从“李约瑟之问”到AI之答 一片松林背后的科研范式变革

一架无人机“嗡”的一声腾空而起，钻入台风过境后的雾气，按预设航线飞掠南京溧水区林场的松林上空，多光谱影像实时回传至控制平台。屏幕上，一株外表碧绿、毫无异样的松树，却被AI打上了醒目的标记。

“这是一棵‘早期病树’，肉眼看不出来，但多光谱影像上已经有了信号。”现场技术人员指着屏幕解释道。其指的正是被业内称为“松树癌症”的松材线虫病，一旦染病，最快40多天即可整株枯死，且早期外观与健康松树几乎没有差异。南京市溧水区森检站站长窦浩告诉记者，传统人工巡山排查效率有限，“漏掉一棵病树，可能就连累一片林子。”等到树冠明显变红变黄，病害往往已经扩散，后续采伐、运输和清理成本大幅攀升。

8月12日，在南京举行的百度AI开放日暨百度伐谋AI4S专场上，这一困境迎来了技术破局。百度伐谋与南京林业大学联合发布全国首个AI+早期松材线虫病防治一体化平台，将病害识别关口从“树冠变色”前移至“生理异常”阶段，为松材线虫病的早发现、早判断、早处置提供了系统性技术支撑。

从107个特征到5个关键特征

AI如何为松树“早诊”

南京林业大学在松材线虫病研究领域有40余年积淀，拥有两项国家科技进步奖，也是全国松材线虫病防治的唯一指定培训单位。研究团队长期开展林业病虫害智能监测，主要利用无人机影像、可见光和多光谱数据，在松树外观尚未发生明显变化时判断其生理状况。

“林业场景非常复杂，在大别山能抓到的病害特征，换到溧水林场，背景不一样，需要重新校准。”南京林业大学信息科学技术学院副院长林海峰说。

研究团队构建了一个包含107个候选特征的“特征池”，涉及不同光谱波段、植被指数及其组合。在传统研究模式下，科研人员需要依靠林业经验，从这些候选特征中逐项筛选，再通过大量实验验证。组合数量庞大，人工全部验证耗时很长，也容易被既有经验所局限。

引入百度伐谋后，分工逻辑被重新定义。南林大团队负责提出科研问题、确定评价标准、判断实验结果；百度伐谋则在固定模型和评价标准下，自动生成、测试和比较不同的特征组合，优先筛选出更值得进入深入实验的方案。

经过持续搜索，百度伐谋帮助团队从107个候选特征中筛选出约5个关键特征，前期特征筛选和消融实验时间预计压缩约80%。

识别效果的跃升更为直观。衡量模型整体检测效果的mAP@0.5指标由86.4%提升至90.8%；早期病害召回率（每100棵早期病树中能够检出的棵数）由89.1%提升至98.0%；针对早期病害类别的专项识别能力由78.5%提升至88.7%；干旱和枯草等因素造成的误报率由13.6%降至5.1%。

“绝大多数早期病树能在外观尚正常时被AI识别出来，同时大幅降低了环境干扰因素造成的误判。”林海峰介绍。

平台覆盖多光谱特征筛选、模型识别、无人机巡检、地图定位和现场复核等环节。无人机采集的影像实时回传，AI自动标注疑似病树位置并生成导航坐标，地面核查人员据此精准抵达现场复核。从发现到定位再到处置，形成了闭环。

据介绍，相关技术目前已在江苏、辽宁、安徽等省份规模化应用，累计推广面积超过200万亩，通过早期精准防控为国家节约防治成本约7亿元。引入百度伐谋的自演化搜索能力后，该平台有望进一步支撑约50万至100万亩重点风险松林的早期预警能力提升，预计可节约核查、防控和模型迭代等成本约3000万至5000万元。

人类定义标准、AI持续寻优

百度伐谋踏入科研“深水区”

松材线虫病防治平台的落地并非孤例。它背后是一种可迁移的能力——百度伐谋正将“自演化搜索”从林间延伸到材料、芯片、金融、能源等多个科研领域。

百度集团执行副总裁、百度智能云事业群总裁沈抖在活动开场时重提“李约瑟之问”：为什么15世纪之后，中国的科学发现落后于西方？“随着AI的发展，对中国来讲，不管是模仿创新还是自主创新，AI都提供了全新的机会。”沈抖说，“AI正在改变科研、教学、生产和生活的很多方式。”

据招商证券研报，百度智能云已形成“芯—云—模—体”全栈自研架构，从底层昆仑芯AI芯片、智能云基础设施、文心大模型到上层智能体应用实现全链路协同，伐谋正是其Agent层产品矩阵中面向科研与产业复杂任务的智能体产品。其核心逻辑被百度伐谋产品总经理李安南一句话概括为“人类定义标准，AI持续寻优”。

在光电芯片领域，这一能力亦得到了验证。光本位科技是一家光计算芯片研发企业，其关键器件“1×16 MMI分束器”的设计涉及6个几何变量和3项相互制约的性能指标。工程师每修改一个参数，就需要跑一次复杂的物理仿真。

过去，资深工程师需要一到两周才能完成一轮器件调优。引入百度伐谋后，工程师们仅用120轮自动搜索、4小时便找到了更优的参数配置。通道均匀度改善约55%，综合性能评分提升6.5%。更重要的是，百度伐谋做出了一项“反直觉”的决策——牺牲了一小部分插损，换来了均匀度的大幅跃升。“这种精妙的参数平衡，纯靠人工摸索可能几个月都试不出来。”光本位科技董事长熊胤江感叹。

在量化研究领域，百度伐谋同样展现了持续寻优的能力。面对A股日内交易数据中挖掘短期收益信号的任务，百度伐谋在28天内持续测试不同特征、模型、训练策略和组合方式，产生了750多个候选程序，最终策略达到顶尖量化机构水平。

其他成果还包括电磁材料特性预测、跨人群抑郁症识别、汽车风阻仿真加速、氢能电力系统调度、具身智能控制、数学问题证明和多智能体对抗博弈策略优化……这些案例与松材线虫病早期识别是同一个逻辑：在人类定义清楚目标和评价标准后，AI在巨大解空间中持续搜索、逼近更优解。

在会议现场，百度伐谋还发布了AI4S“1+10+N”战略——以自演化智能体为底座，集中展示十大跨学科科研标杆成果，并启动面向100位各领域学者的AI4S科学家计划，覆盖材料科学、可控核聚变、量子计算、药物研发、合成生物学等前沿方向。

“AI4S的价值不止于单次效率提升，更在于对科学发现和产业创新的持续支持。”李安南说。

这一趋势已在全球范围内形成共识。招商证券研报显示，AI在科研领域的渗透正从药物研发、材料科学向更多基础学科加速延伸，AI辅助科研已成为全球科技竞争的新焦点。回到中国市场来看，据IDC数据，2025年百度智能云在国内AI应用公有云服务市场份额达30.7%，位居行业第一；自研芯片昆仑芯已在互联网、运营商、能源电力、金融、智能驾驶等领域的规模化应用，累计服务数十个行业上百家头部客户。

底层的芯片算力、中台的开发者生态、上层的市场覆盖——这些能力最终集成在百度伐谋这一智能体产品上，转化为面向具体科研问题的求解能力。从松材线虫病的早期识别，到光电芯片的工艺寻优，再到金融量化的策略生成，百度伐谋这套“人类定义标准、AI持续寻优”的方法论，正在不同学科中反复验证其通用性。

记者 李秋捷