前 Prometheus 招募對象推出能一次處理 5 兆筆資料的 AI

新聞摘要

兩位曾受邀領導 Jeff Bezos 雄心勃勃的 Project Prometheus 的研究人員，反而公布了他們自己的人工智慧事業，而且建立在截然不同的技術基礎上。Anima Anandkumar 是加州理工學院計算與數學科學教授，也曾是 Amazon 科學家與 Nvidia 總監；她與丈夫、AI 基礎設施工程師 Benedikt Jenik 於 2026 年 8 月 25 日（美東時間）公開推出 Accelerated Understanding Inc，發表了一款旨在模擬物理系統、而非生成語言的模型。

Prometheus 的邀約

根據路透社報導並經多家媒體證實的細節，與 Project Prometheus 的淵源始於 2024 年底，當時投資人兼生物科技企業家 Vik Bajaj 在洛杉磯與 Anandkumar 和 Jenik 共進晚餐，討論可能的合作。Bajaj 後來與 Bezos 共同創辦了 Prometheus。據報導，隨之而來的錄用信提出給予這對夫妻 35% 的股權、100 萬美元年薪（三個月後調升至 200 萬美元），以及透過 B 輪融資承諾投入超過 20 億美元，Bezos 也是出資者之一。Anandkumar 原本預計擔任該企業的公開門面與科學總監。

Anandkumar 和 Jenik 最終拒絕了這份邀約，選擇繼續獨立發展自己的公司。Project Prometheus 在沒有他們的情況下繼續推進，後來據報在 2026 年 6 月完成 120 億美元的 B 輪融資，致力於自動化複雜實體產品的製造。

不同的架構：神經算子取代 Transformer

Accelerated Understanding 的做法與主流大型語言模型的核心差異在於底層架構。當今大多數 AI 系統——包括 Anthropic 和 Google 打造的聊天機器人——都依賴 Transformer 架構，它會預測一段文字序列中的下一個字詞或 token。Accelerated Understanding 則採用神經算子，這是一種用於建模連續物理系統的數學框架，Anandkumar 在早期研究生涯中曾協助開創此領域。

神經算子方法不是學習語言中的統計規律，而是學習物理系統內部的關係，並預測這些系統如何在空間與時間中演變。Anandkumar 藉由與傳統 AI 的對比來描述這套設計背後的哲學：「以語言為中心的智慧觀，是把人類放在中心。把物理放在中心，則是以自然為中心的觀點。」

新模型的規模

在內部測試中，Accelerated Understanding 的系統據報在單一提示內處理了 5 兆筆資料，該公司形容這個量約是其他主要 AI 實驗室旗艦語言模型單次輸入通常處理量的 500 萬倍。這種規模被呈現為架構帶來的副產品：由於物理系統是以連續場而非離散的文字 token 來表示，模型可以一次攝取密度高得多的科學與感測器資料流。

起源於 Nvidia

Anandkumar 對神經算子的研究可追溯到她任職 Nvidia 的時期。她於 2018 年加入 Nvidia，擔任總監約五年。2021 年，Nvidia 執行長 Jensen Huang 在該公司的 GTC 大會上公開強調了她的神經算子研究，這是業界對以物理為基礎、替代 Transformer 模型感興趣的早期訊號。

資金與基礎設施

Anandkumar 拒絕透露具體的融資金額或點名支持 Accelerated Understanding 的投資人。不過她表示，公司已與運算供應商建立合作關係，這些供應商提供了用於訓練和運行其模型的硬體叢集，但她並未公開指明這些合作夥伴。

潛在應用

報導描述了這套神經算子模型正在探索的幾個早期應用領域，包括半導體與材料設計、機器人技術、極端天氣預報，以及用於能源探勘的地質資料分析。創辦人所描述的更宏大目標，是打造能夠以語言模型天生無法處理的規模，來表徵與預測物理及自然系統行為的 AI 系統。

為什麼這項比較很重要

這個故事在 AI 產業引起關注，是因為它凸顯了先進 AI 發展路線日益分歧的現象。雖然業界大部分——包括 Project Prometheus——都聚焦於將大規模學習系統應用在自動化實體製造與工程任務上，Accelerated Understanding 則代表另一種並行的賭注：以物理為原生架構，而非把語言模型改作科學用途，可能更適合用來建模自然世界。