Jeff Dean上周说了一句让芯片圈坐不住的话。
“AlphaEvolve开始在我们AI栈的最底层硬件做优化。它提出了一个反直觉但极其高效的电路设计，被我们直接集成进了下一代TPU的硅片里。”
翻译一下：DeepMind的那个AI优化工具，已经在帮Google设计芯片了。然后5月8日，Google宣布要把它开放给云客户用。
AlphaEvolve不是写代码的工具
先把这事讲清楚——AlphaEvolve跟Copilot或Claude Code完全不是一回事。
后者帮你写应用代码、补全函数、改bug。AlphaEvolve干的事更窄也更深：给定一个能量化的目标（比如”训练时间最短”、”误差率最低”、”路径最优”），它去搜索最优的算法和系统配置。
具体怎么搜的？Gemini Flash负责广撒网生成各种解法，Gemini Pro负责深度评估和挑刺，然后跑进化算法淘汰差的、保留好的，再喂回去做下一轮迭代。本质上是把”高速生成想法”和”客观评分”组合成了一个自动闭环。
不是搜索引擎，不是聊天，是专门给”已经定义好的硬指标”找极致解。
内部用了一年，数字是真硬
AlphaEvolve进Google内部已经有一年多了。这次开放出来之前，Google把它的战绩晒了一遍：
- Spanner数据库：写放大率降了20%
- 编译器：软件存储占用减了近9%
- DeepConsensus基因组学：变异检测错误率降30%
- AC Optimal Power Flow电网调度：可行解率从14%干到88%
- Willow量子芯片：分子模拟误差率降到原来的十分之一
还有一个早就公开过的成绩——给Gemini架构里的一个关键kernel加速了23%，整体训练时间减1%。听起来1%没什么，但放在Gemini这种千亿参数模型的训练成本上，那是真金白银的。
数据中心调度算法是另一个例子。AlphaEvolve给出的调度方案在Google生产环境跑了一年多，持续回收了全球0.7%的计算资源。0.7%这个数听着也不大，但Google的全球算力规模是个什么概念——这0.7%够好几个中型公司用一整年。
数学界也参与进来了。AlphaEvolve跟陶哲轩这种顶级数学家合作，破了几个Erdős老问题的记录，把旅行商问题（TSP）和Ramsey数的下界都往前推了一格。
客户实测：训练快一倍、精度提10%
更值得看的是早期客户的数据。Schrödinger用AlphaEvolve给它的机器学习力场（MLFF）模型做优化，训练和推理都快了4倍。Klarna把训练速度翻倍的同时还把模型质量提了一截。WPP拿到了10%的精度提升。FM Logistics把物流路径优化了10.4%，一年省下来超过1.5万公里的运输。
这些数字之所以重要，是因为它们都是直接能换成钱的指标——电费、人力成本、客户满意度。不是”我们用了AI显得很时髦”。
它要解决的问题，跟Copilot们不一样
绝大多数AI编程工具的卖点都是”帮你写得快一点”。AlphaEvolve的卖点是”帮你找到一个人类工程师可能根本想不到的解法”。
这里面有个本质区别。Copilot们处理的是”已知问题”——你知道要写什么，只是需要个帮手敲代码。AlphaEvolve处理的是”未知问题”——你只知道想要什么结果，至于怎么做你也不知道。
这种东西最适合的场景：芯片设计、数据库参数调优、调度系统、科学计算、化学合成路径搜索。每一个都是”目标明确、参数空间巨大、人类工程师靠经验试错效率有限”。
企业要先回答几个问题
Google准备把AlphaEvolve从研究工具变成云服务卖。但企业客户要买之前肯定要先搞清楚：
- 怎么定价——按计算时间？按结果带来的节省提成？
- 工作负载的边界在哪儿——能跑什么不能跑什么？
- 数据怎么管——优化过程中你是不是要看我所有的代码和配置？
- 结果可复现吗——AI给的方案能不能审计？
- 出问题怎么回滚？
这些问题Google现在还没全部公开答案。但这次”从研究院走向商业化”的姿态本身就是个信号——DeepMind里的那些”看起来很酷但不知道有什么用”的研究工具，正在被一个一个商业化。
AlphaFold开了头，给制药行业。AlphaEvolve可能是第二个，给整个云计算和企业IT。
下一个会是谁？
参考来源：Google Plans AlphaEvolve Cloud Rollout for Customers（WinBuzzer）；AlphaEvolve: A Gemini-powered coding agent for designing advanced algorithms（Google DeepMind）；Find out how AlphaEvolve has gone from research to solving real-life problems（Google Blog）