AI時代，中國AI如何下好“先手棋”？

文 | 佘宗明

“AI的下一輪變革，是以AI工廠重構生產力邏輯，以智能體重塑勞動力結構。”1個多月前，英偉達創始人兼CEO黃仁勛在某論壇上如是說。

黃仁勛所說，并非沒來由：2025年已到尾聲，回看過去3年，歷經前期烈火烹油的“參數競賽”“性能PK”后，AI行業的敘事主線正向“落地才是硬道理”的實用主義歸攏，關注焦點也在轉向AI對生產力、工作流和產業生態的實質性重塑。

這連接的命題，便是“AI+產業”。

“AI+產業”聽似宏大，實則已融入現實厚土當中：它是工廠生產線上的AI視覺檢測系統，能精準識別零部件微米級瑕疵；是田間地頭的AI傳感器，會實時監測土壤濕度、養分含量；是物流倉庫智能分揀機器人，會根據包裹尺寸、目的地自動規劃分揀路徑……

問題來了，該怎么讓AI和產業的融合融出深度，避免淺融輒止？

在許多AI應用爭奇斗艷之際，一個叫“伐謀”的新物種拍了拍產業界，并拋出了不一樣的“設計圖”。

順著圖紙看去，百度勾畫出的那條“向實而行”的AI路線清晰可見：以自主可控的AI全棧技術為基座，將AI能力深度內化為產業的增長引擎。

01

說到伐謀，很多人難免會想到《孫子兵法·謀攻篇》里的那句“上兵伐謀”，言下之意是，用兵上策是以智慧謀略取勝。

在上個月的2025百度世界大會上，百度將剛上新的全球首個可商用自我演化超級智能體命名為“伐謀”，顯然是取義于此，以表達要以善謀尋求“全局最優解”之意。

從產品形態上看，伐謀不是ChatGPT式的對話機器人，也不是Copilot式的編程助手，跟市面上主流的AI工具都有些區別。

從OpenAI的Codex到谷歌的Jules，這兩年，全球主要科技巨頭都在布局Coding Agent賽道。但常見的Coding Agent通常都是聚焦于軟件開發工程師的應用構建需求，解決的是“執行層面”的代碼輔助問題。

伐謀不一樣，它瞄準的是算法工程師的核心工作場景，解決的是“戰略層面”的算法設計與優化問題。

這差異化的定位，反映了百度對AI長遠產業價值的洞悉：在AI技術逐漸走向產業縱深的背景下，充分發揮AI的新工業革命助推器作用勢在必行，AI技術紅利不只在于提升個體執行效率，更在于突破人類認知局限，為復雜產業系統提供“深度AI化”的優化方案。

本質上，現代產業運轉就是在跟眾多“可計算目標”打交道：汽車風阻系數、金融風險區分度、港口吞吐效率、電網調度成本……諸如此類的指標框定了產業效率的天花板。

從企業角度看，企業生產與研發環節往往也是由一系列關鍵算法驅動，如排產調度、交易決策、資源優化與路徑規劃等，它們決定著核心業務的競爭力。

可放眼現實，很多業務運行總會受制于“人”：海上風電電纜布置，會面臨“三維迷宮”般的路徑規劃難題；金融風控模型的優化，會受限于數據工程水平限制……人類的認知邊界局限與經驗積累短板，經常難以突破局部最優的瓶頸。

不少企業會引入AI應用，但傳統AI應用大多是“一次性開發”模式——算法團隊根據需求訓練模型，交付后便基本固化，后續優化依賴人工調參，周期長、成本高。

作為企業級算法自主優化引擎的伐謀，則打破了這樣的路徑依賴。憑借“冷啟動+自演化”引擎架構，伐謀推動了許多業務場景從“人類經驗依賴”到“AI自主尋優”轉變。

在此過程中，伐謀非但能模擬頂尖算法工程師涵蓋“需求理解-算法設計-實驗驗證-迭代優化”的完整工作流，還能跳出人類專家的串行思維局限，以并行演化方式在指數級擴大的搜索空間中持續逼近全局最優解。

02

用術者，伐巧；用智者，伐謀。

有意思的是，今年8月，全球多所頂尖高校研究團隊曾參照“阿西莫夫機器人三定律”，聯合提出了“自進化AI智能體三定律”，包括Endure（安全適應）、Excel（性能保持）、Evolve（自主進化）。

安全適應，是指任何修改必須保證系統安全穩定；性能保持，是指在安全前提下必須保持或提升現有任務性能；自主進化是指在前兩者得到保障的基礎上需自主優化內部組件，以響應環境變化和任務需求。

如果說這聽著有些抽象，那伐謀就讓人看到了其具體實現路徑。

伐謀的工作機制就像高度智能的“算法孵化器”：通過多智能體并行生成多樣化初始解，再經由分布式集群的變異與交叉機制持續進化，最終輸出超越人類專家認知邊界的最優方案。這離不開三大核心能力支撐——對話式需求澄清，能降低使用門檻；自動評估器生成，確保目標對齊；初始算法構建，實現快速啟動。

得益于此，伐謀具備了跨場景、跨任務、應對不同模式變化的自適應能力。

在KernelBench測試中實現最高20倍性能提升，在MLE-Bench、ALE-Bench等權威基準上超越微軟、OpenAI的同類系統……伐謀的技術領先性，已得到數據佐證。

技術領先是表，價值重塑是核。伐謀承接的，不是很多人想象中的重復勞動，而是傳統上被認為必須依賴人類專家的核心環節，如算法設計、參數調優、方案選型等。

當此之時，再拿效率工具看它，只會是對其產業價值的窄化。

目前看，市場已對此做出了積極回應：伐謀發布當日，數小時內就吸引了上千家企業申請接入測試，覆蓋交通、能源、金融、物流等多個關鍵產業領域。

百度在2025百度世界大會上公布的落地成果與應用效果，也佐證了其深層產業價值——

在鄂爾多斯伊金霍洛旗的交通治理場景中，百度智能云信控平臺通過AI調控紅綠燈配時方案將車均延誤降低13%，引入伐謀后找到城市緩堵治理最優解，車均延誤再降5%；

在遼港集團的港口調度場景中，利用伐謀對船舶靠泊、岸橋作業、集卡運輸與場橋調度等環節進行全局優化后，在港航物流作業領域帶來了每年上百萬的節能降耗空間……

超級智能體中的“超級”二字，瞬間變得具象化了。

03

風乍起，伐謀攪動產業變革一池春水。

那，伐謀之路，為何是百度先行？

答案可以歸為兩個“先”：技術布局之先；戰略判斷之先。

伐謀的長板，不在單點突破，在于從底層算力到頂層模型的極致協同與高效反饋。

這依托的，是百度十余年來在AI上的早早布局與綿綿用力。

前段時間，谷歌憑著Gemini霸榜實現對OpenAI的反反超，引發了行業對其全棧AI優勢的矚目。迄今為止，全球具備“芯片-框架-模型-應用”四層自研能力的公司只有兩家，一家是谷歌，另一家就是百度。

從昆侖芯到飛槳框架，從文心大模型到蘿卜快跑、慧播星數字人和伐謀，百度構建了全棧自主可控技術鏈。

伐謀在性能上遠超同行，就是對百度全棧協同效率的驗證。

還要看到，伐謀從誕生之日起，就跳出了消費級AI的框架，直指產業領域更“底層”的核心痛點。這是百度“AI觀”的最直觀注解。

這兩年，李彥宏反復強調“別卷模型，要卷應用”，屢次表示“機會最大的是在應用層”，著眼的就是要加速AI與產業深度融合。

這無疑是對AI發展規律與競爭格局的清醒洞察：從發展規律講，移動互聯網時代從應用層到基礎設施的倒三角形格局，也會在AI時代復刻；從競爭格局看，中美各自的優勢點很分明，美國在基礎模型上仍占優勢，但中國擁有最齊全的工業門類和極度復雜且對效率成本敏感的應用場景。

時與勢，都在催促著AI技術往能解決產業痛點的方向走，而不是止于Chatbot。

伐謀“實用至上”的底色就很明顯，它不是炫技花活，而是直接鉆進產業深水區，著眼解決產業中那些“評估容易求解難”的優化問題。

04

伐謀助“實”，究其抓手，在于“內化”。

傳統賦能模式講究“外部輔助”，AI是嫁接在現有流程上的“外掛”，企業需要被動適應技術特性。

AI能力內化則追求“內部原生”，將AI變成企業價值創造的“內驅力”，讓AI成為企業發展的原生推動力。

在2025百度世界大會上，李彥宏曾強調，當每家企業、每個人都能讓AI能力被內化，成為原生能力，智能就不再是成本，而是生產力。

百度推出伐謀，自然不只是為了打造單個爆款產品，而是以伐謀為標桿產品探索AI能力內化的通用路徑，最終實現“將AI能力內化到千行百業”的目標。

AI能力內化，通常涵蓋三個層次：

第一層，看重效率工具的“替代效應”，AI是高級自動化工具。

災害預警模型選優是個邊際容錯率極低的領域，預測錯了可能后果極為嚴重，所以以往經常得依賴??串?試驗，很耗時費力，但伐謀卻通過并??成候選模型、統?評估及持續演化，將模型選優周期從以“周”為單位縮短到“?時級”（僅需6?時），確保了防災決策時效性的同時保證了預測效果的穩定性。

這里面，AI發揮的更多的是降本增效角色。

第二層，看重流程再造的“重構效應”，AI可改變產業底層工作范式。

亞洲最大獨立汽車設計研發公司阿爾特在風阻智能預測上與伐謀合作后，御風智能預測系統將汽車研發從“設計-驗證-修改”的串行循環升級為“邊設計、邊驗證、邊優化”的并行協同，將風阻分析驗證周期從10小時縮短至幾分鐘就能輸出可視化壓力云圖。

不難看到，AI帶來了人機協作基點的位移。

第三層，看重的是增長引擎的“原生效應”，AI成為業務增長的“決策大腦”。

中信百信銀行在引入伐謀后，不光效率提升了，風控模型也“看”得更準了，能精準識別出看似有風險但實際優質的客戶，從而在可控風險范圍內服務更廣闊客群。

這時候，AI已成可直接創造新業務價值的內生動能。

值得注意的是，在12月25日舉辦的百度AIday上，伐謀方面還公布了生態伙伴計劃。

這托起了以開放生態撬動合作共贏的想象空間：行業專業知識（know-how）與伐謀自我演化能力結合，能讓伐謀獲得高質量初始解和行業評價標準，也能讓更多企業獲得“自我進化”的算法能力。

05

從伐謀切入推動AI能力內化，百度的落子某種程度上是在回應一個時代命題：如何讓AI更好地助力千行百業？

當前我國已發布大模型逾1500個，數量居世界首位，這對應了AI方面的“供給”；超大規模市場與完備工業體系，帶來了全球最豐富的應用場景，這對應了AI方面的“需求”。

如何將AI技術優勢轉化為產業數智化優勢，讓供需更好地銜接，是擺在多方面前的重要課題。

如今，百度已用AI能力深度內化的戰略動作+全棧自主的技術基座+開放協同的生態構建，給出回答。這呼應了國家層面的“人工智能+”行動，也為行業提供了可資參照的樣本。

很明顯，這條路線與硅谷的“模型中心主義”迥異：OpenAI們一直都致力于構建更強大的通用模型，然后再去尋找應用場景；百度則反其道而行之，從產業深層次痛點出發，用全棧能力構建自我演化的算法引擎，將AI能力內化為企業增長的“原生推動力”。

這點著實耐人尋味。

某種程度上，伐謀體現出的產業價值，本身就不無啟示性：AI時代，最高級的競爭不是“攻城”式的技術對抗，而是“伐謀”式的戰略升維——將AI從外部工具變為內生引擎，從效率提升變為價值創造，從單點突破變為系統重構。

這條“內化”之路，是融嵌在產業數智化的大局之中的。

其最終檢驗標準，不是實驗室的基準測試得分，而是鄂爾多斯街頭的通行效率、阿爾特新車型的續航里程、百信銀行服務的小微企業數量、遼港集團節省的能耗成本。

而當AI能力在“內化”中變為企業的新型水電煤時，隨之而來的，既會是AI產業的加快發展，也會是傳統產業的加速轉型。

這，也許就是中國AI行業跟各個產業都需要的“伐謀”之道。