AlphaEvolve交出一周年炸裂成績單！AI自我改進(jìn)不再科幻

新智元報(bào)道

編輯：犀牛 所羅門

【新智元導(dǎo)讀】AlphaEvolve一周年成績單炸裂——改芯片、解數(shù)學(xué)、優(yōu)化電網(wǎng)，Jeff Dean說「TPU大腦正在設(shè)計(jì)下一代TPU身體」——「AI造AI」不再是科幻設(shè)定，而是正在合攏的工程閉環(huán)。

AlphaEvolve轉(zhuǎn)眼已經(jīng)發(fā)布一年。

就在剛剛，谷歌低調(diào)地放出了一份炸裂的年度成績單。

好家伙，AlphaEvolve這一年間居然干了這么多事——

幫陶哲軒解數(shù)學(xué)難題，給量子芯片重新畫電路，優(yōu)化電網(wǎng)調(diào)度，加速藥物篩選，甚至直接改了下一代TPU的硅片設(shè)計(jì)。

這些都在說明：AlphaEvolve已經(jīng)不是實(shí)驗(yàn)室里的玩具了。

這個(gè)由Gemini驅(qū)動(dòng)的進(jìn)化式編程智能體，用一年時(shí)間從論文里的概念驗(yàn)證，變成了谷歌核心基礎(chǔ)設(shè)施的一部分。

正如有網(wǎng)友評(píng)論到的：這種遞歸自我改進(jìn)真是太瘋狂了！

和人類最頂尖的大腦

并肩作戰(zhàn)

先從最讓人瞪大眼睛的部分說起。

在基因組學(xué)領(lǐng)域，AlphaEvolve優(yōu)化了谷歌的DeepConsensus模型，直接把DNA測(cè)序的變異檢測(cè)錯(cuò)誤率砍掉了30%。

PacBio的高級(jí)總監(jiān)Aaron Wenger評(píng)價(jià)說，這意味著研究人員有可能發(fā)現(xiàn)此前隱藏的致病突變——也就是說，AI優(yōu)化的算法，可能會(huì)幫人類找到新的救命線索。

在量子計(jì)算領(lǐng)域，AlphaEvolve給谷歌的Willow量子處理器設(shè)計(jì)了新的量子電路方案，錯(cuò)誤率比傳統(tǒng)優(yōu)化方法低了整整10倍。

注意，不是10%，是10倍。這直接讓一批此前跑不了的分子模擬實(shí)驗(yàn)變成了現(xiàn)實(shí)。

但真正讓圈內(nèi)人坐不住的，是數(shù)學(xué)。

AlphaEvolve和陶哲軒（Terence Tao）合作，攻克了Erd?s提出的經(jīng)典數(shù)學(xué)難題。

陶哲軒是誰不用多說——菲爾茲獎(jiǎng)得主、UCLA數(shù)學(xué)教授、被公認(rèn)為當(dāng)世最聰明的數(shù)學(xué)家之一。

他的評(píng)價(jià)是這樣的：AlphaEvolve這類工具正在給數(shù)學(xué)家提供「非常有用的新能力」，尤其是在優(yōu)化問題上，它可以快速測(cè)試潛在的不等式是否存在反例、驗(yàn)證極值猜想，「極大地改善了我們對(duì)問題的直覺，也讓我們更容易找到嚴(yán)格證明」。

一個(gè)AI系統(tǒng)，讓一位數(shù)學(xué)史上排名前十的頭腦由衷地說出「非常有用」——這本身就是一個(gè)歷史性的信號(hào)。

除此之外，AlphaEvolve還刷新了旅行商問題（TSP）的已知最優(yōu)解，改進(jìn)了Ramsey數(shù)的下界紀(jì)錄。

這些都是組合數(shù)學(xué)里的經(jīng)典老難題，幾代數(shù)學(xué)家啃了幾十年，而一個(gè)AI編程智能體，用進(jìn)化搜索的方式，找到了人類直覺從未抵達(dá)過的解。

工程戰(zhàn)線：AI開始優(yōu)化自己的「身體」

如果說科研突破還可以歸為「聰明的工具」，AlphaEvolve在谷歌內(nèi)部基礎(chǔ)設(shè)施上干的事情，就已經(jīng)不是「工具」兩個(gè)字能概括的了。

最炸裂的一條：AlphaEvolve提出了一種「反直覺」的電路設(shè)計(jì)方案。

這個(gè)方案反直覺到什么程度？

谷歌的芯片工程師第一反應(yīng)大概率是「這不對(duì)」——但跑完測(cè)試發(fā)現(xiàn)，它不僅對(duì)，而且比人類設(shè)計(jì)的更高效。

于是谷歌做了一個(gè)決定：把這個(gè)AI設(shè)計(jì)的電路直接集成進(jìn)了下一代TPU的硅片里。

Jeff Dean，谷歌首席科學(xué)家，親自背書了這件事。

他的原話是：「AlphaEvolve從我們AI技術(shù)棧最底層的硬件開始優(yōu)化。它提出的電路設(shè)計(jì)如此反直覺卻又如此高效，以至于被直接集成進(jìn)了下一代TPU的硅片。這是TPU大腦幫助設(shè)計(jì)下一代TPU身體的最新案例。」

注意這句話的分量：TPU是訓(xùn)練Gemini的硬件，Gemini是驅(qū)動(dòng)AlphaEvolve的大腦，而AlphaEvolve現(xiàn)在在設(shè)計(jì)下一代TPU。

商業(yè)戰(zhàn)線：從實(shí)驗(yàn)室走進(jìn)真金白銀

通過Google Cloud，AlphaEvolve已經(jīng)在多個(gè)行業(yè)落地。

金融科技公司Klarna用它優(yōu)化了最大的transformer模型，訓(xùn)練速度直接翻倍，同時(shí)模型質(zhì)量還提升了。物流公司FM Logistic用它優(yōu)化旅行商問題的路線規(guī)劃，效率提升10.4%，每年少跑15000公里。計(jì)算化學(xué)公司Schr?dinger用它加速分子力場(chǎng)的訓(xùn)練和推理，速度提升約4倍——藥物研發(fā)的篩選周期從幾個(gè)月壓縮到幾天。

一年前AlphaEvolve發(fā)布時(shí)，圈內(nèi)最大的疑問是：這到底是一個(gè)驚艷的demo，還是一個(gè)真正能用的系統(tǒng)？

一年后的成績單回答了這個(gè)問題：它不僅能用，而且已經(jīng)深入到了谷歌最核心的基礎(chǔ)設(shè)施里，從芯片硅片到數(shù)據(jù)庫內(nèi)核，從量子計(jì)算到商業(yè)客戶的生產(chǎn)環(huán)境。

但AlphaEvolve最關(guān)鍵的戰(zhàn)績，其實(shí)不在上面任何一條。

讓我們把Jeff Dean那句話再讀一遍：「TPU大腦正在設(shè)計(jì)下一代TPU身體。」

翻譯成更直白的語言就是：訓(xùn)練AI的芯片，正在被AI自己重新設(shè)計(jì)。

新芯片造出來之后，會(huì)訓(xùn)練出更強(qiáng)的AI，更強(qiáng)的AI會(huì)設(shè)計(jì)出更好的芯片——這是一個(gè)閉環(huán)。

AI造AI：遞歸自我改進(jìn)

就在AlphaEvolve交出成績單的同一天，IEEE Spectrum——全球工程技術(shù)領(lǐng)域最權(quán)威的媒體之一——刊發(fā)了一篇長文：Recursive Self-Improvement Edges Closer InAILabs（遞歸自我改進(jìn)正在AI實(shí)驗(yàn)室中逼近現(xiàn)實(shí)）。

遞歸自我改進(jìn)（RSI）這個(gè)詞，過去十年基本只出現(xiàn)在兩個(gè)場(chǎng)景：AI安全研究者的警告報(bào)告里，和科幻小說里。

IEEE Spectrum用一整篇特稿把它從這兩個(gè)場(chǎng)景拽了出來，放到了工程現(xiàn)實(shí)的桌面上。

而讓這篇報(bào)道真正炸開的，是Anthropic聯(lián)合創(chuàng)始人Jack Clark同期給出的預(yù)測(cè)：到2028年底，有60%以上的概率，出現(xiàn)一個(gè)AI系統(tǒng)可以完全自主地訓(xùn)練出自己的下一代。

他在自己的newsletter Import AI 第455期中寫道，他花了數(shù)周時(shí)間閱讀了數(shù)百份公開數(shù)據(jù)源，最終得出這個(gè)結(jié)論。

他承認(rèn)自己「不確定社會(huì)是否準(zhǔn)備好了」。

這不是一個(gè)推特上的隨口一說。Clark是Anthropic的聯(lián)合創(chuàng)始人，也是AI安全和政策領(lǐng)域最有影響力的公共知識(shí)分子之一。

當(dāng)這樣一個(gè)人松口承認(rèn)「早期信號(hào)已經(jīng)出現(xiàn)」的時(shí)候，本身就是信號(hào)。

如今，三條線索已經(jīng)擺在桌面上。

Anthropic承認(rèn)Claude Code寫下了公司大部分代碼，Dario Amodei公開說工程師效率提升了20%-40%。

換句話說，造Claude的代碼，很大一部分是Claude自己寫的。

谷歌這邊，AlphaEvolve在設(shè)計(jì)訓(xùn)練自己的芯片。

再看學(xué)術(shù)界，2026年3月發(fā)表在Nature上的AI Scientist系統(tǒng)，已經(jīng)能自主跑完「提想法—做實(shí)驗(yàn)—寫論文—同行評(píng)審」的全流程。

當(dāng)AI可以參與改進(jìn)下一代AI時(shí)，一家公司的護(hù)城河就不再是模型參數(shù)量、數(shù)據(jù)規(guī)模或者算力儲(chǔ)備——而是自演化的速度。

當(dāng)然，IEEE Spectrum的報(bào)道也呈現(xiàn)了另一面的聲音。

Allen Institute for AI的Nathan Lambert提出了「有損自我改進(jìn)」（Lossy Self-Improvement）的概念——隨著AI系統(tǒng)變得越來越復(fù)雜，自我改進(jìn)的飛輪可能因?yàn)槟Σ猎龃蠖鴾p速，而不是無限加速。

Meta的研究者Jason Weston和Jakob Foerster則主張，比起純粹的自我改進(jìn)，「人機(jī)共同改進(jìn)」才是更現(xiàn)實(shí)、也更安全的路線。

不過話說回來，當(dāng)AI在反向設(shè)計(jì)自己跑著的芯片，陶哲軒這種級(jí)別的數(shù)學(xué)家已經(jīng)把它當(dāng)研究搭檔，Claude寫了Anthropic大部分代碼時(shí)——

你說AI自我提升這扇門有沒有被推開？

其實(shí)早就推開了。

現(xiàn)在，唯一值得關(guān)心的問題只剩下ASI多久能夠到來。

參考資料：

https://deepmind.google/blog/alphaevolve-impact/

https://spectrum.ieee.org/recursive-self-improvement

https://www.anthropic.com/product/claude-code

https://arxiv.org/abs/2506.13131

https://www.nature.com/articles/s41586-026-10265-5