鱼塘水色不对，是水质出了问题吗？鱼身上出现异常，是不是生病了？饲料怎么调整，才能让鱼长得更好？
水产养殖中，一个看似简单的问题，背后可能牵涉养殖品种、水体环境、气候条件和生产模式等多种因素。面对这些专业问题，通用大模型虽然“什么都懂一点”，却未必足够了解一个具体的鱼塘。
于是，养鱼也有了自己的专业AI——“范蠡大模型4.0”。
为什么叫“范蠡”？中国农业大学信息与电气工程学院教授李道亮介绍，范蠡是我国早期养鱼文献《养鱼经》的作者。研发团队用“范蠡”为模型命名，希望把长期积累的养鱼知识和实践经验，与今天的人工智能技术结合起来。
不过，要让AI真正学会“养鱼”，光读资料还不够。
水产养殖涉及众多品种和生产环节。不同地区的水体环境、气候条件不同，同一个品种也可能采用不同的养殖模式；即便在同一个鱼塘里，水质和鱼群状态也会不断发生变化。要回答这些具体问题，模型不仅要掌握行业知识，还需要了解真实生产中正在发生什么。
目前，“范蠡大模型4.0”拥有3970亿参数，覆盖101个主要水产养殖品种，知识内容涉及苗种培育、饲料、生产养殖、加工、流通、销售和消费等8个维度，从养殖前端一直延伸到消费终端。
这些知识还在不断与真实生产数据结合。研发团队已在全国20多个省份建设相关基地，采集不同品种、不同养殖模式下的数据，并将流数据、文本和视频等多类信息融合起来，让模型获得更贴近实际养殖场景的数据基础。
而从1.0到4.0，“范蠡”还有一个明显变化：它不只会“读文字”，也开始会“看”。
过去使用者需要把问题尽量描述清楚；到了4.0版本，对于鱼体病征、水色变化、鱼群行为等不容易准确说清的情况，可以直接上传图片或视频，让模型获得更直观的现场信息。
这对水产养殖尤其重要。有时候，一句“我家鱼塘水色不太对”，很难说明到底“不对”在哪里；一张照片、一段视频，却可能带来更多有效信息。
所以，渔业垂直大模型的“专业”，并不只是参数更多、记住的知识更多。更重要的是，它试图把科研知识、产业数据和真实生产现场连接起来。
两千多年前，养鱼经验被写进书里；今天，它们正在和来自真实鱼塘的数据一起，进入一个会看图、看视频的“数字大脑”。
版权归原作者所有，如有侵权，请联系我们