如果你最近关注 AI 圈，大概率听过 AlphaEvolve——谷歌 2025 年 5 月发布的"进化式编程智能体"。过去一年里，它帮菲尔兹奖得主陶哲轩解数学题、给量子芯片画电路，还把一个"反直觉"的电路设计直接放进了下一代 TPU 的硅片。
有意思的是，拆开它的核心框架，你会发现里面是一项被很多人认为"已经过气"的技术：进化计算。当年课堂上学的遗传算法——选择、交叉、变异、适应度——那套老机器，正在全球最先进的 AI 系统里干活。有知乎用户复现之后感叹，这"其实感觉是遗传算法变体，启发式算法再就业了属于是"。
今天聊聊这次翻红：到底发生了什么，有多少是宣传、多少可以复现，以及值不值得你花时间上手。
一周年成绩单：这次不是 Demo
2025 年 5 月，AlphaEvolve 刚发布就干了件大事：为 4x4 复数矩阵乘法进化出新算法，把所需标量乘法从 49 次压到 48 次——这个由 Strassen 算法保持的效率基准，已经 56 年没人动过。36氪
一年后，谷歌放出的成绩单把这件事从论文带进了产业：在 DNA 测序环节，DeepConsensus 模型的变异检测错误率被砍掉 30%；为 Willow 量子处理器设计的电路方案，错误率比传统优化方法低 10 倍；商业侧，Klarna 用它优化最大的 transformer 模型，训练速度直接翻倍，物流公司 FM Logistic 的路线规划效率提升 10.4%，每年少跑 15000 公里。36氪 数学上的进展更有标志性：陶哲轩团队用它研究了 67 个数学问题，覆盖组合数学、几何、数学分析与数论，部分问题超越了人类已有最优解。36氪
B 站上，这类内容也在出圈。UP 主"一只写码的"用遗传算法求解"移动沙发问题"——一块能转过直角弯的最大沙发，跑了 56 万多代进化，最终面积达到理论最大值的 99.66%，单条视频 75 万播放。哔哩哔哩
为什么这次突然行了
进化计算有 60 多年历史，为什么偏偏在 2025 年翻红？答案是大模型补齐了这套老机器的关键短板，三个零件各就各位：
LLM 扮演变异算子。传统遗传算法的变异是随机扰动，本质是盲搜；LLM 的"变异"带着全网代码知识，每次改动都是有方向的猜测。
评估器扮演适应度函数。代码能不能跑、测试过不过、耗时多少，都是硬分数——这是进化计算最擅长的部分。
程序数据库扮演种群。MAP-Elites 加岛屿模型，既留精英又保多样性，防止搜索卡死在局部最优。
一句话：LLM 给进化注入"知识"，评估器给进化定"方向"，进化计算提供"搜索框架"本身。谷歌内部数据也印证了这条路线的回报：AlphaEvolve 把 Gemini 架构的大型矩阵乘法加速了 23%，训练时间缩短 1%，FlashAttention 提速 32.5%。36氪
这也是"自进化"成为今年 AI 圈热词的底层原因：AlphaEvolve 省下的算力又被投回下一代模型的训练，目前每轮迭代大约能省 1% 的计算，这个数字一旦冲到 5%-10%，自我改进的时间表会从几十年压缩到几年。知乎 飞轮已经开始转了。
但反证同样值得看
先泼三盆冷水，都有出处。
第一，AlphaEvolve 的纪录，人类已经反超。2025 年 7 月，X 平台上一位名叫 Alex 的学生用一个半月的独自努力，靠自己开发的多智能体算法发现框架 TacticalManiac，在圆填充问题上打败了谷歌的 AlphaEvolve，n=26 的情况下成绩做到 2.63592717，比 AlphaEvolve 此前的最优解高出 0.00006442。36氪
第二，传统求解器也没服气。信用卡评分公司 FICO 用自家 Xpress 求解器在同一问题上拿到了比 AlphaEvolve 更优的解；优化领域对这类系统的定位也很清楚——启发式算法擅长找"较优解"，但不能证明"最优"，AlphaEvolve 报告里的大多数问题要么没有约束、要么约束很轻，恰好是启发式搜索的舒适区。36氪
第三，开源复现的坑很具体。知乎用户"梦落花"今年 8 月用开源框架 OpenEvolve 做了本地复现：这类局部迭代方法对初始解相当敏感，初始状态不能太差，完全从空壳开始更接近一次性代码生成，而不是稳定的进化搜索。知乎
还有一个更关键的结论：评估器的设计在自进化系统中起绝对重要的作用。知乎 打分公式一旦有漏洞，模型立刻学会钻空子、刷分而不是真进化。这类系统不是输一句话等奇迹的工具，它是一台搜索机器——你喂进去什么评估标准，它就给你长出什么结果。
值得上手，但要先看条件
直接给判断。
值得试的场景，共同点是"目标能被程序验证"：内核与性能调优、调度和路径启发式、超参数搜索、有明确测试用例的代码优化、小型数学构造。别硬上的场景也很明确：目标写不成自动打分（比如审美和主观偏好）、需要严格证明最优解、单次评估极贵又没法并行。
动手前准备三件事：一个可执行的评估器，它是整个系统的"适应度函数"，设计上正确性优先、性能其次，防刷分；一个"能跑但很弱"的基线程序，空壳起步大概率原地踏步；一笔 LLM API 预算，OpenEvolve 兼容 OpenAI 格式的接口，可以先用便宜模型跑通最小闭环，验证评估器没问题再决定加不加码。
只想跟进话题的话，三个观察信号收好：一是评估器共同进化方向，让评价函数本身也参与进化，这是复现者们的下一步；二是学术侧，PPSN 2026 上已有研究让 8 个大模型零样本生成遗传编程的父代选择算子，反过来检验"榜单分数能不能预测算法设计能力"。知乎 三是产业侧，Sakana AI 今年 6 月开了专门的自进化实验室，走的就是演化算法这条路。知乎
60 年后重回主舞台，进化计算靠的不是打败梯度下降，而是成了大模型之上的那层"外循环"。对懂它的人，这是老手艺再就业；对还没上手的人，现在大概是看懂"AI 如何设计 AI"这件事成本最低的时候。
