谷歌AI智能体AlphaEvolve自动优化核心基础设施

AlphaEvolve是一个基于Gemini的编码智能体，专门设计高级算法。它已经部署到Google基础设施的关键部分——从搜索背后的数据库，到下一代TPU芯片的电路布局，再到电网调度和DNA测序分析。用户通常察觉不到变化，只会觉得服务更快、更稳定了。

效果可以量化。基因组学中，它改进了DeepConsensus模型，变异检测错误率降低了30%。电网优化里，图神经网络模型找到可行解的比例从14%跃升至88%以上。地球科学方面，它覆盖20个自然灾害类别（野火、洪水、龙卷风等），预测整体准确率提升了5%。量子物理领域，它设计的量子电路比传统基线错误率低10倍，让复杂分子模拟能够在Willow量子处理器上运行。

AlphaEvolve还与数学家陶哲轩合作，帮助解决了Erdős问题，并改进了旅行商问题和拉姆齐数的下界。这是数学界公认的难题，此前依赖人类数学家的直觉和漫长的迭代。

这些优化正在渗透到Google自身的核心系统。它提出的电路设计因为反直觉但极其高效，被直接集成到下一代TPU的硅片中。它还发现了一种缓存替换策略——两天内完成了以往需要数月的人类密集工作。在Google Spanner数据库中，它优化了LSM-tree压缩的启发式算法，将“写放大”（数据实际写入量比请求大）降低了20%。给编译器提出的新优化策略，把软件的存储占用减少了近9%。它也已作为常规工具用于优化下一代TPU的设计，从架构层提升芯片效率。

不止Google内部在用。外部企业也开始接入：Klarna用它优化最大transformer模型，训练速度翻倍，模型质量同步提升；Substrate优化计算光刻框架，运行速度提升数倍；FM Logistic优化路线，路由效率提升10.4%，每年节省超过15,000公里路程；WPP优化AI模型组件，在复杂广告数据上准确率提升10%；Schrödinger的机器学习力场模型训练和推理速度均提升了约4倍。

AlphaEvolve已从试点测试升级为Google基础设施的核心组件，并通过Google Cloud向各类商业企业提供。这意味着它从一个内部实验工具，变成一项可购买的服务。

目前没有明确说明的问题还包括：决策过程是否可解释？如果出错如何追溯？商业化定价尚未公开，中小企业能否负担并不清晰。在医疗等隐私敏感领域，数据安全边界如何界定也未提及。

AlphaEvolve已经在多个环节产生可量化的效果，但它的边界——能做什么、不能做什么、谁会因此失去工作、谁会获得新的能力——仍由这些未回答的问题定义。这些问题的答案，将是它下一步扩展的关键。