Google 於2026年7月10日正式宣佈，其基於 Gemini 構建的程式碼最佳化與發現代理 AlphaEvolve 已在 Gemini Enterprise Agent Platform 上全面上市。該工具旨在幫助企業和研究機構解決最棘手的演算法最佳化問題，這些問題的搜尋空間往往過於龐大，傳統方法難以窮舉。AlphaEvolve 透過一個結構化的四步流程來工作：首先定義基礎演算法和問題，並附上背景知識；然後建立評分函式，對候選程式在正確性、效能、操作約束等方面進行客觀評估；接著利用 AlphaEvolve 的智慧代理框架生成最佳化程式碼；最後將最佳化後的演算法直接部署到生產環境中。該工具已廣泛應用於物流、半導體、基因組學、高效能運算和金融服務等領域。
在早期訪問計劃中，多家組織已取得顯著成效。BASF 利用 AlphaEvolve 構建了全球供應鏈的數字孿生，將規劃與預測模型提升了超過 80%。Coolblue 透過最佳化其 28 天需求預測管道，將生產預測的加權平均絕對百分比誤差降低了超過 5%。FM Logistic 在倉庫路由方面實現了 10.4% 的改進，節省了超過 15,000 公里的員工行程。JetBrains 將 IDE 效能提升了 15-20%。Klarna 將機器學習訓練管道的吞吐量翻倍，同時提高了模型質量。Kinaxis 在早期測試中實現了預測精度提升超過 22%，執行時減少超過 90%。Kuro Games 在伺服器端最佳化中獲得了顯著效能提升。
在科研領域，Oak Ridge National Laboratory 在 Frontier 超級計算機上使用 AlphaEvolve 最佳化混合精度 GPU 核心，探索了手動最佳化難以達到的設計空間。Old Dominion University 利用 AlphaEvolve 對生物衰老死亡率進行建模，獨立重新發現了 Kannisto 邏輯死亡率模型，並將複合適應度評分提高了 19%。PacBio 使用 AlphaEvolve 改進 DeepConsensus 模型，將變異檢測錯誤降低了 30%。Pebble 則利用該工具將 GPU 效能建模錯誤減少了 56%。這些案例表明，AlphaEvolve 使曾經難以處理的最佳化問題變得可行，為各類行業帶來了新的可能性。