算法几乎影响着生活的方方面面，从自然界的物理规律到航运路线的规划。在过去一年里，我们基于 Gemini 驱动的代码智能体 AlphaEvolve 持续加速进步——覆盖量子计算、生物技术、物流以及 Google 的 AI 基础设施等领域。↓ https://goo.gle/4uzfe0C

AlphaEvolve：我们的 Gemini 驱动代码智能体如何跨领域扩展影响

来源：https://deepmind.google/blog/alphaevolve-impact/?utm_source=x&utm_medium=social&utm_campaign=&utm_content= 一年前，我们推出了AlphaEvolve（https://deepmind.google/blog/alphaevolve-a-gemini-powered-coding-agent-for-designing-advanced-algorithms/），一个用于设计高级算法的 Gemini 驱动代码智能体。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，并优化了那些后来被部署在 Google 基础设施关键部分中的算法。

如今，由于算法几乎渗透到生活的方方面面，AlphaEvolve 所能实现的场景更加广阔。从帮助解释自然界的物理现象，到为电网和计算基础设施提供动力，AlphaEvolve 可以在众多领域帮助科学家和企业加速进步。

我们很高兴分享 AlphaEvolve 迄今为止最具影响力的一系列成果。

推动社会影响与可持续发展

AlphaEvolve 已帮助揭示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（https://www.nature.com/articles/s41587-022-01435-7）——这是 Google Research 开发的一种用于纠正 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（https://www.pacb.com/blog/improving-hifi-sequencing-accuracy-with-google-deepconsensus-and-alphaevolve/）的科学家以更低的成本更准确地分析遗传数据。

“Google 团队利用 AlphaEvolve 发现的解决方案，显著提高了我们测序仪器的准确率。对于研究人员而言，这种更高质量的数据可能会帮助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（https://arxiv.org/abs/2403.17660）。它帮助我们将已训练的图神经网络（GNN）模型找到可行解的能力从 14% 提升到超过 88%，显著减少了对电网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、更具可操作性的洞察。通过帮助自动化优化Earth AI（https://ai.google/earth-ai/）模型，自然灾害风险预测（https://arxiv.org/abs/2510.18318）的整体准确率——涵盖野火、洪水、龙卷风等 20 个类别——提高了 5%。

推动研究前沿

AlphaEvolve 正成为一个强大的研究伙伴，加速科学领域的发现。

在量子物理领域，AlphaEvolve 的优化使得复杂分子模拟能够在Google 的 Willow 量子处理器（https://blog.google/innovation-and-ai/technology/research/google-willow-quantum-chip/）上运行，它建议的量子电路（https://arxiv.org/abs/2510.19550）误差比此前传统优化的基线低 10 倍。这已经为首批量子计算实验演示带来了重要贡献，也预示着未来 AlphaEvolve 可以帮助找到超越经典计算机能力的算法。

该系统与陶哲轩等世界知名数学家合作，帮助解决了Erdős 问题（https://terrytao.wordpress.com/2025/12/08/the-story-of-erdos-problem-126/）。

“像 AlphaEvolve 这样的工具为数学家提供了非常有用的新能力。特别是在优化问题中，我们现在可以快速测试潜在不等式的反例，或确认我们对极值点的猜想，这极大地提高了我们对这些问题的直觉，让我们更容易找到严格的证明。”——陶哲轩，加州大学洛杉矶分校数学教授

AlphaEvolve 还打破了多个经典数学挑战的记录，包括改进了旅行商问题（https://arxiv.org/abs/2509.18057）和拉姆齐数（https://arxiv.org/abs/2603.09172）的下界。

AlphaEvolve优化（https://alphaevolve-examples.web.app/ae/experiment/f5ff0dbd_0bb3_4c6b_9bf7_6a98363b935e）了一个“Tammes 问题”（https://en.wikipedia.org/wiki/Tammes_problem）的实例。你可以在公开画廊（https://alphaevolve-examples.web.app/ae/gallery）中浏览 AlphaEvolve 为其生成潜在解决方案的更多问题选集。

改进 AI 基础设施

AlphaEvolve 已从试点测试升级为基础设施的核心组件。它已被作为常规工具，用于优化下一代TPU（https://cloud.google.com/tpu?e=48754805）的设计。它还帮助发现了更高效的缓存替换策略（https://arxiv.org/abs/2602.22425），在两天内完成了之前需要耗费数月、人力密集的协同努力才能实现的任务。

“AlphaEvolve 开始优化我们 AI 堆栈最底层的硬件。它提出了一种极其反直觉却高效的电路设计，直接被集成到我们下一代 TPU 的芯片中。这是 TPU 大脑帮助设计下一代 TPU 身体的最新例证。”——Jeff Dean，Google DeepMind 兼 Google Research 首席科学家

AlphaEvolve 改进了Google Spanner（https://cloud.google.com/spanner）的效率，通过优化其日志结构合并树（https://en.wikipedia.org/wiki/Log-structured_merge-tree）的压缩启发式算法。这一优化将“写放大”——即写入存储的数据量与原始请求之比——降低了 20%。它还为新的编译器优化策略（https://arxiv.org/abs/2601.21096）提供了见解，使软件的存储占用减少了近 9%。

扩展商业应用

我们与 Google Cloud（https://cloud.google.com/blog/products/ai-machine-learning/alphaevolve-on-google-cloud?e=48754805）一道，正在将 AlphaEvolve 的力量带给各行各业的众多商业企业。

• 在金融服务领域，Klarna（https://engineering.klarna.com/beyond-prompting-how-algorithmic-evolution-doubled-our-training-speed-8f874af3080d）使用该系统优化了其最大的一个 Transformer 模型——训练速度翻倍，同时模型质量得到提升。
• 在半导体制造领域，Substrate（https://substrate.com/information-to-atoms）将 AlphaEvolve 应用于其计算光刻框架，运行速度提升数倍，使其能够运行规模更大的先进半导体模拟。
• 在物流领域，FM Logistic（https://cloud.google.com/blog/products/ai-machine-learning/how-fm-logistic-tackled-the-traveling-salesman-problem-at-warehouse-scale-with-alphaevolve?e=48754805）利用该技术优化了旅行商问题等复杂的路径规划挑战，在之前已高度优化的解决方案基础上，路径效率提升了 10.4%——每年节省超过 15,000 公里的运输距离。
• 在广告和营销领域，WPP（https://thelab.wppresolve.com/blog/cracking-the-code-of-campaign-success-with-googles-alphaevolve-agent）使用 AlphaEvolve 优化 AI 模型组件，在复杂的高维营销数据中导航，相比他们具有竞争力的手动模型优化，准确率提高了 10%。
• 在计算材料与生命科学领域，Schrödinger（https://www.schrodinger.com/company/about/?_gl=1ius61h_upMQ.._gs*MQ..&gclid=Cj0KCQjwkYLPBhC3ARIsAIyHi3Rm2kCs3x5O0g-fhVotOLr0BJ07wW4PlIYjQx79xY_sGz1si0Uyd2QaAhv8EALw_wcB&gbraid=0AAAAAoiC9DPuTTJLOACkELqcLzvfQOPqG）应用 AlphaEvolve 在机器学习力场（MLFF）的训练和推理中均实现了约 4 倍的加速。

“AlphaEvolve 让我们能够以前所未有的速度更高效地探索更大的化学空间。更快的 MLFF 推理带来了实实在在的商业影响，缩短了药物发现、催化剂设计和材料开发中的研发周期，使企业能够在几天而不是几个月内筛选分子候选物。”——Gabriel Marques，Schrödinger 机器学习技术负责人

AlphaEvolve 的未来

过去的一年表明，AlphaEvolve 正迅速成为一个多功能的通用系统。它证明了下一个突破将由能够自我学习、自我进化、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。这项研究是更广泛的、专注于利用 AI 进行算法发现计划的一部分。在最初开发之后，Alexey Cherepanov、Anindya Basu、Becky Evangelakos、Jamie Smith 和 Mario Pinto 加入团队，以扩展 AlphaEvolve 的影响力。

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 用户界面，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、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，并得到了许多其他人的支持。

我们诚挚感谢我们的合作者，他们在关键问题上领导了 AlphaEvolve 的应用，并为本文贡献了力量：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、Hassler Thurston、Hongzheng Chen、Jack Mason、János Kramár、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 的用户。

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。我们也感谢 Google DeepMind、Google Cloud、Google Labs、Google Research 及其他产品领域的合作伙伴团队，正是他们实现了由 AlphaEvolve 驱动的应用和产品。

AlphaEvolve：一个用于设计高级算法的 Gemini 驱动代码智能体