Задачи оптимизации, несмотря на свою сложность, становятся более управляемыми благодаря ИИ. Традиционное программирование испытывает трудности с огромными пространствами поиска оптимальных алгоритмов. AlphaEvolve, агент для оптимизации и поиска кода на базе Gemini, решает эту проблему путем систематического исследования решений. Теперь он общедоступен на платформе Gemini Enterprise Agent Platform.Процесс развертывания включает четыре этапа: Определение проблемы с базовым алгоритмом и контекстом; Измерение путем установления функции оценки корректности, производительности и ограничений; Оптимизация с использованием агентной системы AlphaEvolve для генерации кода; и Применение оптимизированного алгоритма в производственной среде.Организации уже видят значительный эффект. BASF использовал AlphaEvolve для создания цифрового двойника своей цепочки поставок, улучшив планирование и прогнозирование более чем на 80%. Coolblue оптимизировал прогнозирование спроса в электронной коммерции, добившись снижения WMAPE на 5%. FM Logistic улучшил маршрутизацию на складах на 10,4%, сэкономив 15 000 км пробега персонала.Infineon использует его для проектирования чипов, а JetBrains ускорил работу IDE на 15-20%. Kinaxis повысил точность прогнозирования более чем на 22% и сократил время выполнения на 90%. Klarna удвоил пропускную способность конвейера обучения ML и улучшил качество моделей.Kuro Games добился существенного прироста производительности в серверных рабочих нагрузках. Национальная лаборатория Ок-Ридж развернула AlphaEvolve на суперкомпьютере Frontier для оптимизации GPU-ядер. Университет Олд-Доминион использовал его для моделирования показателей смертности от биологического старения, заново открыв известную модель и улучшив другие.PacBio повысил точность секвенирования ДНК на 30%. Pebble сократил ошибки моделирования производительности GPU на 56%. Qbraid использовал AlphaEvolve для усовершенствования кодировок в квантовых вычислениях.