一行行代码在智能体的驱动下自我迭代、交叉与优化，将困扰人类学者数百年的数学谜题和庞大计算基础设施的效率瓶颈逐一瓦解。
谷歌DeepMind近期发布的进化式编程智能体AlphaEvolve，正在重新定义算法设计的边界。这个系统能够自主生成并优化通用算法，已在数学领域复现75%已知最优解，并提出20%的改进方案。
更引人注目的是，AlphaEvolve实际运行超过一年后，已成功优化谷歌数据中心调度算法，回收0.7%的全球计算资源；改进TPU芯片设计，减少冗余位。
01 算法自主进化
传统人工智能在科学领域的应用多依赖于针对特定任务定制的算法，而AlphaEvolve作为通用系统，通过调用大语言模型的代码生成能力，实现了跨学科解决问题。
这个系统本质上是一个进化引擎，它基于谷歌Gemini大型语言模型与进化算法策略开发，具备自主生成和优化通用算法的能力。
AlphaEvolve的工作机制犹如一个高效的“算法工厂”。系统首先通过提示采样器组装提示词，引导语言模型生成代码。它同时使用Gemini Flash和Gemini Pro两个模型协同工作：前者以更高速度生成大量候选方案，扩展思路的广度；后者则提供更深入的结构性建议。
02 数学世纪难题的突破
AlphaEvolve在数学领域的表现令人瞩目。在对超过50个数学难题的测试中，它在约75%的案例中重新发现最优解，并在20%的案例中提出更优方案。
该系统设计了一种基于梯度的优化程序，发现了多种新的矩阵乘法算法。其中一项突破性成果打破了自1969年以来未被超越的数学记录。
特别值得注意的是，AlphaEvolve在4×4复数矩阵乘法中仅用48次标量乘法，改进了1969年斯特雷森最优算法。这一突破展示了人工智能在纯数学领域的潜力。
最具突破性的是，AlphaEvolve改进了困扰数学家300多年的“接吻数问题”。该问题起源于1694年牛顿和大卫・格雷戈里的讨论，探讨不同维度空间中一个球体最多能与几个相同球体接触且不发生重叠。
AlphaEvolve通过算法成功找到了一种593个球体的配置方案，打破了此前592个球体的记录。
03 从理论到实际应用
AlphaEvolve的应用价值不仅限于解决数学谜题。在过去一年中，谷歌将其发现的算法部署到数据中心、硬件、软件等多个领域。
这些算法优化措施显著提升了计算效率，尤其在AI和计算基础设施中成倍放大。在优化谷歌庞大的数据中心调度系统Borg时，AlphaEvolve发现了一种简单但非常有效的启发式方法，可显著提升计算资源效率。
该系统目前已在谷歌数据中心、芯片设计及人工智能训练系统等领域完成部署，显著提升了运行效率。
04 技术核心与运行机制
AlphaEvolve的技术架构包含任务定义、创意生成、评估反馈等核心组件。用户输入问题、评估标准和初始方案后，大语言模型就会生成数百至数千个改进方案，再由“评估者”算法根据最优解决方案的预设指标对这些改进方案进行筛选。
每个生成的程序都会被送入自动评估系统，经过验证、运行和打分后，写入程序数据库。数据库中运行着一套进化算法，会从已有程序中挑选表现最好的方案，为下一轮提示提供方向，不断迭代出更优解。
这种机制使AlphaEvolve能够处理从构造函数到完整编程任务的多层级问题，支持异步分布式运行。
05 行业影响与未来前景
AlphaEvolve的出现标志着人工智能在应对科学挑战和解决日常计算问题时，具备了开发复杂算法的能力。该系统建立在DeepMind早期FunSearch系统基础之上，但其扩展性显著提升。
它可以修改完整程序，处理多个函数、组件、甚至跨语言结构协同优化，而不仅限于Python中的单一函数。这种更高的通用性，使AlphaEvolve不再只是一个“智能改函数”的工具，而像一个可以自主演化大型算法系统的“程序设计伙伴”。
英国牛津大学数学家兼AI研究员Simon Frieder指出，在数学领域，AlphaEvolve似乎显著加速了某些问题的解决进程。不过，也有专家认为，该系统可能仅适用于“能通过代码呈现的狭窄领域”问题。
尽管维持AlphaEvolve运行所需的计算资源少于AlphaTensor，但DeepMind伦敦科学部门负责人Pushmeet Kohli坦言其能耗仍过高，无法在DeepMind服务器上免费开放。
谷歌团队相信，该智能体未来有望在材料科学、药物发现、可持续性发展等领域发挥变革性作用。
当AlphaEvolve在11维空间中找到593个球体的新配置时，它解决的不仅是一个300多年的数学难题，更是展示了人机协作的全新范式。谷歌数据中心因它的算法回收了0.7%的全球计算资源，TPU芯片因它的优化减少了冗余位。
在谷歌庞大计算基础设施的每一个角落，AlphaEvolve自主演化的代码正悄然提升着每秒数百万次运算的效率。这个由Gemini驱动的进化编码神器，已经将“发现并改进算法”这项曾高度依赖人类专家经验和直觉的工作，转变为可自动化、可规模化的智能供给。
关注 “悠AI” 更多干货技巧行业动态
相关文章
