Google DeepMind 发布 AlphaEvolve 一年进展：从数学发现扩展到 TPU 设计与商业应用

2026年5月7日 科学

AlphaEvolve 团队

一年前，我们推出了 AlphaEvolve，这是一款由 Gemini 驱动的编码智能体，用于设计高级算法。我们展示了 AlphaEvolve 能够帮助在数学和计算机科学的开放问题上取得新发现，并优化此后已部署在 Google 基础设施关键部分的算法。

如今，由于算法几乎融入生活的方方面面，AlphaEvolve 所能实现的图景更加广阔。从帮助解释自然世界的物理规律，到为电网和计算基础设施提供动力，AlphaEvolve 能够以无数种方式帮助加速各个领域科学家和企业的进步。

我们很高兴分享 AlphaEvolve 迄今为止最重要影响力的一系列成果。

推动社会影响与可持续发展

AlphaEvolve 帮助揭示了健康与可持续发展研究中的关键联系。

在基因组学领域，AlphaEvolve 被用于改进 DeepConsensus——这是 Google Research 开发的一款用于校正 DNA 测序错误的模型——将变异检测错误减少了 30%。这些改进正在帮助 PacBio 的科学家以更低的成本更准确地分析基因数据。

“Google 团队使用 AlphaEvolve 发现的解决方案，为我们的测序仪器解锁了显著更高的准确率。对于研究人员而言，这种更高质量的数据或许能够发现此前隐藏的致病突变。” —— Aaron Wenger，PacBio 高级总监

在电网优化方面，AlphaEvolve 被应用于 交流最优潮流问题。它帮助我们训练好的图神经网络（GNN）模型为该问题找到可行解的能力从 14% 提升至 88% 以上，显著减少了电网对其他昂贵后处理步骤的需求。

在地球科学领域，AlphaEvolve 将复杂的地理空间数据转化为更可靠、更具可操作性的洞见。通过帮助自动化优化 Earth AI 模型，预测自然灾害风险的整体准确率——汇总了野火、洪水和龙卷风等 20 个类别——提升了 5%。

拓展研究前沿

AlphaEvolve 正作为强大的研究伙伴，加速各科学领域的发现。

在量子物理领域，AlphaEvolve 的优化使得在 Google 的 Willow 量子处理器上运行复杂分子模拟成为可能，它提出的量子电路误差比此前传统优化的基线低 10 倍。这为量子计算首次实验演示带来了立竿见影的重要贡献——并且它指向了一个未来：AlphaEvolve 帮助找到超越经典计算机能力的算法。

该系统与 Terence Tao 等世界知名数学家合作，帮助解决了 Erdős 问题。

“像 AlphaEvolve 这样的工具正在赋予数学家非常实用的新能力。特别是在优化问题中，我们现在可以快速检验潜在不等式是否存在反例，或确认我们对极值元素的判断，这极大地改善了我们对这些问题的直觉，并让我们更容易找到严谨的证明。” —— Terence Tao，加州大学洛杉矶分校数学教授

AlphaEvolve 还打破了经典数学挑战的纪录，包括改进了旅行商问题和拉姆齐数的下界。

改进 AI 基础设施

AlphaEvolve 已从试点测试毕业，成为我们基础设施的核心组件。AlphaEvolve 已被用作常规工具，用于优化下一代 TPU 的设计。它还帮助发现了更高效的缓存替换策略，在两天内实现了此前需要数月集中人力投入才能完成的工作。

“AlphaEvolve 开始优化支撑我们 AI 栈的最底层硬件。它提出了一种如此反直觉却又高效的电路设计，以至于被直接集成到我们下一代 TPU 的硅片中。这是 TPU 大脑帮助设计下一代 TPU 躯体的最新例证。”—— Jeff Dean，Google DeepMind 与 Google Research 首席科学家

AlphaEvolve 通过改进 Google Spanner 的日志结构合并树压缩启发式方法，提升了其效率。这一优化将“写放大”——写入存储的数据量与原始请求的比率——降低了 20%。它还为新的编译器优化策略提供了洞见，使软件的存储占用减少了近 9%。

扩展商业应用

与 Google Cloud 携手，我们现在正将 AlphaEvolve 的能力带给各行各业的商业企业。

• 在金融服务领域，Klarna 使用该系统优化了其最大的 Transformer 模型之一——在提升模型质量的同时将训练速度提高了一倍。
• 在半导体制造领域，Substrate 将 AlphaEvolve 应用于其计算光刻框架，实现了运行时速度的数倍提升，使他们能够对先进半导体进行规模大得多的仿真。
• 在物流领域，FM Logistic 使用该技术优化旅行商问题等复杂路线规划挑战，在先前经过高度优化的解决方案基础上将路线效率提升了 10.4%——每年节省超过 15,000 公里的行驶距离。
• 在广告和营销领域，WPP 使用 AlphaEvolve 优化 AI 模型组件，驾驭复杂、高维的营销活动数据，相比其具有竞争力的手动模型优化实现了 10% 的准确率提升。
• 在计算材料与生命科学领域，Schrödinger 应用 AlphaEvolve，在机器学习力场（MLFF）的训练和推理两方面均实现了约 4 倍加速。

“AlphaEvolve 让我们能够以前所未有的速度和效率探索更大的化学空间。更快的 MLFF 推理带来切实的商业影响，缩短了药物发现、催化剂设计和材料开发领域的研发周期，使企业能够在数天而非数月内筛选候选分子。”—— Gabriel Marques，Schrödinger 机器学习技术负责人。

AlphaEvolve 的未来

过去一年表明，AlphaEvolve正迅速成为一个多功能、通用的系统。它证明，下一个突破将由能够学习、进化和自我优化的算法驱动。展望未来，我们很高兴能扩展这些能力，并将这项技术的力量带给更广泛的外部挑战。

致谢

AlphaEvolve由Matej Balog、Alexander Novikov、Ngân Vũ、Marvin Eisenberger、Emilien Dupont、Po-Sen Huang、Adam Zsolt Wagner、Sergey Shirobokov、Borislav Kozlovskii、Francisco J. R. Ruiz、Abbas Mehrabian、M. Pawan Kumar、Abigail See、Swarat Chaudhuri、George Holland、Alex Davies、Sebastian Nowozin和Pushmeet Kohli开发。这项研究是一项更广泛计划的一部分，该计划专注于利用AI进行算法发现。在初始开发之后，Aja Huang、Anton Kovsharov、Alexey Cherepanov、Anindya Basu、Becky Evangelakos、Jamie Smith和Mario Pinto加入团队，并为扩大AlphaEvolve的影响力做出了贡献。

Adam Connors、Alex Bäuerle、Anna Trostanetski、Fernanda Viegas、Gabi Cardoso、Jonathan Caton、Lucas Dixon、Mariana Felix、Martin Wattenberg、Matin Akhlaghinia、Richard Green、Yosuke Ushigome和Yunhan Xu与我们的团队合作开发了AlphaEvolve UI，并得到了许多其他人的支持。

Anant Nawalgaria、Diego Ballesteros、Gemma Jennings、Jakob Oesinghaus、Kartik Sanu、Laurynas Tamulevičius、Nicolas Stroppa、Nishta Dhawan、Oliver Hilsenbeck、Puneet Jagralapudi、Reah Miyara、Skander Hannachi、Tom Beyer和Vishal Agarwal与我们的团队合作开发了AlphaEvolve API，并与Google Cloud客户互动，得到了许多其他人的支持。

我们衷心感谢我们的合作者，他们主导了AlphaEvolve在关键问题上的应用，并为这份报告做出了贡献：Aaron Wenger、Abhradeep Guha Thakurta、Akanksha Jain、Alex Vitvitskyi、Amir Yazdan Bakhsh、Andrew Carroll、Aranyak Mehta、Arthur Conmy、Ansh Nagda、Davide Paglieri、Eric Perim Martins、Gabriella Marfani、Hassler Thurston、Hongzheng Chen、Jack Mason、János Kramár、Jasper Xian、Jeremy Ratcliff、Jessica Sapick、Johannes Bausch、Jonathan Katz、Kevin Miller、Kim Stachenfeld、Mark Kurzeja、Mircea Trofin、Myriam Khan、Nero Geng、Pablo Samuel Castro、Petar Veličković、Pi-Chuan Chang、Prabhakar Raghavan、Raghav Gupta、Rohin Shah、Sasha Vezhnevets、Sébastien Lahaie、Sergio Guadarrama、Shravya Shetty、Shruthi Gorantala、Terence Tao、Todd Lipcon、Tom O'Brien、Vinod Nair、Ziyue Wang、Zun Li，以及许多其他AlphaEvolve用户。

最后，我们感谢领导层的指导和支持：Amin Vahdat、Ankur Jain、Demis Hassabis、Jeff Dean、Parthasarathy Ranganathan、Pushmeet Kohli、Saurabh Tiwary和Sundar Pichai。我们还要感谢Google DeepMind、Google Cloud、Google Labs、Google Research和其他产品领域的合作伙伴团队，他们促成了由AlphaEvolve驱动的应用和产品。