2026年9月18日，应珍稀濒危动植物生态与环境保护教育部重点实验室邀请，南京农业大学植物保护学院张峰教授在伯康楼112报告厅作题为“林奈2.0：AI重构昆虫系统学的全栈范式”的学术报告。报告由邓维安教授主持，生命科学学院师生参加。

  张峰教授主要从事昆虫系统发育基因组学、弹尾纲形态与DNA分类、土壤生物多样性等研究。本次报告结合相关研究实例，介绍了人工智能辅助昆虫形态分类与系统发育分析的研究思路，重点讨论了如何提高数据处理效率和分类证据的可追溯性。

  报告中，张峰教授从昆虫分类研究面临的数据量大、证据分散和重复性工作耗时等问题出发，阐述了“林奈2.0”的基本构想。他提出，将形态与分子数据纳入可追溯、可复核的工作流程，通过人工智能辅助数据处理，使分类学家能够将更多精力用于科学问题凝练和多源证据整合。

  围绕形态研究，张峰教授介绍了EntomoKit图像预处理与监督识别流程，以及基于自监督学习的OTU-Former框架，展示了人工智能在图像分割、数据清洗和形态操作分类单元（OTU）划分中的应用。他结合实例说明，图像特征提取与聚类能够为标注数据有限条件下的多样性评估提供辅助，同时强调形态OTU与物种并非一一对应，相关结果仍需结合专家知识和生物学证据进行验证。

  在系统发育研究方面，张峰教授介绍了PhyloAI模块化分析平台，展示了序列比对、质量控制、系统树推断和结果报告等环节的衔接方式，并讨论了冲突诊断与证据审查的重要性。通过记录分析参数、软件版本及数据保留或剔除的依据，研究过程能够得到更清晰的呈现，为结果复核和研究重复提供支持。报告还介绍了利用AI助手开展对话式工具调用和参数核验的实践。

  张峰教授强调，人工智能能够扩展昆虫系统学研究的数据处理规模和证据分析能力，模型输出仍须接受专业审查。分类学家应在研究问题界定、性状解释、证据整合和分类决策中发挥核心作用，并对研究结论负责。

  本次报告围绕昆虫系统学研究的具体环节，提供了人工智能工具与专业判断相结合的方法参考，为实验室开展昆虫多样性调查、系统分类研究及相关技术方法探索拓展了思路。