限制智能育种的最大因素无疑仍是成本。
现代育种真的已经能动辄几百上千群体测序来进行辅助育种了吗？实际育种中恐怕芯片测序的钱都舍不得花，成本如何降低？
水稻已组装或重测序近万份骨干系材料，如何有效利用到育种？每年品比、区试积累的大量数据如何积累、规范并辅助育种？
未测序材料及后续无数后代材料，单样几十上百元的成本仍然高！硬件依赖：什么时候能降到20以下，甚至10以下，智能育种时代马上到来。
依赖建库或填补策略：
固相芯片
靶向多重PCR液相捕获
简化基因组
低深度测序LcWGS：亲本高深度测序，后代低覆盖度（1x or 4-5x），imputation。缺陷的硬件+搭配优异的算法或许是短时的出路。
配组材料所属群体结构清晰，系谱清晰，遗传组成及bin window清晰
从这里开始，分两种情况：
一是精选前景。根据已克隆基因和功能位点选择优异等位基因。
二是海选。利用GS估计标记效应和GEBV。GS要结合育种目标综合多个性状。
二者结合选择后代。
其他基础研究不够深入（功能位点未知）的作物：直接从传统育种到智能？绕过MAS
