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，甚至在各種學術榜單上超越人類，但它們對實際經濟增長的貢獻，卻并未出現同等量級的爆發。

為何模型能力上去了，真實的生產力卻波瀾不驚？

在這個節點上，百度試圖用一款名為“伐謀”的產品，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、高難度的真實產業問題。

11月中旬，百度智能云在北京舉行了一場小規模閉門交流會，雪豹財經社受邀參加。百度伐謀產品負責人、百度智能云信控產品負責人，向我們勾勒了一幅不同于消費級AI應用的圖景：

一個面向企業生產研發環節、能夠“自主演化”的超級智能體，正悄然進入物流港口、城市交通、能源調度等傳統產業的核心腹地。

兩天后，百度世界大會2025召開，百度創始人李彥宏在演講環節正式發布百度伐謀。

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

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、不戰而屈人之兵的頂級戰略思想。

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

伐謀正式發布當日，在數小時內吸引了超1000家企業申請接入測試，覆蓋交通、能源、金融、物流等行業。

市場對“自我演化”智能體的高期待，源于伐謀對AI產業價值的重新定義。作為全球領先的可商用的自我演化超級智能體，百度伐謀的目標，是在極度復雜的產業研發場景中，跳出人類經驗限制，通過自我演化尋找最優解，為企業挖掘生產力紅利。

一場關乎如何將AI能力轉化為實際生產力的探索，正在百度悄悄起步。

破解算法創新的悖論

“伐謀的核心，是一個Coding Agent，但它與市面上大多數Coding Agent有根本區別。”伐謀產品負責人解釋，常見的AI編程助手主要服務于軟件開發工程師，解決的是應用構建問題；而伐謀瞄準的是算法工程師的領域，解決的是算法本身的設計與優化。

這一選擇背后，是基于對AI能力稟賦和產業痛點的洞察。

伐謀產品負責人引用行業觀點指出，世界上存在兩類任務：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，預測下個月某個區域的用電量，評估標準非常清晰——預測準確率越高越好。但要想寫出一個能達到高準確率的預測算法，卻極其困難。

“為什么選算法問題？因為它是高難度、高價值，且以前不那么方便解決的問題。”伐謀產品負責人說。

企業，尤其是大型企業，在完成了初步的數字化之后，其研發環節充斥著大量此類算法難題：從機器學習中的分類（如醫療影像病灶識別）與預測（如火山噴發、商品需求預測），到運籌學中的路徑規劃與資源調度，再到底層的性能優化。

這些算法是數字化系統的“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約或效率增益。

然而，傳統解決方式成本高昂且周期漫長。企業要么依賴內部稀缺的高級算法專家，要么求助于高校實驗室或頂尖研究院所，項目制交付難以持續迭代。

伐謀產品負責人將傳統算法工程師的工作流程拆解為四步：尋找基礎算法、參考外部知識、編寫新算法、評估效果并循環優化。“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。而評估標準由人類定義，也使得整個過程可以自動化。”

百度伐謀系統所做的，正是將這四個步驟自動化、規模化。

它構建了一個“進化環境”，通過采樣不同的基礎算法、融合外部知識（如學術論文思想），生成新的算法變體，再經由明確的評估器（如準確率、目標函數）進行篩選，優勝劣汰，循環往復。

這類似于一種“算法育種”過程，通過大規模并行計算，讓智能體在數字世界里進行高速的試錯與進化，最終覓得更優解。

“這對人來說，不是沒事干了。”伐謀產品負責人強調，人的角色將轉向更核心的工作：精準定義問題、設定清晰的評估指揮棒，以及對最終生成的算法進行邏輯審計和可解釋性判斷。

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

落地之戰：從港口調度到城市紅綠燈

任何新技術的價值，最終需要在具體的產業場景中驗證。伐謀的首批戰場，選擇了復雜度高、價值感知強的領域。

伐謀產品負責人分享了與央企中國數聯物流及遼港集團合作的港口調度案例。

在港口運營中，一個核心難題是多機調度：如何安排價格動輒千萬的橋吊等設備，在數天甚至更長的周期內，高效完成船舶的裝卸貨計劃，同時盡量減少設備閑置和無效移動。這本質上是一個多重約束的運籌學問題，傳統上屬于“NP-Hard”難題，即難以在合理時間內找到最優解，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”。

工程師首先將業務需求抽象化：上傳描述作業計劃、設備約束、工作臺系統等信息的文件，并明確評估標準（如最小化橋吊使用數量）。隨后，啟動“演化”按鈕。系統進入“冷啟動”和“島嶼進化”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。

經過可能長達數天、上百輪的演化，系統會輸出一個性能最優的算法代碼及其效果報告。

在這個港口案例中，最終結果顯示，相較于原有人工設計的調度方案，伐謀演化出的新算法實現了減少2臺作業橋吊的目標，并通過優化決策路徑，將設備調動次數減少了10次。“但我們很難讓一個工程師去試100次，找100種可能性。”伐謀產品負責人說。

同樣的邏輯被應用在更具動態性的城市交通領域。

百度智能云SaaS信控產品，是與伐謀結合的另一典型場景。

“信控，就是城市道路交通信號控制，核心目標是安全與效率。”百度智能云信控產品負責人解釋，其工作流程也分為感知（通過互聯網數據和路側設備感知交通需求）、優化（算法決策紅綠燈配時如何調整）和控制（信號機執行）。其中，最核心的優化環節，就是一個復雜的數學問題。

百度強調“全域信控”理念，即從城市整體路網視角而非單個路口進行優化。這包括戰略層的“子區劃分”（將交通特征相似的路口分組，如單點、協調干線、擁堵子區）和戰術層的參數優化（周期、綠信比、相位差）。

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

百度智能云信控產品負責人表示：“伐謀的優勢是算法自主迭代進化，而我們要解決的交通優化問題，本質上就是一個求大規模路口數信號配時最優解的數學問題。”

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

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。

百度智能云信控產品負責人認為，這種模式的優勢在于“快”和“省”——無需深度對接交警的專網設備，兩周內即可交付，建設成本只需原來的十分之一，就可以幫助一些信控優化底子弱的城市快速達到及格線以上的緩堵效果。

自演化智能體的未來與挑戰

百度伐謀所代表的自演化路徑，為AI在產業界的深入應用提供了一種新的范式：它不再滿足于充當人類專家的輔助工具，而是試圖在人類設定的明確目標和規則下，自主地進行探索和創新。

這種范式的競爭力在于其可擴展性和持續性。

伐謀產品負責人提到，系統性能可以通過增加算力進行ScalingUp，難題可以分配給更多智能體并行探索，模擬“十倍速”的進化世界。

同時，一旦框架建立，它可以持續運行，不斷吸納新的數據和知識，實現算法的自主演進，而非一次性交付。這對于需要持續優化、應對多變環境的產業場景（如物流、交通、金融風控）具有重要價值。

不過，這條道路也充滿挑戰。

首先，高度的專業性壁壘依然存在。無論是港口調度還是交通信控，將模糊的業務需求精準抽象為可計算的數學問題，仍極度依賴既懂業務又懂算法的復合型人才。

伐謀產品負責人表示，與客戶的共創、對行業Know-How的理解至關重要。目前，百度采取的是與自身行業SaaS產品線（如交通、金融）深度融合，以及與標桿客戶共建的策略，以降低規模化復制的難度。

其次，關于技術本身的成熟度。伐謀產品負責人坦承，與國際頂尖模型相比，在純粹的自演進任務上可能還存在差距，但結合框架后，國產模型也能產生優異效果。

這表明，框架設計與算法思想本身，與底層模型能力同樣關鍵。同時，如何高效引導進化方向，避免陷入局部最優，仍是技術上的核心難點。

從更廣闊的產業視角看，“自演化智能體”的出現，預示著企業智能化進程可能進入一個新階段：即從“流程數字化”到“決策智能化”。其價值不在于替代所有人類專家，而在于成為企業研發體系中的一種新型生產力，能夠以更低成本、更高速度處理海量復雜的優化問題，從而釋放人類專家去從事更具創造性的工作。

百度伐謀及其在港口、交通等領域的初步實踐，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，而是能夠潛入產業運行的底層，進行沉默而持續的進化。

這場進化能夠在多大程度上推動AI對經濟增長做出更實質性的貢獻，仍需更多的時間與案例來驗證。

但可以肯定的是，這場關于智能體自主性的實驗，已經拉開了序幕。

作者 | 趙文軒