很多人刚听到“松树癌症”，可能会以为只是一个夸张说法。

这种病叫松材线虫病。它的早期症状并不明显，等肉眼看出松树异常时，往往已经错过更好的防治窗口。过去监测主要依赖人工巡查、取样检测和可见症状判断，要在大面积松林里提前发现风险并不容易。

现在，AI也开始进入这类早期预警研究。

昨天在南京举办的百度伐谋AI4S AI DAY上，百度伐谋和南京林业大学联合上线了全国首个AI+早期松材线虫病防治一体化平台。它结合多光谱数据，在大量信息中寻找可能与病害相关的关键特征，再持续筛选特征组合、优化识别模型。

过去科研人员需要人工筛选光谱特征，再反复建模、调参、验证。伐谋可以在科学家划定目标和边界后，对大量方案进行搜索、比较和优化，帮助科研人员更快找到值得进一步验证的方向。

目前，平台已经让特征筛选和消融实验时间压缩约80%；未来有望支撑约50万至100万亩重点风险松林的早期预警能力提升，预计节约成本约3000万至5000万元。

这个案例还验证了一个观察AI价值的角度——DAA（日活智能体数）。这是百度创始人李彦宏在Create 2026大会上首次提出的概念。

过去行业谈AI，常看模型规模、Token消耗和调用量，这些指标更多反映投入了多少计算资源。百度提出DAA，则把聚焦点放到真实产出上：有多少智能体真正进入实际场景，能够持续运行，并交付结果。

DAA真正值得看的，是智能体能否嵌入科研或业务流程，在不同任务里反复被调用，并持续给出可以验证的结果。

这也意味着，衡量AI应用是否成熟，标准正在变化。一次演示跑通，只能证明能力存在；长期运行、稳定复用、持续产生结果，才能进一步说明它已经进入真实工作流。

百度伐谋目前已有超过3000家企业使用，覆盖港口、物流、汽车等行业；这次继续进入科研领域，参与特征筛选、模型搜索和假设验证，智能体的应用也从产业流程延伸到了科研工作流。

放到松林里，DAA就更容易理解了。

比起AI每天运行多少次，更值得关注的是它能否减少科研试错、缩短实验时间，并帮助更大范围的松林提升早期预警能力。

当AI开始深入这些具体而复杂的科研问题，行业衡量智能体价值的标准也会越来越落到结果上。

#百度伐谋#百度AI#AI4S#松材线虫病#AI科研#智能体#DAA#科技前沿