谷歌的AlphaEvolve，还在不断创造新的奇迹。

在5月中旬，谷歌扔出的这个炸弹（号称是数学界AlphaGo的「第37步」时刻），就在不断冲击人们的认知——AI，已经拥有了自我进化能力！

随后，不断有开发者用代码证实，AlphaEvolve的矩阵乘法突破为真！一个开发者成功证明，它仅用了48次乘法，就正确完成了4×4矩阵的乘法运算。

而就在刚刚，patched.codes的联合创始人兼CTO Asankhaya Sharma，用基于AlphaEvolve论文的开源实现OpenEvolve，成功自动发现了高性能的GPU内核算法。

具体来说，通过自我进化代码，它自动发现了一套在Apple Silicon上远超手动优化的GPU Metal核函数。

在真实的Transformer推理任务中，它带来了平均12.5%的性能提升，峰值甚至飙升了106%。

这种提升，直接超越了人类工程师21%！

这个系统没有提供人类的GPU编程专业知识，就发现了以下优化——

这不是一次简单的性能跃迁，而是自动化编程历史上真正的里程碑时刻——一套系统无需人类干预，就能在复杂的硬件架构中，挖掘出连专家都难以察觉的优化路径。

更重要的是，这一成就并非停留在实验室或论文中，而是在真实世界中、在苹果芯片上、在当今最主流的AI模型任务中，扎实地跑了出来。

由此，就证明了自动化代码优化技术在真实世界系统中的实际可用性。

它标志着一个新的时代正在开启：不再是人类为机器手写优化，而是机器开始为自己写更好的代码。

而在之后，随着硬件架构持续高速迭代，OpenEvolve这种工具的价值还会愈加凸显——它们将发掘出那些仅凭人力极难找到的深度优化机会。

为什么说，OpenEvolve攻克的这个「GPU核函数优化」，这么有挑战性呢？

这是因为，现代Transformer模型严重依赖于高度优化的注意力核函数，但编写高性能的GPU代码却需要具备以下领域的深厚专业知识。

所以，是否有可能不用人写代码，完全交给OpenEvolve，让它自动进化，看是否能生成性能更强的GPU核函数代码？

为此，Sharma决定以Qwen3-0.6B模型的分组查询注意力（GQA）实现为目标，来检验OpenEvolve的能力，看它是否能自动生成超越MLX生产级的「scaled_dot_product_attention」核函数的代码。

具体来说，项目的目标配置如下。

Sharma将OpenEvolve配置为直接进化Metal核函数的源代码，同时保留其与MLX框架的集成方式。

整个系统从一个基础的三阶段注意力实现方案开始，历经超过25代的进化。

max_iterations: 25                      # 最大迭代次数population_size: 25                     # 种群大小llm:  primary_model: "gemini-2.5-flash"     # 主模型：用于快速探索 (60%)  secondary_model: "gemini-2.5-pro"     # 辅助模型：用于深度优化 (40%)database:  num_islands: 5                        # 岛屿数量：用于并行进化多个种群evaluator:  bulletproof_mode: true                # 启用高强度GPU错误防护模式

每一个通过进化生成的核函数都经过了以下维度的全面测试：

• 正确性验证：与MLX基线进行数值精度对比，确保计算结果无误。

• 性能测试：在20个多样化的推理场景（包括短/长上下文、生成任务）中进行基准测试。

• 安全性检查：包含GPU错误检测和Metal内存访问验证。

• 鲁棒性分析：通过多次重复运行进行统计分析，确保性能稳定。

没想到，OpenEvolve在进化过程中，自主发现了以下几项体现出算法创新的优化策略！

1. 针对Apple Silicon的SIMD优化

// 进化前：逐元素标量运算for (uint d = 0; d < HEAD_DIM; d++) {    score += query_vec[d] * keys[k_base + d];}// 进化后：完美利用SIMD指令vec<T, 8> query_vec_v[HEAD_DIM / 8];  // 对于128维的头，使用16个8元向量for (uint d_vec = 0; d_vec < HEAD_DIM / 8; d_vec++) {    score += dot(query_vec_v[d_vec], ((device vec<T, 8>*)(keys + k_base))[d_vec]);}

仔细看就会发现，OpenEvolve的一个亮点，就是自己发现了一个非常巧妙的优化——

对于128维的注意力头，如果把数据按8个一组来处理，刚好就能完美匹配Apple Silicon硬件的SIMD宽度。

这就相当于自动踩中了硬件的「甜点区」，完全不需要任何人工调优，就能把性能直接拉满，让硬件利用率最大化！

2. 两阶段在线Softmax（Two-Pass Online Softmax）

// Pass 1：在线计算最大值，用于数值稳定T max_score = T(-INFINITY);for (uint key_pos = 0; key_pos < SEQ_LEN; key_pos++) {    T score = compute_attention_score(query_vec, key_vec) * scale_val;    max_score = max(max_score, score);}// Pass 2：融合Softmax计算与后续的值累加T sum_exp = T(0.0);vec<T, 8> output_acc_v[HEAD_DIM / 8];for (uint key_pos = 0; key_pos < SEQ_LEN; key_pos++) {    T exp_score = exp(current_score - max_score);    sum_exp += exp_score;    // 关键创新：将权重与value向量相乘并累加的过程相融合    output_acc_v[d_vec] += exp_score * ((device vec<T, 8>*)(values + v_base))[d_vec];}

在这个过程中，OpenEvolve做了一个很聪明的创新：把原来分开的两个步骤——Softmax归一化和值累加，融合到了一个计算循环中。

原本，传统算法要三个阶段才能跑完：先算注意力得分，再归一化，再加权求和。

现在直接两步搞定，流程更简洁，还大大降低了对内存带宽的占用，自然就跑得更快、更省资源了。

3. 针对GQA的特定内存布局优化

// 针对GQA的5:1查询头/键值头比例，进行直接映射const uint kv_head_idx = head_idx / HEADS_PER_KV;  // 精巧的头映射逻辑// 实现合并内存访问模式const uint q_base = batch_idx * (NUM_HEADS * SEQ_LEN * HEAD_DIM) +                     head_idx * (SEQ_LEN * HEAD_DIM) +                     query_pos * HEAD_DIM;

在此处，OpenEvolve的创新点在于，专门针对Qwen3模型的特殊结构做了优化。

这个模型的查询头与键值头的比例是特有的40:8（即5:1），系统充分利用了这个特性，设计出一种独特的合并内存访问（Coalesced Memory Access）的模式。

这种模式，特别适合Apple Silicon的统一内存架构，堪称是量身定制，效率极高，性能拉满。

果然，最终进化生成的核函数在各项综合基准测试中，都展现出了显著的性能提升：

• 解码速度（Decode Speed）：平均提升+12.5%（标准差σ = 38.3%）

• 预填充速度（Prefill Speed）：平均提升+14.4%（标准差σ = 17.6%）

• 总吞吐量（Total Throughput）：平均提升+10.4%（标准差σ = 30.7%）

• 内存使用量（Memory Usage）：平均降低+0.99%（标准差σ = 1.7%）

• 正确性（Correctness）：保持100%的数值精度

• 可靠性（Reliability）：零GPU错误或核函数崩溃

而且其中最为瞩目的是，在处理重复性模式生成任务时，OpenEvolve进化生成的核函数直接把解码速度提升了足足106%！

如此一来也就充分证明了，这个核函数在应对特定类型的工作负载时，真的性能爆棚。

总之，从统计结果来看，OpenEvolve在某些特定类型的工作负载上，确实有很强的优化能力，能挖掘出原先的手写代码难以触及的性能潜力。

在20个不同测试任务中，它在其中7个任务上提升非常明显，性能增长超过了25%，体现出了「质的飞跃」。

• 显著增益（>25%）：7/20个基准

• 中等增益（5-25%）：3/20个基准

• 性能持平（±5%）：4/20个基准

• 性能回退（<-5%）：6/20个基准

注意，这一项目之所以能成功，有一个关键功臣就是OpenEvolve背后的评估系统。

它不是普通的跑分工具，而是专门为GPU核函数这种「硬核」代码而设计的，专为应对GPU核函数开发过程中的各种挑战。

• 命令缓冲区保护：自动检测Metal命令缓冲区的错误并从中恢复。

• 内存访问违规处理：安全地处理GPU内存访问违规。

• 重试逻辑：为瞬时GPU错误提供指数退避重试机制。

• 回退机制：当核函数彻底失败时，能够优雅地降级到备用方案。

# 评估结果示例{    "metal_safety_statistics": {        "metal_command_buffer_errors": 0,        "metal_memory_violations": 0,        "total_metal_errors": 0,        "safety_score": 100.0    }}

正是因为这套评估系统特别稳、鲁棒性极高，OpenEvolve才敢放开手脚去尝试各种激进的优化方案，而不用担心「越改越崩」。
要知道，GPU核函数这种实验性代码本来就很容易出错，一点小问题就可能导致整个程序挂掉。
所以，有这么一套高鲁棒性的机制兜底，才让系统能放心大胆地「卷」出新花样，把性能一步步推上去。

此外，项目的成功也离不开OpenEvolve中多个组件的协同工作：

• 智能代码标记：通过特定标记，确保进化过程仅针对Metal核函数源代码，同时完整保留与MLX框架的集成代码。

# EVOLVE-BLOCK-STARTkernel_source = """// 仅此块内的Metal核函数代码会被进化"""# EVOLVE-BLOCK-END

• 富含上下文信息的提示词：为进化提供的提示词包含了性能数据、硬件规格和优化方向指南。

• 多目标评分机制：在性能、正确性和安全性等多个目标之间进行权衡评分。

• 特定硬件验证：所有测试和优化都针对Apple Silicon硬件进行。

与此同时，为进化过程提供的提示词，也给OpenEvolve提供了至关重要的上下文信息：

## 硬件上下文信息- Apple Silicon M-series GPU with unified memory（GPU为Apple Silicon M系列，采用统一内存架构）- SIMD width: 8 elements optimal for vec<T, 8>（最佳SIMD宽度为8个元素，适用于vec<T, 8>类型）- Thread group size: 32 threads for optimal occupancy（最佳线程组大小为32线程，以达到最高硬件占用率）## 优化目标- Minimize memory bandwidth usage（最小化内存带宽占用）- Maximize SIMD utilization（最大化SIMD指令利用率）- Exploit GQA 40:8 head structure（充分利用GQA模型的40:8头结构特性）- Maintain numerical stability（保持数值计算的稳定性）## 性能基线Current decode speed: 140.6 tokens/sec（当前解码速度：140.6 token/秒）Target improvement: >5% speedup required（目标：需要>5%的速度提升）

总之，本次对GPU核函数的成功优化，揭示了以下几点重要原则：

1. 专业知识的自动化探索与发现

OpenEvolve发现的优化策略，涵盖了众多需要深厚专业知识的领域：

• Apple Silicon的架构细节

• Metal编程语言的精妙之处

• 注意力算法的各种变体

• 内存访问模式的优化

这些领域知识并非由人类工程师直接提供，而是在进化探索的过程中自主涌现的。

2. 面向特定硬件的自适应优化

最终的优化方案是为Apple Silicon硬件量身定制的，这就表明，OpenEvolve具备自动发掘、利用特定硬件特性的能力。

3. 算法层面的创新

进化过程发现的「两阶段在线Softmax（two-pass online softmax）」算法，本身就是一项新颖的技术贡献，应用潜力已经远远超出了本次实验的特定场景。

4. 具备投产应用的价值

这些优化并非「纸上谈兵」，而是在真实的Transformer推理负载中能带来显著性能提升的实用技术，完全具备在生产环境中部署的价值。

并且，自项目启动以来，Sharma已对OpenEvolve的核心能力进行了显著增强：

• 可复现性（Reproducibility）

通过完全确定性的进化过程，保证科研级别的可复现性。

random_seed: 42  # 确保每次运行结果完全一致

• 可视化（Visualization）

提供可交互的进化树视图，支持实时性能追踪。

python scripts/visualizer.py

• 岛屿进化（Island Evolution）

通过种群迁移实现并行进化，以增强解空间的探索能力。

database:  num_islands: 5  migration_interval: 25

• 稳健的检查点机制（Robust Checkpointing）

支持自动保存进度，并能从中断处恢复进化会话。

所以，你准备好亲自上手，挑战GPU核函数优化或其他复杂难题了吗？

输入以下代码，就可以快速开始了：

# 克隆仓库git clone https://github.com/codelion/openevolve.gitcd openevolve# 安装依赖pip install -e .# 运行MLX核函数优化示例cd examples/mlx_metal_kernel_optpython openevolve-run.py initial_program.py evaluator.py --iterations 25

如果想进一步了解更深入的信息，建议仔细阅读一下这几个文档。

GPU内核优化指南：https://github.com/codelion/openevolve/tree/main/examples/mlx_metal_kernel_opt

通用教程：https://github.com/codelion/openevolve#getting-started

配置参考：https://github.com/codelion/openevolve/tree/main/configs

DeepSeek 高级使用指南，建议收藏

一次性说清楚DeepSeek，史上最全（建议收藏）

DeepSeek一分钟做一份PPT

用DeepSeek写爆款文章？自媒体人必看指南

【5分钟解锁DeepSeek王炸攻略】顶级AI玩法，解锁办公+创作新境界！

声明

免责声明：部分文章和信息来源于互联网，不代表本订阅号赞同其观点和对其真实性负责。如转载内容涉及版权等问题，请立即与小编联系（微信号：913572853），我们将迅速采取适当的措施。本订阅号原创内容，转载需授权，并注明作者和出处。如需投稿请与小助理联系（微信号：AI480908961）

编辑：Zero