AI要对物理下手了？一对夫妻做出一台理解宇宙的机器

► 文 观察者网心智观察所 

全世界都在教AI写诗、聊天、编代码，有一对夫妻却决定教AI理解重力、热量和气流。

他们拒绝了贝索斯给出的亿万美元邀约，拒绝了一个估值410亿美元的巨头，选择了一条更孤独的路。

2026年8月25日，他们的公司正式亮相。他们推出的AI模型，单次提示能处理5万亿条数据，相当于一口气就能把整部《战争与和平》读上500万遍。不过，这个AI读的不是小说，它之所以诞生，是为了阅读物理世界本身。

这对夫妻要做的事，用他们自己的话来说，就是“理解宇宙”。

AI的下一个战场，不在语言在物理世界。一场变革正在发生。

我们身边的AI，真的理解这个世界吗

有这么一个问题：现在的AI，真的理解这个世界吗？

AI能写诗，能编程，能谈人生。但如果你问“一个杯子从桌上掉下来，会发生什么”，它给出的回答其实来自它对海量文本的统计学习。它见过无数人如何描述“杯子掉在地上会碎”，但AI并不能真正理解重力、加速度和撞击的物理含义。

今天的AI更像一个博闻强识的两脚书橱。读遍了人类写下的所有文字，却对文字描述的那个真实世界一无所知。它擅长的是语言的模式匹配，而不是物理的因果推理。

如今，有人决定改变这件事。

一顿改变AI走向的晚餐

2024年底，在洛杉矶的一家高档餐厅里，亚马逊创始人杰夫·贝索斯的合作伙伴、投资人和生物科技企业家维克·巴贾杰，与两位AI研究者共进晚餐。巴贾杰带来了一份诱人的邀约，邀请他们加入贝索斯正在筹划的“普罗米修斯计划”。

这个计划要以AI重构航空航天、芯片制造和汽车工业，是一个资金极为雄厚的宏大项目。邀约的内容相当优厚，两人可以获得公司35%的股份，合计年薪100万美元，工作三个月后年薪翻倍到200万美元。后续还有超过20亿美元的融资计划等待他们。

这两位研究者是加州理工学院计算与数学科学教授阿尼玛·阿南德库马尔和她的丈夫、AI基础设施工程师本尼迪克特·耶尼克。阿南德库马尔的履历足以让她成为各大AI公司争相招揽的对象。她曾在亚马逊担任科学家，参加过贝索斯亲自主持的小型AI峰会，之后又在英伟达担任了五年总监，领导一支科学家团队研究如何用GPU推动前沿AI的发展。

但这对夫妻最终对贝索斯的邀请说了“不”。他们选了一条更艰难的路，自己创业。

2026年8月25日，他们的公司“加速理解公司”正式亮相。他们推出了一个全新的AI，一个用来“理解宇宙”的AI，不是又一个聊天机器人。

与此同时，贝索斯继续推进普罗米修斯计划。2026年6月，普罗米修斯完成了120亿美元的B轮融资，估值达到410亿美元。一边是贝索斯的亿万美元资本，一边是两个人的独立创业。这场“分道扬镳”的背后，隐藏着事关AI未来走向的一项关键分歧。

这个AI为什么和ChatGPT不一样

ChatGPT背后的核心技术叫Transformer架构，也就是那个“T”。Transformer本质上是一个序列翻译器，给它一句话，它就预测下一个词。它擅长在文本的海洋里找到模式，像一个超级学霸读遍了人类写下的所有文字，然后学会了人类一般要怎么说下一句话。

但这种架构有一项根本局限。它处理的是离散的数据点，比如文字和像素。对于连续变化的物理世界，比如温度怎么变化、气流怎么流动、材料怎么受力，Transformer并不擅长处理这些连续的物理量。

阿南德库马尔和耶尼克的做法完全不同。他们的AI彻底抛弃了Transformer架构，转而采用一种叫做“神经算子”的技术。这项技术是阿南德库马尔早在2020年就参与开创的方法。

怎样理解“神经算子”和Transformer的区别呢？Transformer更像一台翻译机，把一段文字翻译成另一段文字。而神经算子更像一个物理引擎，它学习的是控制物理系统演化的底层规则。

从技术层面来看，传统神经网络学习的是“点对点”的映射关系，输入一个数字就输出一个数字。神经算子则学习“函数对函数”的映射，输入一个完整的物理场，比如整个空间的温度分布，就能输出另一个物理场，如下一秒的温度分布。

阿南德库马尔自己举过一个很形象的例子。她说，想想天气，天气无处不在，不只会在卫星所在的位置或某些地点产生测量数据，天气存在于其间的任何地方。如果我们设计出来的神经网络也能直接逼近连续空间中的每一个点，而不是仅仅在少数几个点上做插值，那就能更真实地捕捉物理世界的规律。

最终的结果是，这个AI被专门设计成用以预测物理的样子。它学会了预测物理现象在空间和时间中的变化，天气预报、材料受力、流体流动、热量传导，这些都是它擅长的领域。

5万亿数据点背后的震撼

这家公司的产品在测试中展示了一项惊人的能力。他们的AI能够单次提示处理5万亿条数据。

5万亿是一个大得吓人的数字。Anthropic和谷歌的旗舰模型通常能处理的数据量，大约只有这个数字的500万分之一。

5万亿，这就相当于在一口气里读完托尔斯泰的《战争与和平》，并读上500万遍。

当然，它读的是物理数据，比如传感器读数、模拟结果和实验观测数据。但5万亿这个数字本身就在说明一件事，这个AI的“数据胃口”和它的前辈们根本不在一个量级。

物理AI到底能做什么

一个能理解物理的AI，到底能做什么呢？

芯片设计可能是最先受益的领域之一。今天的芯片制造过程中，材料和温度的优化很大程度上依赖实验室里的反复试错。如果AI能直接“理解”材料在高温下的行为，以及热量如何在不同结构中传导，那么大量的优化工作就可以在电脑里完成，从而大幅减少实体实验的次数。

极端天气预测是另一个重要的应用方向。阿南德库马尔在英伟达时期的一个早期项目已经证明，AI能以同传统复杂计算相当的精度来加速天气预测。这个结果令英伟达CEO黄仁勋大为惊叹，他于2021年在英伟达年度GTC大会上专门展示了这项成果。

机器人控制和能源行业的地质数据分析也都在公司的计划之中。阿南德库马尔讲了一句很有野心的话，她认为，与其为每个问题搭建一个专门的数学模型，费时费力还低效，不如用同一个AI来应对一切同物理相关的商业需求。

换句话说，她的目标在于做出一个“物理万能AI”。无论是设计芯片、预测台风还是勘探石油，同一个模型都能搞定。

全球科技巨头都在抢占的新赛道

加速理解公司并不是唯一看到“AI需要理解物理世界”这个方向的团队。一场被称为“世界模型”的军备竞赛正在全球范围内激烈上演。

图灵奖得主、Meta前首席AI科学家杨立昆几乎是这个领域的旗手。他联合创立的AMI Labs在2026年完成了超过10亿美元的种子轮融资，专注于开发“世界模型”人工智能。

斯坦福大学教授、被称为AI教母的李飞飞也在从事类似的事情。她的团队World Labs从3D重建入手，试图构建“空间智能”，让AI能够理解和模拟三维世界。

中国的玩家同样没有缺席。北京智源研究院发布了“悟界·Physis-v0.1”，聚焦于统一物理状态建模。极佳视界则在3个月内连续完成三轮融资，合计金额约35亿元人民币。

阿南德库马尔将自己的路线和这些同行做了区分。她认为，以语言为中心的智能观是以人为中心，而将物理放在中心则是一种以自然为中心的观点。

她说，加速理解公司的赌注在于，一种更通用的神经算子甚至能够预测肉眼无法观察到的物理现象，这才是通往通用智能的最佳路径。

黄仁勋的“抢饭碗”

这个故事有一个有趣的细节。当年在英伟达，阿南德库马尔的团队在展示AI加速天气预测的成果时，黄仁勋表现得“非常兴奋”。阿南德库马尔开玩笑说，AI可能会抢走理论物理学家的饭碗。黄仁勋的回答很直接，他说他希望AI抢走他们所有人的饭碗。

这句话透露了一个重要信号。在黄仁勋看来，AI不应该只会聊天，AI应该去啃那些真正硬核的领域，包括物理、工程和科学发现。

加速理解公司的AI，正是朝着这个方向迈出的坚实一步。

AI的下一个战场，在物理世界里

今天的AI正处在一个十字路口上。一条路是继续沿着语言的方向走下去，教AI更会说话、更会写作、更会编程，这些事当然很有价值，但说到底，AI还是在处理人类已经写下来的内容。

另一条路是教会AI直接面对物理世界，去理解重力、热量、气流和材料应力这些人类可以通过数学进行描述，却很难以语言穷尽的规律。加速理解公司选择了后者。

阿南德库马尔和耶尼克这对夫妻拒绝了贝索斯的邀约，拒绝了一个估值410亿美元的巨头，选择了一条更孤独，但也更先锋的道路。他们做的AI不是用来聊天的，是用来理解宇宙的，是为了回答那些关乎现实世界的重要问题：台风会在哪里登陆？芯片为什么会发热？一座桥在强风下会不会断裂？这些问题，每一个都和物理有关，物理就是这个世界的运行规则。

当然，这条路才刚刚起步。世界模型领域仍然处于早期阶段，真实物理数据相对匮乏，技术路线也尚未完全收敛。加速理解公司目前还没有公布具体的商业客户名单和收入数据，这些都需要时间来验证。但方向已然变得清晰起来。AI的下一个战场不在语言里，在于物理世界之中。

不管怎么说，AI可能又要抢饭碗了，这一次，轮到那些用公式描述宇宙的人了。

参考文献

https://www.reuters.com/business/ai-founders-who-walked-away-bezos-backed-prometheus-model-universe-2026-08-25/

来源|心智观察所