在人工智能算法研发领域，百度近日宣布其自主研发的智能体系统“伐谋（Famo）”已在多个产业场景中实现落地应用。这一面向复杂工程与科研场景设计的“自演化算法系统”，自11月13日首次亮相以来，已吸引超过2000家企业申请试用，覆盖制造业、能源、金融、科研等多个领域。
与传统算法依赖人工经验与反复调参的模式不同，伐谋系统以“自动生成—评估—进化”为核心机制，能够在明确目标约束条件下，自主完成算法设计、优化与迭代。其核心创新在于将人类专家的思考逻辑、问题拆解方法与工程经验转化为可程序化的系统，使算法具备持续自我进化的能力，从而在复杂、高维、强约束的问题空间中寻找全局最优解。
技术层面，伐谋采用多智能体协同与演化搜索机制，可根据给定评价指标自动生成算法结构、参数组合及优化路径。该系统具备自动建模、策略评估和持续迭代三大核心能力，在部分公开评测中展现出显著优势。例如，在CUDA Kernel优化、机器学习工程基准（MLE-Bench）和算法工程评测（ALE-Bench）等测试中，伐谋均取得领先表现，部分GPU内核优化任务的性能提升可达数倍。
在实际应用中，伐谋已与多家企业及科研机构展开合作。在智能制造领域，阿尔特汽车与百度合作，将伐谋应用于车辆空气动力学设计。通过自动演化风阻计算模型，系统在设计早期即可提供可行解，将原本数小时的风阻分析时间压缩至分钟级，同时保持接近物理仿真的精度。这一突破替代了传统依赖人工反复仿真的流程，显著提升了设计效率。
能源与基础设施领域同样见证了伐谋的落地成效。在海上风电与能源管网布局优化项目中，系统通过自动生成和筛选结构方案，在复杂约束条件下完成路径规划，大幅减少人工试错成本，提升整体设计效率。金融风控场景中，伐谋被引入银行风控模型构建流程，通过对高维特征的自动组合与筛选，生成的模型在风险识别能力和稳定性方面优于传统人工建模方法，同时缩短了模型开发周期。
科研领域的应用进一步拓展了伐谋的边界。在空间站相关设备设计中，系统通过自动搜索与优化结构参数，实现了更高效的设计方案；在灾害预测与工程安全领域，伐谋辅助研究人员完成模型选择与参数优化，降低人工试错成本。这些案例表明，该系统不仅适用于工业场景，也能为复杂科研问题提供创新解决方案。
百度方面强调，伐谋的核心价值在于推动算法研发范式的转变——从依赖专家经验的人工调优，转向可持续自我演化的自动化体系。通过将问题目标、约束条件与评估机制形式化，算法可在计算资源支持下持续迭代，逐步逼近最优解。目前，伐谋已在交通、能源、金融、制造等领域形成可复用的方法论框架，并发布“伐谋·同舟生态伙伴计划”，未来将向更复杂的工业场景扩展，探索与更多科研机构及企业的协同应用。
