今年的國際編程競賽ICFP（International Conference on Functional Programming）的冠軍隊(duì)伍名為「Team Unagi」，團(tuán)隊(duì)來自日本初創(chuàng)AI研究公司Sakana AI，其中的AI系統(tǒng)不僅幫助他們加速解決方案，更為人類隊(duì)友帶來了全新的解題思路。

ICFP 2025編程大賽高度開放，「任何手段皆可」，鼓勵(lì)各路奇思妙想和工具（包括AI）自由登場。

Sakana AI團(tuán)隊(duì)選擇了一條獨(dú)特的「人機(jī)共創(chuàng)」道路。

在這場要求參賽者利用有限線索探索迷宮結(jié)構(gòu)的競賽中，人類開發(fā)者與AI算法并肩作戰(zhàn)，譜寫了一出科技與智慧交融的精彩戲碼。

與此同時(shí)，Sakana AI近期將融資1億美元，估值將達(dá)25億美元。

人類策略遇上瓶頸

AI進(jìn)化來破局

參賽者需要根據(jù)模糊提示，用最少的詢問次數(shù)勾勒出一個(gè)未知迷宮的全貌。

Sakana AI團(tuán)隊(duì)起初采用的是一個(gè)頗具創(chuàng)意但復(fù)雜的方案：將迷宮問題轉(zhuǎn)化為邏輯約束，使用SAT求解器（布爾可滿足性問題求解器）來一次性算出符合所有條件的解。

這種策略理論上可以充分利用有限線索，提高解題效率。

然而，正如團(tuán)隊(duì)所料，方案的瓶頸也隨之而來：SAT求解器的性能高度依賴于問題編碼的質(zhì)量。

編碼得當(dāng)，求解器才能高效工作；編碼不佳，再簡單的問題也可能算不出結(jié)果。

如何設(shè)計(jì)高效的編碼既需要深厚洞見，又免不了反復(fù)試錯(cuò)。

邏輯公式的一個(gè)示例。SAT問題的目標(biāo)是找到一個(gè)能滿足這些公式的變量賦值

盡管隊(duì)內(nèi)一位成員精心構(gòu)造了初始的邏輯公式，仍發(fā)現(xiàn)隨著迷宮規(guī)模增大，求解器耗時(shí)呈爆炸式增長，成為制約進(jìn)度的性能瓶頸。

就在團(tuán)隊(duì)絞盡腦汁試圖優(yōu)化代碼時(shí)，他們把目光投向了自家研發(fā)的AI工具——一個(gè)名為ShinkaEvolve的進(jìn)化式代碼優(yōu)化框架。

Shinka在日語中意為「進(jìn)化」，這個(gè)開源框架不負(fù)其名：它能夠利用大型語言模型（LLM）來不斷「進(jìn)化」代碼，以優(yōu)化算法性能。

Sakana AI團(tuán)隊(duì)決定讓ShinkaEvolve試一試，替他們來攻克SAT編碼的難關(guān)。

他們將團(tuán)隊(duì)原本用Rust語言編寫的迷宮SAT求解代碼交給ShinkaEvolve，并設(shè)置計(jì)算開銷（求解器運(yùn)行時(shí)間）為需要最小化的目標(biāo)函數(shù)，讓AI自主改進(jìn)代碼。

演化算法遇上生成式AI

ShinkaEvolve的工作原理頗有幾分「遺傳算法+人工智能教練」的味道。

它先生成一批代碼改寫候選，對(duì)每個(gè)候選運(yùn)行測試評(píng)估性能，然后優(yōu)勝劣汰、融合改進(jìn)，生成新一代的代碼版本，再重復(fù)這個(gè)循環(huán)。

ShinkaEvolve框架示意圖

ShinkaEvolve并非盲目地隨機(jī)修改代碼，它由一組大型語言模型共同驅(qū)動(dòng)，相當(dāng)于給進(jìn)化算法配備了「AI大腦」，能夠基于已有的編程知識(shí)與上下文智能地產(chǎn)生有潛力的改進(jìn)方案。

這種結(jié)合了生成式AI和進(jìn)化式探索的方法，被視為Sakana AI的核心技術(shù)靈感之一，讓AI從自然進(jìn)化中汲取靈感，像生物進(jìn)化那樣不斷試錯(cuò)，但又借助強(qiáng)大的預(yù)訓(xùn)練模型作為「經(jīng)驗(yàn)指導(dǎo)」，從而大幅提高探索效率。

ShinkaEvolve框架示意圖：AI通過迭代試錯(cuò)來進(jìn)化優(yōu)化程序代碼。左側(cè)由人類提供初始代碼和問題評(píng)估器，中間AI生成變種代碼進(jìn)行性能測試，右側(cè)不斷篩選出更優(yōu)方案。整套流程如同「人工智能的進(jìn)化論實(shí)驗(yàn)」。

ShinkaEvolve在此次迷宮挑戰(zhàn)中的表現(xiàn)堪稱一場精彩的進(jìn)化實(shí)驗(yàn)。

根據(jù)團(tuán)隊(duì)公布的數(shù)據(jù)，他們讓AI對(duì)代碼進(jìn)行了約320次迭代嘗試，耗費(fèi)的云端算力成本僅約60美元。

隨著每一代代碼的演進(jìn)，求解速度穩(wěn)步提升，中途還出現(xiàn)了幾次「靈感大爆發(fā)」式的重大躍升。

每一代的得分都會(huì)提升，并且在此過程中可以看到幾個(gè)顯著的突破

最終，AI產(chǎn)出的一版優(yōu)化代碼令性能實(shí)現(xiàn)了飛躍式增長：

針對(duì)中等規(guī)模的迷宮（18個(gè)房間），代碼運(yùn)行時(shí)間從原來的2.86秒縮短到0.44秒，加速約6.5倍；而在大型迷宮（24個(gè)房間）上，執(zhí)行時(shí)間更是從127秒驟降至13秒，提升近10倍！

這意味著許多原本因耗時(shí)過長而「遙不可及」的更大規(guī)模問題，如今在可接受的時(shí)間內(nèi)也能解決了。

Sakana AI團(tuán)隊(duì)立刻將這份AI優(yōu)化產(chǎn)物整合進(jìn)了他們的最終參賽方案里，大幅提高了解題效率和成績。

Sakana AI團(tuán)隊(duì)參賽過程中使用的源代碼和Prompt也已開源：https://github.com/icfpc-unagi/icfpc2025

AI不僅提速

更帶來人類未及的創(chuàng)意

性能飆升帶來了勝利的希望，而更出乎意料的是，AI在優(yōu)化過程中學(xué)到的「竅門」反過來啟發(fā)了人類。

團(tuán)隊(duì)發(fā)現(xiàn)，ShinkaEvolve給代碼動(dòng)的很多「手術(shù)」其實(shí)都帶有深刻洞見。

例如，其中最關(guān)鍵的一項(xiàng)改進(jìn)涉及迷宮連接關(guān)系的表示方式。

原本人類編碼直接將「房間A的門1連接房間B的門2」硬編碼為約束，而AI卻引入了一個(gè)巧妙的中間變量，將關(guān)系拆分為「兩步」：先標(biāo)記「房間A的門1連接到了房間B」，再進(jìn)一步細(xì)化具體是B的哪扇門。

這個(gè)額外的抽象層次讓求解器可以先在更高層面決定「哪些房間相連」，再著手處理具體門對(duì)門的對(duì)應(yīng)關(guān)系，從而大大降低了搜索難度。

這一點(diǎn)石成金的輔助變量策略，本質(zhì)上是一條具有普適性的建模原則。

團(tuán)隊(duì)成員們恍然大悟，甚至在后續(xù)解決其他難題時(shí)也手動(dòng)借鑒了同樣的思路，可謂AI教學(xué)、人類受益。

更重要的是，這次「AI發(fā)現(xiàn)→人類領(lǐng)悟」的良性循環(huán)絕非曇花一現(xiàn)。

Sakana AI團(tuán)隊(duì)總結(jié)道，他們成功實(shí)踐了一種人機(jī)協(xié)作的新范式：

人類擅長制定整體戰(zhàn)略、搭建初始解決方案，而AI則在此框架內(nèi)進(jìn)行定向、密集的搜索優(yōu)化，挖掘出人類可能忽略的改進(jìn)空間。隨后，人類對(duì)AI產(chǎn)出的成果進(jìn)行分析提煉，將其中的洞見融會(huì)貫通，再用于新的挑戰(zhàn)。

這樣的合作關(guān)系使得AI不再只是冰冷的工具，而儼然成為科研團(tuán)隊(duì)中的一位「頭腦風(fēng)暴」伙伴。

此次ICFP項(xiàng)目的成功正是建立在這種互補(bǔ)互助的模式之上。

它預(yù)示著未來解決復(fù)雜問題的一種強(qiáng)大范式：人機(jī)攜手，各展所長。

Sakana AI

從自然中汲取靈感的AI新銳

這場在編程競賽中的亮眼表現(xiàn)背后，是一家年輕卻雄心勃勃的AI研究公司：Sakana AI。

Sakana在日語中意為「魚」，該公司的Logo正是由一群魚組成的圖案，其中一條紅色小魚逆向游動(dòng)，象征著勇于打破常規(guī)、特立獨(dú)行。

這個(gè)名字和標(biāo)志背后折射出Sakana AI的技術(shù)哲學(xué)：從大自然汲取智慧，追求群體智能和進(jìn)化等自然啟示，同時(shí)不盲從當(dāng)下主流，而是大膽探索AI發(fā)展的下一程。

Sakana AI于2023年在日本東京創(chuàng)立，短短時(shí)間已匯聚了一支星光熠熠的創(chuàng)始團(tuán)隊(duì)。

公司由前谷歌大腦研究科學(xué)家David Ha、Transformer架構(gòu)共同作者Llion Jones、前日本首家獨(dú)角獸Mercari歐洲分部CEO伊藤錬（Ren Ito）聯(lián)合創(chuàng)立，分別擔(dān)任CEO、CTO、COO。

David Ha以在谷歌大腦開展前沿創(chuàng)意研究聞名，轉(zhuǎn)投AI之前曾是高盛的交易員；Llion Jones則是機(jī)器學(xué)習(xí)史上里程碑論文「Attention is All You Need」（Transformer模型）的合著者之一。

Ren Ito也在加入Sakana AI前曾擔(dān)任Stability AI的COO。

此外，創(chuàng)始團(tuán)隊(duì)成員也有來自谷歌DeepMind等機(jī)構(gòu)的資深研究人士。

這樣的豪華陣容，加上對(duì)理念的堅(jiān)持，使Sakana AI在成立之初便獲得了頂級(jí)投資機(jī)構(gòu)的青睞。

2024年初公司宣布完成3000萬美元種子輪融資，由美國硅谷的Lux Capital和Khosla Ventures領(lǐng)投，多家日本本土巨頭企業(yè)也參與其中。

而公司的A輪融資達(dá)約2億美元，股東中包括英偉達(dá)，并官宣與英偉達(dá)的合作。

目前，Sakana AI的估值約15億美元。

顯然，資本市場也在寄望這支「AI鯰魚」來攪動(dòng)行業(yè)風(fēng)潮。

技術(shù)愿景：進(jìn)化智能，開拓AI新范式

Sakana AI的愿景可用一句話概括：以自然為師，開創(chuàng)AI新范式。

與當(dāng)下諸多公司熱衷于追逐超大規(guī)模Transformer模型不同，Sakana AI立志開發(fā)的是從自然機(jī)制中獲得啟發(fā)的新型基礎(chǔ)模型。

正如其投資方所評(píng)價(jià)的那樣：

如今大多數(shù)AI團(tuán)隊(duì)還在沿用昨天的Transformer架構(gòu)，拼命擴(kuò)大參數(shù)規(guī)模，而Sakana AI已經(jīng)在探索進(jìn)化和復(fù)雜自適應(yīng)系統(tǒng)啟發(fā)的下一代基礎(chǔ)模型。

Sakana AI的研究范式強(qiáng)調(diào)「開放式進(jìn)化」和「持續(xù)自我改進(jìn)」。

他們希望構(gòu)建出的AI系統(tǒng)不再像傳統(tǒng)模型那樣訓(xùn)練完畢就固化不變，而是能像生物一樣在運(yùn)行中不斷學(xué)習(xí)、優(yōu)化，甚至改寫自身代碼，實(shí)現(xiàn)無終止的進(jìn)化。

這一理念聽起來近乎科幻，卻有堅(jiān)實(shí)的學(xué)術(shù)根基可循。

早在上世紀(jì)，AI研究者就提出過能自我修改代碼、不斷學(xué)習(xí)提高的「哥德爾機(jī)」（一種理論上的自我完善AI）構(gòu)想。

不過哥德爾機(jī)要求AI在改自己代碼前能證明這一定會(huì)帶來優(yōu)化，實(shí)操上難以實(shí)現(xiàn)。

Sakana AI的團(tuán)隊(duì)則另辟蹊徑，與學(xué)界合作提出了一個(gè)更可行的框架，巧妙地引入「達(dá)爾文式進(jìn)化」的思路：讓AI不停嘗試修改自身，通過實(shí)驗(yàn)驗(yàn)證哪些改動(dòng)能提升性能，然后保留優(yōu)勝劣汰，周而復(fù)始地自我強(qiáng)化。

這一系統(tǒng)稱為「達(dá)爾文-哥德爾機(jī)」（Darwin G?del Machine, DGM），團(tuán)隊(duì)在技術(shù)報(bào)告中展示了其雛形：一個(gè)能改進(jìn)自身代碼的編程智能體。

https://arxiv.org/abs/2505.22954

DGM利用預(yù)訓(xùn)練的基礎(chǔ)模型來提議代碼改進(jìn)，再通過開放式的進(jìn)化算法在龐大的程序版本庫中搜索更優(yōu)解。

實(shí)驗(yàn)結(jié)果表明，這種AI算力越充足就越聰明，性能隨著自我改寫次數(shù)的增加不斷提升，甚至超越了由人類手工設(shè)計(jì)的傳統(tǒng)算法。

可以看出，無論是此次ICFP競賽中的ShinkaEvolve，還是「達(dá)爾文-哥德爾機(jī)」概念，Sakana AI始終圍繞著一個(gè)核心理念在探索：讓AI像生命體一樣進(jìn)化。

這種范式突破了經(jīng)典AI的桎梏，將生成式AI的強(qiáng)大直覺與進(jìn)化算法的求異探索結(jié)合起來，使AI能夠自行發(fā)現(xiàn)更優(yōu)的解決方案。

正因如此，Sakana AI的研究更像是在模擬「人工界的自然進(jìn)化」，充滿了開創(chuàng)性和想象力。

提出DGM的論文兩位共同一作是UBC在讀博士張卓婷和胡圣然。

胡勝然是南方科技大學(xué)計(jì)算機(jī)專業(yè)2021屆畢業(yè)生。

另一位作者是谷歌DeepMind的陸聰，參與了Genie 3的研發(fā)。

他是牛津大學(xué)計(jì)算機(jī)博士，之前在UBC做博士后。

進(jìn)化式AI的崛起

Sakana AI在ICFP 2025上的奪冠預(yù)示著進(jìn)化式AI與自動(dòng)編程的巨大潛能。

第一，這次「人機(jī)協(xié)同」破題的案例證明了生成式AI可以成為人類程序員的放大器：AI并非簡單取代開發(fā)者，而是擔(dān)當(dāng)探索者和助手的角色，幫助人類突破瓶頸。

在生成式AI浪潮席卷編程領(lǐng)域的當(dāng)下，大多數(shù)代碼生成工具還只能充當(dāng)聽話的「代碼翻譯」或「自動(dòng)補(bǔ)全」工具，而Sakana AI展示了一種更新穎的模式——讓AI主動(dòng)出擊、反復(fù)試驗(yàn)，去改良和優(yōu)化人類編寫的代碼。

這類似于軟件開發(fā)中的重構(gòu)過程由AI來自動(dòng)執(zhí)行，而且AI還能從中總結(jié)出優(yōu)化規(guī)律反饋給人類，實(shí)現(xiàn)了雙向的知識(shí)流動(dòng)。

第二，Sakana AI的ICFP項(xiàng)目凸顯了進(jìn)化算法在AI時(shí)代的重生。

曾幾何時(shí)，進(jìn)化算法和遺傳編程是在AI早期就提出的概念，但隨著機(jī)器學(xué)習(xí)（特別是深度學(xué)習(xí)）的崛起，這類基于隨機(jī)試錯(cuò)和自然選擇的方法一度淡出了主流視野。

然而，如今借助強(qiáng)大的算力和預(yù)訓(xùn)練模型，進(jìn)化方法正煥發(fā)新生。它不再是低效的盲目搜索，而成了可以結(jié)合模型智慧的智能探索。

通過大量快速的迭代，AI能夠在復(fù)雜的解空間中找到人類直覺未曾涉足的解決方案。

正如Sakana AI團(tuán)隊(duì)所總結(jié)的，這種人機(jī)分工模式讓AI承擔(dān)了高強(qiáng)度的搜索優(yōu)化工作，人類則專注宏觀策略和結(jié)果判斷，最終效果遠(yuǎn)超單打獨(dú)斗。

第三，這一成果對(duì)自動(dòng)編程領(lǐng)域也是一劑強(qiáng)心針。

自動(dòng)編程一直是AI研究的圣杯之一。

而Sakana AI的實(shí)踐表明，我們離這個(gè)目標(biāo)又近了一步：借由演化式的反復(fù)完善，AI已經(jīng)能在特定任務(wù)上顯著優(yōu)化代碼性能，甚至自主發(fā)現(xiàn)新的算法思路。

這暗示著未來的軟件開發(fā)可能將發(fā)生范式轉(zhuǎn)變，程序不再僅僅由人類一次性編寫完畢，而是由人類與AI共同演化而來。

開發(fā)者或許更像園丁，培育和引導(dǎo)AI代碼的生長；AI則如同茁壯成長的「數(shù)字生物」，在不斷迭代中進(jìn)化出更優(yōu)雅高效的代碼。

當(dāng)我們回望這次ICFP奪冠歷程，可以說Sakana AI用一次精彩的實(shí)戰(zhàn)為業(yè)界上了一課：AI的潛力不止于模仿人類智能，它還能與人類協(xié)作，共同創(chuàng)造出遠(yuǎn)超各自單獨(dú)能力的成果。

從自然進(jìn)化中獲得靈感的「Sakana模式」，為生成式AI和自動(dòng)編程指明了一條新路。

或許在不久的將來，我們將看到更多「AI+人類」協(xié)作的創(chuàng)新場景：從難題攻關(guān)、軟件優(yōu)化，到科研探索、工程設(shè)計(jì)。

當(dāng)AI學(xué)會(huì)了進(jìn)化和自我改進(jìn)，整個(gè)人工智能產(chǎn)業(yè)也將隨之邁入一個(gè)充滿生機(jī)與變革的新紀(jì)元。

正如Sakana AI那條逆流而上的紅色小魚所寓意的，真正的變革往往源自那些敢于另辟蹊徑的探索者。

Sakana AI和他們的ICFP項(xiàng)目，正在用實(shí)踐證明，進(jìn)化的力量，足以開創(chuàng)AI的下一段傳奇。