AI开始自己进化了？DeepMind的新系统把我吓到了
昨天DeepMind发了个研究，看完我整个人都不好了。不是因为它有多厉害，而是因为这玩意儿在"自己改进自己"。
这个叫AlphaEvolve的东西到底是个什么鬼
简单说，AlphaEvolve就是一个会写代码、会测试代码、会改进代码、会重复这个过程的AI Agent。
听着是不是像程序员的工作流程？但关键区别是：程序员一周改进一个算法，AlphaEvolve一天改进100个算法。
而且它用的是Google的Gemini模型——Flash负责广度（快速生成多个方案），Pro负责深度（提供高质量建议）。结合起来就是：AI写代码 → AI测试代码 → AI评分 → AI改进 → AI再写更好的代码。这就形成了一个自我进化的闭环。
这已经不是工具了，这是在创造工具的工具。
它已经干了什么惊天地泣鬼神的事儿
数据中心调度：让全球服务器"多出"0.7%
AlphaEvolve发现了一个调度算法，让Google的数据中心效率提升了0.7%。听着不多？那你算算账：Google有几百万台服务器，0.7%相当于多出了几万台服务器。这意味什么？省下来的电够一个小城市用，省下来的硬件成本够买几栋楼，省下来的碳排放少砍几万棵树。
而且这个算法已经在生产环境运行一年多了。
芯片设计：改写TPU电路
AlphaEvolve提议了一个Verilog代码重写，去掉了矩阵乘法电路中不必要的比特。重点是：这个改进通过了严格的验证流程，被集成到了Google下一代TPU中。这不是AI生成的垃圾代码，这是真正能上硬件的代码。
AI训练加速：23%的矩阵乘法提升
AlphaEvolve发现了更聪明的矩阵乘法分块方法，让Gemini架构的关键内核加速了23%，导致Gemini训练时间减少1%。1%听着少？训练一个GPT级别的模型需要几千个GPU跑几个月，1%等于节省几百万美元加几百万度电。而且它把内核优化时间从几周缩短到几天。
数学突破：干掉了56年的算法记录
AlphaEvolve发现了4x4复数矩阵乘法的新算法，只需要48次标量乘法，改进了Strassen 1969年保持56年的记录。它还解决了kissing number问题（11维空间的新下界），这个数学难题困扰了数学家300多年。
这个"自我进化"到底有多可怕
传统AI训练是这样的：
人类写代码 → AI训练 → AI变聪明
AlphaEvolve是这样的：
AI写代码 → AI测试代码 → AI改进代码 → AI训练 → AI更聪明 → AI更会写代码 → AI写更好的代码让自己变得更强
发现区别了吗？这是一个正反馈循环。越用越聪明，越聪明越有用，越有用用得越多。这就是递归自我改进的雏形。
DeepMind已经用它优化Gemini的训练了。下一代AI会更便宜（算法更优），更强（训练更快），来得更快（开发周期缩短）。这是AI技术的摩尔定律时刻。
对我们意味着什么
程序员会被淘汰吗？
短期内不会，但工作方式会变。以前程序员手写优化内核需要几周，现在AlphaEvolve几天搞定，程序员负责review。纯写代码的能力会贬值，但理解问题、驾驭AI的能力会升值。程序员会变成"AI牧羊人"：定义问题、设定目标、review代码、处理边缘情况。
AI发展会加速吗？
会，而且会加速得很快。AlphaEvolve已经用来优化Gemini训练了。硬件在变强，AI需求在增长，算法效率在提升——第三者的出现可能重新平衡这个公式。
算力通胀会被缓解吗？
AlphaEvolve给出的答案是：用算法优化对抗算力需求增长。硬件在变强，AI需求在增长，但算法效率在提升。这个公式可能重新平衡。
DeepMind的野心：不止于代码
虽然现在AlphaEvolve主要应用于数据中心调度、芯片设计、AI训练优化、数学问题求解，但DeepMind明确说了，这个方法的通用性意味着可以应用到材料科学、药物发现、可持续发展、更多商业和技术领域。只要一个问题能写成算法并自动验证，AlphaEvolve就能用。
DeepMind还计划开放Early Access Program，让学术界和工业界都能用上这个系统。
我们应该害怕还是兴奋
害怕的点：
AI越来越强，人类越来越没用；递归自我改进可能导致失控；技术鸿沟越来越大（有AI vs 没AI）。
兴奋的点：
人类知识边界被快速扩展；技术问题被快速解决；更多资源可以被优化利用；人类文明进程被加速。
我的看法
我觉得AlphaEvolve代表了AI发展的一个关键转折点：从AI帮助人类 → AI改进AI。这不是终点，这只是起点。未来我们会看到更多这样的系统：AlphaEvolve改进AlphaEvolve，Gemini用AlphaEvolve优化的算法训练，更强的Gemini驱动更强的AlphaEvolve。这是一个正向飞轮。
当AI开始自己进化的那天，我们可能正站在历史的转折点上。要么参与，要么被超越。
DeepMind的一周年成绩单展示了AI自我改进的巨大潜力：数据效率提升0.7%，硬件优化集成TPU，训练加速23-32.5%，数学突破56年记录。这告诉我们一件事：AI不再只是一个工具，它正在成为一个发明家。
而DeepMind已经计划开放Early Access Program，意味着学术界和工业界都能用上这个系统。当AI以指数级速度变聪明，十年后的AI会有多强？这个问题值得我们认真思考。
新闻来源：本文基于2026年5月10日的新闻报道撰写，主要信息来源包括Google DeepMind官方博客、36氪、TechCrunch。
让普通人也能驾驭 AI，HYPHENTECH。关注我，下次AI再搞出大新闻，我第一时间告诉你。
分享到：