十大科研成果亮相！百度伐谋面向100位学者启动AI4S科学家计划

8月12日，在南京举行的百度伐谋AI4S AI Day上，百度伐谋正式发布AI4S“1+10+N”战略，集中展示十大跨学科科研标杆成果，启动面向100位各领域学者的AI4S科学家计划，并联合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。此次发布覆盖科研底座、阶段性成果、人才共创和实际应用，进一步明确百度伐谋在AI4S方向的整体布局。

百度 AI 开放日暨百度伐谋专场在南京举行

1、AI扩大科研探索边界，从“找到答案”走向“验证更多可能”

百度集团执行副总裁、百度智能云事业群总裁沈抖表示，AI正在改变科研、教学、生产和生活的很多方式。对于已经定义清楚的问题，AI可以帮助人们更快验证和找到更优解；对于尚未完全定义清楚的问题，AI则可以帮助科研人员提出新假设、发现新路径。AI也正在从提升信息获取效率，进一步走进企业和科研机构的真实任务场景，成为中国引领全球科技创新的重要力量。

南京林业大学党委书记孙爱武在致辞中表示，面对人工智能为代表的新一轮科技革命，高等教育必须主动拥抱AI，在育人理念、学科体系、科研范式上实现深度重构。他希望校企携手，以科技守护绿水青山，以创新赋能林业发展，共同书写校企合作新篇章。

百度伐谋产品总经理李安南介绍，伐谋的核心工作方式可以概括为“人类定义标准、AI持续寻优”，其智能体创新内核则是“Learning决定下限，Search决定上限”。科研人员和工程师负责提出问题、设置目标、定义评价标准和边界条件，伐谋则根据这些要求，持续生成候选方案、执行实验、比较结果，并根据实验反馈调整后续方向。

许多AI应用主要擅长从已有数据中总结规律，而百度伐谋进一步把重点放在对未知方案的持续探索上。它可以将一个研究设想拆解成多个可验证的方案，帮助专业人员减少重复试错，在更大的范围内探索不同路径，推动科学发现从“妙手偶得”走向“规模化创新”。

2、AI4S“1+10+N”战略发布，打通能力底座、成果验证与长期共创

此次发布的百度伐谋AI4S“1+10+N”战略，以百度伐谋自演化智能体为核心底座，集中呈现十大跨学科科研标杆成果，并通过AI4S科学家计划连接高校与科研团队，形成从科研能力建设、成果验证到长期共创的推进路径。

十大科研成果覆盖数据驱动的机理预测、科学仿真的加速求解、可验证环境下的目标搜索和动态环境下的自主博弈四类方向，涉及林业、材料、脑科学、金融科技、光电、汽车、能源、数学和具身智能等多个领域。

在光电芯片工艺寻优案例中，百度伐谋助力光本位研究员围绕1×16 MMI功分器开展多目标寻优，对6个几何变量和3项性能指标进行120轮自动搜索，均匀度指标改善约55%，综合性能评分提升6.5%，帮助芯片设计企业提升器件设计和工艺优化效率。

在量化研究案例中，百度伐谋围绕从A股日内交易数据中挖掘短期收益信号的任务，持续测试不同的特征、模型、训练策略和组合方式。经过28天持续长程搜索，最终策略达到顶尖量化机构水平，大盘年化收益提升11%。

其他成果还包括电磁材料特性预测、跨人群抑郁症识别、汽车风阻仿真加速、氢能电力系统调度、具身智能控制、数学问题证明和多智能体对抗博弈策略优化，进一步呈现百度伐谋在不同学科和科研任务中的应用探索。

同步启动的AI4S科学家计划将支持100位各领域学者，重点覆盖材料科学、可控核聚变、量子计算、药物研发、合成生物学、先进制造与半导体、生命医学工程、能源与电池、空天与智能系统等方向。计划设置青年学者计划和R&D Pioneer计划第二期两条路径，围绕课题立项、联合探索、资源支持、AI技术指导和科研实习生培养等环节，为高校与科研团队提供长期支持，推动AI4S从科研提效进一步走向成果创新。

3、全国首个AI+早期松材线虫病防治一体化平台上线，从人工试错走向AI持续寻优

松材线虫病被称为“松树癌症”，早期病树通常还没有出现明显变色，仅靠人工巡查或普通图像难以及时识别。等到树冠出现明显变化时，病害可能已经进入中后期，后续采伐、运输和清理的成本也会随之增加。

南京林业大学长期开展林业病虫害智能监测研究，已形成自主可控的“视觉前”早期识别与空地协同智能监测技术体系。研究团队此前主要利用无人机影像、可见光和多光谱数据，判断松树的生理状态。

在传统研究流程中，科研人员需要依靠林业经验，从不同光谱波段、植被指数及其组合中筛选可能有效的特征，再通过大量实验逐项验证。南林团队构建的候选特征池包含107个特征，组合数量多，人工全部验证需要较长时间，也容易受到既有经验的限制。

在与百度伐谋的合作中，南京林业大学科研团队负责提出科研问题、确定评价标准，并结合林业知识判断实验结果；百度伐谋则在固定模型和评价标准下，自动生成、测试和比较不同的特征组合，帮助团队优先找到更值得进入后续实验的方案。

通过伐谋优化，团队从107个候选特征中筛选出约5个关键特征，预计将前期特征筛选和消融实验时间压缩约80%。在识别效果上，mAP@0.5这一衡量模型整体检测效果的指标由86.4%提升至90.8%；早期病害召回率，即早期病树检出率，由89.1%提升至98.0%；模型针对早期病害类别的专项识别能力由78.5%提升至88.7%；干旱和枯草的误报率啧由13.6%降至5.1%。

百度伐谋与南京林业大学在活动现场联合上线全国首个AI+早期松材线虫病防治一体化平台。平台覆盖多光谱特征筛选、模型识别、无人机巡检、地图定位和现场复核等环节，为松材线虫病的早发现、早判断和现场复核提供支持。

目前，南京林业大学相关技术已在江苏、辽宁、安徽等省份规模化应用，累计推广面积超过200万亩，通过早期精准防控为国家节约防治成本约7亿元。引入百度伐谋后，该能力有望进一步支撑约50万至100万亩重点风险松林的早期预警能力提升，预计可节约核查、防控和模型迭代等相关成本约3000万至5000万元。

从科研问题中的特征筛选、模型优化，到企业研发中的工艺寻优、仿真加速和能源调度，百度伐谋正在把自演化搜索能力深度融入真实科研和产业生产场景。通过人类设定问题和标准、AI持续搜索和优化，AI4S的价值正在从单次效率提升，进一步走向对科学发现和产业创新的持续支持。