北工大苗扬团队介绍AI助力科研：科研探索周期甚至可从“月级”缩短至“天级”

红星资本局6月4日消息，6月3日，百度伐谋举行“谋定行”探访活动，首站走进北京工业大学苗扬副教授团队。苗扬团队介绍了多个应用百度伐谋的科研案例，百度伐谋对团队的科研效率有着明显的提升，可以让科研探索周期从“月级”缩短至“天级”。

去年11月，百度世界2025大会上，百度创始人李彦宏发布可商用自我演化超级智能体——百度伐谋。它主要面向产业研发和生产中的复杂优化问题，提供问题建模、算法搜索、模型优化、性能优化等服务。

红星资本局了解到，如今百度伐谋已经在物流、零售、金融、汽车仿真等产业场景中展开实践。

“AI介入后，效率大幅提升”

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；在北京工业大学扶摇实验室，研究人员试图从这些图案里读出更多信息：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。

过去，要想从中找到规律，科研人员往往要建立复杂方程，反复推导、实验、验证。时间可能长达半年。

现在，苗扬团队正在把这类问题交给百度伐谋参与求解——甚至科研人员可以在完全不懂代码的情况下，直接和伐谋对话沟通，科研探索周期甚至可以从“月级”缩短至“天级”。

▲苗扬接受媒体采访

红星资本局从百度伐谋团队了解到，伐谋并非大模型交互平台，而是基于人工经验基础上，做更深入的探索和算法层的寻优，伐谋在科研场景跟科研人员配合，产出的是更优的任务方案，可以帮助科研人员在原有算法上做寻优和迭代。

“没有AI的时候，我们需要人工设计构型、做仿真、制片、测试，再根据结果反复调整。可能需要半年时间，现在AI介入后，不到一周时间我们就可以先得到一个最优结果，较之前的效率大幅提升。”苗扬告诉红星资本局，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，这部分工作可以被大幅压缩。

“AI正在改变科研范式”

除了效率和准确率上的提升，AI的介入还可以改变科研选优方式，让设备研发更接近工程落地。

中国空间站将在轨运营10年以上，舱内空气质量直接关系航天员生命安全。传统气相色谱仪体积重量大，在轨更换和补给都会带来成本压力。苗扬团队希望通过微型气相色谱柱，让空气监测设备变得更小、更轻、更高效。

▲图据视觉中国

苗扬告诉红星资本局，要把设备做小，核心难点落在色谱柱结构上。过去，研究人员往往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。苗扬解释，这种方式时间长、成本高，而且很难判断是不是全局最优。“它只是这几个人里面最好的，但不一定是全中国最好的。”

引入伐谋后，团队把柱内结构的形状、排布、间距等变量交给系统搜索，再用仿真结果作为评价依据。最终结果显示，伐谋在72小时内生成的新方案，在保持低压降的同时，归一化误差降低8.17%，体积缩小40%，分离效率提升3倍。新构型让气体分子的运动路径更加统一，流场均匀性增强，有助于提升分离效率。

苗扬认为，AI正在改变科研范式，让小型化、高精度的空间站空气监测设备研发更接近工程落地。过去科研人员需要大量依赖经验和人工试错，现在机械、化工、能源等非计算机专业的研究者，也能更快借助AI参与复杂优化问题。

除科研探索外，伐谋在零售、制造、能源、物流、金融等多个场景中实现了产业落地。例如在港口集装箱调配中，伐谋曾帮助提升约10%的运转效率；在零售门店货架排布中，则可将原本约一个月的排布周期缩短到以周为单位。

红星新闻记者 王田 

编辑 包程立

审核 冯玲玲