧品質、抗逆、營養(yǎng)、綠色生產等多元復合性狀成為研發(fā)核心方向。適配消費升級、生態(tài)農業(yè)、特色加工產業(yè)的差異化需求，定向培育功能性專用品種成為競爭關鍵。研發(fā)邏輯轉向多性狀協同平衡改良，在提升產量的同時兼顧耐脅迫、低投入、高營養(yǎng)等綜合優(yōu)勢，貼合農業(yè)綠色可持續(xù)發(fā)展長期導向。細分品種賽道持續(xù)拓寬，依據不同地域、產業(yè)、消費需求開展精細化定向設計，差異化品種研發(fā)能力成為企業(yè)核心競爭力，推動種業(yè)產品供給向精細化、多元化轉型。

以上數據及信息可參考智研咨詢（m.kissmam.com）發(fā)布的《中國設計育種行業(yè)市場運營態(tài)勢及投資前景研判報告》。智研咨詢是中國領先產業(yè)咨詢機構，提供深度產業(yè)研究報告、商業(yè)計劃書、可行性研究報告及定制服務等一站式產業(yè)咨詢服務。您可以關注【智研咨詢】公眾號，每天及時掌握更多行業(yè)動態(tài)。

智研咨詢依托全鏈路上下游企業(yè)調研體系，整合供應商名錄、交易占比、區(qū)域分布及客戶畫像等多維核心數據，通過可視化圖譜技術，構建集供應商、客戶、行業(yè)分布、市場占有率于一體的全景供應鏈圖譜。助力企業(yè)快速錨定關鍵合作方、洞察行業(yè)競爭格局，為企業(yè)拓展產業(yè)版圖、布局上下游合作、構建產業(yè)生態(tài)提供極具參考價值的全景視角與決策依據，實現被動響應到數智預判的供應鏈管理升級，為戰(zhàn)略決策與資源整合提供高價值的數據底座。

企業(yè)供應鏈圖譜服務內容：1.上下游企業(yè)深度調研：系統梳理供應鏈上游供應商、下游客戶全名單，精準采集企業(yè)基本信息、交易金額占比、合作緊密度等核心數據。2.行業(yè)與區(qū)域分布解析：整合供應商/客戶所屬行業(yè)分類、區(qū)域分布特征，清晰呈現產業(yè)集聚格局與行業(yè)占比結構。3.全景圖譜可視化呈現：基于調研數據構建供應鏈生態(tài)圖譜，直觀展示上下游關聯關系、交易鏈路及市場份額分布。4.核心價值數據萃取：提取企業(yè)技術力量、市場占有率、商業(yè)模式等關鍵信息，同步呈現供應鏈核心競爭力與競爭態(tài)勢。5.決策支撐服務：依托圖譜數據，提供供應鏈風險節(jié)點識別、優(yōu)質資源篩選、戰(zhàn)略布局方向建議，賦能企業(yè)決策。