当AI走进实验室：百度伐谋如何为北工大科研团队打开“天眼”

发布时间：2026年06月09日

没有基础研究的源头活水，就难以催生真正的原创性、颠覆性技术突破。

“加强基础研究战略性、前瞻性、体系化布局”“提高基础研究投入比重，加大长期稳定支持”……锚定2035年建成科技强国宏伟目标，“十五五”规划纲要提出强化原始创新导向，产出更多标志性原创成果，全链条推动关键核心技术攻关取得决定性突破。国务院国资委同步部署，要求中央企业把加强基础研究作为科技创新的中心任务，力争到2030年基础研究投入较2025年翻一番。

政策信号清晰而强烈：基础研究，正被摆到前所未有的战略高度。然而，基础研究有其特殊规律。“从0到1”的探索往往伴随着漫长的试错周期、高昂的验证成本和充满不确定性的产出路径。如何在尊重科学规律的前提下提升基础研究效率？如何让科研人员从重复性劳动中解放出来，将更多精力投入到真正的创造性思考中？北京工业大学苗扬副教授团队与百度“伐谋”自我演化智能体的合作，正在给出一个令人振奋的答案。

从“月级”到“小时级”：科研效率的颠覆性提升

一束激光照向水面，经反射后在墙面上留下不断变化的光斑。对普通人来说，这只是实验室里的一个光学现象，而在北京工业大学扶摇实验室，苗扬团队正试图从这些看似随机的图案中，读出水面波动的形态、频率、液体的黏度、表面张力，甚至更深层的物理规律。

这类研究正是基础研究的典型样态——探索未知、揭示规律，却往往面临“效率低、周期长、难最优”的困境。

“以前做色谱柱设计，就是摸着别人的石头过河，人家怎么做我们跟着做，反复试错，跟做饼子一样。”苗扬在6月3日百度伐谋“谋定行”探访活动中，用生动的比喻描述了传统科研的痛点。过去完成一个色谱柱的优化迭代，至少需要4个月时间，而且只能在有限的手工设计方案中选择“相对最好”的那个。

这种困境并非个例。从空间站设备优化到氢能安全监测，从生物制造到基础物理研究，“手动设参—仿真验证—观察结果—手动调整”的循环普遍存在，受限于人力，效率低下，且难以保证找到全局最优解。

百度伐谋的介入，从根本上改变了这一局面。

在中国空间站“微型电子鼻”色谱仪项目中，团队需要设计体积更小、分离效率更高的微型气相色谱柱。引入伐谋后，系统能够自动生成几何模型数学描述，大幅提升参数搜索效率。短短72小时内，伐谋就迭代出了最优方案：体积缩小40%，分离效率提升3倍，测试误差降低8.17%，流场均匀性显著增强。

在PEM电解槽制氢系统的故障诊断中，变化更为惊人。制氢系统内部涉及电、热、流体、压力等多个环节，一个小故障可能牵动整个系统，而真实设备又不能为了收集数据而反复制造故障——样本少、变量多，是这类研究的普遍难题。伐谋仅耗时30分钟，就进化出了比学术顶会原论文模型正确率提升2.78%的新模型，将科研探索周期从“周级”缩短至“小时级”。苗扬认为，这个描述还不够准确，“可能是月到小时的概念。”在旋转机械系统故障检测中，伐谋更是将预测误差降低到原来的1%。

科研范式的根本变革：从“人工试错”到“智能寻优”

伐谋带来的改变，远不止于时间缩短。

传统科研方式下，研究人员依靠经验设计几个方案，再放入仿真软件测试，效果不好就重来。这种方式不仅时间长、成本高，而且很难判断是不是全局最优。伐谋却能找到全局最优的方案。

苗扬认为，更深层的变化在于科研分工的重新定义。用户需要先说明要解决什么问题、提供哪些数据、怎样判断结果好坏；系统再围绕这些条件生成方案、测试方案，并保留表现更好的方向。人仍然在定义问题，AI承担的是大量重复搜索和试错。

他表示，过去，一个学生可能把大量时间花在调参数、试结构、跑模型上；现在，这部分工作被大幅压缩，科研人员真正聚焦于科学问题的本质。

从基础研究到应用落地：伐谋正在打开更多可能

在苗扬看来，基础研究与应用研究并非割裂的两端，而是创新链条上的连续环节。

“基础研究是所有技术的总机关。”苗扬在采访中反复强调。他举例说，表面波可视化研究看似“无用”，却与无创血糖监测、第五代飞机湍流控制、海啸波能消减等重大应用密切相关。“从基础研究到应用研究再到中试，伐谋对于各个领域都带来了颠覆式的变革。”

在氢安全监测领域，苗扬团队正利用伐谋提升故障识别准确率。“对于安全来说，我们肯定想要无限逼近百分之百。”苗扬说，“91%、92%、93%可是本质的区别。”有了伐谋，团队可以通过全局优化的方式不停迭代，将识别率提升到更高水平。

在生物制造领域，团队正尝试用伐谋优化纤维素酶的生产过程。当前，我国生物制造仍处于相对原始的发酵阶段。一旦用伐谋优化投料，就有可能从中试跨越到大规模生物生产，实现石油基和生物基产品的“两条腿走路”。“麦秸秆什么的都不用去烧了，变成我们的服装。”苗扬这样描述未来的图景。

从人工试错到智能寻优：伐谋重塑科研范式

而在最前沿的基础研究领域，伐谋同样在发挥作用。回到那束照向水面的激光——液体表面波可视化实验。苗扬表示，过去，要精准通过光学图样匹配表面波特性，需要“穷经皓首”地用扎实的物理数学公式推导。

现在，伐谋在这里的作用，是帮助团队围绕“图案与波动参数之间的关系”进行大量搜索和验证，更快找到值得进一步分析的方向。它不能替代物理解释，但能帮助研究人员更早看见某些关系，再由人去理解、验证和表达。

苗扬把基础研究比作所有技术的源头。他提到，从表面波到湍流、从液体检测到无创监测，很多应用都要回到对基础规律的理解。“我们做的就是看得更深、更细、更广、更快。”这句话也解释了伐谋进入基础研究的意义：它不是跳过科学问题，而是让研究人员多一种接近问题的方式。

这也是伐谋改变科研方式的关键：它并不是把科学问题简单交给机器，而是重新分配科研中的工作。

“要么飞，要么坠落。”苗扬用一句歌词来形容当前的形势。在他看来，伐谋带来的变革如同iPhone当年对移动互联网的革命性影响。

从空间站到制氢安全，从生物制造到表面波研究，伐谋进入的都是变量多、试错贵、准确性要求高的场景。它带来的核心变化，是把科研中的重复探索从人工经验中抽离出来，让系统先去寻找可能性，再由研究人员判断科学意义和应用价值。这与“十五五”规划提出的“统筹推进目标导向和自由探索的基础研究”高度契合——伐谋正在为基础研究的“两条腿”同时注入新动力。

当AI走进实验室，它最有价值的地方不是替人完成科研，而是帮助科研人员更快排除不值得走的路，更早看见值得深入的方向。这正是基础研究最需要的——不是替代思考，而是释放思考的空间；不是跳过问题，而是提供接近问题的更多路径。对于正在从科技大国向科技强国迈进的中国而言，这种变化的意义尤为深远。