對話 | AI 大亂斗，百度何以“上兵伐謀”

在人工智能席卷全球的浪潮中，一個令人困惑的悖論正日益凸顯：模型的考試能力突飛猛進(jìn)，甚至在各種學(xué)術(shù)榜單上超越人類，但它們對實(shí)際經(jīng)濟(jì)增長的貢獻(xiàn)，卻并未出現(xiàn)同等量級的爆發(fā)。

為何模型能力上去了，真實(shí)的生產(chǎn)力卻波瀾不驚？

在這個節(jié)點(diǎn)上，百度試圖用一款名為“伐謀”的產(chǎn)品，給出自己的探索：將AI的能力從善于答題，引向善于解決高價值、高難度的真實(shí)產(chǎn)業(yè)問題。

11月中旬，百度智能云在北京舉行了一場小規(guī)模閉門交流會，雪豹財經(jīng)社受邀參加。百度伐謀產(chǎn)品負(fù)責(zé)人、百度智能云信控產(chǎn)品負(fù)責(zé)人，向我們勾勒了一幅不同于消費(fèi)級AI應(yīng)用的圖景：

一個面向企業(yè)生產(chǎn)研發(fā)環(huán)節(jié)、能夠“自主演化”的超級智能體，正悄然進(jìn)入物流港口、城市交通、能源調(diào)度等傳統(tǒng)產(chǎn)業(yè)的核心腹地。

兩天后，百度世界大會2025召開，百度創(chuàng)始人李彥宏在演講環(huán)節(jié)正式發(fā)布百度伐謀。

李彥宏表示，百度伐謀的理念借鑒自“進(jìn)化算法”，模擬生物界幾億年的進(jìn)化過程并壓縮至幾天甚至幾小時，從而發(fā)現(xiàn)“過去人類從未發(fā)現(xiàn)過的全局最優(yōu)解”。

伐謀，語出《孫子兵法·謀攻篇》，“上兵伐謀，其次伐交，其次伐兵，其下攻城”。偉大的軍事家孫武在這里闡述了贏得勝利的四個層次，“伐謀”代表著以智取勝、不戰(zhàn)而屈人之兵的頂級戰(zhàn)略思想。

百度借此命名，表明這款產(chǎn)品旨在解決最高層次、最核心的問題——戰(zhàn)略性的算法和策略問題，而不僅僅是執(zhí)行層面的代碼輔助（“伐兵”或“攻城”）。

伐謀正式發(fā)布當(dāng)日，在數(shù)小時內(nèi)吸引了超1000家企業(yè)申請接入測試，覆蓋交通、能源、金融、物流等行業(yè)。

市場對“自我演化”智能體的高期待，源于伐謀對AI產(chǎn)業(yè)價值的重新定義。作為全球領(lǐng)先的可商用的自我演化超級智能體，百度伐謀的目標(biāo)，是在極度復(fù)雜的產(chǎn)業(yè)研發(fā)場景中，跳出人類經(jīng)驗(yàn)限制，通過自我演化尋找最優(yōu)解，為企業(yè)挖掘生產(chǎn)力紅利。

一場關(guān)乎如何將AI能力轉(zhuǎn)化為實(shí)際生產(chǎn)力的探索，正在百度悄悄起步。

破解算法創(chuàng)新的悖論

“伐謀的核心，是一個Coding Agent，但它與市面上大多數(shù)Coding Agent有根本區(qū)別。”伐謀產(chǎn)品負(fù)責(zé)人解釋，常見的AI編程助手主要服務(wù)于軟件開發(fā)工程師，解決的是應(yīng)用構(gòu)建問題；而伐謀瞄準(zhǔn)的是算法工程師的領(lǐng)域，解決的是算法本身的設(shè)計與優(yōu)化。

這一選擇背后，是基于對AI能力稟賦和產(chǎn)業(yè)痛點(diǎn)的洞察。

伐謀產(chǎn)品負(fù)責(zé)人引用行業(yè)觀點(diǎn)指出，世界上存在兩類任務(wù)：一類是“寫起來簡單，評估起來難”，比如講故事；另一類則是“評估起來簡單，寫起來難”，這正是算法問題的典型特征。

例如，預(yù)測下個月某個區(qū)域的用電量，評估標(biāo)準(zhǔn)非常清晰——預(yù)測準(zhǔn)確率越高越好。但要想寫出一個能達(dá)到高準(zhǔn)確率的預(yù)測算法，卻極其困難。

“為什么選算法問題？因?yàn)樗歉唠y度、高價值，且以前不那么方便解決的問題。”伐謀產(chǎn)品負(fù)責(zé)人說。

企業(yè)，尤其是大型企業(yè)，在完成了初步的數(shù)字化之后，其研發(fā)環(huán)節(jié)充斥著大量此類算法難題：從機(jī)器學(xué)習(xí)中的分類（如醫(yī)療影像病灶識別）與預(yù)測（如火山噴發(fā)、商品需求預(yù)測），到運(yùn)籌學(xué)中的路徑規(guī)劃與資源調(diào)度，再到底層的性能優(yōu)化。

這些算法是數(shù)字化系統(tǒng)的“大腦”，其性能的微小提升，都可能帶來百萬甚至千萬級別的成本節(jié)約或效率增益。

然而，傳統(tǒng)解決方式成本高昂且周期漫長。企業(yè)要么依賴內(nèi)部稀缺的高級算法專家，要么求助于高校實(shí)驗(yàn)室或頂尖研究院所，項(xiàng)目制交付難以持續(xù)迭代。

伐謀產(chǎn)品負(fù)責(zé)人將傳統(tǒng)算法工程師的工作流程拆解為四步：尋找基礎(chǔ)算法、參考外部知識、編寫新算法、評估效果并循環(huán)優(yōu)化。“隨著大模型分析和編碼能力的提升，前兩步和第三步完全可以交給AI。而評估標(biāo)準(zhǔn)由人類定義，也使得整個過程可以自動化。”

百度伐謀系統(tǒng)所做的，正是將這四個步驟自動化、規(guī)模化。

它構(gòu)建了一個“進(jìn)化環(huán)境”，通過采樣不同的基礎(chǔ)算法、融合外部知識（如學(xué)術(shù)論文思想），生成新的算法變體，再經(jīng)由明確的評估器（如準(zhǔn)確率、目標(biāo)函數(shù)）進(jìn)行篩選，優(yōu)勝劣汰，循環(huán)往復(fù)。

這類似于一種“算法育種”過程，通過大規(guī)模并行計算，讓智能體在數(shù)字世界里進(jìn)行高速的試錯與進(jìn)化，最終覓得更優(yōu)解。

“這對人來說，不是沒事干了。”伐謀產(chǎn)品負(fù)責(zé)人強(qiáng)調(diào)，人的角色將轉(zhuǎn)向更核心的工作：精準(zhǔn)定義問題、設(shè)定清晰的評估指揮棒，以及對最終生成的算法進(jìn)行邏輯審計和可解釋性判斷。

這意味著，企業(yè)可以將寶貴的專家資源從繁瑣的算法試煉中解放出來，聚焦于更具戰(zhàn)略性的任務(wù)。

落地之戰(zhàn)：從港口調(diào)度到城市紅綠燈

任何新技術(shù)的價值，最終需要在具體的產(chǎn)業(yè)場景中驗(yàn)證。伐謀的首批戰(zhàn)場，選擇了復(fù)雜度高、價值感知強(qiáng)的領(lǐng)域。

伐謀產(chǎn)品負(fù)責(zé)人分享了與央企中國數(shù)聯(lián)物流及遼港集團(tuán)合作的港口調(diào)度案例。

在港口運(yùn)營中，一個核心難題是多機(jī)調(diào)度：如何安排價格動輒千萬的橋吊等設(shè)備，在數(shù)天甚至更長的周期內(nèi)，高效完成船舶的裝卸貨計劃，同時盡量減少設(shè)備閑置和無效移動。這本質(zhì)上是一個多重約束的運(yùn)籌學(xué)問題，傳統(tǒng)上屬于“NP-Hard”難題，即難以在合理時間內(nèi)找到最優(yōu)解，通常需要專家分階段、近似求解。

伐謀的介入方式顯得頗為“簡單”。

工程師首先將業(yè)務(wù)需求抽象化：上傳描述作業(yè)計劃、設(shè)備約束、工作臺系統(tǒng)等信息的文件，并明確評估標(biāo)準(zhǔn)（如最小化橋吊使用數(shù)量）。隨后，啟動“演化”按鈕。系統(tǒng)進(jìn)入“冷啟動”和“島嶼進(jìn)化”階段，大量智能體并行探索不同解決方案，通過交叉、變異等操作不斷生成新算法，并接受評估篩選。

經(jīng)過可能長達(dá)數(shù)天、上百輪的演化，系統(tǒng)會輸出一個性能最優(yōu)的算法代碼及其效果報告。

在這個港口案例中，最終結(jié)果顯示，相較于原有人工設(shè)計的調(diào)度方案，伐謀演化出的新算法實(shí)現(xiàn)了減少2臺作業(yè)橋吊的目標(biāo)，并通過優(yōu)化決策路徑，將設(shè)備調(diào)動次數(shù)減少了10次。“但我們很難讓一個工程師去試100次，找100種可能性。”伐謀產(chǎn)品負(fù)責(zé)人說。

同樣的邏輯被應(yīng)用在更具動態(tài)性的城市交通領(lǐng)域。

百度智能云SaaS信控產(chǎn)品，是與伐謀結(jié)合的另一典型場景。

“信控，就是城市道路交通信號控制，核心目標(biāo)是安全與效率。”百度智能云信控產(chǎn)品負(fù)責(zé)人解釋，其工作流程也分為感知（通過互聯(lián)網(wǎng)數(shù)據(jù)和路側(cè)設(shè)備感知交通需求）、優(yōu)化（算法決策紅綠燈配時如何調(diào)整）和控制（信號機(jī)執(zhí)行）。其中，最核心的優(yōu)化環(huán)節(jié)，就是一個復(fù)雜的數(shù)學(xué)問題。

百度強(qiáng)調(diào)“全域信控”理念，即從城市整體路網(wǎng)視角而非單個路口進(jìn)行優(yōu)化。這包括戰(zhàn)略層的“子區(qū)劃分”（將交通特征相似的路口分組，如單點(diǎn)、協(xié)調(diào)干線、擁堵子區(qū)）和戰(zhàn)術(shù)層的參數(shù)優(yōu)化（周期、綠信比、相位差）。

在沒有伐謀之前，信控系統(tǒng)依靠工程師編寫的算法，能找到不錯的“次優(yōu)解”，但并非“最優(yōu)解”。

百度智能云信控產(chǎn)品負(fù)責(zé)人表示：“伐謀的優(yōu)勢是算法自主迭代進(jìn)化，而我們要解決的交通優(yōu)化問題，本質(zhì)上就是一個求大規(guī)模路口數(shù)信號配時最優(yōu)解的數(shù)學(xué)問題。”

通過伐謀對信控優(yōu)化算法的迭代，在相同交通需求下，優(yōu)化效果（如車均延誤）能在原來的水平上再提升數(shù)個百分點(diǎn)。“信控和伐謀的結(jié)合是很天然的。”

目前，基于伐謀升級的SaaS信控輕量化方案已在鄂爾多斯、許昌等40多個城市落地。

百度智能云信控產(chǎn)品負(fù)責(zé)人認(rèn)為，這種模式的優(yōu)勢在于“快”和“省”——無需深度對接交警的專網(wǎng)設(shè)備，兩周內(nèi)即可交付，建設(shè)成本只需原來的十分之一，就可以幫助一些信控優(yōu)化底子弱的城市快速達(dá)到及格線以上的緩堵效果。

自演化智能體的未來與挑戰(zhàn)

百度伐謀所代表的自演化路徑，為AI在產(chǎn)業(yè)界的深入應(yīng)用提供了一種新的范式：它不再滿足于充當(dāng)人類專家的輔助工具，而是試圖在人類設(shè)定的明確目標(biāo)和規(guī)則下，自主地進(jìn)行探索和創(chuàng)新。

這種范式的競爭力在于其可擴(kuò)展性和持續(xù)性。

伐謀產(chǎn)品負(fù)責(zé)人提到，系統(tǒng)性能可以通過增加算力進(jìn)行ScalingUp，難題可以分配給更多智能體并行探索，模擬“十倍速”的進(jìn)化世界。

同時，一旦框架建立，它可以持續(xù)運(yùn)行，不斷吸納新的數(shù)據(jù)和知識，實(shí)現(xiàn)算法的自主演進(jìn)，而非一次性交付。這對于需要持續(xù)優(yōu)化、應(yīng)對多變環(huán)境的產(chǎn)業(yè)場景（如物流、交通、金融風(fēng)控）具有重要價值。

不過，這條道路也充滿挑戰(zhàn)。

首先，高度的專業(yè)性壁壘依然存在。無論是港口調(diào)度還是交通信控，將模糊的業(yè)務(wù)需求精準(zhǔn)抽象為可計算的數(shù)學(xué)問題，仍極度依賴既懂業(yè)務(wù)又懂算法的復(fù)合型人才。

伐謀產(chǎn)品負(fù)責(zé)人表示，與客戶的共創(chuàng)、對行業(yè)Know-How的理解至關(guān)重要。目前，百度采取的是與自身行業(yè)SaaS產(chǎn)品線（如交通、金融）深度融合，以及與標(biāo)桿客戶共建的策略，以降低規(guī)模化復(fù)制的難度。

其次，關(guān)于技術(shù)本身的成熟度。伐謀產(chǎn)品負(fù)責(zé)人坦承，與國際頂尖模型相比，在純粹的自演進(jìn)任務(wù)上可能還存在差距，但結(jié)合框架后，國產(chǎn)模型也能產(chǎn)生優(yōu)異效果。

這表明，框架設(shè)計與算法思想本身，與底層模型能力同樣關(guān)鍵。同時，如何高效引導(dǎo)進(jìn)化方向，避免陷入局部最優(yōu)，仍是技術(shù)上的核心難點(diǎn)。

從更廣闊的產(chǎn)業(yè)視角看，“自演化智能體”的出現(xiàn)，預(yù)示著企業(yè)智能化進(jìn)程可能進(jìn)入一個新階段：即從“流程數(shù)字化”到“決策智能化”。其價值不在于替代所有人類專家，而在于成為企業(yè)研發(fā)體系中的一種新型生產(chǎn)力，能夠以更低成本、更高速度處理海量復(fù)雜的優(yōu)化問題，從而釋放人類專家去從事更具創(chuàng)造性的工作。

百度伐謀及其在港口、交通等領(lǐng)域的初步實(shí)踐，是一次重要的探路。它證明了一種可能性：AI可以不只停留在對話和生成，而是能夠潛入產(chǎn)業(yè)運(yùn)行的底層，進(jìn)行沉默而持續(xù)的進(jìn)化。

這場進(jìn)化能夠在多大程度上推動AI對經(jīng)濟(jì)增長做出更實(shí)質(zhì)性的貢獻(xiàn)，仍需更多的時間與案例來驗(yàn)證。

但可以肯定的是，這場關(guān)于智能體自主性的實(shí)驗(yàn)，已經(jīng)拉開了序幕。

作者 | 趙文軒