去年，Google DeepMind推出了一款名为AlphaEvolve的工具。它基于Gemini大模型，用进化算法的思路不断迭代，专门为复杂问题寻找更优解法。当时它解决了一些几十年未动的数学难题。一年后，这套系统开始走进现实，处理起全球性的实际挑战。

过去十二个月里，AlphaEvolve的应用边界明显拓宽。在生命科学领域，它优化了DNA测序的错误修正流程；在灾害响应方面，它提升了预测精度；在能源基础设施的模拟测试中，它展现出稳定电网的潜力。科研端也在受益——复杂分子模拟的运行效率得到改进，神经科学研究的推进也获得了新工具。

打开网易新闻 查看精彩图片

商业层面的落地同样值得关注。Google内部的基础设施效率因它而提升。Google Cloud的客户则用到了更多场景：机器学习模型的调优、药物研发周期的压缩、供应链管理的改进、仓储设计的优化。这些不是实验室演示，是签在合同里的交付成果。

两位Google高管——Google Cloud首席科学家、兼DeepMind副总裁Pushmeet Kohli，以及Google Cloud高级副总裁兼首席技术官Amin Vahdat——在署名文章中透露了下一步方向：把这套自我改进算法的可靠性再往上提一档，推向更多真实世界的复杂系统。

从数学证明到电网模拟，从基因测序到仓库货架摆放，AlphaEvolve的轨迹勾勒出一个趋势：进化算法与大模型的结合，正在跨越从"能解题"到"能交付"的鸿沟。这条路径是否会被其他团队复制，将是接下来值得观察的变量。