2026年9月，在第八届中国猪业科技大会上，中国农业大学副教授李想作了《人工智能+畜牧养殖的现状与进一步思考》报告。李想副教授回顾了近十年AI养殖技术落地情况，介绍了团队自研农业垂直大模型 “孺子牛”，并分享了未来猪场建设思路。
01 近十年AI养殖技术落地情况
报告第一部分回顾近十年AI养殖技术落地情况，将其归纳为精准感知、精准决策、精准管理三大板块。精准感知依靠接触式与非接触式手段，以视觉、听觉感知为核心，借助深度学习完成畜禽个体识别、行为识别，可采集体重、体况、活动、采食、肢体状态、环境参数等多维度信息，既可以实现生猪体尺、跛行、攻击行为监测，也可应用于家禽智能巡检、生猪夜间异常行为检测。精准决策以智能疫病诊断为代表，依托热红外、可见光图像，实现畜禽疾病、发情、采食反刍行为的识别预警，部分检测项目已经达到较高准确率。精准管理落地为养殖场 ERP 管理系统，覆盖环控监测、生产流程、批次管理，搭配精准饲喂、环境调控、粪污智能处理，打通生产与环保闭环。整体来看，AI养殖已经脱离单点试验，形成成体系的应用落地。
02 农业垂直大模型 “孺子牛”
第二部分介绍团队自研农业垂直大模型 “孺子牛”。该模型积累了9年奶牛行业大数据，覆盖多省份数百个牧场，兼具产量、健康等结构化数据与视频图像、管理报告等非结构化数据。模型以GLM-4-9B为基座，结合领域知识库、专家知识完成微调，构建牧场超级大脑、决策系统与数字孪生牧场。对比通用大模型，“孺子牛”回答行业问题指标明确、实操性更强，能够给出具体的饲料配比、添加剂用量。实际应用中，该模型可以预测后备牛体重、头胎牛产奶量，帮助牧场提升产奶水平；通过DHI数据分析排查牧场生产问题，优化分群与淘汰方案，实现牧场利润提升、降低氮损失。报告指出，垂直行业AI的上限由行业数据与专业知识积累程度决定。
03 未来猪场建设思路
第三部分回归AI养猪，探讨未来猪场建设思路。现有工业化猪场完成标准化生产，但只能依据平均指标管理，忽视生猪个体差异，难以实现动态最优生产。生猪的日龄相同，但遗传、健康、所处环境各不相同，未来AI需要结合个体、历史、环境数据输出差异化养殖策略。
实现该目标有三大技术支点：一是搭建打通个体-环境-生产链路的高质量数据集，作为智能系统基础；二是构建世界模型（数字孪生），不再只记录现状，而是推演不同操作下猪群后续发展，把单纯的异常监测升级为生产决策工具；三是Harness调度引擎，整合多个不同功能模型，完成任务拆解、结果融合，综合多维度信息输出可执行生产方案，并且设置后续复评机制。同时还需要将农业专业知识转化为AI可识别的知识图谱，覆盖育种、分娩、育肥、经营等养猪全环节，明确各环节的数据积累、模型预测与 AI 决策目标，最终打造能够自我思考、自我进化的AI猪场。