Google DeepMind 详解 AlphaEvolve 一年落地：从基因组到 TPU 的多领域应用

2026年5月7日 科学

AlphaEvolve 团队

一年前，我们推出了 AlphaEvolve，这是一个由 Gemini 驱动的编码智能体，用于设计高级算法。我们展示了 AlphaEvolve 可以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，由于算法几乎融入了生活的方方面面，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 有无数种方式帮助加速各领域科学家和企业的进展。

我们很高兴分享 AlphaEvolve 迄今为止最重要影响的一系列成果。

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。

在基因组学中，AlphaEvolve 被用于改进 DeepConsensus——这是 Google Research 开发的一个用于校正 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。对研究人员而言，这些更高质量的数据可能有助于发现此前隐藏的致病突变。” —— PacBio 高级总监 Aaron Wenger

在电网优化中，AlphaEvolve 被应用于 交流最优潮流问题。它帮助我们将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% 提升到超过 88%，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、更可操作的洞见。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，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即时且有影响力的贡献——并指向了一个未来：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有用的新能力。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，或确认我们对极值形式的判断，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格的证明。” —— 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 已被用作常规工具来优化下一代 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 堆栈的最底层硬件。它提出了一种如此反直觉却又高效的电路设计，以至于它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 和 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，提高了其效率。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，将软件的存储占用减少了近 9%。

扩展商业应用

与 Google Cloud 一起，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 使用该系统优化其最大的 transformer 模型之一——在提升模型质量的同时将训练速度翻倍。
• 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多倍提升，使他们能够运行规模显著更大的先进半导体仿真。
• 在物流领域，FM Logistic 使用该技术优化旅行商问题等复杂路线挑战，在先前经过大量优化的解决方案基础上实现了 10.4% 的路线效率提升——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 改进 AI 模型组件，驾驭复杂的高维营销活动数据，相比其竞争性的人工模型优化实现了 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）的训练和推理中均实现了约 4 倍的加速。

“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 推理带来切实的商业影响，缩短药物发现、催化剂设计和材料开发中的研发周期，使公司能够在几天而非几个月内筛选候选分子。” — 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的通用系统。它正在证明，下一批突破将由能够学习、进化和自我优化的算法驱动。展望未来，我们很兴奋能够扩展这些能力，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。在最初开发之后，Aja Huang、Anton Kovsharov、Alexey Cherepanov、Anindya Basu、Becky Evangelakos、Jamie Smith 和 Mario Pinto 加入了团队，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，他们领导了 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，我们感谢我们的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。我们还要感谢我们在 Google DeepMind、Google Cloud、Google Labs、Google Research 及其他产品领域的合作团队，他们促成了由 AlphaEvolve 驱动的应用和产品。