乐发lv注册_乐发lv手机版APP

中央农村工作会议系列解读⑤强化种业企业创新能力 切实推进种业振兴行动******

　　作者：林青宁、毛世平、王晓君，中国农业科学院农业经济与发展研究所

　　近期，习近平总书记在中央农村工作会议上强调“要抓住耕地和种子两个要害”“把种业振兴行动切实抓出成效，把当家品种牢牢攥在自己手里”。作物育种和种子产业发展对于保障我国粮食安全和农业可持续发展意义重大。科技创新是突破前沿育种关键技术，培育战略性新品种的源头，对我国种业发展至关重要。当前，以市场化为导向的育种模式已是种业创新大势所趋，然而我国种业企业科研创新能力相对较弱，严重制约了我国种业创新链的延长。亟须强化种业企业创新能力，切实推进种业振兴行动。

　　近年来，我国种业企业在技术创新方面取得了一定进步，表现在三个方面：一是生物育种企业创新平台建设已较为完善。当前国内典型种业企业普遍拥有国家级、省部级重点实验室、博士后工作站等具有行业影响力的技术创新平台，具有较强的技术开发和创新能力。且隆平高科等种业企业已具备了较完善的国外研发体系布局。二是典型生物育种企业科企合作模式初步形成。当前国内典型种业企业不仅与高等院校、科研院所建立了产学研合作关系，还与各类学会建立了长期深入的合作。且首农集团等企业与国外机构在生物技术育种等方面建立了稳定的合作关系。三是典型种业企业创新产出逐渐丰富，在市场准入（审定、登记）品种、发明专利、科技进步奖等方面取得明显进步。“十三五”以来，隆平高科、登海种业等种业企业不断培育出双抗绿色高产的动植物品种。

　　当然，在成绩的背后，我国种业企业创新发展仍面临诸多难题：一是知识产权保护体系不完善。种业创新知识产权保护存在制度、认知和执行层面的问题，导致品种侵权行为仍较为普遍。二是种业品种同质化严重。新《种子法》实施以来，市场新品种“井喷”，但突破性品种缺乏，种子供给低价竞争，影响企业研发投入。三是种业项目偏离产业化应用。当前项目申报管理基本由科研人员出题并答题，产业需求导向不足。企业在科技论文等方面的劣势，影响了项目申报的成功率。四是科企合作形胜于质。目前科企合作多是联合申请项目，一旦项目结束合作关系就解体，两者为松散型合作。人才合作也多局限在简单的技术指导层面。五是科研院所与企业存在“同质竞争”。目前科研院所种业创新也偏向于生物育种，打破了原有科研院所基础研究、企业应用研究的平衡，挤压了种业企业的利润空间。

　　针对当前制约种业企业创新发展的系列问题，必须进一步优环境、活机制，提高种业企业创新动力与效能。

　　一是构建知识产权利益分享机制，完善知识产权保护体系。构建知识产权参与分配的利益机制，建立原始品种权人和实质性派生品种权人的利益分享机制。完善知识产权保护的政策体系，加强知识产权保护平台建设，推动知识产权社会共治，打通知识产权保护通道，培育知识产权保护的良好环境。

　　二是优化品种审定制度，推动品种由“多乱杂”向“多专优”转变。完善现行主要农作物品种审定制度，提高审定门槛，适当提高现行审定指标标准，减少品种数量，提高品种质量，使真正有实力品种脱颖而出，提高企业创新的内在动力。加快建立分作物分子指纹库，严格和规范品种审定和登记“特异性、一致性、稳定性”测试，通过技术手段把牢品种准入关。强化品种标准样品管理，开展品种符合性验证试验，为强化品种事中事后监管提供有力支撑。

　　三是加强种业科技项目产业化属性，增加种业企业经费支持。增加种业专项科技创新项目数量，增加种业企业获取科研经费支持的渠道，保障有实力的种业企业能够获得相应的科研项目以及研发经费支持。对种业企业融资方面给予支持，对产业化发展企业实施低息支持，尤其企业用于科技创新研发、基地建设方面的投资可给予无息支持。

　　四是引导科企合作深度融合，促进联盟运行由虚转实。创新项目形成机制，由企业根据产业需求提出技术难题，政府组织监督在全国范围内进行项目招标，构建企业“出榜”“评榜”+政府“发榜”+科研院校“揭榜”的机制。建立共建共享机制，完善联盟成员间的利益联结和分配机制，促进产学研协同创新效率。积极推动联盟实体化，适合以股份合资的方式实现实体化的要加快引导，适合以协会等社会团体法人方式实现资源整合的要给予政策支持。

　　五是强化科研院所生物育种基础研究属性，完善生物种业科研成果共享机制。多措并举强化科研院所做好种质资源的收集、分析、挖掘工作，进行基础性、前沿性、公益性研究，并完善科研成果信息共享机制，在合法合规的前提下，鼓励科研院所向社会公众公布科研成果和相关的知识产权信息，将生物种业科研成果转让给典型种业企业进行新品种培育，实现科研成果的开放共享。

人工智能应用于更多领域 计算机研究深入光电结合******

　　英国科学家在人工智能（AI）领域取得多项突破，包括用AI首次控制核聚变、用AI预测蛋白质结构等。“深度思维”与瑞士洛桑联邦理工学院合作，训练了一种深度强化学习算法来控制核聚变反应堆内过热的等离子体并宣告成功，有助加速无限清洁能源的到来。“深度思维”凭借“阿尔法折叠”算法，预测了迄今被编目的几乎所有2亿多个蛋白质的结构，破解了生物学领域最重大的难题之一，有助于应对抗生素耐药性，加速药物开发并彻底改变基础科学。该公司研发的“DeepNash”（深度纳什）学会了在“西洋陆军棋”游戏中，使用虚张声势等欺骗手段来击败人类对手。该公司AI创建的高效数学算法能解决矩阵乘法问题。该公司AI通过模拟数十年足球比赛的情况，学会了熟练地控制数字代理足球运动员，其建模的“AI代理”可与其他人工代理沟通合作，在玩游戏时共同制定计划。

　　牛津大学研究显示，AI能模拟条件反射进行联想学习，比传统机器学习算法快千倍。利兹大学科学家借助AI扫描视网膜以探知心脏病风险。

　　在计算机相关领域，牛津大学研究人员开发了一种使用光偏振来实现最大化信息存储密度的设备，其计算密度比传统电子芯片提高了几个数量级。南安普顿大学工程师则与美国科学家携手，设计了一种与光子芯片集成的电子芯片并创造出一种设备，能以超高速传输信息同时产生最少的热量。

　　在机器人领域，利兹大学团队开发了一种“磁性触手机器人”，直径只有2毫米，可由患者体外的磁铁引导进入肺部狭窄的管道采样。帝国理工学院科学家展示了一组受动物启发的飞行机器人，可在飞行中建造3D打印结构，未来有望用于在偏远地区建造房屋或重要基础设施。格拉斯哥大学科学家将由砷化镓制成的微型半导体打印到柔性塑料表面，所得设备的性能可与目前市场上最好的传统光电探测器媲美，且能承受数百次弯曲，可用作未来机器人的智能电子皮肤。苏格兰科学家开发出了一种先进的压力传感器技术，有助于改进机器人系统，如用于机器人假肢和机械臂。（科技日报记者 刘霞）

　　（文图：赵筱尘 巫邓炎）