百度伐谋AI4S，C位给了一棵松树

01

8月12日，百度伐谋AI4S AI Day在南京开幕。

内容不少，最新发布的科学家共创计划，十个跨学科科研标杆案例，再加一个叫"1+10+N"的战略框架。放在任何一家AI公司的发布会日历上，分量都不轻。

不过，整场大会最让人觉得有意思的是，这次百度把最重要的C位，给了一样东西：

一棵松树。

松材线虫病，行外人可能没听过。林业圈对这个名字有一个更直白的叫法：

松树癌症。

发病原因，是一种体长不到一毫米的线虫。

线虫钻进树体以后，会堵塞水分输送，一棵几十年树龄的松树，从感染到枯死，最快只要四十多天，而整片松林从发病到毁灭，最快：

三到五年。

更麻烦的是，这个病早期根本看不出来。

线虫感染这个东西非常隐蔽，经常是外观看着没任何毛病，但实则已经中招。等到外观能看出来，已经晚了。甚至说，整片林子都扩散了。

早期防治，没有捷径，就是靠两条腿。

林业工人和科研人员一趟趟巡山，一棵棵取样，一个林场走下来累不说，经常几周时间就耗进去了。

后来，南京林业大学的团队带来了一项新技术，通过光谱数据识别特征，提前防治。

但里面还有个问题，就是特征的识别数据、模型的搭建、参数的调试，都需要人工来完成，包括效率在内，对科研团队人力、财力、精力都是巨大挑战。

直到团队引入百度伐谋后，情况变了。

先说一下它是什么。

百度伐谋是自我演化决策智能体，它能通过LLM的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，从而发现过去人类从未发现过的全局最优解，还能根据条件变化自动迭代，给出最优的动态方案。

在松材线虫病防治的案例中，百度伐谋把多光谱数据跟算法自动匹配，自己挖掘关键特征组合，自己优化病害识别模型。

从数据上看，曾经最难的特征筛选和消融实验的时间，压缩了80%。

在科研团队的努力和百度伐谋技术的支持下，全国首个AI+早期松材线虫病防治一体化平台顺利上线。

据说，有望支撑五十万到一百万亩重点风险松林的早期预警，预计可以节约防治成本：

三千万到五千万元。

这个成果当然值得注意，但它最特别的地方，其实不在成果本身，更多还在背后的思考。

一棵树，一片林子，一群在林场里走了很多年的科研人员，为什么这样一个看起来“没那么AI”的场景，会在一个AI智能体的AI4S场景中占据这么重要的位置？

它究竟想说什么？

这个问题往前多想一步，就会发现它正好撞上了今年夏天，整个AI行业在集体追问的一件事。

02

这件事，叫Token。

今年这个词在全球AI行业掀起了一场不大不小的反思。

最先行动的是微软。

六月份内部检视，工程师每人每月Token消耗高的超过了四千美元。Token成本开始超过员工成本。微软随即取消大部分Claude Code授权，要求几千名工程师迁回自家工具。

接着是Meta。

一份内部数据后来被曝光，八万五千名员工，三十天时间，烧掉了六十万亿Token。公司内部甚至形成了一种风气，把Token消耗量当成工作投入度的证明。

然后是Palantir的CEO Alex Karp上了CNBC。他用的原话：

这套计价模式已经"彻底出了问题"。

前段时间，《纽约时报》DealBook专栏发了两张折线图。一张是Anthropic在OpenRouter上的Token份额，持续下滑。另一张是Anthropic的营收规模，大幅攀升。

两条线在同一个时间段里，走了完全相反的方向。只说明一件事：

Token和商业价值，脱钩了。

客观来说，大家喜欢用Token聊AI，本身没什么毛病。在AI只能做问答的阶段，Token是最直观、最自然的指标。

但在AI需要走进生活的时候，再把Token作为唯一的指标，就有点像评价一辆卡车，只看油耗。

油耗当然重要。

但卡车要运货、要爬坡、需要在山路上跑十几个小时不掉链子，这种情况下，抛开具体的干活能力去谈消耗，就是在耍流氓。

AI需要一把新尺子。

或者说，仅用Token来衡量AI价值的逻辑，已经不够了。

早在五月中旬的Create大会上，百度创始人李彦宏就有过一个新提法：

DAA。

什么意思呢？

Daily Active Agents，翻译过来就是“日活智能体数”。

不看消耗了多少Token，看有多少智能体在真实场景里，日复一日地跑，持续交付结果。

移动互联网时代，大家习惯用DAU作度量衡，衡量多少人每天打开你的App。而DAA则是智能体时代的度量衡：

衡量多少智能体每天在替你干活。

狗蛋觉得，当前市面上的AI产品，可以看作两类，Token AI和Delivery AI。

比如面对一个问题，Token AI擅长帮你分析怎么做，给你提建议。Delivery AI（交付型AI）则会自己跑起来，最后给出真正能落地执行的方案。

总之，前者交付答案，后者交付结果。

DAA其实就是衡量Delivery AI价值时，一把非常合适的尺子。

当然，至少在目前，Token AI和Delivery AI不是谁高谁下的问题。

写文案、做翻译、整理纪要，Token AI足够好。但当AI要走进真实业务的核心环节，光是"说得对"不够，必须"做得成"，这时候是需要Delivery AI的。

事实上，在DAA的衡量体系下，百度伐谋更像是Delivery AI，已经对很多干活场景，实现了深层次的赋能。

不光是前面提到的那一棵树。

03

比如，青岛港。

在百度伐谋进来之前，青岛港旗下全球首个“云原生”全自动化集装箱码头智能管控系统 A-TOS已连续13次刷新世界纪录。

在这种已趋近极致优化的情况下，每一点提升都是非常困难的。

引入百度伐谋后，它在这种情况下花了两百四十八轮迭代，把算法吃透，对齐基准之后，持续寻优。在原型演示中，A-TOS在绝对指标上实现了10.21% 的进一步提升。

还有百信银行。

百信银行是国内头部的原生数字银行，风控是护城河，但一个高级风控工程师，培养周期动辄数年，而数据工程的复杂度还在持续往上走。

百度伐谋加入后做的事，是用七乘二十四小时不间断地持续学习、迭代、进化，减轻了人的精力负担。

它在海量数据里自己挖掘风险特征、迭代策略。跑了一段时间以后，效果出来了。

特征挖掘效率，提升了320%。

风险区分度，提升了10%。

10%区分度是什么概念？在普惠金融里，它意味着银行能更精准地把"看起来风险高但实际优质的客户"筛出来。

风险没有增加，服务半径扩大了。

类似的案例还有不少。

北京工业大学把百度伐谋用进了中国空间站空气质量监测设备的研发里，以前以周为单位的探索，缩短到了小时级；

天津大学的团队用百度伐谋做灾害预测模型的迁移，六小时三十二分钟跑完了整个场景，准确率做到了91%......

这些例子都证明了一件事：

百度伐谋正在产出可量化的价值。

同时，自发布以来，已经有超过三千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。

这说明，百度伐谋不是在一个两个实验室项目里碰巧有效，而是已经在真实的业务流程里：

日复一日地运转。

关键，这一次百度伐谋还成功跑进了科研端。

过去，智能体的案例验证集中在产业端，企业用智能体优化生产、调度、风控。跑进科研端，意味着：

DAA的适用边界在扩大，价值闭环也在闭合。

换一个角度来看，不管是可量化价值的持续产出，还是产业、实验室等多场景的边界扩展，百度伐谋的成功，也证明了“DAA”这个新的度量框架真正的价值。

04

更进一步，百度伐谋能跑出来，其实靠的也是DAA这种，交付为先理念下，独特的运行逻辑。

比如，百度伐谋的底层机制。

绝大多数大模型的逻辑，是学习已知，用海量数据训练，预测和生成，你问什么它答什么。

它擅长的场景，是问题清楚、答案在数据里已经有过某种形式的记录。

但百度伐谋的内核是自我演化。

它在方案空间里持续搜索、比较、优化、迭代，目标是找到人类还没试过的解。把几亿年的进化过程压缩到几天甚至几小时。

简单说，别人在回答已知世界的问题，它在探索未知世界的答案。

这也是为什么百度伐谋适合AI4S。

科研的本质就是探索未知，问题定义本身都不清楚，答案也没人知道。大模型可以帮你查文献、写综述，但"这条路到底通不通"，它答不了。

百度伐谋能做的，是在成千上万种可能性里一轮轮筛、一轮轮验，直到找出一条能走的路。

这套机制本身就是一个飞轮。

搜索环节在大规模方案空间里找候选解。

优化环节对候选解进行改进。

验证环节对结果做严格检验。

迭代环节把验证反馈注入下一轮搜索。

四步形成一个自我提高的闭环，每一轮循环都让系统更聚焦，下一轮搜索就比上一轮更高效。越用越强，越强越用。

这次大会上，百度伐谋提出的"1+10+N"战略，本质上也是一个飞轮结构。

"1"是百度伐谋自演化智能体底座。所有能力的起点。

"10"是十大跨学科科研标杆案例。每个案例从不同方向喂厚底座。

"N"是百度伐谋AI4S科学家共创计划，让更多场景接入飞轮。

每多一个场景，飞轮就多一个进化方向。底座支撑案例，案例反哺底座，共创扩大飞轮。

这三层之间，是在循环加强的。

不仅是百度伐谋，这也是百度在AI领域所展现出来的逻辑。

李彦宏在分享中提到过一个概念，叫Looping——百度的"芯云模体"四层之间，能够相互加强、循环优化。

底层是昆仑芯，解决算力自主可控。

往上是百度智能云，提供算力与平台底座。

再往上是文心大模型，提供通用智能能力。

最顶层是智能体应用矩阵，百度伐谋、百度搭子、一镜、秒哒都在这一层，面向真实场景解决问题。

这四层形成了一个更大的全栈飞轮。

芯片算力提升让云端训练更快，模型能力随之进化。更强的模型让智能体在场景里表现更好。

智能体在真实场景中持续运转，产生新的优化需求和数据反馈，驱动模型再进化，进而拉动对芯片的更高需求。

每一层都在为下一层提供燃料，又在向上倒逼上一层升级。

换句话说，百度不是先有了DAA概念再找场景，是先有了全栈能力，才自然跑出了DAA的结果。

05

最后，回到这次百度伐谋AI4S AI Day。

一棵松树能够站上C位，背后不仅仅是百度伐谋在科研端、产业端的一种价值验证，更多也体现了百度对待AI的态度，或者说百度AI技术投入的理念，四个字：

长期主义。

说得更简单一些就是：

务实。

AI可以高大上，但最终，还是需要落地到一个个生活场景中去，去解决一个个真实发生的问题。

南京的林场里，一棵松树是不是染了病，Token逻辑下的AI或许算不出来，但DAA体系下的AI可以。

发现问题只是第一步，持续优化、持续迭代、持续逼近更优解——这才是DAA体系下智能体真正在跑的样子，也是百度伐谋守护松林的方式。

而这恰好也是AI应该去做的事。