deepmind

AlphaEvolve：我们的 Gemini 驱动 coding agent 如何在各领域扩大影响

AlphaEvolve: How our Gemini-powered coding agent is scaling impact across fields

二〇二六年五月八日 · 英文原文

摘要

Google DeepMind 介绍 Gemini 驱动的 coding agent AlphaEvolve 一年应用进展：改进 DeepConsensus 使变异检测错误降 30%，GNN 求解 AC Optimal Power Flow 可行率从 14% 升至超 88%，并用于量子电路、TPU、Spanner 及 Google Cloud 客户场景。

AlphaEvolve：由 Gemini 驱动的 coding agent 正在扩大跨领域影响 — Google DeepMind

探索我们的下一代 AI 系统

探索模型

Gemini

Gemini 学习、构建并规划任何事 Nano Banana 创建和编辑细节丰富的图像 Gemini Audio 对话、创作和控制音频

专用模型

Veo 生成带音频的电影级视频 Imagen 从文本生成高质量图像 Lyria 生成高保真音乐和音频

World models 与 embodied AI

Genie 3 生成并探索交互式世界 Gemini Robotics 感知、推理、使用工具并交互

开放模型

Gemma 大规模构建负责任的 AI 应用

来自实验室的最新 AI 突破与动态

探索研究

突破

SIMA 2 一个能与你一起游戏、推理和学习的 agent Genie 3 生成并探索交互式世界 AlphaGo 掌握围棋 Gemini Robotics 感知、推理、使用工具并交互

了解更多

Evals 论文责任

用 AI 开启发现的新时代

探索科学

生命科学

AlphaFold 高精度预测蛋白质结构 AlphaGenome 解读遗传信息以定位疾病 AlphaMissense 找出罕见遗传疾病的根因

气候与可持续发展

AlphaEarth Foundations 以前所未有的细节绘制地球地图 WeatherNext 快速、准确的 AI 天气预报 Weather Lab 测试我们的实验性天气模型

我们的使命是负责任地构建 AI，使其造福人类

关于 Google DeepMind

责任通过主动安全保障 AI 安全，即使面对不断演化的威胁新闻了解我们最新的 AI 突破、项目和动态职业机会我们正在寻找希望对世界产生真实、积极影响的人

教育我们致力于让下一代更容易接触 AI 我们的 AI 国家合作伙伴关系与全球政府合作，通过 frontier AI 造福人们播客跟随 Hannah Fry 教授了解 AI 正在如何改变我们的世界

模型

探索我们的下一代 AI 系统

探索模型

Gemini

Gemini 学习、构建并规划任何事 Nano Banana 创建和编辑细节丰富的图像 Gemini Audio 对话、创作和控制音频

专用模型

Veo 生成带音频的电影级视频 Imagen 从文本生成高质量图像 Lyria 生成高保真音乐和音频

World models 与 embodied AI

Genie 3 生成并探索交互式世界 Gemini Robotics 感知、推理、使用工具并交互

开放模型

Gemma 大规模构建负责任的 AI 应用

研究

来自实验室的最新 AI 突破与动态

探索研究

突破

SIMA 2 一个能与你一起游戏、推理和学习的 agent Genie 3 生成并探索交互式世界 AlphaGo 掌握围棋 Gemini Robotics 感知、推理、使用工具并交互

了解更多

Evals 论文责任

科学

用 AI 开启发现的新时代

探索科学

生命科学

AlphaFold 高精度预测蛋白质结构 AlphaGenome 解读遗传信息以定位疾病 AlphaMissense 找出罕见遗传疾病的根因

气候与可持续发展

AlphaEarth Foundations 以前所未有的细节绘制地球地图 WeatherNext 快速、准确的 AI 天气预报 Weather Lab 测试我们的实验性天气模型

关于

我们的使命是负责任地构建 AI，使其造福人类

关于 Google DeepMind

责任通过主动安全保障 AI 安全，即使面对不断演化的威胁新闻了解我们最新的 AI 突破、项目和动态职业机会我们正在寻找希望对世界产生真实、积极影响的人教育我们致力于让下一代更容易接触 AI 我们的 AI 国家合作伙伴关系与全球政府合作，通过 frontier AI 造福人们播客跟随 Hannah Fry 教授了解 AI 正在如何改变我们的世界

使用 Gemini 构建试用 Gemini

Google DeepMind DeepMind

Google AI 了解我们的全部 AI Google DeepMind 探索 AI 前沿 Google Labs 试用我们的 AI 实验 Google Research 探索我们的研究

产品和应用

Gemini app 与 Gemini 对话 Google AI Studio 使用我们的下一代 AI 模型构建 Google Antigravity 我们的 agentic 开发平台

使用 Gemini 构建试用 Gemini

2026 年 5 月 7 日科学

AlphaEvolve：我们的 Gemini 驱动 coding agent 如何扩大跨领域影响

AlphaEvolve 团队

已复制

你的浏览器不支持 video 标签。

一年前，我们推出了 AlphaEvolve，这是一个由 Gemini 驱动、用于设计高级算法的 coding agent。我们展示了 AlphaEvolve 如何帮助在数学和计算机科学的开放问题上取得新发现，并优化后来已部署到 Google 关键基础设施中的算法。

今天，由于算法几乎存在于生活的方方面面，AlphaEvolve 能够实现的范围也更加广泛。从帮助解释自然世界的物理规律，到支撑电网和计算基础设施，AlphaEvolve 可以通过无数方式帮助各领域的科学家和企业加快进展。

我们很高兴分享 AlphaEvolve 迄今为止最重要的一组影响成果。

推动社会影响与可持续发展

AlphaEvolve 帮助揭示了健康和可持续发展研究中的关键联系。

图片 41：多个 DNA 双螺旋结构的 3D 渲染图，由白色和蓝色小球组成，悬浮在深色纹理背景前，具有浅景深效果。

在基因组学中，AlphaEvolve 被用于改进 DeepConsensus——这是 Google Research 开发的一个用于纠正 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 的科学家以更高准确度和更低成本分析遗传数据。

“Google 团队使用 AlphaEvolve 发现的解决方案，为我们的测序仪器带来了显著更高的准确率。对研究人员而言，这种更高质量的数据可能有助于发现过去隐藏的致病突变。” — Aaron Wenger，PacBio 高级总监

图片 42：一张宽幅风景图，高压电线和输电塔延伸穿过郁郁葱葱的绿色田野，天空晴朗湛蓝。

在电网优化中，AlphaEvolve 被应用于 AC Optimal Power Flow 问题。它帮助我们训练的 Graph Neural Network (GNN) 模型将找到该问题可行解的能力从 14% 提升到超过 88%，显著减少了电网中对其他高成本后处理步骤的需求。

在地球科学中，AlphaEvolve 将复杂的地理空间数据转化为更可靠、可执行的洞察。通过帮助自动优化 Earth AI 模型，自然灾害风险预测的整体准确率——覆盖野火、洪水和龙卷风等 20 个类别的聚合结果——提升了 5%。

推进研究前沿

AlphaEvolve 正在成为强有力的研究伙伴，加速各门科学中的发现。

图片 43：一只戴手套的手在洁净室环境中拿着一块方形微芯片处理器，芯片表面具有反光效果。

在量子物理中，AlphaEvolve 的优化使复杂分子模拟能够在 Google 的 Willow 量子处理器上运行：它提出的量子电路错误率比以往常规优化的 baseline 低 10 倍。这已经为首批此类量子计算实验演示带来了即时且有影响的贡献，也指向了一个未来：AlphaEvolve 将帮助寻找超越经典计算机能力的算法。

图片 44：一个软件界面，显示随时间变化的性能得分折线图，其上叠加了一个“Selected Program”窗口，包含多张柱状图以及用于优化实验的一段 Python 代码。

该系统与 Terence Tao 等世界知名数学家合作，帮助解决了 Erdős 问题。

“AlphaEvolve 这样的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，我们现在可以快速测试潜在不等式是否存在反例，或确认我们对 extremizers 的判断，这极大改善了我们对这些问题的直觉，也让我们更容易找到严格证明。” — Terence Tao，UCLA 数学教授

AlphaEvolve 还打破了经典数学挑战的记录，包括改进 Traveling Salesman Problem 和 Ramsey Numbers 的下界。

此外，这种自主发现能力正在推动其他多个领域的并行创新——从发现可解释的神经科学模型、证明微观经济学中的新市场极限，到快速推进神经网络构建模块、用于用户隐私的密码学、合成数据生成，以及 frontier AI 模型的关键安全缓解措施。

你的浏览器不支持 video 标签。

AlphaEvolve 正在优化一个 “Tammes problem” 实例。你可以在公开的 Gallery 中探索更多 AlphaEvolve 生成潜在解的问题精选。

改进 AI 基础设施

AlphaEvolve 已经从试点测试发展为我们基础设施的核心组件。AlphaEvolve 已作为常规工具用于优化下一代 TPUs 的设计。它还帮助发现了更高效的 cache replacement policies，用两天完成了过去需要数月、由大量人工密集协作才能完成的工作。

“AlphaEvolve 开始优化支撑我们 AI stacks 的最底层硬件。它提出了一种电路设计，反直觉却高效，并被直接集成进我们下一代 TPUs 的硅片中。这是 TPU 大脑帮助设计下一代 TPU 身体的最新例子。” — Jeff Dean，Google DeepMind 与 Google Research 首席科学家

AlphaEvolve 通过改进 Google Spanner 的 Log-Structured Merge-tree 压缩启发式方法，提高了其效率。这项优化将 “write amplification”——写入存储的数据量与原始请求数据量之间的比率——降低了 20%。它还为新的编译器优化策略提供了洞察，使软件的存储占用减少了近 9%。

扩展商业应用

通过与 Google Cloud 合作，我们正把 AlphaEvolve 的能力带给各行业的多类商业企业。

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，使运行速度提升数倍，从而能够运行规模显著更大的先进半导体模拟。
在物流领域，FM Logistic 使用这项技术优化 Traveling Salesman Problem 等复杂路径规划挑战，相比此前经过大量优化的解决方案，路径效率提升 10.4%——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，处理复杂、高维的营销活动数据，并相比其具有竞争力的人工模型优化实现 10% 的准确率提升。
在计算材料科学和生命科学领域，Schrödinger 应用 AlphaEvolve，使 Machine Learned Force Fields (MLFF) 的训练和 inference 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 inference 会带来真实的商业影响，缩短药物发现、催化剂设计和材料开发中的 R&D 周期，使企业能够在数天而不是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 正在快速成为一个多用途、通用型系统。它证明，下一批突破将由能够学习、进化并自我优化的算法驱动。展望未来，我们很高兴继续扩展这些能力，并将这项技术的力量带到更广泛的外部挑战中。

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。这项研究是一个更广泛计划的一部分，该计划专注于使用 AI 进行算法发现。在初始开发之后，Alexey Cherepanov、Anindya Basu、Becky Evangelakos、Jamie Smith 和 Mario Pinto 加入团队，扩大 AlphaEvolve 的影响。

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、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，同样得到了许多其他人的支持。

我们衷心感谢合作者们在关键问题上主导 AlphaEvolve 的应用，并为本报告作出贡献：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、Hassler Thurston、Hongzheng Chen、Jack Mason、János Kramár、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，以及众多其他 AlphaEvolve 用户。

最后，我们感谢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。我们也感谢 Google DeepMind、Google Cloud、Google Labs、Google Research 以及其他产品领域的合作团队，是他们让由 AlphaEvolve 驱动的应用和产品成为可能。