Anima Anandkumar 创物理 AI 公司，弃 Transformer 用神经算子

由前英伟达 AI 研究总监、加州理工学院教授 Anima Anandkumar 与其丈夫、基础设施工程师 Benedikt Jenik 共同创办的初创公司 Accelerated Understanding 近日正式亮相，提出了一套区别于主流大语言模型路线的「物理 AI」方案，宣称直接对四维时空中的物理状态进行建模与推演。

技术路线：神经算子替代 Transformer

Accelerated Understanding 的核心主张是放弃当前主流的 Transformer 架构，转而采用「神经算子（Neural Operators）」。Anima Anandkumar 是该技术方向的早期推动者之一。其核心论点是：

• 大语言模型本质上预测下一个 token，视频世界模型依赖「视觉捷径」让画面看起来符合物理规律，但并不能真正理解重力、流体、材料等物理过程。
• 神经算子专为处理高维、连续的物理数据而设计，能够直接在三维空间加一维时间的完整维度中理解多物理场，无须将物理世界降维为文字或像素。
• 该架构据称可在一次推理中「one-shot」输出完整的四维轨迹，不需要子采样或分块处理。

团队认为，气象、材料、流体等不同领域的物理法则在底层相通，因此同一个模型可跨领域处理多种物理问题，并构建「模拟 → 改进 → 模拟」的闭环，对推演结果进行迭代修正。

模型规模与上下文

公开信息中给出的关键数字包括：

• 已完成 1 万亿（1T）参数规模的模型预训练。
• 扩展实验规模已推进至 35 万亿（35T）参数。
• 训练阶段上下文长度达 1 万亿（1T）。
• 推理阶段上下文长度超过 5 万亿（5T）。

以主流大语言模型通常数百万级别的上下文窗口作为参照，5 万亿这一数字量级极高，但公司尚未公开相关 benchmark、技术报告或第三方复现数据，参数与上下文的实际利用率和有效性尚待验证。

团队背景与融资传闻

两位创始人均有深度学习与高性能计算背景：Anima Anandkumar 曾在英伟达担任 AI 研究总监五年，期间主导过 AI 加速天气预测等研究方向，并在 2021 年英伟达 GTC 大会上由黄仁勋亲自展示相关成果；Benedikt Jenik 则为顶尖 AI 基础设施工程师。

据路透社报道，二人此前曾被贝索斯支持的 Project Prometheus 项目邀约，提议方案包括：

• 给予夫妻二人合计约 35% 的公司股权。
• 基础年薪 100 万美元，入职三个月后翻倍至 200 万美元。
• 由贝索斯等投资人在 B 轮前承诺超过 20 亿美元的融资。

Anandkumar 与 Jenik 最终选择拒绝，转而独立推进自己的技术路线。Accelerated Understanding 尚未披露具体融资金额和投资方，仅表示已与算力供应商达成硬件集群合作，业内普遍猜测英伟达在算力层面提供了重要支持，但英伟达官方未就此置评。

从「生成信息」到「模拟物理」的尝试

相比当前以文本和视频为主要模态的大模型路线，Accelerated Understanding 押注的是「物理 AI」方向：让模型直接学习并推演物理规律，而非仅在语言或像素层面拟合人类表达。

如果相关能力得到验证，这一路线在科学计算、工程仿真、气候与材料建模等领域具有潜在应用价值；但目前公开信息仍以公司自述为主，缺乏独立测评、论文或同行评审支撑。该公司能否在「拒 Transformer、押神经算子」的路线上跑出实质性结果，仍有待后续技术披露与基准测试来回答。