12月25日，百度AI DAY·伐谋大会在北京举办，这场以“超级智能体进化”为核心的行业会议，展现了“自我演化超级智能体”从发布到落地的成果。随着人工智能从“智能涌现”迈向“效果涌现”的临界点，在产业优化与科研创新领域的探索，为AI技术的商业化落地提出了思考。

“一切明确评估目标的任务，都可以通过AI来解决”。正如百度伐谋负责人李安南所言，传统B端算法需求复杂，Prompt编写动辄上百行，且依赖算法工程师的经验反复试错，而通过“人+AI协同”模式，将算法工程师的核心工作简化为设定目标、提供基础算法和评估标准，其余流程由AI自主完成“写算法-参考思路-新算法-反馈评估”的循环迭代。这种模式在四大核心领域展现出强大效能：组合优化可提升企业产能与收入，时序预测助力精准筹备资源，AI4S方向推动科研创新，Kernel算子优化则实现模型推理加速。

企业端的实践展现了“超级智能体”的产业价值，作为亚洲最大的第三方汽车设计科技公司，阿尔特面临着汽车研发周期缩短与性能要求提升的双重压力。阿尔特集团副总裁刘亚彬介绍，汽车风阻优化传统流程需8个月，且依赖CFD工程师的专业分析，而通过伐谋的AI+科学计算的模式，将精度提升至97.5%，周期缩短至1个多月。“只要工程师能把评估部分做好，目标函数明确，得到的就是对应的最优解。”

在科研领域，天津大学人工智能系助理教授李东将AI+科研分为复现型、应用型、探索型三类，而传统科研模式普遍存在跨场景复用难、模型优选耗时、领域融合不足等问题。“超级智能体”的介入改变了这一现状：在岩爆灾害预测领域，通过自动演化适配新场景，一位研究生仅用6.5小时就实现91%的预测准确率，远超传统方法；在滑坡位移预测中，将模型选优周期从“周级”压缩至“小时级”，还自主学习到未提示的新特征。李东的实践结论颇具启发性：“将最复杂、最耗时、最依赖反复试错的过程交出去，研究人员可回归科研核心价值，专注于问题抽象和经验总结。”

北京工业大学副教授苗扬的科研案例，则进一步展现了“超级智能体”在高精尖领域的应用潜力。在空间站MEMS色谱柱开发中，其优化后的色谱柱构型大幅提升分离效率，实现“小体积、高精度”的设计目标，解决了传统方法耗时一年多、成本高昂的难题；在PEM制氢系统故障诊断中，提出的并行架构在原有高正确率基础上进一步提升性能；在直升机动力系统故障诊断中，有效降低虚警率、提升诊断精度。

据了解，在产业落地层面，“超级智能体”的“通用性、生产级、持续性”三大特性得到充分验证。通用性方面，通过对话式前台Agent和“一核多端”产品矩阵，降低了非技术背景用户的使用门槛，产品经理甚至可直接协助客户完成算法调优；生产级特性则通过“本地评估方案”破解了企业数据安全的核心顾虑，实现“数据不出域，效果不减分”；持续性则体现在应对动态业务场景的能力上，面对物流行业“双十一爆单”与制造业“订单优先级调整”等变化，可通过持续演化适配工况变化，实现全局最优解。

据介绍，百度伐谋自11月发布以来，一个月内吸引超2000家企业和用户参与邀测，与百信银行、中能建、辽港集团等企业及天津大学、北京工业大学等高校达成深度合作，在金融风控、港口调度、科学计算等多个场景实现落地。同时，百度萝卜快跑 2026 年将在伦敦开启无人驾驶测试及出行服务，系中国无人车首次进入中国香港以外的右舵市场。