在人工智能技術持續突破的背景下，百度自主研發的智能體系統“伐謀（Famo）”正引發行業關注。這款專為復雜工程與科研場景設計的自演化算法系統，自11月13日首次亮相以來，已在交通、制造、能源、金融等多個領域完成落地驗證，展現出規模化應用的潛力。目前已有超過2000家企業提交試用申請，覆蓋農業供應鏈優化、高校科研課題、制造業排產調度等多元化場景。
與傳統算法依賴人工經驗、反復調參的模式不同，“伐謀”構建了“自動生成—評估—進化”的閉環機制。該系統通過將人類專家的思維邏輯、問題拆解方式及工程經驗轉化為可編程的規則，使算法具備自主進化能力。在面對高維度、強約束的復雜問題時，系統能夠持續優化解決方案，逐步逼近全局最優解。技術層面，其采用多智能體協同與演化搜索技術，可自動生成算法結構、參數組合及優化路徑，核心功能包括自動建模、策略評估和動態迭代。
公開測試數據顯示，“伐謀”在多項技術評測中表現突出。在CUDA內核優化任務中，部分場景性能提升達數倍；在機器學習工程基準（MLE-Bench）和算法工程評測（ALE-Bench）中，其綜合性能指標領先同類系統。這些成果驗證了該系統在處理高復雜度計算問題時的技術優勢。
實際應用層面，該系統已在多個行業產生顯著價值。在智能制造領域，阿爾特汽車與百度合作將其應用于車輛空氣動力學設計。通過自動演化風阻計算模型，系統在設計初期即可提供可行方案，將原本數小時的風阻分析壓縮至分鐘級完成，同時保持接近物理仿真的精度。能源行業方面，系統在海上風電布局優化中，通過自動生成結構方案并篩選最優路徑，顯著降低了人工試錯成本，提升了設計效率。
金融領域的應用同樣引人注目。某銀行引入“伐謀”構建風控模型后，系統通過自動組合高維特征并篩選關鍵變量，生成的模型在風險識別準確率和穩定性上優于傳統人工建模方法，同時將模型開發周期縮短30%。科研場景中，該系統已輔助多家高校完成空間站設備設計、災害預測模型優化等任務。例如在空間站相關設備研發中，系統通過自動搜索結構參數，提出了更高效的設計方案；在地質災害預測領域，其模型選擇與參數優化能力幫助研究人員減少了人工調試時間。
百度技術團隊透露，“伐謀”的核心價值在于推動算法研發范式的變革。通過將問題目標、約束條件和評估機制形式化，系統可在計算資源支持下持續迭代，逐步優化解決方案。目前該系統已形成可復用的方法論框架，并在交通、能源、金融、制造等領域建立合作案例。為加速技術普及，百度近日啟動“伐謀·同舟生態伙伴計劃”，未來將重點拓展工業復雜場景應用，深化與科研機構及企業的協同創新。
