数据：
谷歌的AlphaEvolve最近成功开发出一种自动编程系统，基于自我进化的代码生成GPU内核算法，其性能超越人类21%。该系统展示出在实际应用中显著提升性能，平均提升12.5%，峰值可达106%。
线索：
AlphaEvolve的成功意味着AI在编程领域的重大进步，可能引发技术领域的大规模变革，投资者需关注自动化编程工具与GPU优化相关领域的投资机会，同时评估潜在的技术风险与市场接受度。
正文：
谷歌的AlphaEvolve最近取得了显著的进展，利用开源实现OpenEvolve，成功自动发现了一种新的GPU内核算法，性能超越人类工程师21%。该算法在苹果的M系列芯片上表现出色，平均核函数的性能提升达到12.5%，在特定情况下，甚至可以上涨到106%。这标志着「AI为AI编程」的新纪元正在来临，自动化编程历史上真正的里程碑时刻。
AlphaEvolve不仅展示了自我进化的能力，还通过矩阵乘法的准确运算为其成果奠定了基础。开发者们证实，AlphaEvolve能够仅用48次乘法准确完成4×4的矩阵乘法运算。通过OpenEvolve，开发者Asankhaya Sharma发现了一种针对Apple Silicon硬件特性的完美GPU Metal核函数。
具体实施中，AlphaEvolve通过模拟自我进化，发现了多项优化，包括完美的SIMD优化、两阶段在线Softmax以及针对特定内存布局的优化。这一系列优化表明，它不仅能够自动化编程，还能在复杂硬件架构中发现人类专家难以察觉的优化路径。
OpenEvolve面临的挑战主要在于GPU核函数的优化，因为现代Transformer模型非常依赖于高效的注意力核函数。编写高效的GPU代码需要深入了解特定硬件架构、底层编程语言以及算法设计。Sharma选择以Qwen3-0.6B模型的分组查询注意力实现作为测试目标，检验OpenEvolve的能力。
通过设置进化过程，OpenEvolve经历了超过25代的演变，生成了一套可以在MLX框架中衔接的Metal核函数。每一代核函数都经过了多维度的测试，确保性能、正确性及安全性验证。最终，OpenEvolve显示出显著的性能提升，尤其是在处理特定重复性任务时，解码速度提升106%。
这一突破并非偶然，背后的高鲁棒性评估系统有效保护了GPU代码免受错误影响。OpenEvolve的成功不是单一成果，而是其内部多个组件协作的结果，如智能代码标记、多目标评分机制等。这一成果预示着未来自动化代码优化技术在真实场景中的广泛应用潜力。
发布时间：
2025-06-30 15:41:59
评论 ( 0 )