"有了AI，现在做科研的范式发生了深刻的变革。"北京工业大学副教授苗扬对AI的作用很笃定。6月3日，百度伐谋探访系列活动首站走进苗扬团队。北京商报记者了解到，包括中国空间站"微型电子鼻"色谱柱的新构型、PEM电解槽制氢系统故障检验模型等课题均基于伐谋实现优化。

所谓伐谋，是百度推出的一款可商用自我演化超级智能体，苗扬团队的实践展示了AI for Science（人工智能驱动的科学研究）领域从"人工试错"到"自动演化"的科研范式转变。Global Info Research 的调研数据显示，2024 年全球AI for Science自身的市场收入已达33.63亿美元，撬动下游生物医药、新材料等万亿级产业。科研周期的压缩，正在转化为产业效率的杠杆。

6月3日下午，苗扬带着团队成员与百度伐谋产品团队坐在一起，不是为了发布产品，而是展示一种已经发生的科研协作方式。他与百度的渊源从在北航读博时就已开始，从PaddlePaddle到伐谋，苗扬形容双方是"共同成长"。

在苗扬的团队，伐谋是直接介入算法寻优的科研团队。以中国空间站"微型电子鼻"色谱柱为例，"传统色谱仪在轨体积重量大，更换补给带来经费压力。团队基于伐谋对微柱结构进行建模和演化搜索，优化后的构型在流场均匀性、低压降等关键指标上表现更优，体积缩小、排布更紧密"，团队成员王森向北京商报记者介绍。

站在国家中长期发展的角度，氢能被认为是未来能源的重要方向，制氢安全不言而喻。团队成员贾鑫珂展示了PEM电解槽制氢系统的故障检测：原有深度学习模型准确率已经较高，继续提升非常困难，"之前我们自己选择最有可能的变量，变量非常多，大概有100多个。现在可以通过伐谋，组装不同的模型、卷积网络的层数和架构，根据不同的数据来选择变量"。基于伐谋优化后模型测试准确率由92.26%提升至95.04%。

这不是孤立的案例。苗扬团队长期研究空间站环控生保、氢能系统、旋转机械等高可靠场景，传统科研方式依赖经验加仿真反复试错，周期长、费用高，且容易陷入局部最优。伐谋的介入改变了试错逻辑，它可以通过多条支线并行演化，根据科研人员设定的评估指标持续迭代。

"学习、使用伐谋的成本大幅度降低，无论是时间、精力还是难度。"苗扬告诉北京商报记者，他的实验室里有机械工程等专业的学生，非计算机科班出身，但"同学们很容易上手操作，很快就能得到结果"。百度伐谋产品团队介绍，伐谋不是传统意义上的大模型对话工具，在高校实验室场景下，它是把高水平算法优化能力接入科研流程中，让跨学科师生也能够更高效地完成模型设计、参数搜索和方案验证。

从高校实验室延伸出去，这种"自动演化"的逻辑正在进入产业。在青岛港项目的原型演示中，基于伐谋的集装箱调配算法优化后运转效率提升10%，相当于每年增加数百万集装箱吞吐量；在工厂生产排产的场景中，面对400多个生产任务分配至几十台生产设备的复杂排产需求，依托伐谋迭代出最优调度方案，整体生产效率提升6.31%；金融领域，伐谋帮助银行优化风控模型，减少因授信不准确造成的经济损失。

苗扬说："在知识爆炸的时代，获取知识容易，但想要拥有智慧并不容易，关键是怎么把知识综合应用、做相应的研判。"

技术的较量终究要落在应用里。大模型榜单之外，AI竞争已进入比拼深度与广度的阶段。百度2026年一季度财报显示，AI业务收入136亿元，占百度一般性业务收入的52%。从科研实验室到产业现场，效率革命的终点，是财报上的真金白银。

北京商报记者 魏蔚