谷歌 DeepMind 今日發佈 AlphaEvolve，一款具備自我進化能力的人工智能代理，它不僅能自主發明複雜的計算機算法，還已廣泛應用於谷歌的數據中心、芯片設計和 AI 模型訓練中，取得了顯著成果。

AlphaEvolve 將 Gemini 大語言模型與進化式優化方法結合，自動測試、改進並提升整個代碼庫，而不僅限於單一函數。該系統已在內部悄然運行一年多，提升了計算資源調度效率、加速了模型訓練，並在數學研究上實現了突破。

從服務器到芯片，AlphaEvolve 優化谷歌底層架構

AlphaEvolve 所提出的調度算法已在谷歌全球數據中心投入使用，解決“資源擱淺”問題，實現了0.7% 的資源恢復。對於谷歌的規模而言，這意味着顯著的成本與能源節省。

它還優化了張量處理單元（TPU）的關鍵電路邏輯，成功刪除了冗餘位，從而提升即將推出的芯片設計。同時，AlphaEvolve 還改進了自身所用的 AI 訓練內核，使 Gemini 模型的矩陣運算速度提升23%，整體訓練時間縮短1%。

未來 科幻 腦機接口

圖源備註：圖片由AI生成，圖片授權服務商Midjourney

打破數學56年難題，解決接吻數問題

AlphaEvolve 在基礎科學領域的貢獻同樣引人注目。它通過全新設計的優化器改寫了矩陣乘法算法，首次在4×4復值矩陣上超越1969年 Strassen 算法，將所需乘法次數從49降至48，打破了持續56年的紀錄。

在測試超過50個未解數學問題時，AlphaEvolve 在約75% 情況下匹配現有最佳解，約20% 情況下提出更優解。其中一個經典問題是“接吻數問題”:該系統在11維空間中找到了可同時接觸中心球體的593個球體，刷新了此前的世界紀錄。

AI 發明 AI:AlphaEvolve 的工作原理

與傳統 AI 編碼工具不同，AlphaEvolve 並不依賴單一提示生成代碼，而是通過進化方式進行算法發明。它同時調用 Gemini Flash 和 Gemini Pro，爲代碼提出修改建議，由系統評估器篩選出最優解，進入下一輪進化。

DeepMind 研究員 Alexander Novikov 表示，該系統專注於“具有明確評估標準的問題”，使自動優化更爲高效可靠。正因如此，AlphaEvolve 能跨越從數據中心管理到數學定理證明的多重領域，生成人類難以構思的高效解法。

下一站:藥物研發、材料科學和更廣泛的科學協作

DeepMind 表示，AlphaEvolve 的潛力遠不止於谷歌內部。目前公司正與“人類+AI”研究團隊合作開發用戶界面，並計劃向部分學術機構開放早期訪問。

“這是一種真正能在現實世界中迅速產生影響的科學工具，”研究員 Chris Balog 表示，“AlphaEvolve 正在拓展 AI 的邊界，不僅優化了驅動其自身的系統，也幫助我們破解長期未解的難題。”

隨着大型語言模型持續演進，AlphaEvolve 展示了人工智能如何不斷進化，向更深層次的創造力和科學發現邁進。