数据：
AlphaEvolve通过自学编程，成功自动生成的GPU核函数性能超越人类21%；在真实任务中，平均性能提升12.5%，峰值提升106%；突破矩阵乘法，仅用48次乘法完成4×4矩阵运算。
线索：
这一成就开启了“AI为AI编程”的新时代，带来了自动化编程及代码优化的巨大潜力，这可能会导致相关技术和工具的快速发展，投资机会尤其集中在自动化编程工具、AI算法优化及相关硬件的投资领域，同时需关注可能的技术过度依赖及市场对此类技术的接受度。
正文：
最近，谷歌的AlphaEvolve取得了一项显著成就。这项基于开源实现OpenEvolve的技术，成功地通过自我学习和编程能力，在苹果芯片上进化出了一套GPU核函数，其性能超越人类工程师21%。这个成果标志着自动化编程领域的一个里程碑，真正开启了“AI为AI编程”的新纪元。
在五月中旬，AlphaEvolve的矩阵乘法突破引起了广泛关注。开发者们利用其技术确认了这一成果，一名开发者仅用48次乘法就成功完成了4×4矩阵的乘法，这一速度让人震惊。
在最新的成果中，patched.codes的CTO Asankhaya Sharma基于AlphaEvolve的研究，利用OpenEvolve成功发现了一种高性能的GPU内核算法。具体而言，该算法在实际的Transformer推理任务中实现了平均12.5%的性能提升，最高峰值甚至达到了106%的提升，这样的成绩直接超过了人类工程师的优化水平。
OpenEvolve系统在此过程中无需任何人类干预，自动生成的算法包含了多项关键优化，如完美的SIMD优化、两阶段在线Softmax以及针对特定内存布局的优化。这样的发展不仅在实验室得到验证，更在苹果芯片的实际应用中成功落地，充分显示了自动化代码优化技术的实用性。
随着硬件持续迭代，这款工具的价值将显得愈发重要，它能在复杂的硬件架构中挖掘出人类工程师难以发现的深度优化可能性。OpenEvolve在挑战高性能GPU核函数的编写过程中展现了出色的能力，凭借特定架构的自行探索和自适应优化能力，开辟了自动技术发展的新局面。
在接下来的项目中，Sharma为OpenEvolve设定了挑战目标，验证其是否能超越传统MLX的生产级实现，确定其自动生成新核函数的能力。测试过程中的每一个生成核函数都经过严格的性能评估与安全性检查，确保其正确性与效率。
最终，OpenEvolve生成的核函数在多项基准测试中表现出显著优势，特别是在处理特定类型负载时，解码速度获得了106%的提升，这充分证明了该系统的强大优化能力。
发布时间：
2025-06-30 15:41:59
评论 ( 0 )