機器之心報道

編輯：澤南

從「執(zhí)行者」到「發(fā)明家」，AI 進化的幅度又加快了。

這就是未來解決難題的方式？

只要你輸入自然語言指令和必要的數(shù)據(jù)，一群智能體就可以針對復(fù)雜問題設(shè)立項目進行研究，自己去尋找解法。

不論是金融、交通還是港口物流領(lǐng)域，人類專家需要幾十天才能完成的工作，使用 AI 智能體只需要幾天甚至幾小時，還能找出更優(yōu)的解法。

這一系列效率的提升，都來自于昨天百度世界大會上新發(fā)布的全球首個可商用、自我演化超級智能體百度伐謀，由百度智能云團隊打造。目前，伐謀已正式對外開放，并通過邀請碼的形式提供服務(wù)。

在大會現(xiàn)場，李彥宏表示，這是一個全新的、能自我進化的智能體，能夠在各種重要工業(yè)應(yīng)用場景中自動找出全局最優(yōu)解，「只要問題的解法是明確可驗證的，伐謀就可以模擬甚至超越頂尖的算法專家。」

從入門的代碼生成，到高階的全業(yè)務(wù)流程優(yōu)化，ChatGPT 出現(xiàn)還沒滿三年，AI 就已經(jīng)實現(xiàn)了能力維度上的擴展，實現(xiàn)了從「執(zhí)行指令」到「自主發(fā)現(xiàn)」的跨越，甚至還能發(fā)現(xiàn)人類無法想到的解決方案。

四大核心技術(shù)

打造 AI 優(yōu)化引擎標(biāo)桿

伐謀是一個讓 AI 算法自主進化、尋找全局最優(yōu)的多智能體系統(tǒng)，可以高效率地解決高難度的問題。它結(jié)合了大語言模型和進化搜索算法，旨在通過大語言模型的推理能力與大規(guī)模進化搜索來解決復(fù)雜的現(xiàn)實世界問題。

面對現(xiàn)實世界的復(fù)雜問題，如何能讓 AI 代替算法工程師來尋找解法，并進行調(diào)優(yōu)，是一個很有挑戰(zhàn)的任務(wù)。

百度智能云團隊發(fā)布了伐謀（FM Agent）的技術(shù)報告，我們可以從中了解其主要的技術(shù)特點。

伐謀系統(tǒng)在處理復(fù)雜算法問題時的工作流程。

技術(shù)報告鏈接：https://arxiv.org/abs/2510.26144

整體來看，伐謀具備跨領(lǐng)域、端到端的自動化問題求解能力，涵蓋以下四大場景：

機器學(xué)習(xí)——包括自動化特征工程、特征組合、模型融合；可實現(xiàn)端到端構(gòu)建機器學(xué)習(xí)流程，無需人工干預(yù)。組合優(yōu)化——可以自主設(shè)計啟發(fā)式算法、增強傳統(tǒng)求解器（如 MIP、CP）的能力，直接生成高質(zhì)量解。GPU 內(nèi)核生成——能自動優(yōu)化 CUDA 內(nèi)核，提升計算效率，在 KernelBench 上實現(xiàn) 2 倍到 20 倍的加速。數(shù)學(xué)問題求解——在圓填充、不確定性不等式、距離比最小化等問題中達到 SOTA；可以結(jié)合符號推理與進行數(shù)值優(yōu)化。

在工作的整體邏輯上，伐謀在收到指令后首先使用智能體尋找算法，選擇優(yōu)勢品種進行進化，在這其中應(yīng)用的方法既包括經(jīng)典的專家策略，也有 AI 搜索，在這之后，生成的方法會被組合成為一個復(fù)雜的 prompt 交給大模型，形成一個新算法。新的算法會交給到人類寫好的評估器上判斷質(zhì)量，打分會作為依據(jù)交給下一輪的再采樣生成。

在技術(shù)方面，伐謀具有四大核心技術(shù)特點：

首先是冷啟動初始化，伐謀使用多個生成智能體并行構(gòu)建高質(zhì)量、多樣化的初始解集，可以利用「專家引導(dǎo)」模式加速收斂。其次是自適應(yīng)多樣性采樣，伐謀的 Agent 會使用多島嶼并行的方式進化模型，每個島嶼獨立演化，通過動態(tài)調(diào)整探索與利用的平衡，避免早熟收斂。這是關(guān)鍵的一步，可以快速生成多樣性的方法。在生成解法后，領(lǐng)域?qū)Ｓ迷u估器會對生成功能的正確性、運行效率、LLM 質(zhì)量進行判斷，支持多維度的反饋。最后，伐謀依托的分布式異步基礎(chǔ)設(shè)施基于 Ray 框架，支持大規(guī)模的并行演化。

使用昆侖芯一體機進行運算，難度較大的任務(wù)可能需要數(shù)十小時、幾天的求解時間，簡單的任務(wù)可能只需要幾小時。

報告顯示，伐謀在多個領(lǐng)域都有出色的表現(xiàn)，在多個權(quán)威基準(zhǔn)測試中都取得了領(lǐng)先的性能。在 MLE-Bench 上達到了 43.56% 的獎牌率，比人類中位數(shù)高出 51.56%；在 ALE-Bench 上得分為 1976.3，比專門設(shè)計的 ALE-Agent 高出 5.2%；在 KernelBench 上則實現(xiàn)了 2.08 到 20.77 倍的加速比。

需要注意的是，所有實驗均是全自動運行的，沒有人類干預(yù)。伐謀在打榜時也沒有針對 Benchmark 進行針對性的優(yōu)化。

目前能看到一些學(xué)術(shù)上的同類工作，大多集中于單點問題上，而如何在實際場景中解決問題、提升效率，才是伐謀關(guān)注的重點。伐謀的產(chǎn)品負責(zé)人表示，伐謀在很多一個月才能解決的復(fù)雜問題上優(yōu)勢更大。

如果做一個比喻的話，在各行各業(yè)的專家團隊中，應(yīng)用 AI 以前需要專家團隊自己來寫算法，應(yīng)用伐謀之后，相當(dāng)于有了數(shù)倍的算法工程師一起來寫算法，他們能夠生成的算法水平更好。

另外，隨著業(yè)務(wù)的落地，AI 生成的方法可以持續(xù)進行動態(tài)調(diào)整，打磨出更好的效果。可以說，伐謀不僅推動了智能體的技術(shù)發(fā)展，也為企業(yè) AI 技術(shù)落地提供了可行的工程范本。

面向產(chǎn)業(yè)級應(yīng)用

AI 自主優(yōu)化引擎，已在大規(guī)模落地

作為面向?qū)嶋H的 AI 優(yōu)化引擎，伐謀在很多行業(yè)生產(chǎn)、研發(fā)場景中的重要環(huán)節(jié)上都能展現(xiàn)能力，它能夠自動將實際問題抽象成數(shù)學(xué)算法問題進行解決。

在這個過程中，AI 提出的評估指標(biāo)明確，產(chǎn)生的解決方案價值很高，而且可以持續(xù)迭代優(yōu)化。伐謀能夠搞定的領(lǐng)域包括但不限于：路徑規(guī)劃、過程控制、排產(chǎn)調(diào)度、資源優(yōu)化、機器學(xué)習(xí)和性能優(yōu)化。

輸入必要的數(shù)據(jù)并使用自然語言給出指令，伐謀就可以對問題進行準(zhǔn)確的理解，自行提出思路進行解決和優(yōu)化。伐謀利用大語言模型作為核心，并支持代碼生成，可以修改代碼文件。在生成解決路徑的過程中，伐謀擅長于平衡對新算法的探索，在生成解法的過程中鼓勵多樣性。

它會使用自動化評估機制對生成的程序進行評分，這些評估結(jié)果也會被用于指導(dǎo)后續(xù)的代碼生成。這樣，就形成了一個「抽象 - 建模 - 演化」的智能閉環(huán)。

百度的工程師表示，伐謀旨在解決那些難度極大、人類解決得不太好的問題。基于人類專家們的知識，伐謀的自動輸出就像是給人類智慧進行了 Scaling Up。

目前，伐謀已經(jīng)在很多場景中展示了能力：

在金融領(lǐng)域，伐謀在中信百信銀行的風(fēng)控特征挖掘與建設(shè)的過程中獲得了驗證，其提出的方法將風(fēng)險區(qū)分度提升了 2.41%，處理速度還比常規(guī)方法更快，特征挖掘效率提升了 100%。在城市交通領(lǐng)域，伐謀通過對于上千紅綠燈的大規(guī)模優(yōu)化求解，能夠精準(zhǔn)找到紅綠燈配時的「全局最優(yōu)解」，提升了整體交通效率。在超級工程領(lǐng)域，面對海上風(fēng)電「三維迷宮」般的電纜布置難題，伐謀產(chǎn)出高質(zhì)量的優(yōu)化方案，找到了比人工設(shè)計更短的電纜路徑，項目交付節(jié)省數(shù)倍時間。伐謀還正在水務(wù)、物流、能源等領(lǐng)域中進行測試，預(yù)期可以在很多環(huán)節(jié)中實現(xiàn)優(yōu)化，進而降低能耗，提升工作效率。

此外在 AI 的性能優(yōu)化上，百度正在利用伐謀優(yōu)化 LayerNorm、FlashAttention 等 CUDA 算法，據(jù)說比 PyTorch 官方實現(xiàn)的速度還要更快。

隨著大模型分析、推理能力提升，我們可以逐漸地把評估，Coding 等任務(wù)交給 AI。解決復(fù)雜問題的多個步驟，現(xiàn)在可以被智能體加外部環(huán)境構(gòu)成的系統(tǒng)進行接管。

一個新的范式正在逐漸形成 —— 由人類來定義問題，發(fā)現(xiàn)和抽象需求，AI 來負責(zé)進行實踐。

進化式智能體

AI 發(fā)展新趨勢

在 AI 前沿領(lǐng)域，能夠進化式編程的智能體已經(jīng)成為新的發(fā)展方向。利用 AI 大模型的能力，多智能體系統(tǒng)能夠自主生成、測試并迭代優(yōu)化算法，甚至發(fā)現(xiàn)全新的算法，這標(biāo)志著 AI 在算法優(yōu)化和編程領(lǐng)域邁出了突破性的一步。

相比于基于數(shù)學(xué)、運籌學(xué)的求解器與單一大模型系統(tǒng)，自主優(yōu)化的智能體可以解決更多、更復(fù)雜的問題，提出創(chuàng)新形式的解法，同時還降低了對于使用者專業(yè)知識的門檻。

其中的典型就是今年 5 月谷歌 DeepMind 發(fā)布的 AlphaEvolve，這是一款用于發(fā)現(xiàn)和優(yōu)化通用算法的平臺，基于 Gemini 大語言模型與進化算法策略開發(fā)，具備自主生成和優(yōu)化通用算法的能力。AlphaEvolve 正式發(fā)布之前，谷歌已經(jīng)在內(nèi)部進行了落地，它能把大模型加速注意力算法 FlashAttention 的核心效率提升 32.5%，還優(yōu)化了 50 年沒有改進的矩陣最佳算法。

AlphaEvolve 幫助谷歌構(gòu)建了更高效的數(shù)字生態(tài)系統(tǒng)，從數(shù)據(jù)中心調(diào)度、硬件設(shè)計到 AI 模型訓(xùn)練都有涉足。

上周，著名數(shù)學(xué)家陶哲軒在其新研究中展示了 AlphaEvolve 自主發(fā)現(xiàn)數(shù)學(xué)構(gòu)造的能力，AI 方法推動了人們對長期未解數(shù)學(xué)難題的理解。

可見，在一些真實世界的復(fù)雜任務(wù)上，智能體已經(jīng)可以幫助人們高效率地解決問題了。如果這種技術(shù)大規(guī)模應(yīng)用，可以在很多領(lǐng)域上為人們帶來生產(chǎn)力的提升。

不過，此前我們看到 AI 解決復(fù)雜問題的能力，主要面向的是科學(xué)研究領(lǐng)域，而百度新發(fā)布的伐謀作為全球首個同類商業(yè)化產(chǎn)品，更加面向行業(yè)，還做到了更全面、更加自動化。

AI 革新生產(chǎn)力

布局才剛剛展開

李彥宏表示：「當(dāng) AI 能力被內(nèi)化，成為一種原生的能力，智能就不再是成本，而是生產(chǎn)力。AI 能夠提升決策質(zhì)量、發(fā)現(xiàn)新增長點，讓成本更低、利潤率更高、創(chuàng)新周期更短。」

不論是從技術(shù)角度，還是從實用的角度看，伐謀都是一款通用、強大且可擴展的智能體框架，引領(lǐng)了目前 AI 大規(guī)模技術(shù)落地的前沿方向。

如今，智能體正在從與我們「對話」走向幫我們「決策」。從已經(jīng)出現(xiàn)的落地案例來看，還有很多各行各業(yè)的關(guān)鍵生產(chǎn)環(huán)節(jié)有能被 AI 優(yōu)化的潛力。

在百度看來，目前基于 AI 的自主優(yōu)化引擎僅僅處于落地的初期。隨著標(biāo)桿客戶的驗證，AI 的優(yōu)化能力會在業(yè)務(wù)鏈條上的每個環(huán)節(jié)上逐漸顯現(xiàn)。

伐謀的能力，將會服務(wù)于千行百業(yè)。

據(jù)百度介紹，百度伐謀發(fā)布首日已經(jīng)吸引了超 1000 家企業(yè)申請接入測試，覆蓋交通、能源、金融、物流等行業(yè)。目前百度伐謀測試名額持續(xù)開放中，首批將通過邀請碼形式優(yōu)先向具有高復(fù)雜決策需求的企業(yè)開放。