中国工业报记者  曹雅丽

在山东青岛港自动化码头，正在上演一场无声的“集装箱芭蕾”——数十台桥吊与自动导引车默契配合，但在背后，一个AI智能体正帮助全球首套码头智能管控系统A-TOS，实现10.21%的绝对指标提升。在原型演示中，它要回答的难题是：如何摆放能让货船不翻倒？如何调度能让拥堵率降到最低？而在数千公里外的一家注塑车间里，排产师傅正像“带徒弟”一样对着屏幕“说话”：“周三这几条线不能排产，这个VIP订单必须更优先。”屏幕上，一张甘特图在几秒内重新绘制，产能利用率悄然爬升。

这不是科幻电影，而是2026年5月13日Create大会上发布的百度伐谋2.0正在做的事。从码头堆场到化工实验室，从数字银行到空间站监测设备，这个自我演化决策智能体不再只是程序员的算法工具，而是直接走进了决定企业盈亏的“老师傅”们中间。

隐性壁垒：中国制造从“可行解”到“最优解”的鸿沟

中国拥有41个工业大类，是全世界唯一拥有联合国产业分类中全部工业门类的国家。然而，在这条庞大产业链的无数节点上，决策的“最优解”往往被锁在几位老师傅的大脑里，成为企业增产最难跨越的隐性壁垒。

在生产排程领域，这种矛盾尤为突出。中国有数万家规模以上制造企业，生产排程至今仍主要依赖排产师傅的人工经验。师傅们心里清楚哪条产线后天要检修，哪个VIP订单中还有优先级更高的特例，但很难奢求一位业务专家在几天之内把十几年的经验一次性讲清楚。一位排产师傅甚至会对质疑者说：“你行你上！”——因为排产方案是一个可行解，但远非最优解。

在工艺优化方面，痛点则表现为“知其然而不知其所以然”。在化工或材料行业，最关键的产品配方和生产参数掌握在“老师傅”手里。徒弟往往只能模仿操作，却无法理解背后的物料原理与反应机理。类似的，在水稻育种研究中，跨学科知识融合成为最大瓶颈——懂生物的不懂算法，懂算法的不懂农业。

而在物流规划领域，中国作为物流超级大国，面临的是“既要、又要、还要”的多目标冲突。以青岛港自动化码头为例，其A-TOS系统虽已连续十三次刷新世界纪录，但配载师傅每天仍要面对惊人的复杂度：集装箱如何摆放到堆场、堆场如何分到不同船上、货物上船后还有物理关系不能翻倒……每一个决策都牵一发而动全身。在某城配物流场景中，甚至出现了“10车统筹近四百个点位”的极限难题，靠人工已无法同时兼顾网点均衡、货量均衡、满载率和不交叉路线。

这一困境正在从国家政策层面获得系统性回应。就在Create大会召开前夕，国家网信办、国家发展改革委、工业和信息化部联合印发《智能体规范应用与创新发展实施意见》（以下简称《实施意见》），明确提出要“促进智能体规范应用与创新发展”。中国工程院院士邬贺铨在解读该文件时指出，当前OpenClaw等新型智能体已在中小企业和个人开发者中得到了广泛尝试和应用，“但要充分发挥其价值仍需促进智能体与各行业场景的融合”。

工业和信息化领域科技伦理专家委员会主任委员魏一鸣此前接受媒体采访时则强调，推动智能体从“单点突破”走向“规模落地”，需要坚实的技术底座与统一的标准协议作为支撑。

更早之前，工信部于3月启动“工业数据筑基行动”，着力突破工业数据“采”“集”“用”瓶颈，特别指出要解决“知识孤岛与数据割裂，隐性知识数字化沉淀难，知识动态更新机制缺失”等行业痛点。而在4月底，工信部与国家数据局联合实施2026年“模数共振”行动，重点面向钢铁、石化化工、汽车、生物制造等行业，推动“数据-模型-场景应用”良性互促循环。

政策层的密集发力，恰恰印证了一个共识：企业数字化转型最难的不是技术本身，而是隐性知识的显性化。老师傅说不清、写不出，系统就学不会。这正是中国制造业智能化转型中公认的“深水区”。

伐谋之变：从“模仿经验”到“自我演化”的跃迁

过去，工业互联网在破解“老师傅经验”难题时，更多是将这些“隐性知识”显性化、流程化，但本质上仍是对人类经验的模仿和复刻，难以突破能力的上限。

如今，面对上述困难，百度伐谋2.0给出的答案不再是简单的自动化，而是“自我演化”与“全局寻优”。百度伐谋产品负责人李安南在大会现场表示：“伐谋不是替你做表单、点按钮的小助理，而是一个能够在实际生产的复杂约束下，替你反复推演、持续寻找更优解的业务决策专家。”

他解释说，伐谋2.0最核心的升级，是让业务专家完全不用写一行代码，可以像带徒弟一样通过自然语言对话来调整决策逻辑。第一步只需上传数据，第二步回答几个澄清问题，等待10分钟，伐谋就能生成一个可视化方案——比如一张让排产师傅一看就懂的甘特图。师傅可以当场指出“这里信息不全”“那里有新情况”，伐谋继续理解、继续调整，再次给出新方案。

“更关键的是，伐谋2.0配备了企业级记忆系统。”李安南强调，每一次对话中积累的业务逻辑——产线检修日期、VIP订单的特殊优先级、不同工种间的效率差异——都会被沉淀为可复用的AI资产。即使老师傅退休，这套隐性知识依然留在系统里，越用越懂企业。

值得一提的是，在走访上百家企业后，伐谋产品组发现一个反共识现象：当前大部分AI聚焦于“提效”，但提效并未带来实质性的增产。真正决定企业盈亏的，是那些“做好比做完重要”的核心决策，比如生产排程、促销策略、门店补货、风控策略。这类任务每优化一个百分点，在中国庞大的工业体系中往往意味着百万、千万甚至上亿的价值。

李安南公布了伐谋2.0在三大典型行业场景中交出的硬核成绩单：

生产排程：面对某制造企业“1个月404个任务分配到82台注塑机”的强组合约束，伐谋基于终止交付时间进行倒排，尽可能多地完成订单，最终生产率提升6.31%。排产师傅不再需要凭经验“猜”一个可行解，而是获得一个持续逼近最优解的动态方案。

物流规划：在青岛港自动化码头，伐谋支持多方向多方案推演。配载师傅不再是冷冰冰执行器的操盘手，而是可以根据实际情况，在多个方案间做取舍。最终，在原型演示中，伐谋帮助全球首套码头智能管控系统A-TOS实现了10.21%的绝对指标提升，助力中国产品走向世界。在另一城配场景中，伐谋成功输出了“10车统筹近四百个点位”的复杂解决方案，实现十余项业务指标的全局优化。

工艺优化：伐谋2.0强化了跨学科知识融合建模能力，像一个既懂材料、化工、生物科学原理，又懂计算机算法模型的交叉人才。它先根据历史数据对“表征特性”进行正向预测，再反向推荐“工艺参数”，不仅知其然，更知其所以然。在生物领域，伐谋改进了水稻育种与干旱胁迫研究的科学模型，共同研发新工艺实现了90%以上的检测效率提升。

无限进化：开启“智能体经济”新纪元

当“隐性知识显性化”的产业深水区遇上密集出台的国家政策，智能体技术正站上从“单点突破”走向“规模落地”的历史拐点。百度伐谋2.0的发布，恰逢其时地回应了这一时代需求——它不仅是一个技术产品，更是推动“智能体经济”在实体经济主战场落地生根的关键引擎。

百度创始人李彦宏在Create大会上深刻指出：“AI能做事，只是第一步；它能不能判断，自己有没有把事情做好，才是效率真正被打开的关键。能验证、能闭环，智能体就能无限进化。”他进一步提出企业组织自我进化的四点思考：更多授权、更少管控；更快对齐、更少层级；更高人才密度、更少人海战术；更多任务、更少分工。这为企业在智能体时代如何重构自身提供了清晰的路线图。

事实上，伐谋的能力正在从工业制造向更广泛的领域加速溢出，展现出“智能体经济”的无限可能。在北京工业大学，科研团队利用伐谋攻克中国空间站空气质量监测设备的研发难题。针对核心部件“微型气相色谱柱”设计中存在的流场均匀性难题，伐谋将原本以“周”为单位的科研探索缩短至“小时级”出成果，助力监测设备实现极致轻量化。此外，在PEM电解槽制氢系统故障检测中，伐谋在半小时内进化出的新模型比原论文模型正确率提升2.78%；在旋转机械系统中，进化后的模型准确率提升1%，参数量下降34%。

在天津大学的“AI+X”交叉科研中，伐谋同样展现出强大的迁移与选优能力。针对灾害预测场景迁移难题，人工复现需2名研究生耗时5天且准确率下降33%，而伐谋仅耗时6.5小时即达到91%的测试集准确率；在滑坡位移预测任务中，伐谋将模型选优周期从“周级”缩短到“小时级”，确保了防灾决策的时效性。

支撑上述迭代的底层能力也在同步升级。此前5月9日，百度发布的新一代基础大模型文心大模型5.1已登上LMArena文本榜、搜索榜国内第一。本次大会，百度智能云全面升级为面向大规模智能体应用的新全栈AI云，昆仑芯全国产集群已成功支撑文心5.1系列模型的研发，基于昆仑芯的天池256卡超节点将在6月正式上市。

正如李彦宏在大会结束时所说：“自我进化，是一套面向AI时代的系统性变革。只有那些敢于打破惯性、持续重塑自身的企业，才有机会真正穿越周期，建立新的竞争优势。这个时代没有旁观者，我们都是创造者！”

当一个个“老师傅”开始像带徒弟一样与智能体对话，当一条条产线、一座座码头、一个个实验室开始拥有“持续寻优”的能力，中国产业的隐形金矿正在被真正打开。而百度伐谋，正成为这场深刻变革中不可或缺的“决策大脑”。