AlphaEvolve 正式开放：用 AI 自动搜索算法优化

最头疼的优化问题，往往不是算力不够，而是人根本想不到那个最优解。做芯片布局、调度网络、训练流水线，老手也经常在几个固定模式里打转，因为搜索空间太大，穷举不现实，直觉又靠不住。AlphaEvolve 解决的就是这个痛点：它不再依赖工程师拍脑袋试错，而是用 AI 自动在巨大的算法空间里翻找，找到那些人类想不到但效果更好的代码实现。

核心思路很直接：你给一个基线算法和一个打分函数，AlphaEvolve 就把它当成一个进化搜索的游戏。它用 Gemini 生成候选变异，在你的环境里编译、运行、打分，然后根据反馈继续迭代。Klarna 用它改造 ML 训练流水线，吞吐量翻倍且模型质量提升；Kinaxis 的预测算法成熟度很高，依然被它砍掉了 90% 的运行时间。最妙的是，它不需要你改架构，只要把代码片段和评估器交给它，剩下的自动跑。

我的判断是，这玩意比单纯的代码补全或 Agent 框架更接近“创造”。它不是在已有路径上加速，而是在无人区里找路。Google 内部已经用它优化了 TPU 布局和 Spanner 的存储，连量子电路的错误率都降低了 10 倍。未来真正有价值的方向不是让 AI 写 CRUD，而是让 AI 去探索那些人力无法覆盖的算法设计空间——AlphaEvolve 给出了一个可落地的范本，而且它已经 GA 了，现在就能用。