据《自然》期刊2025年5月14日消息，谷歌DeepMind重磅推出通用科学AI智能体——AlphaEvolve，不仅突破了300年“接吻数难题”，还颠覆了56年前Strassen算法神话。而且，该智能体还在AI训推、TPU设计、数据中心领域，展现出了极强的实力。

AlphaEvolve是一个由Gemini驱动的进化编码神器，其核心是将谷歌Gemini解决创造性问题的能力与能验证答案的自动评估器相结合，然后用进化框架来优化最有潜力的想法。

AlphaEvolve用48次标量乘法，搞定4x4复数矩阵乘法，改进了1969年Strassen最优算法。此外，DeepMind团队让其解决数学分析、几何、组合学、数论等领域的50多个开放问题，在约75%题目中，AlphaEvolve重新发现了最前沿解法；在20%题目中，AlphaEvolve直接碾压了已知最佳解。最具突破性的是，AlphaEvolve改进了困扰数学家300多年的“接吻数问题”。

在算法设计方面，AlphaEvolve超越了单个函数的生成，进化出能够优化整个代码库，并开发更复杂算法的能力。AlphaEvolve利用谷歌一系列SOTA模型，协同生成计算机程序，以代码形式实现高效的算法解决方案。AlphaEvolve还引入了自动评估指标，来验证、运行和评估候选程序，对提供的每个解决方案的准确性和质量，进行客观、可量化的评估。

AlphaEvolve的突破不局限于数学，其实际应用已深刻改变了谷歌的计算生态系统。在过去一年中，谷歌将AlphaEvolve发现的算法，部署到数据中心、硬件、软件等多个领域。这些算法优化措施，显著提升了计算效率，尤其在AI和计算基础设施中成倍放大。在优化谷歌庞大的数据中心调度系统Borg时，AlphaEvolve发现了一种简单但非常有效的启发式方法，可显著提升计算资源效率。目前，该解决方案已投入生产一年多，平均持续回收谷歌全球0.7%的计算资源。

面向硬件设计，AlphaEvolve在优化谷歌下一代TPU时，提出了一种Verilog重写方案，精准删除了用于矩阵乘法的关键、高度优化的算术电路中冗余位，现已被集成到了谷歌即将推出的TPU中。

在AI训练和推理方面，AlphaEvolve通过找到更优的方法，将大型矩阵乘法分解为更易于处理的子问题，将Gemini架构中关键内核加速了23%，让训练时间缩短了1%。

信息来源：

https://www.nature.com/articles/d41586-025-01523-z

https://deepmind.google/discover/blog/alphaevolve-a-gemini-powered-coding-agent-for-designing-advanced-algorithms/

https://mp.weixin.qq.com/s/tR8A4fwe5_DlZ5LEzd5gPw