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(gòu)生產(chǎn)力邏輯，以智能體重塑勞動力結(jié)構(gòu)?！?個多月前，英偉達(dá)創(chuàng)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(jīng)前期烈火烹油的“參數(shù)競賽”“性能PK”后，AI行業(yè)的敘事主線正向“落地才是硬道理”的實用主義歸攏，關(guān)注焦點(diǎn)也在轉(zhuǎn)向AI對生產(chǎn)力、工作流和產(chǎn)業(yè)生態(tài)的實質(zhì)性重塑。

這連接的命題，便是“AI+產(chǎn)業(yè)”。

“AI+產(chǎn)業(yè)”聽似宏大，實則已融入現(xiàn)實厚土當(dāng)中：它是工廠生產(chǎn)線上的AI視覺檢測系統(tǒng)，能精準(zhǔn)識別零部件微米級瑕疵；是田間地頭的AI傳感器，會實時監(jiān)測土壤濕度、養(yǎng)分含量；是物流倉庫智能分揀機(jī)器人，會根據(jù)包裹尺寸、目的地自動規(guī)劃分揀路徑……

問題來了，該怎么讓AI和產(chǎn)業(yè)的融合融出深度，避免淺融輒止？

在許多AI應(yīng)用爭奇斗艷之際，一個叫“伐謀”的新物種拍了拍產(chǎn)業(yè)界，并拋出了不一樣的“設(shè)計圖”。

順著圖紙看去，百度勾畫出的那條“向?qū)嵍小钡腁I路線清晰可見：以自主可控的AI全棧技術(shù)為基座，將AI能力深度內(nèi)化為產(chǎn)業(yè)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(dá)要以善謀尋求“全局最優(yōu)解”之意。

從產(chǎn)品形態(tài)上看，伐謀不是ChatGPT式的對話機(jī)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(qū)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(fā)工程師的應(yīng)用構(gòu)建需求，解決的是“執(zhí)行層面”的代碼輔助問題。

伐謀不一樣，它瞄準(zhǔn)的是算法工程師的核心工作場景，解決的是“戰(zhàn)略層面”的算法設(shè)計與優(yōu)化問題。

這差異化的定位，反映了百度對AI長遠(yuǎn)產(chǎn)業(yè)價值的洞悉：在AI技術(shù)逐漸走向產(chǎn)業(yè)縱深的背景下，充分發(fā)揮AI的新工業(yè)革命助推器作用勢在必行，AI技術(shù)紅利不只在于提升個體執(zhí)行效率，更在于突破人類認(rèn)知局限，為復(fù)雜產(chǎn)業(yè)系統(tǒng)提供“深度AI化”的優(yōu)化方案。

本質(zhì)上，現(xiàn)代產(chǎn)業(yè)運(yùn)轉(zhuǎn)就是在跟眾多“可計算目標(biāo)”打交道：汽車風(fēng)阻系數(shù)、金融風(fēng)險區(qū)分度、港口吞吐效率、電網(wǎng)調(diào)度成本……諸如此類的指標(biāo)框定了產(chǎn)業(yè)效率的天花板。

從企業(yè)角度看，企業(yè)生產(chǎn)與研發(fā)環(huán)節(jié)往往也是由一系列關(guān)鍵算法驅(qū)動，如排產(chǎn)調(diào)度、交易決策、資源優(yōu)化與路徑規(guī)劃等，它們決定著核心業(yè)務(wù)的競爭力。

可放眼現(xiàn)實，很多業(yè)務(wù)運(yùn)行總會受制于“人”：海上風(fēng)電電纜布置，會面臨“三維迷宮”般的路徑規(guī)劃難題；金融風(fēng)控模型的優(yōu)化，會受限于數(shù)據(jù)工程水平限制……人類的認(rèn)知邊界局限與經(jīng)驗積累短板，經(jīng)常難以突破局部最優(yōu)的瓶頸。

不少企業(yè)會引入AI應(yīng)用，但傳統(tǒng)AI應(yīng)用大多是“一次性開發(fā)”模式——算法團(tuán)隊根據(jù)需求訓(xùn)練模型，交付后便基本固化，后續(xù)優(yōu)化依賴人工調(diào)參，周期長、成本高。

作為企業(yè)級算法自主優(yōu)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(gòu)，伐謀推動了許多業(yè)務(wù)場景從“人類經(jīng)驗依賴”到“AI自主尋優(yōu)”轉(zhuǎn)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(shè)計-實驗驗證-迭代優(yōu)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(shù)級擴(kuò)大的搜索空間中持續(xù)逼近全局最優(yōu)解。

02

用術(shù)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(tuán)隊曾參照“阿西莫夫機(jī)器人三定律”，聯(lián)合提出了“自進(jìn)化AI智能體三定律”，包括Endure（安全適應(yīng)）、Excel（性能保持）、Evolve（自主進(jìn)化）。

安全適應(yīng)，是指任何修改必須保證系統(tǒng)安全穩(wěn)定；性能保持，是指在安全前提下必須保持或提升現(xiàn)有任務(wù)性能；自主進(jìn)化是指在前兩者得到保障的基礎(chǔ)上需自主優(yōu)化內(nèi)部組件，以響應(yīng)環(huán)境變化和任務(wù)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(xiàn)路徑。

伐謀的工作機(jī)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(jīng)由分布式集群的變異與交叉機(jī)制持續(xù)進(jìn)化，最終輸出超越人類專家認(rèn)知邊界的最優(yōu)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(biāo)對齊；初始算法構(gòu)建，實現(xiàn)快速啟動。

得益于此，伐謀具備了跨場景、跨任務(wù)、應(yīng)對不同模式變化的自適應(yīng)能力。

在KernelBench測試中實現(xiàn)最高20倍性能提升，在MLE-Bench、ALE-Bench等權(quán)威基準(zhǔn)上超越微軟、OpenAI的同類系統(tǒng)……伐謀的技術(shù)領(lǐng)先性，已得到數(shù)據(jù)佐證。

技術(shù)領(lǐng)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(fù)勞動，而是傳統(tǒng)上被認(rèn)為必須依賴人類專家的核心環(huán)節(jié)，如算法設(shè)計、參數(shù)調(diào)優(yōu)、方案選型等。

當(dāng)此之時，再拿效率工具看它，只會是對其產(chǎn)業(yè)價值的窄化。

目前看，市場已對此做出了積極回應(yīng)：伐謀發(fā)布當(dāng)日，數(shù)小時內(nèi)就吸引了上千家企業(yè)申請接入測試，覆蓋交通、能源、金融、物流等多個關(guān)鍵產(chǎn)業(yè)領(lǐng)域。

百度在2025百度世界大會上公布的落地成果與應(yīng)用效果，也佐證了其深層產(chǎn)業(yè)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(diào)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(yōu)解，車均延誤再降5%；

在遼港集團(tuán)的港口調(diào)度場景中，利用伐謀對船舶靠泊、岸橋作業(yè)、集卡運(yùn)輸與場橋調(diào)度等環(huán)節(jié)進(jìn)行全局優(yōu)化后，在港航物流作業(yè)領(lǐng)域帶來了每年上百萬的節(jié)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(fēng)乍起，伐謀攪動產(chǎn)業(yè)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(shù)布局之先；戰(zhàn)略判斷之先。

伐謀的長板，不在單點(diǎn)突破，在于從底層算力到頂層模型的極致協(xié)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(xiàn)對OpenAI的反反超，引發(fā)了行業(yè)對其全棧AI優(yōu)勢的矚目。迄今為止，全球具備“芯片-框架-模型-應(yīng)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(shù)字人和伐謀，百度構(gòu)建了全棧自主可控技術(shù)鏈。

伐謀在性能上遠(yuǎn)超同行，就是對百度全棧協(xié)同效率的驗證。

還要看到，伐謀從誕生之日起，就跳出了消費(fèi)級AI的框架，直指產(chǎn)業(yè)領(lǐng)域更“底層”的核心痛點(diǎn)。這是百度“AI觀”的最直觀注解。

這兩年，李彥宏反復(fù)強(qiáng)調(diào)“別卷模型，要卷應(yīng)用”，屢次表示“機(jī)會最大的是在應(yīng)用層”，著眼的就是要加速AI與產(chǎn)業(yè)深度融合。

這無疑是對AI發(fā)展規(guī)律與競爭格局的清醒洞察：從發(fā)展規(guī)律講，移動互聯(lián)網(wǎng)時代從應(yīng)用層到基礎(chǔ)設(shè)施的倒三角形格局，也會在AI時代復(fù)刻；從競爭格局看，中美各自的優(yōu)勢點(diǎn)很分明，美國在基礎(chǔ)模型上仍占優(yōu)勢，但中國擁有最齊全的工業(yè)門類和極度復(fù)雜且對效率成本敏感的應(yīng)用場景。

時與勢，都在催促著AI技術(shù)往能解決產(chǎn)業(yè)痛點(diǎn)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(jìn)產(chǎn)業(yè)深水區(qū)，著眼解決產(chǎn)業(yè)中那些“評估容易求解難”的優(yōu)化問題。

04

伐謀助“實”，究其抓手，在于“內(nèi)化”。

傳統(tǒng)賦能模式講究“外部輔助”，AI是嫁接在現(xiàn)有流程上的“外掛”，企業(yè)需要被動適應(yīng)技術(shù)特性。

AI能力內(nèi)化則追求“內(nèi)部原生”，將AI變成企業(yè)價值創(chuàng)造的“內(nèi)驅(qū)力”，讓AI成為企業(yè)發(fā)展的原生推動力。

在2025百度世界大會上，李彥宏曾強(qiáng)調(diào)，當(dāng)每家企業(yè)、每個人都能讓AI能力被內(nèi)化，成為原生能力，智能就不再是成本，而是生產(chǎn)力。

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

AI能力內(nèi)化，通常涵蓋三個層次：

第一層，看重效率工具的“替代效應(yīng)”，AI是高級自動化工具。

災(zāi)害預(yù)警模型選優(yōu)是個邊際容錯率極低的領(lǐng)域，預(yù)測錯了可能后果極為嚴(yán)重，所以以往經(jīng)常得依賴??串?試驗，很耗時費(fèi)力，但伐謀卻通過并??成候選模型、統(tǒng)?評估及持續(xù)演化，將模型選優(yōu)周期從以“周”為單位縮短到“?時級”（僅需6?時），確保了防災(zāi)決策時效性的同時保證了預(yù)測效果的穩(wěn)定性。

這里面，AI發(fā)揮的更多的是降本增效角色。

第二層，看重流程再造的“重構(gòu)效應(yīng)”，AI可改變產(chǎn)業(yè)底層工作范式。

亞洲最大獨(dú)立汽車設(shè)計研發(fā)公司阿爾特在風(fēng)阻智能預(yù)測上與伐謀合作后，御風(fēng)智能預(yù)測系統(tǒng)將汽車研發(fā)從“設(shè)計-驗證-修改”的串行循環(huán)升級為“邊設(shè)計、邊驗證、邊優(yōu)化”的并行協(xié)同，將風(fēng)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(jī)協(xié)作基點(diǎn)的位移。

第三層，看重的是增長引擎的“原生效應(yīng)”，AI成為業(yè)務(wù)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(fēng)控模型也“看”得更準(zhǔn)了，能精準(zhǔn)識別出看似有風(fēng)險但實際優(yōu)質(zhì)的客戶，從而在可控風(fēng)險范圍內(nèi)服務(wù)更廣闊客群。

這時候，AI已成可直接創(chuàng)造新業(yè)務(wù)價值的內(nèi)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(tài)伙伴計劃。

這托起了以開放生態(tài)撬動合作共贏的想象空間：行業(yè)專業(yè)知識（know-how）與伐謀自我演化能力結(jié)合，能讓伐謀獲得高質(zhì)量初始解和行業(yè)評價標(biāo)準(zhǔn)，也能讓更多企業(yè)獲得“自我進(jìn)化”的算法能力。

05

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

當(dāng)前我國已發(fā)布大模型逾1500個，數(shù)量居世界首位，這對應(yīng)了AI方面的“供給”；超大規(guī)模市場與完備工業(yè)體系，帶來了全球最豐富的應(yīng)用場景，這對應(yīng)了AI方面的“需求”。

如何將AI技術(shù)優(yōu)勢轉(zhuǎn)化為產(chǎn)業(yè)數(shù)智化優(yōu)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(nèi)化的戰(zhàn)略動作+全棧自主的技術(shù)基座+開放協(xié)同的生態(tài)構(gòu)建，給出回答。這呼應(yīng)了國家層面的“人工智能+”行動，也為行業(yè)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(gòu)建更強(qiáng)大的通用模型，然后再去尋找應(yīng)用場景；百度則反其道而行之，從產(chǎn)業(yè)深層次痛點(diǎn)出發(fā)，用全棧能力構(gòu)建自我演化的算法引擎，將AI能力內(nèi)化為企業(yè)增長的“原生推動力”。

這點(diǎn)著實耐人尋味。

某種程度上，伐謀體現(xiàn)出的產(chǎn)業(yè)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(shù)對抗，而是“伐謀”式的戰(zhàn)略升維——將AI從外部工具變?yōu)閮?nèi)生引擎，從效率提升變?yōu)閮r值創(chuàng)造，從單點(diǎn)突破變?yōu)橄到y(tǒng)重構(gòu)。

這條“內(nèi)化”之路，是融嵌在產(chǎn)業(yè)數(shù)智化的大局之中的。

其最終檢驗標(biāo)準(zhǔn)，不是實驗室的基準(zhǔn)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(xù)航里程、百信銀行服務(wù)的小微企業(yè)數(shù)量、遼港集團(tuán)節(jié)省的能耗成本。

而當(dāng)AI能力在“內(nèi)化”中變?yōu)槠髽I(yè)的新型水電煤時，隨之而來的，既會是AI產(chǎn)業(yè)的加快發(fā)展，也會是傳統(tǒng)產(chǎn)業(yè)的加速轉(zhuǎn)型。

這，也許就是中國AI行業(yè)跟各個產(chǎn)業(yè)都需要的“伐謀”之道。