谷歌超强 AI Agent 登场：攻克 300 年数学难题、改进芯片设计！编程迎来 AlphaGo ...

正文

请到「今天看啥」查看全文

该系统通过演进整体代码库、而非特定函数，极大扩展了谷歌此前在 FunSearch 项目上的成果。它代表着 AI 在开发复杂算法以应对科学挑战和日常计算问题方面，再次实现了重大飞跃。

AlphaEvolve 的发布迅速引发热议。

在 X 平台上，AI 初创创始人 Justin Halford 惊叹 AlphaEvolve 超人编码能力，并称编程将在 10 年内迎来它的 AlphaGo 时刻。

也有人认为，这就是未来学习思考的方式，人工智能不仅仅是解决问题，它正在解锁智力的维度。

AI 创企 Rediminds 公司也发文对 AlphaEvolve 表示祝贺，并认为 AlphaEvolve 的出现标志着一种范式转变：

“人工智能不仅应用算法，更能创造算法。通过将 LLM 驱动的提案生成与自动化、严格的评估循环相融合，它已经提供了新的矩阵乘法例程，并在数十个开放数学问题上超越了人工设计的解决方案。”

计算效率提升 0.7%：AI 创造算法接管运行公司数据中心

AlphaEvolve 在谷歌内部默默运转了一年有余，且成果已经十分显著。

它发现的一种算法正在驱动谷歌的大规模集群管理系统 Borg。这种启发式调度算法平均可释放谷歌全球基础设施中 0.7% 的计算资源——以搜索巨头的规模而言，这样的效率提升可谓相当惊人。

这项成果针对的是所谓“搁浅资源”——即那些某种资源已被耗尽（如内存）、但其余资源类型仍有剩余（如 CPU）的可用设备。AlphaEvolve 提出的解决方案之所以极其价值，是因为它能够生成简单易读的代码，以供工程师们轻松解释、调试和部署。

这款 AI 智能体的应用范围远不止于数据中心。它还重写了谷歌部分硬件设计，找到新方法来消除张量处理单元（TPU）关键运算电路中不必要的比特位。TPU 设计人员验证了这一改进并确认可行，其将被应用于后续推出的芯片设计当中。

更令人印象深刻的是，AlphaEvolve 还改进了驱动其自身的系统。它优化了用于训练 Gemini 模型的矩阵乘法内核，将该运算的速度提升了 23%、借此将整体训练时间缩短了 1%。对于在少量计算网格上训练的 AI 系统来说，这样的效率提升足以实现可观的电力与资源节约效果。

另一位 DeepMind 研究员 Alexander Novikov 在采访时表示，“我们努力寻找能够加速并尽可能发挥重要作用的关键部件。我们得以将一个重要内核的实际运行速度优化了 23%，意味着将整个 Gemini 训练卡的端到端性能节约下 1%。”

打破 Strassen 保持 56 年的矩阵简洁记录

请到「今天看啥」查看全文