对话 | AI 大乱斗，百度何以“上兵伐谋”

在人工智能席卷全球的浪潮中，一个令人困惑的悖论正日益凸显：模型的考试能力突飞猛进，甚至在各种学术榜单上超越人类，但它们对实际经济增长的贡献，却并未出现同等量级的爆发。

为何模型能力上去了，真实的生产力却波澜不惊？

在这个节点上，百度试图用一款名为“伐谋”的产品，给出自己的探索：将AI的能力从善于答题，引向善于解决高价值、高难度的真实产业问题。

11月中旬，百度智能云在北京举行了一场小规模闭门交流会，雪豹财经社受邀参加。百度伐谋产品负责人、百度智能云信控产品负责人，向我们勾勒了一幅不同于消费级AI应用的图景：

一个面向企业生产研发环节、能够“自主演化”的超级智能体，正悄然进入物流港口、城市交通、能源调度等传统产业的核心腹地。

两天后，百度世界大会2025召开，百度创始人李彦宏在演讲环节正式发布百度伐谋。

李彦宏表示，百度伐谋的理念借鉴自“进化算法”，模拟生物界几亿年的进化过程并压缩至几天甚至几小时，从而发现“过去人类从未发现过的全局最优解”。

伐谋，语出《孙子兵法·谋攻篇》，“上兵伐谋，其次伐交，其次伐兵，其下攻城”。伟大的军事家孙武在这里阐述了赢得胜利的四个层次，“伐谋”代表着以智取胜、不战而屈人之兵的顶级战略思想。

百度借此命名，表明这款产品旨在解决最高层次、最核心的问题——战略性的算法和策略问题，而不仅仅是执行层面的代码辅助（“伐兵”或“攻城”）。

伐谋正式发布当日，在数小时内吸引了超1000家企业申请接入测试，覆盖交通、能源、金融、物流等行业。

市场对“自我演化”智能体的高期待，源于伐谋对AI产业价值的重新定义。作为全球领先的可商用的自我演化超级智能体，百度伐谋的目标，是在极度复杂的产业研发场景中，跳出人类经验限制，通过自我演化寻找最优解，为企业挖掘生产力红利。

一场关乎如何将AI能力转化为实际生产力的探索，正在百度悄悄起步。

破解算法创新的悖论

“伐谋的核心，是一个Coding Agent，但它与市面上大多数Coding Agent有根本区别。”伐谋产品负责人解释，常见的AI编程助手主要服务于软件开发工程师，解决的是应用构建问题；而伐谋瞄准的是算法工程师的领域，解决的是算法本身的设计与优化。

这一选择背后，是基于对AI能力禀赋和产业痛点的洞察。

伐谋产品负责人引用行业观点指出，世界上存在两类任务：一类是“写起来简单，评估起来难”，比如讲故事；另一类则是“评估起来简单，写起来难”，这正是算法问题的典型特征。

例如，预测下个月某个区域的用电量，评估标准非常清晰——预测准确率越高越好。但要想写出一个能达到高准确率的预测算法，却极其困难。

“为什么选算法问题？因为它是高难度、高价值，且以前不那么方便解决的问题。”伐谋产品负责人说。

企业，尤其是大型企业，在完成了初步的数字化之后，其研发环节充斥着大量此类算法难题：从机器学习中的分类（如医疗影像病灶识别）与预测（如火山喷发、商品需求预测），到运筹学中的路径规划与资源调度，再到底层的性能优化。

这些算法是数字化系统的“大脑”，其性能的微小提升，都可能带来百万甚至千万级别的成本节约或效率增益。

然而，传统解决方式成本高昂且周期漫长。企业要么依赖内部稀缺的高级算法专家，要么求助于高校实验室或顶尖研究院所，项目制交付难以持续迭代。

伐谋产品负责人将传统算法工程师的工作流程拆解为四步：寻找基础算法、参考外部知识、编写新算法、评估效果并循环优化。“随着大模型分析和编码能力的提升，前两步和第三步完全可以交给AI。而评估标准由人类定义，也使得整个过程可以自动化。”

百度伐谋系统所做的，正是将这四个步骤自动化、规模化。

它构建了一个“进化环境”，通过采样不同的基础算法、融合外部知识（如学术论文思想），生成新的算法变体，再经由明确的评估器（如准确率、目标函数）进行筛选，优胜劣汰，循环往复。

这类似于一种“算法育种”过程，通过大规模并行计算，让智能体在数字世界里进行高速的试错与进化，最终觅得更优解。

“这对人来说，不是没事干了。”伐谋产品负责人强调，人的角色将转向更核心的工作：精准定义问题、设定清晰的评估指挥棒，以及对最终生成的算法进行逻辑审计和可解释性判断。

这意味着，企业可以将宝贵的专家资源从繁琐的算法试炼中解放出来，聚焦于更具战略性的任务。

落地之战：从港口调度到城市红绿灯

任何新技术的价值，最终需要在具体的产业场景中验证。伐谋的首批战场，选择了复杂度高、价值感知强的领域。

伐谋产品负责人分享了与央企中国数联物流及辽港集团合作的港口调度案例。

在港口运营中，一个核心难题是多机调度：如何安排价格动辄千万的桥吊等设备，在数天甚至更长的周期内，高效完成船舶的装卸货计划，同时尽量减少设备闲置和无效移动。这本质上是一个多重约束的运筹学问题，传统上属于“NP-Hard”难题，即难以在合理时间内找到最优解，通常需要专家分阶段、近似求解。

伐谋的介入方式显得颇为“简单”。

工程师首先将业务需求抽象化：上传描述作业计划、设备约束、工作台系统等信息的文件，并明确评估标准（如最小化桥吊使用数量）。随后，启动“演化”按钮。系统进入“冷启动”和“岛屿进化”阶段，大量智能体并行探索不同解决方案，通过交叉、变异等操作不断生成新算法，并接受评估筛选。

经过可能长达数天、上百轮的演化，系统会输出一个性能最优的算法代码及其效果报告。

在这个港口案例中，最终结果显示，相较于原有人工设计的调度方案，伐谋演化出的新算法实现了减少2台作业桥吊的目标，并通过优化决策路径，将设备调动次数减少了10次。“但我们很难让一个工程师去试100次，找100种可能性。”伐谋产品负责人说。

同样的逻辑被应用在更具动态性的城市交通领域。

百度智能云SaaS信控产品，是与伐谋结合的另一典型场景。

“信控，就是城市道路交通信号控制，核心目标是安全与效率。”百度智能云信控产品负责人解释，其工作流程也分为感知（通过互联网数据和路侧设备感知交通需求）、优化（算法决策红绿灯配时如何调整）和控制（信号机执行）。其中，最核心的优化环节，就是一个复杂的数学问题。

百度强调“全域信控”理念，即从城市整体路网视角而非单个路口进行优化。这包括战略层的“子区划分”（将交通特征相似的路口分组，如单点、协调干线、拥堵子区）和战术层的参数优化（周期、绿信比、相位差）。

在没有伐谋之前，信控系统依靠工程师编写的算法，能找到不错的“次优解”，但并非“最优解”。

百度智能云信控产品负责人表示：“伐谋的优势是算法自主迭代进化，而我们要解决的交通优化问题，本质上就是一个求大规模路口数信号配时最优解的数学问题。”

通过伐谋对信控优化算法的迭代，在相同交通需求下，优化效果（如车均延误）能在原来的水平上再提升数个百分点。“信控和伐谋的结合是很天然的。”

目前，基于伐谋升级的SaaS信控轻量化方案已在鄂尔多斯、许昌等40多个城市落地。

百度智能云信控产品负责人认为，这种模式的优势在于“快”和“省”——无需深度对接交警的专网设备，两周内即可交付，建设成本只需原来的十分之一，就可以帮助一些信控优化底子弱的城市快速达到及格线以上的缓堵效果。

自演化智能体的未来与挑战

百度伐谋所代表的自演化路径，为AI在产业界的深入应用提供了一种新的范式：它不再满足于充当人类专家的辅助工具，而是试图在人类设定的明确目标和规则下，自主地进行探索和创新。

这种范式的竞争力在于其可扩展性和持续性。

伐谋产品负责人提到，系统性能可以通过增加算力进行ScalingUp，难题可以分配给更多智能体并行探索，模拟“十倍速”的进化世界。

同时，一旦框架建立，它可以持续运行，不断吸纳新的数据和知识，实现算法的自主演进，而非一次性交付。这对于需要持续优化、应对多变环境的产业场景（如物流、交通、金融风控）具有重要价值。

不过，这条道路也充满挑战。

首先，高度的专业性壁垒依然存在。无论是港口调度还是交通信控，将模糊的业务需求精准抽象为可计算的数学问题，仍极度依赖既懂业务又懂算法的复合型人才。

伐谋产品负责人表示，与客户的共创、对行业Know-How的理解至关重要。目前，百度采取的是与自身行业SaaS产品线（如交通、金融）深度融合，以及与标杆客户共建的策略，以降低规模化复制的难度。

其次，关于技术本身的成熟度。伐谋产品负责人坦承，与国际顶尖模型相比，在纯粹的自演进任务上可能还存在差距，但结合框架后，国产模型也能产生优异效果。

这表明，框架设计与算法思想本身，与底层模型能力同样关键。同时，如何高效引导进化方向，避免陷入局部最优，仍是技术上的核心难点。

从更广阔的产业视角看，“自演化智能体”的出现，预示着企业智能化进程可能进入一个新阶段：即从“流程数字化”到“决策智能化”。其价值不在于替代所有人类专家，而在于成为企业研发体系中的一种新型生产力，能够以更低成本、更高速度处理海量复杂的优化问题，从而释放人类专家去从事更具创造性的工作。

百度伐谋及其在港口、交通等领域的初步实践，是一次重要的探路。它证明了一种可能性：AI可以不只停留在对话和生成，而是能够潜入产业运行的底层，进行沉默而持续的进化。

这场进化能够在多大程度上推动AI对经济增长做出更实质性的贡献，仍需更多的时间与案例来验证。

但可以肯定的是，这场关于智能体自主性的实验，已经拉开了序幕。

作者 | 赵文轩