核心观点 - 谷歌DeepMind推出编程AI Agent AlphaEvolve 具备独立创造全新计算机算法能力 并直接应用于谷歌庞大计算基础设施中 [1] - 该系统融合大型语言模型与进化算法策略 实现算法自动测试 优化与迭代升级 [3] - 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 显著提升运行效率并破解数学难题 [4] 技术架构与运行机制 - 融合Gemini Flash和Gemini Pro语言模型 针对现有代码提出修改建议 自动化评估器测试并打分 最成功算法指引下一轮进化 [8] - 专注于具有明确评估器问题 对任何提出解决方案或代码片段自动验证有效性并衡量质量 建立快速可靠反馈循环提升系统性能 [8] - 专门针对搁浅资源问题设计 即因内存等某一资源耗尽而无法充分利用剩余CPU等资源的机器 生成代码简洁明了 工程师可轻松理解调试部署 [8] 实际应用成效 - 在谷歌内部运行超过一年 开发算法集成到Borg集群管理系统 使全球算力利用率提升0.7% [7] - 改进用于训练Gemini模型的矩阵乘法内核 操作速度提升23% 整体训练时间缩短1% [7] - 优化谷歌硬件设计 消除张量处理单元中关键算术电路冗余位 成果将应用于下一代芯片设计 [7] 数学与科学突破 - 设计基于梯度优化程序 发现多种新矩阵乘法算法 其中一项突破打破1969年以来未被超越数学记录 [10] - 在4×4矩阵计算中发现算法首次超越斯特雷森算法 优化14种矩阵乘法算法 [11] - 解决亲吻数问题 找到593个球体配置方案 打破此前592个球体记录 在75%开放性问题中达到现有技术水平 20%案例取得更优成果 [14]