頂尖專家「人人可用」：百度伐謀的產業普惠時刻

「核心提示」
AI的下一場競賽，早已不是語音對答，而是深度協同，成為每一個產業可調用、可生長的超級大腦。

作者 |詹方歌

劉楊

在亞洲最大的獨立汽車設計研發公司阿爾特，一場有關“風阻”的研發變革正在發生。

12月25日，在百度AI Day活動現場，阿爾特公布的一組數據引發關注——汽車風阻驗證時長，從傳統的10小時縮短到1分鐘，預測誤差控制在5%以內。這一突破，得益于百度伐謀超級智能體的自我演化能力。

眾所周知，風阻大小直接影響汽車的續航和能耗，是汽車設計中的核心環節。以往，行業普遍依賴仿真軟件，通過求解N-S方程來進行風阻預測，這一過程不僅復雜還極為耗時。阿爾特攜手百度伐謀推出的御風智能預測系統，讓風阻預測效率實現了質的躍升。

御風系統如同一位自驅型的優秀學生，能夠利用大量工程數據，迅速掌握空氣動力學規律。它幾分鐘內就能輸出可視化的壓力云圖和風阻系數，且預測精度接近真實物理仿真，還能夠跨車型優化，真正實現舉一反三。

事實上，效率的提升只是伐謀帶來的直觀變化，更本質的意義在于系統性優化。正如其名字“上兵伐謀”的寓意：用智慧和謀略解決核心問題，而不僅僅依賴資源或算力的堆積。這也是AI進化的方向。

從汽車風阻到空間站設備，再到金融風控和港口調度，伐謀正在將頂尖專家的“最優解探索”能力，轉化為每一家企業都能調用的智能底座。

實現AI從“技術展示”到“產業內化”的飛躍，并非易事。百度為何能率先跨過這道門檻？這背后的底氣是什么？

1、把人從“試錯”中解放出來

發布一個月以來，百度伐謀已有超2000家企業申請試用，覆蓋物流、制造、AI4S等領域。這些企業都在尋找同一個答案：如何讓AI幫他們找到“全局最優解”。

御風智能系統的突破，正是這個答案的生動注解。從10小時到1分鐘，它針對效率的優化并不局限在“快”，而是改變了傳統風阻預測中“設計→驗證→再修改”的模式。圍繞“試錯”形成的測試閉環，也就此打破。

以往，汽車設計師無法在草圖階段就獲得風阻的實時反饋；風阻工程師的驗證過程也像“開盲盒”，二者無法直接建立溝通。現在，御風系統將氣動驗證前置到草圖階段，在設計初期就能實現風阻系數的快速預測，還能利用逆向求解與重構，生成多組“既達標又有差異”的汽車輪廓線方案，輔助設計師做出最佳選擇，實現了“邊設計、邊驗證、邊優化”的高效研發模式。

作為御風系統的大腦，百度伐謀不同于其他的智能體，不滿足于一次性開發，而是通過“冷啟動-演化迭代”機制，在幾天甚至幾小時內，依靠大規模分布式的算力不斷重復試錯，并在試錯中總結經驗，自主尋找最優算法。其過程與自然界億萬年的進化有異曲同工之妙。

更廣闊的視野、更高維的思考方式、更快的試錯速度，讓伐謀在面對復雜的產業問題時，不會像人類專家一樣陷入“局部最優”的瓶頸，而是在現實情況動態變化的過程中，利用自適應能力動態調優，找到不同條件下的“最優解”。

距離地球400多公里的高空，百度伐謀強大的自我演化能力同樣在發揮作用。

每90分鐘左右，中國空間站會繞地球飛行一周。按照科學家的設計，它將在軌運行10年以上，艙內需要不斷監測由人體和材料釋放的有害氣體。傳統空氣監控設備體積和重量巨大，急需研發質量輕、精度高的微型監測設備。

以往，科研人員在研發核心部件“微型氣相色譜柱”時主要依賴人工經驗，手動設定形狀、密度等幾何模型，反復進行數值仿真，效率較低。現在，北京工業大學與百度伐謀深度合作，利用伐謀進行自動化尋優，科研團隊成功演化出了體積更小、排布更緊密的構型設計和排布方式，大幅提升了氣體分離效率，設備也更輕更小。“微型電子鼻”就這樣橫空出世。

除了航天系統，北京工業大學還將伐謀應用到旋轉機械系統、直升機動力系統等多個復雜系統故障檢測試驗中，真正實現了人類專家提出問題、設定標準，伐謀自動完成代碼演化、自我改進和最優解輸出的過程。

伐謀的應用，讓原本以“周”為單位的科研探索開始縮短至“小時級”，科研團隊無需具備深厚的AI大模型知識也能夠上手使用，真正將人從繁重的試錯中解放出來。更重要的是，伐謀自主演化出的創新融合方式，也在不斷為科研提供新的靈感。

從“輔助工具”到“原生生產力”，伐謀不同于一般智能體，更像是人類的超級助手。它具備較快的學習能力，能夠適應不同行業需求，并為企業應用帶來新的可能性，對傳統模式也有了積極的改進。

2、伐謀的底氣和視野

用AI來試錯，而不是用人試錯，無疑能大幅降低成本和提升效率，這是顯而易見的優勢。但要讓伐謀這樣能夠解決極其復雜問題的智能體真正落地，其背后所需的技術能力和長期投入，遠超想象。

為什么率先推出這種先進生產力的是百度？最核心的原因，在于百度堅持全棧自研的技術路線。公開資料顯示，全球范圍內能夠實現“芯片—框架—模型—應用”全鏈路自研的，只有谷歌和百度。

與其他公司在各環節采購拼裝、難以高效協同不同，百度的全棧布局讓技術各層無縫配合，能夠快速響應和優化。這不僅保證了體系的穩定可靠，更為伐謀這樣對性能要求極高的智能體提供了理想的“孕育土壤”。

自2010年啟動昆侖芯片研發，到飛槳深度學習框架、文心大模型，再到各種行業應用，百度已建立起從底層算力到頂層算法的堅實支撐。只有當技術鏈條完全自控、上下游緊密打通，才能支持自我演化的智能體實現高速成長與持續優化。

如果說全棧布局是伐謀誕生的基礎，那么百度對中國復雜產業需求的敏銳洞察，就是讓伐謀真正落地開花的“養分”。

全球AI發展中，有一個關鍵的悖論——模型能力高歌猛進，但其對經濟增長的貢獻目前來看還十分有限。這也就是為什么李彥宏會在多個場合不斷呼吁，“機會最大的是在應用層”“應用才是真正創造價值的地方”。

他指出，中國制造業密度高、應用場景復雜、對成本和效率極度敏感，如果能用先進技術大幅提升這些場景的效率，對經濟增長的貢獻將顯而易見。

目前，百度已經積累了豐富的應用落地實踐：慧播星數字人技術在2025年雙11中GMV同比提升91%，并正式宣布面向全行業開放，成為企業降本增效的新型生產力工具；秒噠上線8個月以來，平臺已累計生成超50萬個商業應用，日新增應用漲幅超150%，覆蓋教育、商業、內容創作、企業服務等200余個場景。

這些落地實踐不但證實了AI在驅動商業增長和生產效率提升方面的巨大潛力，也為伐謀等AI智能體“后來者”的落地積累出了可復制的經驗，形成了巨大業務價值。

3、讓AI內化于“千行百業”

作為市面上最適合解決復雜問題的智能體之一，伐謀的意義并不在于寫代碼，而在于將高級決策邏輯轉化為每一家企業都能即刻調用的基礎設施，讓AI能力滲透到產線的每一個環節，讓產業升級來得再快一點。

為了進一步降低使用門檻，百度伐謀在12月25日的AI Day上宣布進行三大能力升級：在通用性方面，全新發布Web端、CLI及IDE插件等多種形態，支持對話式澄清需求，讓不懂代碼的業務人員也能輕松接入；在生產級方面，推出本地評估方案，企業無需上傳敏感數據即可享受伐謀的演化能力；在持續性方面，升級全局搜索和動態調優能力，實現持續的價值創造。

同時，百度伐謀正式發布"同舟生態伙伴計劃"，面向高校實驗室、行業軟件企業開放核心能力，對高質量伙伴的科研創新或產業實踐項目提供全面免費支持。

以金融業為例，風險控制是金融業的最重要場景，是數字銀行的核心“護城河”。以往，風控需要依賴專業化的人才進行復雜數據工程。中信百信銀行在與伐謀合作后，情況開始發生變化：在專業的風控專家的訓練指導下，伐謀利用自身在高維數據感知、復雜數理推導等方面的特殊能力，不間斷地在海量數據中進行風險特征挖掘，在短時間內快速達到了專業數據挖掘工程師的水平。

同樣能體現伐謀優勢的還有港口場景。港口的運輸、裝卸等環節高度復雜、相互耦合，傳統人工調度難以高效評估多種協同方案，常常無法實現資源與能耗的最佳平衡。通過算法，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。系統經過多輪演化計算，在保障作業效率的前提下，為港航物流作業領域帶來了顯著的節能降耗效果。

當行業多數精力仍聚焦于對話和內容生成時，百度伐謀展現了另一個維度的價值：將大模型等全棧能力導向產業深水區，追求AI技術在實際生產中發揮更大作用，解決產業中那些“評估容易、求解極難”的問題。

從這個意義上看，伐謀并不是一次單點突破，而是一種方法論的外化。它所代表的，不是把模型做得更大，而是把AI能力內化、壓實，實到能夠被真實業務調用、被一線流程消化、被結果反復驗證。

也正是在這條路徑上，百度逐漸勾勒出一條清晰的 AI 路線：從讓人人都能成為開發者的“秒噠”，到讓人人皆可開播的“慧播星數字人”，再到直指產業核心難題的“伐謀”，其核心從未改變——立足應用驅動，將原本只屬于少數人的智能，真正內化為多數行業可以長期使用、持續創造價值的通用生產力。