谷歌DeepMind以进化式AI改写算法史，数学、芯片与数据中心优化全面革新。
一、核心突破：AI破解百年数学难题
1. 矩阵乘法颠覆56年纪录
AlphaEvolve提出仅需48次标量乘法的4×4复数矩阵乘法新算法，打破1969年Strassen算法维持的49次乘法纪录，成为该领域56年来首个重大突破。相较于谷歌前代专用工具AlphaTensor，AlphaEvolve作为通用智能体展现出更强的跨领域适应性。
2. 接吻数问题新解
在11维空间中，AlphaEvolve发现由593个外层球体组成的结构，刷新了“接吻数问题”（Kissing Number Problem）的下限纪录。这一困扰数学家300年的几何难题（核心是计算高维空间中球体最大相切数量）首次被AI实质性推进。
3. 开放问题解决能力
在数学分析、几何、组合学等领域的**50余项开放问题测试**中：
- 75%的情况下重新发现已知最优解
- 20%的问题中提出超越人类的最佳方案（如Erd?s最小重叠问题上界改进）。
二、技术架构：进化框架驱动算法创新
AlphaEvolve并非单一模型，而是Gemini与自动评估器结合的进化系统：
- 双模型协同：Gemini Flash快速生成海量候选算法，Gemini Pro深度优化关键逻辑；
- 达尔文式迭代：自动评估器对程序进行验证、运行与打分，通过进化框架筛选最优解并持续改进；
- 跨领域通用性：支持从数学证明到硬件描述语言（Verilog）的多样化任务，只需定义评估标准即可启动优化。
三、工业级应用：重构谷歌计算生态
1. 数据中心调度革命
为谷歌集群管理系统Borg设计的调度启发式算法，全局节省0.7%计算资源，相当于释放数千台服务器算力，已部署超一年。
2. TPU芯片设计优化
在下一代TPU的算术电路设计中，精准删除冗余逻辑位，通过功能验证后即将量产。此为Gemini首次直接贡献硬件设计。
3. AI训练自优化
- 将Gemini训练关键内核加速23%，整体训练时间缩短1%；
- 优化FlashAttention内核，实现32.5%加速，提升Transformer模型推理效率。
四、战略意义与行业影响
1. 自我进化闭环雏形
成果实际为一年前取得（2024年），当前实验室或已迭代出更先进版本。AI优化AI的“自举循环”可能加速技术奇点到来。
2. 科学研究的范式转移
数学家陶哲轩参与出题并获致谢，印证AI从“工具”升级为“合作者”。AlphaEvolve推动了一种新科研模式：人类定义问题边界，AI探索解空间。
3. 商业化竞争壁垒
谷歌通过延迟公开成果，优先内部部署（TPU/数据中心/Gemini训练），形成技术代差。竞争对手需重新评估通用AI智能体的战略价值。
结语：科学智能体的新纪元
AlphaEvolve标志着AI从“解决已知问题”迈向“发现未知解法”。其进化框架不仅改写了数学史，更正在重构从芯片到云计算的底层逻辑。随着谷歌逐步开放学术访问（官网已开放申请），这一通用科学智能体或将成为基础创新的新引擎。
当Strassen算法被打破、牛顿讨论过的问题被推进时，人类或许正在见证：科学探索的主语，正从“我们”变为“它们”。
往期精彩内容推荐：