央广网北京6月6日消息（记者 王进文）6月3日，百度伐谋“谋定行”探访活动走进北京工业大学苗扬团队实验室。现场展示了AI技术在空间站空气监测、PEM制氢安全、液体表面波可视化等多个前沿科研方向的应用案例。其核心变化在于：科研人员正借助伐谋系统，将大量重复性的试错与参数搜索工作交由AI完成，从而把探索周期从“周级”缩短至“小时级”，甚至“月到小时”的量级。

百度伐谋是面向科研与工程场景的智能探索平台，致力于通过AI技术加速复杂问题的求解与优化，已在水电解制氢、空间探测、流体力学等多个领域协助高校及研究机构提升科研效率。

在北京工业大学扶摇实验室，苗扬团队正在研究如何从一束激光照射水面产生的反射光斑中，反推出液体的波动形态、频率、黏度、表面张力等深层物理规律。传统方法依赖研究人员建立复杂方程、反复推导和实验验证，周期长、成本高。引入百度伐谋后，系统可以围绕“图案与波动参数之间的关系”进行大规模搜索与验证，快速筛选出值得深入分析的方向，帮助科研人员更早发现潜在规律。

在PEM电解槽制氢系统故障诊断项目中，团队面临的难题是：制氢系统涉及电、热、流体、压力等多个变量，且真实设备无法为收集数据而频繁制造故障，样本少、变量多。传统方式下，研究人员需大量查阅文献、搭建模型、手动调参，尤其在模型准确率已较高时，每提升一个百分点都极为困难。伐谋参与后，团队在既有CNN与Transformer模型基础上持续搜索更优结构，模型测试准确率由92.26%提升至95.04%，科研探索周期从“周级”压缩至“小时级”。在面向海外设备运维的场景中，提前判断故障原因并准备备件，理想情况下可节省约70%至80%的维修等待时间。

在空间站空气监测案例中，团队研究微型气相色谱柱——用于识别空间站舱内微量有害气体的“电子鼻”。传统色谱柱体积大、重量高，难以满足空间站对载荷的严苛要求。过去，研究人员只能依靠经验设计少数方案，再通过仿真软件测试，效果不佳便推倒重来。引入伐谋后，系统对柱内结构的形状、排布、间距等变量进行自动搜索，并以仿真结果作为评价依据。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。

苗扬表示，伐谋带来的变化并非简单加快论文发表速度。“我觉得它不是简单地发论文快多少，更像显微镜出现以后带来的观察世界革命性的变革。”传统科研方式下，研究人员往往只能在有限方案中挑选“相对最好”的结果，而AI系统能够在更大参数空间里持续寻找更接近全局最优的解。

百度伐谋产品团队成员解释，伐谋并非通用聊天工具，而是一个面向科研与工程问题的智能搜索与验证系统。用户需要明确定义问题、提供数据与评价标准，系统则围绕这些条件生成并测试方案，保留表现更优的方向。AI承担大量重复搜索与试错的工作，人负责判断什么值得搜索、结果是否可信以及下一步方向。

从空间站空气监测到制氢安全，再到液体表面波基础研究，百度伐谋切入的都是变量多、试错成本高、准确性要求严苛的科研场景。其核心价值在于，将科研中的重复性探索从人工经验中抽离，让系统先广泛探索可能性，再由研究人员聚焦科学意义与应用价值。苗扬总结道：“我们做的就是看得更深、更细、更广、更快。”当AI走进实验室，它最有价值的地方不是替代人完成科研，而是帮助科研人员更快地排除无效路径，更早看见值得深入研究的方向。