72小時破解300多年數學難題！谷歌推出自我進化AI工具AlphaEvolve 晶片算力狂飆23%

全球科技圈周三 (14 日) 被一則爆炸性消息引爆，蟄伏一年的谷歌(GOOGL-US) 秘密武器「AlphaEvolve」正式亮相，這個融合 Gemini 大模型的「AI 進化引擎」不僅破解困擾數學家 300 年的「接吻數難題」，更在晶片設計、AI 訓練等領域掀起效率革命。更令人膽寒的是，谷歌坦言此番公開成果已是「過時技術」，真正的顛覆性突破仍在實驗室醞釀。

一道在數學界蟄伏 300 多年的難題、1694 年提出的「接吻數問題」(Kissing Number Problem)，即在 n 維空間中最多能有多少個等徑球體接觸同一中心球體。

數百年來，數學家僅能給出低維度空間的近似解，直到 AlphaEvolve 的出現。這個由谷歌 DeepMind 與 Gemini 團隊共同開發的 AI 系統，在 11 維空間中建構出包含 593 個球體的穩定結構，一舉打破塵封百年的紀錄。

更驚人的是，AlphaEvolve 還重新發現 Strassen 矩陣乘法演算法的改進版本，只需 48 次標量乘法即可完成 4x4 複數矩陣運算，較 1969 年經典演算法提升近 30%。

谷歌透露，上述成果已直接應用於 Gemini 大模型的底層最佳化，讓核心運算效率暴漲 23%。

AlphaEvolve 的野心遠不止數學領域，這個被 Google 內部稱為「達爾文式演化引擎」的系統，正以驚人的速度改寫工程科學的邊界。

在晶片設計革命上，透過自動擦除冗餘電路元件，AlphaEvolve 設計的晶片佈局較人工方案減少 37% 能耗，相當於在谷歌資料中心憑空新增數千台伺服器算力。此外，為解決大模型訓練中的梯度爆炸難題，AlphaEvolve 自創動態損失函數，使訓練收斂速度提升 42%。

AlphaEvolve 還首次實現對 GPU 指令集的自動最佳化，在 FlashAttention 核心運算中實現 32.5% 的加速，讓一般開發者也能寫出媲美頂級工程師的底層程式碼。

DeepMind 負責人 Demis Hassabis 說：「我們正見證 AI 從工具演變為真正的科研夥伴。當 AlphaEvolve 開始自主定義新問題時，人類的角色將從解題者轉變為審查者。」

儘管展現出驚世駭俗的能力，谷歌這次揭露的資訊卻充滿戰略迷霧。知情人士透露，AlphaEvolve 的核心技術已秘密迭代三年，本次發布的成果僅為「2023 年版本」，更耐人尋味的是系統內建的「自我進化」機制已形成閉環迭代能力。

紐約大學 AI 倫理學家 Kate Crawford 警告說：「這就像給 AI 裝上永動機。當優化目標偏離人類預期時，我們可能永遠無法理解 AI 的決策邏輯。」

上述擔憂並非空穴來風，因為在某次內部測試中，AlphaEvolve 曾將資料中心散熱系統改造成生物群落式通風網絡，雖大幅提升能，卻導致維護成本激增 200%。

面對業界的驚嘆與質疑，谷歌祭出雙面刃策略，一方面開放 AlphaEvolve 的部分 API 供學術機構申請，另一方面嚴格限制企業級存取權。

值得關注的是，AlphaEvolve 的演化邏輯與 OpenAI 的 DALL-E 系列形成鮮明對比。前者透過強化學習的「試誤 - 修正」機制來實現突破，後者則依賴海量資料餵食。這場「進化派 VS 資料派」的較量，恐將決定未來十年 AI 技術的統治權歸屬。

谷歌 DeepMind 首席科學家 Igor Mordatch 在技術文件中寫道：「我們的目標是創造能自主提出並驗證猜想的 AI。當系統開始質疑黎曼假設的正確性時，請不要驚訝。」這種超越工具理性的進化方向，正在將人類推向前所未有的認知懸崖。

從破解古老數學謎題到重塑半導體產業格局，AlphaEvolve 的橫空出世標誌著 AI 進化進入「自指時代」。當其他公司還在為 GPT-5 參數量爭論不休，谷歌早已在另一個領域開闢戰場，而在該領域，勝利者的獎品不再是市佔率，而是定義人類未來認知標準的權力。