AlphaEvolve 如何以 Gemini 驱动的编码智能体扩大跨领域影响

2026年5月7日 科学

AlphaEvolve 团队

一年前，我们推出了 AlphaEvolve，一个由 Gemini 驱动、用于设计先进算法的编程智能体。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，并优化那些此后已部署到 Google 基础设施关键部分的算法。

如今，由于算法几乎涉及生活的方方面面，AlphaEvolve 所能实现的范围更加广阔。从帮助解释自然界的物理规律，到驱动电网与计算基础设施，AlphaEvolve 有无数方式可以帮助各领域的科学家和企业加速进步。

我们很高兴分享 AlphaEvolve 迄今为止最重大影响的一系列成果。

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。

在基因组学中，AlphaEvolve 被用于改进 DeepConsensus——Google Research 开发的、用于纠正 DNA 测序错误的模型——使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，切实提高了我们测序仪器的准确率。对研究人员来说，这种更高质量的数据或许能够促成此前隐藏的致病突变的发现。” — Aaron Wenger，PacBio 高级总监

在电网优化中，AlphaEvolve 被应用于 交流最优潮流问题。它帮助将我们训练的图神经网络（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。

在地球科学中，AlphaEvolve 将复杂的地理空间数据转化为更可靠、可付诸行动的洞察。通过帮助自动化 Earth AI 模型的优化，自然灾害风险预测的总体准确率——在野火、洪水和龙卷风等 20 个类别上汇总——提高了 5%。

推进研究前沿

AlphaEvolve 正作为强大的研究伙伴，加速各科学领域的发现。

在量子物理学中，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，具体方式是提出误差比以往常规优化基线低 10 倍的量子电路。这已为量子计算的首创性实验演示带来了即时且有影响力的贡献——并指向一个未来：AlphaEvolve 帮助找到超越经典计算机能力的算法。

通过与 Terence Tao 等世界知名数学家合作，该系统已帮助解决 Erdős 问题。

“AlphaEvolve 等工具正在为数学家提供非常有用的新能力。尤其对于优化问题，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的判断，这极大地提升了我们对这些问题的直觉，也让我们能更顺利地找到严格证明。” — Terence Tao，UCLA 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，以优化下一代 TPU 的设计。它还帮助发现了更高效的 缓存替换策略，在两天内完成了以往需要历时数月、集中且高强度人力投入才能完成的工作。

“AlphaEvolve 开始优化驱动我们 AI 技术栈的最底层硬件。它提出了一种反直觉却又高效的电路设计，并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 身体的最新例证。” — Jeff Dean，Google DeepMind 与 Google Research 首席科学家

AlphaEvolve 通过改进其 日志结构合并树 的压缩启发式，提升了 Google Spanner 的效率。这项优化将“写放大”——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 提供了洞见，使软件的存储占用减少了近 9%。

规模化商业应用

与 Google Cloud 携手，我们正将 AlphaEvolve 的能力带给各行各业的众多商业企业。

• 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，实现了运行速度的数倍提升，从而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径规划挑战，相较此前经过大量优化的方案，路径效率提升了 10.4%——每年节省超过 15,000 公里的行驶距离。
• 在广告与营销领域，WPP 使用 AlphaEvolve 改进 AI 模型组件，应对复杂的高维营销活动数据，相较其颇具竞争力的人工模型优化，准确率提升了 10%。
• 在计算材料与生命科学领域，Schrödinger 应用 AlphaEvolve，使机器学习力场（MLFF）的训练与推理均实现约 4 倍加速。

“AlphaEvolve 让我们能够比以往更快、更高效地探索更大的化学空间。更快的 MLFF 推理具有切实的商业影响，可缩短药物发现、催化剂设计与材料开发中的 R&D 周期，并使企业能够在数天而非数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

过去一年表明，AlphaEvolve 正迅速成为一套用途广泛的通用系统。它正在证明，下一批突破将由能够学习、进化并自我优化的算法推动。展望未来，我们很高兴扩展这些能力，并将这项技术的力量带到更广泛的一系列外部挑战中。

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倡议的一部分，该倡议专注于利用 AI 进行算法发现。在最初开发之后，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，同时得到了许多其他人的支持。

我们衷心感谢合作者在关键问题上主导 AlphaEvolve 的应用并为本报告做出贡献：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 AlphaEvolve 的许多其他用户。

最后，我们感谢领导层的指导与支持：Amin Vahdat、Ankur Jain、Demis Hassabis、Jeff Dean、Parthasarathy Ranganathan、Pushmeet Kohli、Saurabh Tiwary 和 Sundar Pichai。我们也向 Google DeepMind、Google Cloud、Google Labs、Google Research 以及其他产品领域的合作团队致以谢意，感谢他们促成了由 AlphaEvolve 驱动的应用与产品。