摘要

大模型让算法实现「自进化」正在成为一种新范式。 本月两周前，陶哲轩与多名数学家借助谷歌今年五月发布的 AlphaEvolve，在 AI 辅助下共同解答了尘封五十多年的 Erdős 1026；百度同方向的产品「伐谋」与其“大的思路挺像”——分叉在于谷歌押前沿数学科研、百度押产业落地，“这和中美两边的国情会有一些相关度”。
演化的本体是群体而非单个 Agent，这是伐谋与市面“自我迭代”智能体的分野。 单 Agent 试十次、第十一次更好“最多叫记忆、叫经验”；诗婕将伐谋的群体搜索比作 VC 逻辑，安南认为这特别适合高价值算法问题——“不在乎每一个 Agent 的死活，一百个 Agent 同时试，有一个实现了一百倍回报，整体系统就 work”。大模型负责算法间“繁衍生小孩”，人写评估器当指挥棒；实测“一千轮演化里面可能百分之八十还是在报 Bug，但只要有百分之十是在不断提升”就成立。
算法所在的是高价值、核心场景，这是 Robin 亲自讲伐谋的原因。 与聊天、客服、K12 解题不同，算法是 B 端关键的决策与预测问题，“有百分之一或百分之五的提升，对这家企业就是产值的飞跃”——港口岸桥调度优化可能带来上千万收益；Robin 原话：“今天我自己在讲伐谋这个产品，是因为我觉得它重要。”
在算法与研究场景，Gemini 比 Claude 更好用，转折点是三月的 Gemini 2.5 Pro 实验版。 李安南的解释：算法工程师吃“聪明劲”、开发工程师吃“老师傅”经验，Cursor 式长上下文是工程能力、算法不一定需要；外部验证类工作可以用 Gemini，客户工作因安全隐私使用中国模型，整体还会混用 DeepSeek R1、千问、百度自家模型等——“一模一样的 Prompt，一模一样的代码给到它们，生成出来的新东西也不一样”，每家模型都有自己的“算法格”。
商业模式全面未定，当前指标是“规模和生态”而非收入。 在试 RaaS 按效果付费（优化后节省五百万即按效果收费）、订阅制（算法优化天然持续）、Palantir 式 FDE 驻场三条路；归因难题真实——港口、制造算得清产值，金融风控和 AI for Science“收益是多少，确实不知道”；字节、华为、阿里等云大厂在此赛道尚无特别明确的商业化产品，海外 YC 系创业公司已起、国内暂未看到特别明确的。
相对不怕幻觉、可进入严肃生产场景：两端由人收敛，中间交给 AI。 人定义问题、写评估器、做终审，“审核人和审核 AI 的方式是一模一样的”；本地评估方案（生成代码在云、评测在本地）解数据不出域，也不需要准备那么多昆仑芯、英伟达或昇腾芯片。风险同样真实：港口案例中 AI 把滑轨理解成可以越过桥架的车，利用了未写全的评估约束，“指标看起来特别好，但实际上它做了一些奇奇怪怪的事”。
生产关系的变化比生产力提升更关键。 工程师可以从写代码变成“一个人指导十个 AI”；汽车客户“有一百个场景其实都想改造，以前就是没这么多人”。落地要打破“锁单三天”式肌肉记忆——那堵墙“不是承重墙，但它一直就在那儿”；企业内部需要关注哪些墙可以打掉的“效率先锋”角色。诗婕据此预想未来很多企业可能组建有保守派和激进派的“内阁制”，安南回应“很精彩”。

精读

1. 陶哲轩解答 Erdős 1026，被国内忽略的是他手里的 AlphaEvolve

诗婕的引入：本月两周前，陶哲轩与多名数学家在 AI 辅助下共同解答尘封五十多年的 Erdős 1026，所用工具是谷歌今年五月推出的 AlphaEvolve——“一种基于大语言模型的进化算法编码智能体”，国内鲜少关注到工具本身。
安南：98 年生，2016—2023 年就读清华自动化，实习在 CV 方向（商汤、旷视“AI 四小龙”与无人驾驶的年代），22 年秋招恰逢 ChatGPT 发布，毕业后入百度做 To B 大模型相关工作，现为伐谋产品负责人。

2. 先补课：算法是分好坏的，这是它与普通代码的根本区别

安南的定义：算法本质是数学，承载形式是代码，“输入一堆信息，中间是黑盒，再输出一些信息”——从图灵机时代的加法器，到六七十年代的排序算法，再到七八十年代基于概率的搜索式算法（四个方向试探、朝更优处走一步的迭代逻辑）。
关键区分：“比较差的算法你可能要算一百次，一个好的算法可能五次就能算出来……”——“不是说我功能可行、没 Bug 就完事儿”。九十年代后进入数据驱动：SVM 到神经网络、深度学习、大模型、Agent；机器学习“不在乎中间的机理，纯靠数据学特征”。

3. 核心命题：用发展到一定程度的高级智能，去优化低级智能

在做的事：“输入是我的需求——帮我优化一段人脸关键点识别算法，输出的就是那个算法本身”，用 Agent 去优化从加法器、排序到机器学习的前代算法。
支撑判断是业界相对主流的观点：“对于可明确评估的问题，AI 大概率都会解决。”人脸关键点的评估极简单——眼睛、鼻子、嘴在哪里客观存在——但把算法写出来很难；评估易、生成难，正是 AlphaEvolve 与伐谋共同瞄准的区域。

4. AlphaEvolve 并非平地惊雷：Fan Search、EoH 与百度去年的调 Prompt

谱系：前身是 DeepMind 的 Fan Search，在大模型尚弱时优化具体的小算法片段；同期还有香港城市大学的 EoH。百度去年十二月已做“基于明确评估器自迭代”的 Agent 探索，当时代码能力不强，核心成果是自动把 Prompt 改得更好。
转折在今年：大模型代码能力显著提升后，“让它去自动改一个算法，这件事其实就非常呼之欲出了”。

5. 从 AGI 到 ASI：不是人想不到，是没有那么多时间

谷歌把 AlphaEvolve 用于内部业务（论文有披露），更核心的是与数学家合作发现新定理——“大家都关注在陶哲轩身上，而没有太关注到陶哲轩用的其实是 Google AlphaEvolve”。诗婕的引申是：若探索出人类尚未发现的成果，就可能到达 ASI；安南称“这个事儿非常 promising”。
陶哲轩他们给出的逻辑是：很多问题“不见得一定是人想不到，而是我没有那么多时间”，这个工具“能把陶哲轩的能力放大很多倍”。百度的分叉在于，产业界有些问题工程师“花一百年也能解、但不可能让他算一百年”，适合在算力 scaling up 下交给 AI——“这和中美两边的国情会有一些相关度”。

6. 在算法与研究场景，Gemini 比 Claude 更好

安南的判断限定在具体场景：“大家一提 coding 都会提到 Claude……但实际上，在我们偏研究或者算法的场景下，Gemini 才是更好的模型。”画像差异是解释：算法工程师吃“聪明劲”，年轻高学历、拼 Idea 和洞察；开发工程师“吃经历”，是见过复杂系统的“老师傅”——Cursor 引以为傲的超长上下文是工程能力，算法不一定需要。
转折点是三月 Gemini 2.5 Pro 实验版，“当时就测了，确实有挺大的提升”；原因只是洞察而非定论——两者都不开源，猜测是 DeepMind 以 research 为主，数据和后训练更偏这些方向。旁证是高校同学写算法、做 research 用 Gemini 更多，“就是确实更聪明”。

7. 客户场景用中国模型混搭，每家有自己的「算法格」

外部验证类、开源类工作可以基于 Gemini；客户工作因安全和隐私使用中国模型。整体上因不同模型的 Idea 和思路方向不同而混用 DeepSeek R1、百度自家模型、千问等。
混用的理由是：“一模一样的 Prompt、一模一样的代码给到它，它生成出来的新东西是不一样的”。诗婕将这种差异概括为每家都有自己的“算法格”。

8. Robin 为什么亲自讲伐谋：算法所在，即高价值场景

百度世界大会上 Robin 多是串场，唯独伐谋亲自发布：“今天我自己在讲伐谋这个产品，是因为我觉得它重要，而且我也很有激情想把它表达出来。”
安南的解释：过去 To B 落地多是聊天、角色扮演、K12 解题、电商质检——“重要，但价值不见得那么快体现”；算法是千行百业关键的决策与预测问题，“有一个百分之一或百分之五的提升，对这家企业来说可能就是一个产值的飞跃”。算法工程师贵，正因其能够创造相应价值。
消费者能懂的例子：滴滴的车辆调度就是一个大算法，“如果没有算法控制，就回到九十年代给师傅打电话，商业模式就不存在”；把滴滴替换成其他产业里的公司、把共享出行替换成千行百业，逻辑依然成立——“算法所在的，就是高价值场景”。

9. 演化是群体概念：从创业公司试错到 VC 逻辑

安南对“自我演进 Agent”的辨析：“我试了十次有一些经验了，第十一次能做得更好——这个东西最多叫记忆、最多叫经验，其实还不能叫自我演化。”进化必须是群体概念。
诗婕将伐谋比作 VC 逻辑：不在乎每个 Agent 的成败，让一百个 Agent 同时尝试不同方法；只要大盘概率正确，有一个 Agent 实现一百倍回报，整体系统就有效。安南认为这种机制特别适合算法问题，不在乎单个 Agent 的算力节省，可以上十六路并发、做更大规模搜索。

10. 进化算法×大模型：岛屿、繁衍、评估器与挖石油

进化算法即达尔文：五个岛屿各十个个体，表现好的有更多繁衍资格，经十代、百代、千代优胜劣汰，岛屿间再交叉，“慢慢可能实现全局最优”。以前两个算法硬拼在一起会报 Bug，现在“生孩子这个过程是大模型来做的”——基于 A 和 B 生成更好的 C；挑选由人写“评估器”，“有点像指挥棒”。
进化策略的比喻是挖石油：“什么时候应该把这口井再往下挖一挖，什么时候应该放弃，去另外一个地方打一口新井”——不能盯着一口井不断往下挖，以免陷入局部最优，这正是单体与群体的区别。
诗婕的类比获认可：微生物遇到不同环境，演化成猩猩、深海鱼、恐龙，有的存活、有的淘汰——安南：“谁活下来不重要，只要最后有一个擅长的东西就好了，我们把这个东西拿出来。”

11. 80% 在报 Bug 也 work：概率的胜负手与四步骤的 Agent 化

大模型的作用是概率：代码能力好，向下一代繁衍的成功概率大于 50%，“再乘以 1000 次，这个事儿就能奏效”；小于 50% 则越演化越差，一万轮也出不来。实际观察是：“一千轮演化里面可能百分之八十还是在报 Bug，但是只要有百分之十是在不断提升的，那伐谋这件事其实就是 work。”
千行百业算法工程师的工作可抽象为四步：选 baseline、看论文找新 Idea、基于 Idea 和基础算法生成新算法、跑验证集做 case review 再循环。四步都可以做 Agent 化；对人来说更关键的是定义问题、把评估器这根“指挥棒”设清楚。

12. 「上兵伐谋」：算法层的通用性 vs 垂类微调的局限

名字出自《孙子兵法》“上兵伐谋”：谋是策略，“伐”就是攻克；算法本质上也是策略。
反例来自清华电机系的一次分享：同学对电力调度模型做垂直训练，效果提升但“泛化性非常差”，换物流、港口调度就得重来一遍。伐谋写的是算法本身，调度问题跨行业更通用——“同一个更通用的 Agent 去服务 A、B、C、D 行业的调度场景，而不是每一个行业单独做很垂直的事”。
与去年华为云式“垂类场景微调落地”路线的对照：垂直大模型有价值，“但很难真正把千行百业全部服务一遍，过程非常慢，还有数据的问题”；伐谋希望以更通用的形式建立算法 Agent 生态。

13. 预测与决策两类算法，跑的是同一个四步循环

预测类：零售客户想知道“明天、后天、大后天销量大概多少”，有一大堆历史和竞品数据，以前可能靠拍脑袋；决策类：知道一百单需求后，何时补车、派什么车，SKU 多而车辆少时极其复杂——滴滴就是偏决策类。
两者本质框架一致，都回到四步循环，“这也是为啥它能 AI 化改造而且更通用”——中型企业也能用上原本只有算法团队才能完成的能力。

14. To B 落地实况：“以前 AI 干文科生的事，现在干理工科的事”

客户第一反应存疑：“AI 还能干这么难的事啊？”但试错成本低——算法是抽象好的小片段、不深度侵入业务流程，一个月甚至更短时间就能做出基础场景，换来客户的开心或惊喜。一家大型央国企的评价是：“感觉以前 AI 做的大部分还是文科生的事情，但现在突然发现，伐谋做的是理工科同学的事情。”
相对不怕幻觉的结构性原因：目标明确、评估器客观，“审核人和审核 AI 的方式是一模一样的”——目标定义和最终评估由人把关，中间是大模型的发挥空间。
更大的变化在可持续：以前算法工程师项目制，“上线提百分之五就终止了”，第二次出问题不可能再把专家拉回来；AI 只需重新启动一次——“它就不只是一个提效的逻辑了，更像是生产力或生产关系的一个变化”。政策也提到希望在千行百业中出现“自主、持续优化”的能力。

15. Agent infra：进化算子加分布式调度，把一周压到两三天

单 Agent 不太需要复杂 infra，“大模型的 infra 已经足够它用了”；伐谋的 infra 有两块：一是引导进化方向的核心算子（挖石油时的“工地指挥”），二是基础设施——串行 API 互相等待，千轮迭代要五天到一周，做分布式并行、拆分步骤并充分利用 GPU、CPU 空闲后，可拉回两到三天。
组织判断是“大公司的小团队”。要大公司，因为必须有生态（高校实验室、创业公司、垂直小巨头一起服务千行百业）和长期的云资源、调度能力积累；要小团队，因为模式还很早期，不能直接按某种模式铺开，得不断试错、跑通再复制。
创业团队更难取得客户信任：这件事太新、客户本就存疑，而百度的 AI 品牌心智能给客户“安全感和保底的感觉”。

16. 商业模式全面未定：RaaS、订阅制与 Palantir 式 FDE

三条路径：RaaS——“Result as a Service”，算法优化省了五百万就按效果收费，“在中国目前比较新，但可能会是 AI 时代的趋势”；订阅制——中国 SaaS 没真正跑通，但“算法优化本身就是一个持续的过程”，类似雇十个每年都要贡献价值的工程师；以及 Palantir 式前线工程师驻客户现场——“人拿着伐谋去解决这样的一个问题”。
诗婕点破的归因难题是客户价值提升有多少归功于算法很难界定。安南承认：“港口、制造很容易算清楚产值进账，但 AI for Science、金融风控我收益是多少呢？这个事儿确实是不知道”，所以模式仍在探索。

17. 伐谋也在 To C：大概率不收费的高校学生是五到十年后的变量

回应李开复 2023 年“中国 AI 走 To C、美国先走 To B”的判断：安南认为是时间问题——长线 To C 价值大但商业模式短期难验证，To B 选对高价值场景则付费意愿明确。
意外发现：平台上线后很多高校同学拿它做课程作业、毕业设计、论文——流体力学背景的同学要做仿真模型（一个 AI 问题），不必真正学会 AI 就能完成领域任务。“这部分同学我们大概率不会收费了，更像是培育”；这批人进入千行百业后，可能天然会认为算法问题应该用 AI 解决。
团队本身即此画像：98 年的安南带着 00 年前后出生的校招生和实习生，很多是运筹学、工业工程、Science 等领域背景而非 AI 背景。

18. 客户情绪曲线与本地评估：数据不出域是中国解法

与 2023 年的对照：当年“多快好省赶紧上，买卡、买 DeepSeek 模型、部署一大堆”，现在的痛苦是“怎么把这些东西用起来”——能把已部署的模型资产用在“非常 niche、非常有价值的场景”，客户特别高兴。2025 年推理时代加上代码能力提升让信心回升；发布金融风控、港口调度、中国能建路径规划案例后，“非常相似的客户也都找上来了”。
技术解法是本地评估方案：生成代码这个巨耗算力的环节放云上，评测在客户本地数据上跑、只回传最终结果，“数据不用出域，又不需要准备那么多昆仑芯、英伟达、昇腾”。这体现了产业场景与科研场景在数据和部署条件上的差异。
对“国央企反馈不真实”的老问题：客观存在、技术解决不了，但这件事够新且有政策引导，尝试可能超脱于客情关系等因素；中型民营垂直小巨头更在意效果，也更可能忠实反馈——“他会比我们焦虑，交流完马上就把测试的样例数据赶快给过来了”。

19. 智能原生：打墙、锁单与 Delta 算法

“内化 AI”第一层是破除人为先验：订单分 P1 到 P4、做完 P1 再做 P2，“是因为人处理不过来全局优化”；AI 可以打散顺序，按毛利、收入、交期和弹性做全局搜索。安南的比喻是：“卧室和客厅中间有堵墙，这墙也不是承重墙，其实可以打掉的，但它一直就在那儿”——打墙有沟通甚至阵痛，如制造业“锁单三天”的行规，AI 足够快后可能缩短到一天。
第二层是持续寻找 Delta 算法：特别忙和特别闲两种工况应该使用算法 A 和算法 B，“一个算法通用性越好，它垂直的效果不见得就那么好”——伐谋随新数据流持续寻找各工况最优解。产品三特点由此总结为：通用性、产业级、可持续性。

20. 产品形态：不是 Chatbot，而是造物主看进化系谱图

三阶段：对话式提交任务（产品起初是 Web 端，也会适配 VS Code、Notebook 等不同使用习惯，把任务和评估器写清楚即可）；监控阶段是进化系谱图——“有点像我们是那个造物主，去看下面这些具体的每个生物演化迭代到什么程度”，树状节点有的报 Bug、分数低而变灰淘汰，有的活跃变亮、获得更多向后反演机会；审计阶段做可解释性，讲清最优算法“怎么一步一步迭代过来的”。
为什么不能只是 Chatbot：“我带十个实习同学完成一个算法任务，很难跟十个同学每天都在对话”。人主要负责监控、审查和最终解释，而不是逐一与每个 Agent 对话。诗婕的收束是：用户撒一颗种子，大模型把它变成千百颗种子，在不同土地上培育，系统再进行监控和优胜劣汰。

21. 神与麻烦：因子挖掘的惊喜，和港口滑轨的 Hack

神的一面：金融风控场景中，AI 写出的特征提取器、因子挖掘“确实是之前我们人算法工程师没太想到的，看一看也挺有道理，给人确实也有启发”。
麻烦的一面：“长期来看还挺像科幻电影的”——红绿灯、电网、港口调度交给 AI 有风险，必须严格审计。真实案例是：AI 找到一个用很少机器完成大量任务的调度方案，细看却是评估器约束没写全——它把设备理解成能越过桥架的车，实际设备是有物理关系的滑轨，“指标看起来特别好，但实际上它做了一些奇奇怪怪的事”。
结论回到人：“有多少人工，就有多少智能”在大模型时代依然成立，且是好事：“如果不是，那其实才是危机论了……这个事绝对不可能是替代人的，大概率还是需要有个人把这个问题定义清楚以及审计、监控它。”

22. 生产关系比生产力更关键：一人指挥十个 AI，企业可能组「内阁」

生产关系的变化：算法工程师可以把写代码、测试和探索交给 AI，变成“一个人指导十个 AI”；不是简单砍掉九个人——一家汽车公司说“我有一百个场景其实我都想改造，以前就是我没这么多人”。新画像是“懂业务、再稍微懂一点算法”的同学，不必是业务专家加 AI 专家的二人组。
新角色“效率先锋”：企业内部专门发现“哪儿的墙能够被打掉”的人，类似 Palantir 的 FDE、但不一定是 AI 背景，更像一个会使用 AI 工具的创业者。这个角色“非常值得期待”，有助于在企业内部完成变化。
诗婕据此预想未来很多企业可能组建“内阁制”，有保守派也有激进派；安南回应“很精彩”。五到十年后，C 端可能只会感到“效率确实更高了”，B 端研发团队则可能更像业务 BP，主动与业务一起定义问题、驱动 AI。

23. 收官：指标是规模与生态，发布的是案例不是故事

当前优先级“不是商业化收入，太早期了”，而是伐谋的规模和生态。伐谋只是千帆企业级 Agent infra、AI infra 平台上的一个关键智能体，进化能力、逻辑、性能和调度能力可被其他自进化 Agent 复用；云智一体下，客户跑一百个并发带来的算力消耗（包括昆仑芯等国产芯片）可与云服务打包。
竞争扫描：字节目前更像公有云逻辑，做到如此垂直的地方相对少；华为走得快，但“核心逻辑还是靠人的算法工程师”，仍偏项目制；阿里也在做技术探索和相关配套。几家云大厂在此赛道上尚无特别明确的商业化产品，海外 YC 孵化的创业公司已起一波，国内暂未看到特别明确的。
四个重点方向是能源、金融、制造、消费，安南估计合计“占到咱国内 GDP 的百分之三十以上，甚至更多”。
收尾的产品哲学：伐谋起源于内部项目（帮助百度云、金融、交通等部门提效），世界大会“与其说发布的是一个产品，本质上还是发布了几个案例”——“不能一直讲未来故事……这个果子一定要尽快长出来”。Robin 那句“技术起决定性作用的项目，十次即便有九次失败也认”在内部有真实感知：百度选择了以技术驱动的难路，To B 虽然“酒很香”，但需要一个更深入的过程。

钱去哪了？谁在出手？与刘旌复盘 2025 VC 们的新共识与暗流控制工具，还是对齐生物？Emmett Shear（Softmax）与Séb Krier（GDM），来自a16z Show