新智元報道

編輯：艾倫

在ICFP 2025編程大賽中，日本Sakana AI的「Team Unagi」以人機共創模式奪冠。其AI系統「ShinkaEvolve」通過迭代優化讓代碼性能提升近十倍，并反向啟發人類思維。Sakana AI以自然進化為理念，正開創AI自我進化與人機協作的新范式。

今年的國際編程競賽ICFP（International Conference on Functional Programming）的冠軍隊伍名為「Team Unagi」，團隊來自日本初創AI研究公司Sakana AI，其中的AI系統不僅幫助他們加速解決方案，更為人類隊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」，鼓勵各路奇思妙想和工具（包括AI）自由登場。

Sakana AI團隊選擇了一條獨特的「人機共創」道路。

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

與此同時，Sakana AI近期將融資1億美元，估值將達25億美元。

人類策略遇上瓶頸

AI進化來破局

參賽者需要根據模糊提示，用最少的詢問次數勾勒出一個未知迷宮的全貌。

Sakana AI團隊起初采用的是一個頗具創意但復雜的方案：將迷宮問題轉化為邏輯約束，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，正如團隊所料，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量。

編碼得當，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果。

如何設計高效的編碼既需要深厚洞見，又免不了反復試錯。

邏輯公式的一個示例。SAT問題的目標是找到一個能滿足這些公式的變量賦值

盡管隊內一位成員精心構造了初始的邏輯公式，仍發現隨著迷宮規模增大，求解器耗時呈爆炸式增長，成為制約進度的性能瓶頸。

就在團隊絞盡腦汁試圖優化代碼時，他們把目光投向了自家研發的AI工具——一個名為ShinkaEvolve的進化式代碼優化框架。

Shinka在日語中意為「進化」，這個開源框架不負其名：它能夠利用大型語言模型（LLM）來不斷「進化」代碼，以優化算法性能。

Sakana AI團隊決定讓ShinkaEvolve試一試，替他們來攻克SAT編碼的難關。

他們將團隊原本用Rust語言編寫的迷宮SAT求解代碼交給ShinkaEvolve，并設置計算開銷（求解器運行時間）為需要最小化的目標函數，讓AI自主改進代碼。

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，對每個候選運行測試評估性能，然后優勝劣汰、融合改進，生成新一代的代碼版本，再重復這個循環。

ShinkaEvolve框架示意圖

ShinkaEvolve并非盲目地隨機修改代碼，它由一組大型語言模型共同驅動，相當于給進化算法配備了「AI大腦」，能夠基于已有的編程知識與上下文智能地產生有潛力的改進方案。

這種結合了生成式AI和進化式探索的方法，被視為Sakana AI的核心技術靈感之一，讓AI從自然進化中汲取靈感，像生物進化那樣不斷試錯，但又借助強大的預訓練模型作為「經驗指導」，從而大幅提高探索效率。

ShinkaEvolve框架示意圖：AI通過迭代試錯來進化優化程序代碼。左側由人類提供初始代碼和問題評估器，中間AI生成變種代碼進行性能測試，右側不斷篩選出更優方案。整套流程如同「人工智能的進化論實驗」。

ShinkaEvolve在此次迷宮挑戰中的表現堪稱一場精彩的進化實驗。

根據團隊公布的數據，他們讓AI對代碼進行了約320次迭代嘗試，耗費的云端算力成本僅約60美元。

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

每一代的得分都會提升，并且在此過程中可以看到幾個顯著的突破

最終，AI產出的一版優化代碼令性能實現了飛躍式增長：

針對中等規模的迷宮（18個房間），代碼運行時間從原來的2.86秒縮短到0.44秒，加速約6.5倍；

而在大型迷宮（24個房間）上，執行時間更是從127秒驟降至13秒，提升近10倍！

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

Sakana AI團隊立刻將這份AI優化產物整合進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團隊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意

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

團隊發現，ShinkaEvolve給代碼動的很多「手術」其實都帶有深刻洞見。

例如，其中最關鍵的一項改進涉及迷宮連接關系的表示方式。

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卻引入了一個巧妙的中間變量，將關系拆分為「兩步」：先標記「房間A的門1連接到了房間B」，再進一步細化具體是B的哪扇門。

這個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門的對應關系，從而大大降低了搜索難度。

這一點石成金的輔助變量策略，本質上是一條具有普適性的建模原則。

團隊成員們恍然大悟，甚至在后續解決其他難題時也手動借鑒了同樣的思路，可謂AI教學、人類受益。

更重要的是，這次「AI發現→人類領悟」的良性循環絕非曇花一現。

Sakana AI團隊總結道，他們成功實踐了一種人機協作的新范式：

人類擅長制定整體戰略、搭建初始解決方案，而AI則在此框架內進行定向、密集的搜索優化，挖掘出人類可能忽略的改進空間。隨后，人類對AI產出的成果進行分析提煉，將其中的洞見融會貫通，再用于新的挑戰。

這樣的合作關系使得AI不再只是冰冷的工具，而儼然成為科研團隊中的一位「頭腦風暴」伙伴。

此次ICFP項目的成功正是建立在這種互補互助的模式之上。

它預示著未來解決復雜問題的一種強大范式：人機攜手，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，象征著勇于打破常規、特立獨行。

這個名字和標志背后折射出Sakana AI的技術哲學：從大自然汲取智慧，追求群體智能和進化等自然啟示，同時不盲從當下主流，而是大膽探索AI發展的下一程。

Sakana AI于2023年在日本東京創立，短短時間已匯聚了一支星光熠熠的創始團隊。

公司由前谷歌大腦研究科學家David Ha、Transformer架構共同作者Llion Jones、前日本首家獨角獸Mercari歐洲分部CEO伊藤錬（Ren Ito）聯合創立，分別擔任CEO、CTO、COO。

David Ha以在谷歌大腦開展前沿創意研究聞名，轉投AI之前曾是高盛的交易員；

Llion Jones則是機器學習史上里程碑論文「Attention is All You Need」（Transformer模型）的合著者之一。

Ren Ito也在加入Sakana AI前曾擔任Stability AI的COO。

此外，創始團隊成員也有來自谷歌DeepMind等機構的資深研究人士。

這樣的豪華陣容，加上對理念的堅持，使Sakana AI在成立之初便獲得了頂級投資機構的青睞。

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領投，多家日本本土巨頭企業也參與其中。

而公司的A輪融資達約2億美元，股東中包括英偉達，并官宣與英偉達的合作。

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」來攪動行業風潮。

技術愿景：進化智能，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AI新范式。

與當下諸多公司熱衷于追逐超大規模Transformer模型不同，Sakana AI立志開發的是從自然機制中獲得啟發的新型基礎模型。

正如其投資方所評價的那樣：

如今大多數AI團隊還在沿用昨天的Transformer架構，拼命擴大參數規模，而Sakana AI已經在探索進化和復雜自適應系統啟發的下一代基礎模型。

Sakana AI的研究范式強調「開放式進化」和「持續自我改進」。

他們希望構建出的AI系統不再像傳統模型那樣訓練完畢就固化不變，而是能像生物一樣在運行中不斷學習、優化，甚至改寫自身代碼，實現無終止的進化。

這一理念聽起來近乎科幻，卻有堅實的學術根基可循。

早在上世紀，AI研究者就提出過能自我修改代碼、不斷學習提高的「哥德爾機」（一種理論上的自我完善AI）構想。

不過哥德爾機要求AI在改自己代碼前能證明這一定會帶來優化，實操上難以實現。

Sakana AI的團隊則另辟蹊徑，與學界合作提出了一個更可行的框架，巧妙地引入「達爾文式進化」的思路：讓AI不停嘗試修改自身，通過實驗驗證哪些改動能提升性能，然后保留優勝劣汰，周而復始地自我強化。

這一系統稱為「達爾文-哥德爾機」（Darwin G?del Machine,DGM），團隊在技術報告中展示了其雛形：一個能改進自身代碼的編程智能體。

https://arxiv.org/abs/2505.22954

DGM利用預訓練的基礎模型來提議代碼改進，再通過開放式的進化算法在龐大的程序版本庫中搜索更優解。

實驗結果表明，這種AI算力越充足就越聰明，性能隨著自我改寫次數的增加不斷提升，甚至超越了由人類手工設計的傳統算法。

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

這種范式突破了經典AI的桎梏，將生成式AI的強大直覺與進化算法的求異探索結合起來，使AI能夠自行發現更優的解決方案。

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

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計算機專業2021屆畢業生。

另一位作者是谷歌DeepMind的陸聰，參與了Genie 3的研發。

他是牛津大學計算機博士，之前在UBC做博士后。

進化式AI的崛起

Sakana AI在ICFP 2025上的奪冠預示著進化式AI與自動編程的巨大潛能。

第一，這次「人機協同」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并非簡單取代開發者，而是擔當探索者和助手的角色，幫助人類突破瓶頸。

在生成式AI浪潮席卷編程領域的當下，大多數代碼生成工具還只能充當聽話的「代碼翻譯」或「自動補全」工具，而Sakana AI展示了一種更新穎的模式——讓AI主動出擊、反復試驗，去改良和優化人類編寫的代碼。

這類似于軟件開發中的重構過程由AI來自動執行，而且AI還能從中總結出優化規律反饋給人類，實現了雙向的知識流動。

第二，Sakana AI的ICFP項目凸顯了進化算法在AI時代的重生。

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

然而，如今借助強大的算力和預訓練模型，進化方法正煥發新生。它不再是低效的盲目搜索，而成了可以結合模型智慧的智能探索。

通過大量快速的迭代，AI能夠在復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團隊所總結的，這種人機分工模式讓AI承擔了高強度的搜索優化工作，人類則專注宏觀策略和結果判斷，最終效果遠超單打獨斗。

第三，這一成果對自動編程領域也是一劑強心針。

自動編程一直是AI研究的圣杯之一。

而Sakana AI的實踐表明，我們離這個目標又近了一步：借由演化式的反復完善，AI已經能在特定任務上顯著優化代碼性能，甚至自主發現新的算法思路。

這暗示著未來的軟件開發可能將發生范式轉變，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。

開發者或許更像園丁，培育和引導AI代碼的生長；

AI則如同茁壯成長的「數字生物」，在不斷迭代中進化出更優雅高效的代碼。

當我們回望這次ICFP奪冠歷程，可以說Sakana AI用一次精彩的實戰為業界上了一課：AI的潛力不止于模仿人類智能，它還能與人類協作，共同創造出遠超各自單獨能力的成果。

從自然進化中獲得靈感的「Sakana模式」，為生成式AI和自動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」協作的創新場景：從難題攻關、軟件優化，到科研探索、工程設計。

當AI學會了進化和自我改進，整個人工智能產業也將隨之邁入一個充滿生機與變革的新紀元。

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項目，正在用實踐證明，進化的力量，足以開創AI的下一段傳奇。

參考資料：

https://sakana.ai/icfp-2025/

https://github.com/icfpc-unagi/icfpc2025

https://icfpcontest2025.github.io/

https://arxiv.org/abs/2509.19349

https://arxiv.org/abs/2505.22954