AIPress.com.cn报道

12 月 25 日，百度在 AI开放日 活动上披露，其自研的智能体系统“伐谋（Famo）”已在多个真实产业场景中完成落地验证，并在交通、制造、能源、科研等领域展现出可规模化应用能力。

据悉，“伐谋”于11月13日首次亮相，是百度面向复杂工程与科研场景打造的“自演化算法系统”。目前已有2000余家企业申请试用，涵盖农业供应链、高校AI4S课题科研、制造业排产调度、求解器团队关键算子研发等多个领域。

与传统依赖人工经验与反复调参的算法不同，伐谋以“自动生成—评估—进化”为核心机制，能够在明确目标约束下，自主完成算法设计、优化与迭代。

其核心理念是将人类专家的思考方式、问题拆解逻辑与工程经验系统化、程序化，使算法具备持续自我进化的能力，从而在复杂、高维、强约束的问题空间中寻找全局最优解。

在技术层面，伐谋采用多智能体协同与演化搜索机制，可在给定评价指标下自动生成算法结构、参数组合及优化路径。其核心能力包括自动建模、策略评估和持续迭代，在部分公开评测中展现出较强的性能优势。

在公开测试中，伐谋在 CUDA Kernel 优化、机器学习工程基准（MLE-Bench）和算法工程评测（ALE-Bench）中取得领先表现。在部分 GPU 内核优化任务中，性能提升可达数倍，显示出在高复杂度计算问题上的潜在优势。

在实际应用层面，伐谋已在多个行业完成落地验证。

智能制造领域，阿尔特汽车与百度合作，将伐谋用于车辆空气动力学设计。通过对风阻计算模型的自动演化，系统可在设计早期给出可行解，替代传统依赖人工反复仿真的流程。相关测试显示，原本需要数小时的风阻分析可压缩至分钟级完成，同时保持接近物理仿真的精度。

能源与基础设施领域，伐谋被用于海上风电与能源管网布局优化。通过自动生成和筛选结构方案，系统在复杂约束条件下完成路径规划，减少人工试错成本，并提升整体设计效率。

在金融风控场景中，伐谋被引入银行风控模型构建流程。通过对高维特征进行自动组合与筛选，其生成的模型在风险识别能力和稳定性方面优于传统人工建模方法，缩短了模型开发周期。

在科研领域，伐谋亦被用于辅助高校与研究机构解决复杂工程问题。例如在空间站相关设备设计中，通过对结构参数进行自动搜索与优化，实现了更高效的设计方案；在灾害预测与工程安全领域，系统可辅助研究人员完成模型选择与参数优化，降低人工试错成本。

百度方面表示，伐谋的核心价值在于推动算法研发范式的转变：从依赖专家经验的人工调优，转向可持续自我演化的自动化体系。通过将问题目标、约束条件与评估机制形式化，算法可以在计算资源支持下持续迭代，逐步逼近最优解。

目前，伐谋已在交通、能源、金融、制造等多个领域开展合作，逐步形成可复用的方法论框架。据悉，百度已发布伐谋·同舟生态伙伴计划，未来该系统将继续向更复杂的工业场景扩展，并探索与更多科研机构及企业的协同应用。