7 月 23 日，王虹、邓煜代表中国籍数学家首次站上菲尔茨奖的领奖台。当晚赚足眼球的，还有另一位得主雅各布 · 齐默尔曼——他在获奖当日宣布加入 OpenAI。数学家被 AI 公司挖走，AI 公司反向给数学家搭台—— AI 和数学的关系，比我们想象的要近得多。

而这种融合并非个例，甚至反复出现：1 月，困扰数学界 50 年的埃尔德什问题——编号 1026 难题，在 AI 的辅助下，被全球数学家团队用 48 小时攻克。5 月，" 单位距离问题 "，被 AI 证明，这也是 AI 首次证明数学核心猜想。

AI，开始在基础科学问题上坐到主驾驶位。

科研端的突破已经是一个值得关注的信号。AI for Science 的故事，正在悄悄进入一个更深、更实用的阶段。

8 月 12 日，百度伐谋在南京举办了 AI4S AI Day。现场，百度伐谋携手南京林业大学上线全国首个 AI+ 早期松材线虫病防治⼀体化平台，在未来有望提升约 50 万至 100 万亩重点风险松林的早期预警能力，预计可节约相关成本约 3000 万至 5000 万元。

除了这个平台，百度伐谋还发布了 "1+10+N" 布局，展示 10 个代表性科研案例，并启动科学家共创计划。

而在百度伐谋背后，百度 " 芯云模体 " 的全栈 Looping 飞轮也转动了起来。

百度伐谋新 " 落点 "

从自我演化到多产业端增长引擎

从百度伐谋 AI4S 上，能够看出眼下 AI 的运作逻辑和价值呈现方式发生了很大的变化。

百度伐谋是一款自我演化决策智能体。它能通过模型推理能力与大规模进化搜索技术，模拟生物界几亿年的进化过程并压缩至几天甚至几小时，用 AI 能力梳理人类各个学科过往的历程，从而找到人类从未发现过的全局最优解。根据现阶段各项外部条件的变化，自动迭代，给出最优的动态方案。这是一种 " 人类定义任务、智能体持续寻优 " 的新范式。

从去年 11 月推出后，百度伐谋一直在高速进化：今年 4 月，伐谋 Agent 2.0 再度登顶机器学习工程权威基准 MLE-Bench 并刷新 SOTA；5 月的 Create 2026 大会上，伐谋 2.0 发布，正式升级为面向业务专家的生产决策引擎。

AI4S（AI for Science）主要是指科学智能场景，聚焦 AI 科研和产业化的结合，这是百度伐谋重点布局的场景之一。而百度伐谋 AI4S 的运转逻辑是，由科学家定义问题、标准和边界，伐谋负责在大规模方案空间中进行探索和迭代，帮助科研人员把 " 凭经验试几个方案 " 变成 " 让 AI 先搜索更多可能性 "。

这套逻辑与传统的方式不同，后者需要依靠专业经验，手工完成特征筛选、模型搭建、参数调优、仿真计算和结果验证。人脑往往很难面面俱到，面对高维数据、复杂机理和跨学科问题，试错周期长、计算成本高，部分成果也较难复现和推广。

伐谋的模式是与科研人员形成有效耦合，科研人员提供目标，伐谋围绕这个明确目标，通过算法发现与自动优化能力，将建模、搜索、验证、解释、复现和转化等环节串联起来，持续搜索和优化，帮助科研团队更快发现关键变量和有效模型，降低复杂科研问题的求解门槛，提升研究结果的稳定性与可复用性。

结合松材线虫病防治的实践，可以更好地理解百度伐谋在其中起到的作用。

松材线虫病俗称 " 松树癌症 "，一旦症状显现。往往已错过最佳救治窗口，是我国最严重的外来生物入侵之一。

以往的模式下，南京林业大学通过无人机影像、可见光数据、多光谱数据等信息，人工筛选光谱波段、植被指数及其组合，再通过大量实验逐项验证，周期长且无法兼顾。

引入百度伐谋后，南林团队将 Blue、Red、Red-Edge、NIR 等波段，以及由这些波段派生的植被指数、时序差分特征等构建为候选特征池，并以自建深度学习模型作为固定评价器。百度伐谋负责完成大量特征组合的搜索和计算，围绕南林团队设定的评价目标，通过多轮评估自动搜索更优的输入特征组合和评价策略，提前判断哪些特征更值得进入后续实验，减少人工逐组尝试的工作量。

这套模式让 AI 有了可量化的条件。经过伐谋优化，研究团队从 107 个候选特征中筛选出约 5 个关键特征，特征数量压缩约 82.8%。在整体检测效果上，早期病树检出率，由 89.1% 提升至 98.0%，提升 8.9 个百分点。

百度伐谋的能力边界，开始向科研端进一步延伸。

一方面，百度伐谋开始通过 AI 领域探索 " 未知 "。相比于落点在已知问题上的 AI 探索，百度伐谋面对的是定义不清楚、答案不确定的领域。这意味着，它不再局限于某个领域，而是具备了底层能力和跨学科复⽤的成熟度。

另一方面，AI 也开始带来真实可量化的产业增长和生态社会价值。

DAA 的箭，正中 AI 靶心

此次百度伐谋在 AI4S 领域的发布，也是百度长期技术投入的又一落点。回顾百度在 AI 层面的探索，从搜索到智能云，从自动驾驶再到如今的 AI4S 场景深入，百度与产业的紧密联系是刻在基因中的。

如果说长期主义是百度伐谋的技术底色，DAA 则是百度伐谋在多端跑通的度量逻辑支撑。

DAA（日活智能体数）是百度创始人李彦宏在 Create 2026 大会上提出的 AI 时代度量衡。相比于模型参数、Token 消耗等传统指标，DAA 更关注有多少智能体真正进入业务流程、完成任务并创造价值。

DAA 度量逻辑的前提是 Agent 不但要能跑，还要跑得久、跑得广、跑出价值，Agent 自然也就与交付价值连接更加紧密。

因此，百度伐谋无疑是 DAA 这套度量逻辑的又一验证。截至目前，已有超 3000 家企业试用百度伐谋，覆盖港口、物流、汽车、金融等多个重点行业，在多个产业端显现出可量化的价值。在青岛港，百度伐谋的加入，能让已趋极致优化的 A-TOS 系统在原型演示中的核心指标再提升 10% 以上；与中信百信银行的合作中，风控特征挖掘效率提升 320%，风险区分度提升 10%。

如今，百度伐谋的价值也开始在科研端涌现，此次发布的 "1+10+N" 战略中，1 代表百度伐谋自演化智能体核心底座；10 即是十大跨学科科研标杆成果，代表十个学科方向的科研智能体在跑；而 N 代表着更大范围的延伸，让更多科研团队的智能体跑起来。

除了百度伐谋，百度搭子、秒哒、一镜等百度智能体应用矩阵，都印证了 DAA 度量逻辑已经在更多产品上得以规模化验证。

DAA 的度量价值也在持续获得更广泛的认可。7 月，IDC 在 WAIC 2026 发布了行业首份《DAA 研究报告》，系统解析 DAA 指标。报告显示，全球活跃 Agent 数量 2025 年是 2860 万个，预计 2026 年达到 7940 万个， 2030 年增长到 22.16 亿个。

李彦宏提出的 DAA，又一次领先了行业。逻辑的领先最终作用到智能体与科研和产业端的紧密融合，进而带来 AI 赋能科研和产业的领先。

真正的关键，是百度站在 DAA 逻辑之上系统性谋篇布局，推进自我进化，形成良性循环，层层加强。这样的 Looping 飞轮一旦跑起来，也就赢得了 AI 竞争下半场的领先身位。

Looping 飞轮，AI 的未来之争

卷大模型参数，是 AI 在 Chatbot 时期的必要话题。但当 AI 进入智能体时代，再审视百度的 AI 布局，能够看出，百度构建的 " 芯云模体 " 全栈布局，构成了不同于其他 AI 巨头的独家技术壁垒。

昆仑芯是算力底座，为百度 AI 能力进化提供算力基础；智能云承载大规模训练与推理；大模型提供通用智能能力；智能体应用矩阵面向真实场景解决问题。

算力提升使得云端训练速度更宽，进而提升大模型的能力，从而提升智能体在应用层的表现，每一层都是上一层的支撑。在实际运转过程中，应用层的能力提升，又进一步产生新的优化需求和数据反馈，从而使得模型的能力提升，进一步拉动对算力的需求，强化芯片的需求。每一层又倒逼下一层全面升级。

李彦宏曾在分享中提到过 Looping 飞轮概念：百度 " 芯云模体 " 这几层之间能够相互加强、循环优化。而这个大的 Looping 飞轮，一旦运转起来，百度的芯片能力、云端训练水平、大模型能力、智能体的赋能效果会同步提升，飞轮滚滚向前，越跑越快。

百度伐谋作为 " 体 "，在科研和产业端的应用，也会层层向上传导。它在科研和产业场景中的每一次搜索、优化和验证，都在推动大模型、智能云、芯片一层层地进化，带来迭代升级，一个完整的跨层 Looping 就此闭合。

所以，百度伐谋不只是证明了一个产品内部的闭环已经闭合，更证明了百度伐谋作为 " 芯云模体 " 全栈架构中 " 体 " 这一层的关键驱动者，正在让百度 AI 的整条技术栈形成跨层循环优化、相互加强的 Looping 飞轮。

AI 之争，远未结束，但赛道已经换挡。从拼参数、拼 Token，到拼谁能跑通动态的、自我增强的闭环，Agent 时代的新赛点，也许就在这里。

发布于：山东