DeepMind偷偷捅破了计算机科学的祖传天花板
2.371177。
老实讲，第一眼看到这个数字，大部分人估计会直接划走。
但在计算机科学圈，这串小数点后的数字，刚刚引发了一场地震。
Google DeepMind的Pushmeet Kohli在X上轻描淡写地发了条推文，宣布矩阵乘法指数 $\omega$ 的理论最快速度新纪录诞生。
之前的纪录是2.371339，现在被硬生生压到了2.371177以下。
别嫌这进步小。在这个被称为复杂性理论长期挑战的领域，小数点后挪动一位，往往要熬秃几代数学家。
搞AI的凭什么管起数学家的闲事
先说点大白话。
矩阵乘法是现代计算的基石。你用的每一个大模型，跑的每一次推理，底层全在疯狂做矩阵乘法。
而 $\omega$ 就是衡量计算机做矩阵乘法理论最快速度的指数。
这个值越小，意味着理论上的计算速度越快。几十年来，全人类最聪明的脑子都在试图把 $\omega$ 逼近极限值2。
有意思的是，这次破纪录的不是哪个数学天才在黑板上灵光一闪。
是AI自己下场，把AI赖以生存的底层基建给优化了。
DeepMind拉上学术圈，用Gemini驱动的编码代理AlphaEvolve，硬生生砸开了这个数学死结。
用魔法打败魔法的暴力美学
看看他们刚挂在arXiv上的论文摘要，信息密度极高。
之前的学界主流玩法，是用一种叫组合损失分析的激光方法改进版。
但这种方法有个死穴，优化问题太复杂，算力扛不住。
DeepMind团队怎么干的？分三步走。
第一步，重新把优化问题公式化，把解题盘子做大。
第二步，直接上机器学习，设计了一套全新的优化算法。
第三步，也是最狠的一步，让AlphaEvolve对这个算法进行终极微调。
个人觉得，这套路挺流氓的。
人类数学家在死磕公式推导，AI直接在庞大的解空间里暴力搜索加启发式微调。
这就好比你在算微积分，旁边的人直接掏出了计算器。
评论区炸了这玩意儿到底有啥用
推文发了不到一天，浏览量逼近40万。
但评论区的风向，说实话，挺割裂的。
一半人在狂欢祝贺，另一半人满脸问号。
网友DforDouble和statistocrat94发出了灵魂拷问：
在哪个世界里，这会对真正做矩阵乘法的人有实际意义？到底有什么意义？
老实讲，这种质疑太正常了。
理论上限的突破，距离工程落地往往隔着十万八千里。现在的GPU架构，根本跑不到这个理论极限。
但更有趣的是那些民科发言。
有个叫TravisHyer的老哥信誓旦旦地说：
最大值可能正在接近e。我这么说完全没证据，但我相当自信我是对的。
看到这种评论，我只能说，自信是好事，但建议先去复习一下线性代数。$\omega$ 的极限公认是2，跟自然对数底数八竿子打不着。
真正的暗线是AI开始给自己修路了
表面上看，这是一篇关于算法和数据结构的硬核论文。
但你仔细品品背后的逻辑。
矩阵乘法是驱动人工智能的基础计算操作。而打破矩阵乘法速度纪录的工具，是Gemini驱动的AlphaEvolve。
这意味着，AI正在优化让AI自己跑得更快的底层数学逻辑。
以前我们总觉得，AI只是个在人类搭好的框架里跑数据的苦力。
现在，苦力开始自己画图纸、改地基了。
虽然这次只是理论界限的微小推进，还没法立刻让你的显卡帧率翻倍。但这套用AI寻找数学最优解的范式，已经彻底跑通。
当AI开始接管人类最引以为傲的底层理论突破时，留给人类数学家灵光一闪的空间，还有多少？
或者说，下一个被AlphaEvolve盯上的基础科学难题，会是什么？
【锐评】：AI嫌人类算矩阵太慢，干脆自己写算法把理论天花板捅了，下一步怕是要自己画芯片图纸了。
参考链接：
https://x.com/pushmeet/status/2089717134129565763