公司概况与商业模式 - 人工智能笔记创业公司Fireflies估值达到10亿美元，并声称其服务覆盖了全球75%的财富500强企业，用于转录公司会议[3] - 公司自2023年以来保持盈利状态，且自2021年后再未进行一级市场融资，年度增长率维持在三位数水平[4] - 核心产品为AI会议助手，可在Zoom、Google Meet、Microsoft Teams等主流平台使用，支持超过60种语言的语音或聊天互动[4] - 公司已为全球超过2000万用户及50多万个组织提供服务，核心能力是帮助员工自动提炼会议关键信息，提高沟通效率和决策质量[5] 创始团队与管理文化 - 联合创始人Krish Ramineni和Sam Udotong在宾夕法尼亚大学相识，后于麻省理工学院深造；Udotong拥有航空航天工程和计算机科学背景，Ramineni曾在微软工作[7] - 公司CEO Krish Ramineni倡导“反内卷”工作文化，自称每天10点起床、凌晨3点睡觉，反对“加班即忠诚”的观念，认为效率来自信任而非工时监控[10] - 公司100多名员工全远程办公，分布在超过10个时区，没有办公室和强制例会，销售团队仍能完成甚至超额完成目标[11][12] 创业历程与市场验证 - 公司起步阶段（2017年）提供的AI转录服务实由两位创始人手工完成，他们以统一化名“Fred”拨入客户会议，手动记录笔记并发送给客户[14][15] - 通过这种“人工冒充AI”的方式，创始人参加了超过100次会议，每月向客户收取100美元费用，赚取收入以支付房租并验证市场需求[15][17] - 在验证需求后，公司决定停止人工操作，全力实现自动化，并最终发展为估值10亿美元的独角兽企业[17][18] 产品创新与行业合作 - 公司于今年6月新增“与萤火虫对话”功能，该功能是与Perplexity联合打造，允许用户在会议过程中向AI提问并获取来自互联网的实时信息[4][5] - 该功能被视为推动AI办公从“记录信息”向“实时智能辅助”迈进的重要一步，旨在帮助团队建立“以提问为先”的工作方式[5] 市场反应与行业观点 - 对于公司早期“人工假扮AI”的做法，部分网友批评其存在伦理风险，可能侵犯隐私、破坏信任并引发法律后果[19][21] - 另有观点认为，这种做法实质上是MVP（最小可行产品）验证，市场核心需求是获得准时准确的会议记录，而非纠结于背后是人工还是AI[22] - 行业观点指出，在AI技术未完全成熟时，先以人工服务积累数据、验证需求，再逐步替换为自动化算法，是一种可行的商业化模式[22]

文章核心观点 - AI技术正将传统旅游导览从单向信息传递转变为深度、个性化、沉浸式的文化互动体验，满足游客从“到此一游”到“用心感受”的需求转变 [4][5][24] 市场需求与行业趋势 - 当代旅行者追求深度体验，表现为博物馆讲解一票难求、文创产品走红、沉浸式古镇兴起 [5] - 自由行游客面临“看不懂”、“听不明”的困境，需要能理解需求的智能旅行伙伴而非冰冷设备 [5] - 理想的游览体验是让游客成为旅程的主人，而非被安排行程的参观者 [6] 产品功能与用户体验 - AI导览提供随时随地、可听可问的交互方式，例如在寒山寺结合虚拟钟声讲解诗句意境和历史厚重感 [6] - 提供精确的游览路线指引，用户可跟随路线避免走回头路，或自由行走自动触发点位讲解 [8] - 室内地图可精确到文物级别，点击列表文物可直接在地图上定位 [9] - 通过情境化叙事创造“沉浸空间”，例如在恭王府引导用户触摸金丝楠木立柱并讲述相关历史 [9] - 系统自动记录用户游览路线和照片，生成“数字旅行日记” [15][17] - 利用AIGC技术智能优化构图与光线，帮助游客拍摄高质量照片 [13] - 将用户听过的讲解沉淀为“数字文创”，实现永久收藏 [15][18] 个性化服务 - AI导览能针对不同游客群体提供个性化讲述，如对儿童使用童趣语言，对历史爱好者采用亲历者口吻 [12] - 提供多个内容版本，如面向小朋友的儿童版、以历史人物口吻讲述的特定版、面向大众的经典版 [13] 核心技术方案 - 采用“GPS+惯性导航(INS)+行人航位推算(PDR)”的多源融合定位方案，解决传统GPS在复杂环境中易漂移中断的问题 [19][25] - 通过扩展卡尔曼滤波(EKF)动态评估数据源权重，并借助高精度地图匹配剔除异常轨迹点 [19] - 该技术方案在多数场景下定位精度稳定在3-5米，极端环境下可优化至2-3米，端到端延迟控制在200毫秒以内 [19] - 基于大语言模型(LLM)构建智能内容生产体系，系统性整合景点多维数据构建结构化知识库 [20] - 通过提示词工程驱动LLM将基础稿件批量转化为服务于不同受众的多个版本 [20] - 采用情感化语音合成(TTS)技术将文本转换为具有特色音色的高质量音频 [21] - 轻量级自动化工作流可使新增景区在数小时内完成从数据准备到多版本音频上线的全流程 [22] 未来发展方向 - 计划在感知层增强视觉定位与建模能力，提升定位精度和场景识别能力 [24] - 将在认知层结合更细致的游客行为分析，实现真正意义上的“知心”讲解匹配 [24]

核心事件概述 - Meta首席人工智能科学家Yann LeCun计划在未来几个月内离职并创办AI初创企业[2] - 新公司方向将聚焦于世界模型的研究与落地[7] - LeCun在Meta的纽约大学兼职教授职位将保持不变[2] Meta AI战略转向 - 公司AI战略重心从LeCun领导的FAIR实验室的长期基础研究转向快速推出模型和AI产品[2][4] - 核心AI研究部门FAIR经历裁员其影响力被专注产品落地的GenAI团队/TBD Lab取代[4] - 组织调整导致LeCun被要求向TBD Lab负责人Alexandr Wang汇报[4] LeCun与Meta的分歧 - LeCun对Meta新出台的内部研究发表规定不满认为其限制了学术自由[4] - 在AI技术路线上存在分歧LeCun认为大模型无法实现人类级智能而致力于世界模型研究[4][5][10] - LeCun公开撇清与Llama 2/3/4项目的关系称自2023年初以来均由GenAI团队开发[5] - 政治立场分歧可能加剧紧张关系LeCun批评美国政府而公司政策向特朗普阵营靠拢[5] Meta内部管理问题 - AI部门存在恐惧文化绩效评估制度与滚动裁员机制导致员工为害怕被炒而工作[18] - 生成式AI战略缺乏方向部门职责不断叠加导致内部冲突和模糊目标[18][19] - 项目管理采用倒排工期方式为赶工期而牺牲产品质量基于技术判断的叫停难以实现[15] - 高层管理者多为基础设施或传统计算机视觉背景对大语言模型缺乏深入理解形成外行指导内行局面[14] 行业竞争与影响 - Meta的Llama 4模型表现不佳落后于GoogleOpenAI和Anthropic的最新产品[4] - 公司AI聊天机器人未能在消费者中获得认可[4] - 扎克伯格暗示明年AI投入可能突破1000亿美元后公司股价暴跌12.6%市值蒸发近2400亿美元[13] - 大模型时代算力成为决定性因素资源博弈导致公司整体氛围不如以前轻松愉快[13]

公司动态与人事变动 - 字节跳动Seed研究员任赜宇因多次泄密被开除，其曾深度参与GR-3项目[3] - 前DeepSeek研究员罗福莉官宣加入小米，参与Xiaomi MiMo推理大模型研发，此前传闻雷军开出千万年薪挖角[4][5] - 英特尔首席技术官兼首席AI官萨钦·卡蒂跳槽至OpenAI，将负责算力基础设施建设，这是英特尔今年流失的第二位顶级AI高管[28][29] - 英特尔一名前软件工程师在被裁前盗取约1.8万份绝密文件后失联，公司提起诉讼要求赔偿25万美元[23][24] - Meta首席AI科学家杨立昆计划离职创业，专注于世界模型研究，其离职背景是公司AI业务重心从长期研究转向快速推出产品[26][27] 产品发布与技术进展 - 谷歌准备发布Gemini 3模型，预期在代码能力、多模态生成、可靠性和成本方面有显著突破[11] - OpenAI推出GPT-5.1模型，包含GPT-5.1Instant和GPT‑5.1Thinking两个版本，强调回答更具人味和情绪价值[32][33][34] - 百度发布文心5.0大模型，支持多模态理解、创意写作及智能体规划等能力[35] - 李飞飞团队World Labs推出首款商用世界模型Marble，可生成持久化、可下载的3D环境，提供四档订阅方案，最高月费95美元[36] - 字节跳动火山引擎发布豆包编程模型，宣称综合使用成本相比业界平均水平降低62.7%，为国内最低价[39] - 百度旗下小度AI眼镜Pro开售，售价2299元，支持AI翻译、4K拍照等功能[42][43] - 阿里首款自研旗舰双显AI眼镜“夸克 S1”定于11月27日发布，融合Qwen大模型能力[44] - 美团首款AI IDE产品CatPaw开启公测，支持代码补全、项目预览调试等功能[37][38] - 腾讯混元图像3.0上线LiblibAI平台[40] 市场趋势与行业情绪 - 硅谷出现“千问恐慌”(QwenPanic)情绪，认为以阿里千问为代表的开源模型在成本上具有优势，可能对美闭源路线构成挑战[9] - 阿里被英国《金融时报》报道指控为中国军方提供技术支持，导致其美股从盘中涨1.5%到收盘跌3.78%，公司回应称断言完全不实[6][7] - 阿里秘密启动“千问”项目，抽调上百名工程师封闭开发，计划推出对标ChatGPT的个人AI助手及国际版应用[7][8] - Meta计划从2026年开始将员工业绩评估与AI驱动的影响力挂钩，鼓励员工在自我评估中突出AI相关成就[10] 企业合作与资本动态 - 微软与OpenAI账本曝光，OpenAI在2024年向微软支付4.938亿美元收入分成，2025年前三季度支付额达8.658亿美元[12][13][14] - 基于20%收入分成比例推算，OpenAI在2024年收入至少达25亿美元，2025年前三季度收入至少为43.3亿美元[14] - 宇树科技IPO辅导工作已完成，拟申请在中国境内上市，并与巨星传奇成立合资公司宇星娱乐，各持股50%[21][22] - 苹果与腾讯达成协议，苹果将从微信小游戏内购中抽取15%分成[30] - 95岁巴菲特发布谢幕信，宣布将价值超过13亿美元的资产捐赠给子女的基金会[15][16] 其他行业应用 - 特斯拉正开发支持苹果CarPlay功能[47] - 马斯克旗下X平台推出Chat聊天平台取代私信功能[47] - 网易云音乐上线“智能过渡 AutoMix”功能[47] - OpenAI正探索开发自有消费级健康工具[47] - 文远知行获得阿联酋批准，将在阿布扎比开展纯无人Robotaxi商业化运营[47]

科技巨头在印度的免费AI工具推广策略 - Perplexity AI与Airtel合作免费提供12个月Pro版本服务价值17000卢比约合人民币1365元[4] - 谷歌与Jio合作向18至25岁用户免费提供18个月Gemini Pro服务价值35000卢比约合人民币2810元[4] - OpenAI向印度用户开放12个月ChatGPT Go免费使用权促销后月费为399卢比约合人民币32元[6][9] 印度市场的用户增长与下载数据 - Perplexity在印度第二季度下载量同比增长600%达280万次[11] - ChatGPT同期下载量增长587%达4670万次[11] - 印度互联网用户从2014年3月的2.5159亿增至2024年3月的9.544亿[16] 印度市场的战略价值与基础设施 - 印度95.15%村庄已接入3G/4G移动网络流量资费位居全球最低[16] - 大多数互联网用户年龄在24岁以下属于高度依赖智能手机的年轻群体[16] - 印度AI从业人员预计从65万增长至127万复合年增长率15%[16] 免费策略背后的商业逻辑 - 科技巨头通过免费服务培养用户对生成式AI的依赖性为后续付费转化铺垫[14] - 印度开放的监管环境与庞大用户基数为AI模型训练提供独特数据优势[14][18] - 即使5%免费用户转化为付费订阅者也可形成可观收入规模[30] 行业竞争与用户反馈 - 免费AI工具与电信套餐捆绑降低使用门槛最低月消费不到50卢比约合4.3元人民币[9] - 用户质疑免费服务存在功能限制且可能为数据收集和模型测试手段[33][34] - 印度缺乏专门AI法律当前宽松监管环境便于科技公司推广策略[23][25]

AI对开发者的角色与技能重构 - AI是能力放大器而非替代者，让开发者从"如何写"转向"如何理解"系统、判断AI输出和审视逻辑[6][9] - 开发者角色向"构建者"转变，核心价值在于理解业务和客户问题，并将理解传递给AI工具[11] - 开发者需掌握"读代码"而非仅"写代码"，从创造者向审视者转变，职责本质未变但沟通成为稀缺生产力[15][16] - 沟通能力是关键生产力，需将业务语境转化为机器可理解逻辑语言，提出高质量请求让机器真正理解[17][21] - 技术平权现象出现，LLM打通编程与自然语言界限，非技术背景者可快速创建应用但缺乏深度技术理解[22][23] - 未来开发者竞争力关键不在语言而在理解用户和善用AI，传统编程语言如Python、Java、Rust仍为支柱但会进化[65][66] AI原生应用与开发模式变革 - AI原生应用以语言模型为神经中枢，智能体具备理解、推理、决策能力并以工具集形成执行闭环[13] - 出现"一次性应用"概念，AI快速生成用于原型测试或短期功能，生命周期短暂且即用即抛[25][26] - 形成双层代码生态：底层系统性代码由人类精构（操作系统、数据库等），上层代码由AI生长，AI负责速度而人类负责秩序[27][29] - AI编码助手加速"意图→代码"路径，形式化验证以数学方法确保程序正确性，两者共同提升效率与可靠性[24][33] - Vibe Coding支持小团体快速试错，规范驱动开发（Spec-Driven Development）模式让团队在复杂协作中保持高效秩序[44][48] 数据价值与组织形态演变 - 企业竞争力从"应用数量"转向"数据质量"，数据成为新护城河，AI生成应用会过期但数据持续累积智能[31][32][34] - AI推动"小而精"组织演化，开发者可完成过去团队工作，成为具备端到端创造力的全能构建者[38][39] - 可能出现"一人独角兽"公司，个人或小团队借助AI打造十亿美元级别企业，持续试验和快速迭代成为核心竞争力[40][42] - 云计算未来十年仍是基础设施终极形态，微服务架构为AI时代最优解，云从算力池演进为自我优化智能系统[50][52] AI技术本质与学习路径 - AI是颠覆性突破无前例可循，学习曲线是重新学习"学习"而非掌握新工具，为IT技术集体智慧成果[54][56] - 工具演进本质是"意图的上移"，从机器码到自然语言，软件开发本质始终是让机器理解人类意图[57][62] - 开发者需保持每周4-8小时学习配额，深入理解抽象层下方机制，懂业务和客户的中坚工程师最具AI价值变现条件[64][67]

产品发布与限时活动 - 公司于11月12日发布TRAE国际版SOLO正式版 [2] - 限时免费活动时间为11月12日12:00至11月15日23:59 所有用户可免费体验SOLO Coder和SOLO Builder [5][18] - SOLO模式是一种高度自动化的开发方式 以AI为主导 可理解目标并独立推进开发任务 [2] 核心功能升级 - 全新开发空间采用三栏布局 包含智能摘要、任务拆解和会话跳转功能 以实时掌握开发进程 [5] - 新增DiffView工具 可清晰集中展示AI的所有代码变更并提供实时代码审查反馈 确认变更后才生效 [7] - 新增上下文管理功能 具备进度展示和上下文压缩能力 旨在节省成本并保留价值内容 [8] - 新增多任务列表功能 支持同时开发不同功能模块 实现多线程工作无需等待 [12] 智能体与任务处理 - 新增内置智能体SOLO Coder和Plan 支持计划确认后再进行开发 并可随时反馈沟通 [8] - SOLO Builder支持端到端生成 适用于快速验证上线小型项目 [11] - 全新SOLO Coder用于处理复杂项目迭代和重构 可自动调用不同智能体 [11] - SOLO Coder可按照需求生成项目理解文档 并自动调用不同智能体完成任务 [14][15] 应用场景 - 项目理解场景：SOLO Coder可快速理解新项目或复杂代码库 生成介绍、总结规范并解答技术问题 [13] - 需求迭代场景：根据产品需求快速迭代功能 SOLO Coder开启Plan生成计划 确认后开发并可并行开发多模块 [14][15] - Bug修复场景：针对紧急Bug SOLO Coder可描述Bug表现 生成修复计划确认后执行 快速定位并修复Bug代码 [17]

公司融资与估值 - 公司完成23亿美元D轮融资，估值从99亿美元飙升至293亿美元，增长约3倍[2][3] - 投资方阵容包括英伟达、谷歌、Coatue等新增投资者，现有投资者Accel、Thrive、a16z和DST也相应增资[3] - 公司CEO表示近期没有上市计划，重点在于发展壮大公司和团队[4] 产品与商业模式 - 产品是一款原生AI IDE，以自然语言对话方式实现代码自动生成、修改和重构[6] - 采用Cursor × Composer双引擎架构，Composer是专为写代码训练的模型，Cursor重写了IDE底层架构[6] - 上线两年内年度经常性收入突破5亿美元，日活跃用户超过100万，付费用户达36万，覆盖5万家企业，并进入超过一半的财富500强[6] - 产品通过免费版拉动试用、社区生态推动扩散，实现快速增长[7] 行业背景与竞争 - 行业面临工程师短缺、成本高企、企业遗留系统难维护等痛点，产品形态天然对这些问题"对症下药"[7] - 开源大模型的加速追赶使底层能力趋同，技术壁垒不断被压缩[9] - 公司正尝试将产品更深地嵌入企业研发链路，包括测试、DevOps、可观测性与数据回流，构建下一代护城河[10] - OpenAI曾在种子轮领投公司，并两度尝试收购，最高报价达百亿美元级，但因公司拒绝签署排他性模型协议而未能成行[9] 公司发展历程 - 公司最初尝试3D机器人CAD方向，但因数据稀缺、模型推理与三维场景不兼容等问题进展停滞，后转向AI编程领域[11][12] - 产品选择从VS Code切入，而非从零构建新IDE，首个版本在数周内完成，并通过社区自发传播实现早期增长[12][13] - 公司在高峰期API调用量占某云服务商两位数百分比收入，团队通过分散供应商、自建推理与训练系统等应对稳定性压力[14] 组织与文化 - 招聘流程让候选人在办公室写两天代码，而非传统白板面试，以判断真实工作环境匹配度[14][27] - 并购策略围绕"人才密度"展开，例如收购五人团队因其中一名成员曾负责GitHub Copilot前身功能的核心开发[14][28] - 公司认为行业正处在工具升级的早期阶段，距离完全自动化仍有距离，当前阶段比作"iPod与iPhone之间"[16][17] 技术架构与基础设施 - 公司采用多云多供应商路线，使用Databricks、Snowflake、AWS、GCP、Azure等平台[25] - 团队在规模暴涨时完成模型供应商分散、自建推理与训练系统、重写部分基础设施等工作[14][24] - 产品从单文件生成转向对工程链路更深层的整合，包括测试、部署、可观测性和数据回流等环节[18]

软件架构师角色的演变 - 软件架构师角色正经历技术能力、业务理解与数据驱动决策三位一体的转型期[3] - 云原生、微服务、分布式系统及低代码/无代码平台的普及使软件系统复杂性呈指数级增长[2] - 架构师核心职责从系统设计、技术决策转变为在快速迭代环境中保持架构健康与团队效率[2] AI对软件架构的影响 - AI可自动化代码生成、智能测试、辅助设计，快速发现潜在问题与优化空间，提升效率[2] - AI被视为有价值的助手，可辅助分析指标、提供改进方案，但无法取代人类判断与决策[5][8][9] - 技术决策必须由人类能力与经验主导，AI只有在人类驱动下才能成为真正生产力工具[8][9] - 软件架构涉及权衡取舍、理解业务背景及预判未来需求，难以在自动化系统中完全实现[14] 可度量与可演化架构理念 - 构建稳固且具适应性的系统可提升软件交付质量并确保系统随业务需求同步成长[4][7] - 指标与度量是推动争议更趋客观的有效方式，但团队共同秉持的架构愿景仍极为重要[8] - 采用演化式软件架构中的适应度函数可实时监测架构健康状况，及早发现退化迹象[4][11] - 架构退化迹象包括开发速度变慢、缺陷增加、性能问题及系统应对高负载出现困难[11] 架构治理与可观测性 - 真正架构治理需对所有软件属性保持持续监控，而不仅是系统运行时的质量属性[4][11] - 理想情况下架构性错误应通过失败的架构单元测试被检测到[11] - 指标不应被强制设为目标，而应结合团队文化建设，基于真实且公认的痛点引入[12] - 测试代码覆盖率是最被滥用的指标，数值非常低时是团队生产力不足的有用信号[13] 架构文化与团队协作 - 在团队内部建立真正软件架构文化需与开发人员并肩工作，尤其是在建模阶段[9] - 软件架构是工程学领域内一门不断发展的科学，需研读大量科学文献并持续深化理解[10] - 架构是一种共享愿景，决策应是集体性的，需将“我”从架构中去掉，确保团队共同参与[17] - 优秀架构师需具备分析能力、领导力、共情力，但好奇心能引导出创造性解决方案[15]

AI产业结构转变 - 当前AI产业关注点过度集中在底层技术与模型上，而市场对AI实际价值存疑[2] - 过去AI产业架构为不健康的“正金字塔”，芯片获得绝大部分价值，模型和应用经济效益依次递减[2] - 未来健康产业生态应为“倒金字塔”，模型需产生芯片10倍价值，应用需创造芯片100倍价值[2] - AI产业正从“智能涌现”走向“效果涌现”，AI成为企业发展和个人成长的原生推动力[2] 百度AI能力内化与验证 - 百度重点展示自身如何内化AI能力以验证“效果涌现”[3] - 公司已成为首家全线产品完成AI重构的公司，核心搜索业务已完成AI化改造[8] 数字人作为交互界面 - 数字人是AI时代的通用交互界面，具备完整形象与情感，可实现多模态交互[6] - 百度数字人交互体验接近真人，能感知环境并评论用户穿着[6] - 慧播星数字人带货GMV同比提升91%，开播直播间数同比增长119%，83%开播主播使用数字人[6] - 数字人已落地巴西市场，后续将拓展东南亚、美国及Shopee、Lazada等平台[6] - 百度发布“实时互动型数字人”，能深度理解真实世界并流露自然情绪[7] AI重构搜索业务 - 百度是全球搜索引擎中AI化改造最激进的，用AI重构搜索结果页[8] - 搜索从文字链接应用转化为以图片视频等富媒体为主的AI应用[8] - 绝大部分搜索结果由AI生成，首条结果富媒体覆盖率达70%[8] - 已有625家厂商通过百度智能云接入百度搜索API，与三星、荣耀、vivo等合作[8] 秒哒2.0开发平台 - 秒哒2.0提供两大核心能力：全流程覆盖的一键生成和一体化开发与多端部署[9] - 平台通过智能体协同工作，用户仅需自然语言描述需求即可生成应用[9] - 构建完整电商系统传统需数周，该平台仅需几分钟[10] 萝卜快跑无人驾驶 - 百度无人驾驶萝卜快跑每周全无人订单超25万，全球服务次数超1700万，成为全球第一[12] - 服务覆盖全球22座城市，全无人驾驶里程突破1.4亿公里，自动驾驶总里程超2.4亿公里[12] - 至2030年，美国robotaxi每英里成本预计降至约0.25美元，打车需求或放大5到7倍[11] 企业内化AI能力方向 - 企业内化AI能力有三个方向：自动化重复性工作、生产力无限供给、超越人类认知边界[15] - 百度已有52%新增代码由AI生成，目标提升至80%甚至90%[15] AI基础设施 - 百度智能云提供全栈式AI能力，包含AI Infra和Agent Infra两部分[16] - 发布新一代昆仑芯M100和M300芯片，分别于2026和2027年上市[17] - 发布天池256和512超节点，单个天池512超节点可完成万亿参数模型训练[17] - 昆仑芯已累计完成数万卡部署，成为百度AI关键底座[18] 智能体平台与大模型 - 百度AI智能体平台集成自研文心大模型及150多个主流开源模型[19] - 发布文心大模型5.0，参数量达2.4万亿，采用原生全模态统一建模技术[21] - 模型在40余项权威基准评测中与Gemini-2.5-Pro、GPT-5-High等模型持平[23] 自我演化超级智能体 - 发布全球首个可商用“自我演化”超级智能体百度伐谋，应用于交通、能源、金融等领域[24] - 百度伐谋能模拟生物进化过程，发现人类未发现的全局最优解[24]