优化问题虽然具有挑战性，但随着人工智能的发展正变得愈发可控。传统编程在应对最优算法的庞大搜索空间时往往力不从心。由 Gemini 驱动的 AlphaEvolve 是一款代码优化与发现智能体，它通过系统性地探索解决方案来解决这一问题。目前，AlphaEvolve 已在 Gemini 企业智能体平台上全面可用。部署流程包含四个步骤：首先，定义问题，提供基准算法和上下文；其次，通过建立涵盖正确性、性能和约束条件的评分函数进行度量；接着，利用 AlphaEvolve 的智能体框架生成代码以进行优化；最后，将优化后的算法应用于生产环境。企业已观察到显著成效。巴斯夫（BASF）利用 AlphaEvolve 为其供应链构建了数字孪生，使规划与预测能力提升超过 80%。Coolblue 优化了电商需求预测，将 WMAPE 降低了 5%。FM Logistic 将仓库路径规划效率提升了 10.4%，节省员工差旅里程 1.5 万公里。英飞凌（Infineon）将其用于芯片设计；JetBrains 借此将 IDE 性能提升了 15% 至 20%。Kinaxis 将预测准确率提高了超过 22%，并将运行时间减少了 90%。Klarna 将机器学习训练管道的吞吐量翻倍，并提升了模型质量。Kuro Games 在服务器端工作负载中实现了显著的性能提升。橡树岭国家实验室（Oak Ridge National Laboratory）将 AlphaEvolve 部署于 Frontier 超级计算机上，以优化 GPU 内核。老道明大学（Old Dominion University）利用其建模生物衰老死亡率，重新发现了一个已知模型并改进了其他模型。PacBio 将 DNA 测序准确率提高了 30%。Pebble 将 GPU 性能建模误差降低了 56%。Qbraid 使用 AlphaEvolve 优化了量子计算编码。