在人工智能算法研發(fā)領(lǐng)域，百度近日宣布其自主研發(fā)的智能體系統(tǒng)“伐謀（Famo）”已在多個產(chǎn)業(yè)場景中實現(xiàn)落地應(yīng)用。這一面向復(fù)雜工程與科研場景設(shè)計的“自演化算法系統(tǒng)”，自11月13日首次亮相以來，已吸引超過2000家企業(yè)申請試用，覆蓋制造業(yè)、能源、金融、科研等多個領(lǐng)域。

與傳統(tǒng)算法依賴人工經(jīng)驗與反復(fù)調(diào)參的模式不同，伐謀系統(tǒng)以“自動生成—評估—進化”為核心機制，能夠在明確目標約束條件下，自主完成算法設(shè)計、優(yōu)化與迭代。其核心創(chuàng)新在于將人類專家的思考邏輯、問題拆解方法與工程經(jīng)驗轉(zhuǎn)化為可程序化的系統(tǒng)，使算法具備持續(xù)自我進化的能力，從而在復(fù)雜、高維、強約束的問題空間中尋找全局最優(yōu)解。

技術(shù)層面，伐謀采用多智能體協(xié)同與演化搜索機制，可根據(jù)給定評價指標自動生成算法結(jié)構(gòu)、參數(shù)組合及優(yōu)化路徑。該系統(tǒng)具備自動建模、策略評估和持續(xù)迭代三大核心能力，在部分公開評測中展現(xiàn)出顯著優(yōu)勢。例如，在CUDA Kernel優(yōu)化、機器學(xué)習(xí)工程基準（MLE-Bench）和算法工程評測（ALE-Bench）等測試中，伐謀均取得領(lǐng)先表現(xiàn)，部分GPU內(nèi)核優(yōu)化任務(wù)的性能提升可達數(shù)倍。

在實際應(yīng)用中，伐謀已與多家企業(yè)及科研機構(gòu)展開合作。在智能制造領(lǐng)域，阿爾特汽車與百度合作，將伐謀應(yīng)用于車輛空氣動力學(xué)設(shè)計。通過自動演化風阻計算模型，系統(tǒng)在設(shè)計早期即可提供可行解，將原本數(shù)小時的風阻分析時間壓縮至分鐘級，同時保持接近物理仿真的精度。這一突破替代了傳統(tǒng)依賴人工反復(fù)仿真的流程，顯著提升了設(shè)計效率。

能源與基礎(chǔ)設(shè)施領(lǐng)域同樣見證了伐謀的落地成效。在海上風電與能源管網(wǎng)布局優(yōu)化項目中，系統(tǒng)通過自動生成和篩選結(jié)構(gòu)方案，在復(fù)雜約束條件下完成路徑規(guī)劃，大幅減少人工試錯成本，提升整體設(shè)計效率。金融風控場景中，伐謀被引入銀行風控模型構(gòu)建流程，通過對高維特征的自動組合與篩選，生成的模型在風險識別能力和穩(wěn)定性方面優(yōu)于傳統(tǒng)人工建模方法，同時縮短了模型開發(fā)周期。

科研領(lǐng)域的應(yīng)用進一步拓展了伐謀的邊界。在空間站相關(guān)設(shè)備設(shè)計中，系統(tǒng)通過自動搜索與優(yōu)化結(jié)構(gòu)參數(shù)，實現(xiàn)了更高效的設(shè)計方案；在災(zāi)害預(yù)測與工程安全領(lǐng)域，伐謀輔助研究人員完成模型選擇與參數(shù)優(yōu)化，降低人工試錯成本。這些案例表明，該系統(tǒng)不僅適用于工業(yè)場景，也能為復(fù)雜科研問題提供創(chuàng)新解決方案。

百度方面強調(diào)，伐謀的核心價值在于推動算法研發(fā)范式的轉(zhuǎn)變——從依賴專家經(jīng)驗的人工調(diào)優(yōu)，轉(zhuǎn)向可持續(xù)自我演化的自動化體系。通過將問題目標、約束條件與評估機制形式化，算法可在計算資源支持下持續(xù)迭代，逐步逼近最優(yōu)解。目前，伐謀已在交通、能源、金融、制造等領(lǐng)域形成可復(fù)用的方法論框架，并發(fā)布“伐謀·同舟生態(tài)伙伴計劃”，未來將向更復(fù)雜的工業(yè)場景擴展，探索與更多科研機構(gòu)及企業(yè)的協(xié)同應(yīng)用。