饲料成本占商品猪养殖成本的60%~70%，提高饲料利用效率是养猪生产降本增效和产业可持续发展的重要保障。猪的营养需要随日龄、个体差异、饲养管理条件变化而变化。然而，当前商品猪基本实行群体饲养，并根据全场、全国或全球猪的平均需要量制订饲养标准进行饲喂，因此部分猪采食过多，而部分猪则摄入不足，饲料效率低下。法国于2008年发布生长肥育猪和母猪动态营养需要模型软件InraPorc，美国NRC于2012年建立生长肥育猪和母猪动态营养需要模型^[1]，加拿大和巴西等美洲国家也在2010年前后启动猪精准营养和多阶段饲喂技术研究，根据猪的品种、生理阶段、养殖规模、养殖环境制订精准营养供应方案，提高了饲料利用效率^[2]，但是相关技术在实际生产中的应用还不普遍。国内以广东省农业科学院动物科学研究所、中国农业大学为代表的科研机构针对猪精准营养技术的研究也取得了一定的进展，初步建立了仔猪^[3-5]、生长肥育猪^[6]和妊娠母猪能量动态需要模型^[7-8]，但相关技术仍处于起步阶段，离集成和应用仍有非常大的差距。本文将简述近年来商品猪精准营养技术的国内外研究进展，并介绍我国某规模化猪场建设精准营养技术体系的实践经验，以期为商品猪精准营养技术的研究与应用提供参考。

1 精准营养技术研究进展

精准营养是指根据每头或某群体猪个性化营养需要，在恰当时间通过智能化技术/设备向个体/猪群提供恰当数量和恰当成分的饲粮^[9]，其目的在于提高饲料效率，降低养殖成本和养分排泄，而最大挑战在于准确测算每头猪的营养需要并对同一群体中的不同个体提供不同的饲粮。精准营养技术体系主要由精准饲料营养数据库、动态营养需要模型和精准营养供给技术3个板块组成。在实际生产中，精准营养技术的实施还需要使用智能设备，包括数据自动采集系统、数据处理器和自动饲喂系统^[9]。前人已经对猪的精准饲喂设备进行了系统综述^[9-10]，本文将主要从精准配方和饲料预算的角度介绍精准营养技术在实际生产中的应用。

1.1 饲料营养数据库

饲料原料营养价值随品种、种植环境、加工方式等因素变化而存在巨大变异，准确评估饲料原料的营养价值是开展动物营养需要量研究和精准配方的重要保障^[11]。国外以荷兰CVB(2021)、法国INRA(2020)、美国NRC(2012)的原料数据库应用最为广泛；由英国Informa PLC集团在线发布的FEEDSTUFFS也会定期更新饲料原料营养价值数据(FEEDSTUFFS，2021)。国内原料数据库主要包括《中国饲料成分及营养价值表(2021年第32版)》和GB/T 39235—2020《猪营养需要量》中的原料数据库。饲料营养价值的内涵包括化学成分(常规成分、氨基酸、矿物元素、维生素等)、有效能、氨基酸消化率和可消化磷。能量组分占饲料总成本的60%~70%，是饲料配方和精准饲喂中首要考虑的因素。现行猪饲料有效能评价体系主要包括消化能、代谢能和净能体系，其中净能最能够真实反映能量的代谢利用效率(图 1)，是唯一不受原料属性影响而在相同基础上表示动物能量需要量和饲料能值的体系^[12]。也是精确预测生长表现的最优系统^[13]。净能测定一般采用比较屠宰法和呼吸测热法，也可使用基于饲料化学成分的净能预测方程^[14]。

1.2 猪动态营养需要模型

目前大多数饲养标准/生产模型均采用全国或全球的平均值制订，如美国猪营养需要(NRC，2012)和猪营养指南(NSNG，2010)、法国猪营养标准(INRA，2008)、荷兰猪营养需要(CVB，2020)、丹麦猪营养标准(SEGES，2021)等，以及我国GB/T 39235—2020《猪营养需要量》。国际知名种猪育种企业如PIC、Danbred等也依据所培育品种/品系制订相应的猪饲养/营养需要量企业标准供生产者参考。然而，精准的饲粮配方技术需要充分考虑个体的变异性^[15]，根据猪群的遗传背景、日龄、生理状态、饲养环境、猪场营养水平以及饲料和养殖市场行情等制订动态的营养需要模型。

研究动物营养需要模型的经典方法包括经验法和析因法。经验法仅考虑总的需要，不考虑动物的维持需要和生产目的，而析因法则是将动物的营养需要量剖分成两大部分，包括维持需要和生产需要。目前大多数猪营养需要模型研究均采用经验法，已经建立了仔猪^{[5, 16]}、母猪^{[7-8, 17]}和生长育肥猪^{[6, 18]}的营养需要量与生长/繁殖性能的回归模型。基于经验法建立的营养模型仅适用于特定试验条件下预测养分每日需要量，不能准确反映所摄入养分用于维持和增重(脂肪、蛋白质沉积)的分配情况，因而不具备严格的生物学意义。为了准确估测养分的分配/沉积效率，通常需要通过消化代谢试验、呼吸测热法和/或比较屠宰法测定相关指标，并采用析因法对数据进行建模。其中，比较屠宰法是提供动物空体宏量和微量营养成分组成的最可靠方法，也是确定动物营养物质(特别是净能)需要量的最经典方法，但该方法工序复杂、费时费力、试验成本比较高、推广难度大。法国农业科学院采用析因法建立了生长育肥猪和母猪的能量、氨基酸需要量模型^[19-24]，美国爱荷华州立大学Patience教授团队基于比较屠宰试验研究了仔猪的净能和氨基酸需要量模型^{[19, 25]}，伊利诺伊大学的Stein教授团队则重点研究不同阶段猪的钙、磷动态需要^[26-28]。广东省农业科学院动物科学研究所采用比较屠宰法建立了6~25 kg仔猪的体沉积曲线和蛋白质、能量动态需要模型^[3-4]。由于不同阶段猪对饲料有效能和氨基酸的消化率存在巨大差异^[12]，不同品种、养殖规模、饲养环境和管理水平更进一步拉大了猪营养需要的个性化差异，因而现有研究结果还远不具备普适性。

1.3 养分精准供给技术

养分供给除了考虑猪群的个性化营养需要，还应结合市场环境和猪场生产条件(栏舍周转率等)采取不同策略，从全局考虑实现生产性能最大化、利润收益最大化或生产成本最小化。《PIC^®营养与饲喂饲喂手册(2021)》阐述了基于不同生产目标的精准配方策略(图 2)。如图所示，实现利润最大化所需要的标准回肠可消化(SID)赖氨酸高于生产成本最小化策略所需要的水平；以优化经济效益为目标的最佳饲粮SID赖氨酸是动态变化的，取决于原料价格和生猪市场价格。一般而言，在养猪利润较高的情况下，提高日增重和饲料效率具有更高的价值；在猪价低迷时，则应尽可能降低单位造肉的饲料成本。

与传统饲养方法相比，以最大化生长性能为目标的养分精准供给技术能够在确保满足所有猪发挥最大生长潜力的同时，减少约7%的氮、26%的SID赖氨酸和3%的磷摄入量，减少氮磷排泄达20%~27%，并使饲喂成本减少10%^[29-32]。按照我国GB/T 39235—2020《猪营养需要量》瘦肉型仔猪和生长育肥猪每日营养需要量推算，每头猪从断奶到120 kg约消耗300 kg饲料，其中粗蛋白质、磷、赖氨酸摄入量分别为42.55、1.39和2.38 kg；若使用每日精准饲喂方法，则每头猪一生可减少粗蛋白质、磷、赖氨酸摄入量分别为3.11 kg、45.87 g和618.8 g；以我国年产7亿头肉猪计算，每年可节约粗蛋白质、赖氨酸、磷分别为217.7万、43.32和3.2 t。精准饲喂在母猪生产中应用也有显著效果，在妊娠期使用双料线、多阶段饲喂策略，可以减少赖氨酸的摄入量(-17%)、氮的排泄量(-19%)和饲料成本(-8%)^[21]。

2 我国规模化猪场精准营养技术实践案例

Hauschild等^[32]和Pomar等^[9]在实际生产中建立了精准饲喂模型，通过动态模型和精准饲喂设备，能够实现在自由采食的情况下，根据猪只每日营养需要提供相应营养浓度饲粮。首先，基于经验法使用猪个体的采食量和体重来估计每日的采食量和增重。其次，基于这些估计值，使用机理模型预测净能摄入量和氨基酸、钙、磷需要量并制定饲喂策略。需要注意的是，该模型需要至少测定猪只始重和末重，并连续7次测定采食量，才能预测采食量、体重和营养需求。下文以我国两广地区某规模化猪场(以下简称A猪场)为例，介绍实际生产中建立精准营养技术体系的过程。

2.1 基于经验法建立猪群生长曲线和采食量曲线

按照A猪场的实际生产情况，选定10%的代表猪圈(每栏20头猪，阉公猪和小母猪各30栏)，连续8次测定了60~210日龄商品猪的个体重(每3周测定1次)，基于经验法分别建立了阉公猪和小母猪体重与日龄的回归模型和采食量、能量摄入量曲线模型(表 1)。

2.2 基于析因法研究猪群动态营养需要

选定A猪场10%商品猪圈，在前述定期测定活体重和耗料量的前提下，从60日龄开始每3周采用超声波测定活猪第10肋处背膘厚度和眼肌面积，采用NPPC(2001)和NRC(2012)提供的公式计算胴体瘦肉重、体磷总量，建立瘦肉增重、体蛋白质和体磷沉积曲线模型(表 2)。进一步的，根据体蛋白质和体磷沉积模型，计算猪群的可消化蛋白质、氨基酸及钙、磷需要量；计算赖氨酸的需要量=维持需要量+体蛋白质沉积需要量，并依据理想氨基酸模式^[1]确定其他氨基酸和可消化氮需要量；计算标准全肠道可消化(STTD)磷需要量，并按照钙∶STTD磷需要量=2.15∶1计算钙需要量；最终推算出猪群的每日营养需要量(表 3和表 4)。

2.3 确定精准饲喂方案

以猪群生长性能最大化作为首要生产目标，结合试验阶段饲粮的营养水平和猪群的采食量曲线、动态营养需要量标准，建立精准饲粮配方/饲粮营养营养标准(表 5至表 7)。具体步骤如下：根据地产原料的可用性和成本确定能实现经济效益最大化的饲粮最佳净能水平，根据净能水平的变化调整SID赖氨酸水平以保证恒定的SID赖氨酸: 净能比值，并依照理想氨基酸模式确定其他氨基酸的含量，最后确定矿物元素和维生素的含量。由每个阶段猪的营养需要量除以饲粮营养水平，得到每日预测采食量，再乘以该阶段的饲养天数，得到全阶段的预计采食量，最后除以95%(估测饲料损耗5%)^[1]即可以得到该阶段饲料的预算量(表 8)。使用精准配方后，该猪场20~120 kg商品猪料重比由原来的2.71降到2.65，单位增重饲料成本由7.12元/kg降到6.70元/kg。

3 小结与展望

实施精准营养的技术核心包括：1)选择适合的饲料营养数据库；2)依据本场猪群生长性能确定每日营养需要量；3)依据本地饲料原料价格和供给情况，确定饲粮最佳净能和其他养分水平；4)确立本场猪群饲料产品及其预算量。未来应持续围绕不同原料的净能、SID氨基酸和STTD磷含量，以及细化生长阶段和生理状态下猪只的净能和SID氨基酸个性化需求开展研究。随着人工智能技术和设备的应用和普及，这些工作有望从耗时费力的传统研究手段转向以大数据分析为基础的人工智能实时评估。此外，新型物联网传感器和智能喂料系统的开发和应用将有助于猪场生产数据的实时采集、分析与决策。在精准饲喂系统中，需要重点关注的是对系统的整体控制，包括系统集成营养概念和模型以提供关于系统变化的早期预警(如基于采食量变化的健康状况)。