前 Prometheus 核心成员推出可一次性处理 5 万亿数据点的人工智能

新闻摘要

两位曾收到领导 Jeff Bezos 雄心勃勃的 Project Prometheus 邀约的研究人员，如今推出了他们自己的人工智能企业，其技术基础与主流路线截然不同。加州理工学院计算与数学科学教授、曾任亚马逊科学家和 Nvidia 总监的 Anima Anandkumar，与她的丈夫、人工智能基础设施工程师 Benedikt Jenik 于 2026 年 8 月 25 日（美国东部时间）公开启动了 Accelerated Understanding Inc，展示了一款旨在模拟物理系统而非生成语言的模型。

Prometheus 的邀约

据路透社报道并经多家媒体证实，与 Project Prometheus 的渊源始于 2024 年底，当时投资人兼生物科技企业家 Vik Bajaj 在洛杉矶的一次晚餐中与 Anandkumar 和 Jenik 讨论了潜在合作。Bajaj 后来与 Bezos 共同创立了 Prometheus。据报道，随后的邀约函提出给予这对夫妇 35% 的股权，年薪 100 万美元，三个月后涨至 200 万美元，并通过 B 轮融资承诺提供超过 20 亿美元的资金，Bezos 也在投资人之列。Anandkumar 原本将担任该项目的公众形象和科学总监。

Anandkumar 和 Jenik 最终拒绝了这一邀约，选择继续独立发展自己的公司。Project Prometheus 在没有他们的情况下继续推进，后来据报道于 2026 年 6 月完成了 120 亿美元的 B 轮融资，其使命聚焦于复杂实体产品的制造自动化。

不同的架构：神经算子取代 Transformer

Accelerated Understanding 的方法与主流大语言模型的核心区别在于底层架构。大多数现代人工智能系统——包括 Anthropic 和 Google 打造的聊天机器人——都依赖 Transformer 架构，该架构预测文本序列中的下一个词或 token。而 Accelerated Understanding 使用的是神经算子，这是一种用于对连续物理系统进行建模的数学框架，Anandkumar 在其早期研究生涯中曾参与开创这一方向。

神经算子方法不是学习语言中的统计模式，而是学习物理系统内部的关系，并预测这些系统如何在空间和时间中演化。Anandkumar 通过与传统人工智能的对比来描述这一设计理念：“以语言为中心的智能观是以人类为中心。把物理放在中心，则是一种以自然为中心的视角。”

新模型的规模

在内部测试中，Accelerated Understanding 的系统据称在单次提示中处理了 5 万亿个数据点，该公司称这一数据量大约是其他主要人工智能实验室旗舰语言模型单次输入通常处理量的 500 万倍。这种规模被视为该架构的自然结果：由于物理系统被表示为连续场而非离散的文本 token，模型可以一次性摄入密度高得多的科学和传感器数据流。

起源于 Nvidia

Anandkumar 对神经算子的研究可追溯至她在 Nvidia 的时期。她于 2018 年加入 Nvidia，担任总监约五年。2021 年，Nvidia 首席执行官黄仁勋在该公司的 GTC 大会上公开重点介绍了她的神经算子研究，这是业界对基于物理的 Transformer 替代方案产生兴趣的早期信号。

融资与基础设施

Anandkumar 拒绝透露具体的融资金额或 Accelerated Understanding 的投资方名称。不过她表示，公司已与计算提供商建立了合作关系，这些提供商提供了用于训练和运行其模型的硬件集群，但她尚未公开这些合作伙伴的身份。

潜在应用

报道描述了该神经算子模型正在探索的几个早期应用领域，包括半导体和材料设计、机器人技术、极端天气预报，以及用于能源勘探的地质数据分析。创始人描述的更宏大目标是构建能够以语言模型无法企及的规模来表示和预测物理与自然系统行为的人工智能系统。

为何这一对比值得关注

这一事件在人工智能行业引起关注，是因为它凸显了先进人工智能发展路线日益分化的趋势。虽然包括 Project Prometheus 在内的大部分行业都在专注于将大规模学习系统应用于实体制造和工程任务的自动化，但 Accelerated Understanding 代表了一种并行的押注：原生面向物理的架构——而非为科学用途改造的基于语言的架构——可能更适合对自然世界进行建模。