告别Transformer，新架构用5万亿上下文推演宇宙

当整个AI行业还在Transformer架构上堆算力、拼参数时，一家初创公司却选择了一条截然不同的路：直接预测四维时空的物理状态。近日，AI初创企业Accelerated Understanding发布全新架构“神经算子”，宣称无需依赖Transformer，就能在单次推理中输出完整的四维运动轨迹。其训练期上下文达1万亿，推理期更是超过5万亿，是当前顶尖大语言模型的500万倍。

这一数字意味着什么？通俗地说，现有大模型处理长文本时往往受限于上下文窗口，而神经算子几乎不受此约束，能够一次性“看见”极其庞大的时空范围。据官方介绍，该模型已完成1万亿参数的预训练，扩展实验规模更是达到35万亿参数。更关键的是，它无需子采样或分块处理，就能一次推演生成复杂四维空间物理系统的完整运动轨迹，并能同时处理不同领域的物理问题。

从语言中心到物理中心

Accelerated Understanding的联合创始人Anima Anandkumar，曾在2018年担任英伟达AI研究总监。她直言，Transformer路线以语言为中心，而以物理学为中心才是“以自然为中心”。在她看来，现有的大语言模型和视频模型本质上是概率游戏，并不真正理解物理规律，充其量只是“像素复读机”。而神经算子则直接在四维维度上理解多物理现象，能够处理气流、等离子体湍流等肉眼不可见的物理过程。

这一理念并非凭空而来。Anima在英伟达期间，其团队用AI加速天气预测的成果曾让黄仁勋大为震惊。黄仁勋鼓励她追求“物理AI”的想法。尽管英伟达是否投资该公司尚未获得官方确认，但外界普遍认为，其强大的算力支持不可或缺。

拒绝贝索斯，独立打造物理AI

值得一提的是，Anima夫妇此前曾拒绝了贝索斯支持的“普罗米修斯计划”。该协议开出了极具诱惑的条件：35%的股权、200万美元年薪，以及超过20亿美元的融资承诺。然而，他们最终选择独立打造Accelerated Understanding，并于2026年8月25日正式发布成果，宣告“物理AI”时代的到来。

现实验证器：模拟与改进的闭环

神经算子的核心功能，是构建一个“模拟→改进→模拟”的闭环，充当“现实验证器”。这意味着，它不仅能生成物理系统的运动轨迹，还能通过不断模拟来验证和改进自身的预测，从而更贴近真实世界的物理规律。这种能力在气象预测、流体力学、等离子体物理等领域具有广阔的应用前景。

对于整个AI行业而言，这一架构的出现无疑是对Transformer主导地位的一次挑战。长期以来，Transformer凭借其在自然语言处理上的成功，几乎成为AI的代名词。但Anima团队认为，物理世界远比语言复杂，需要一种全新的范式来理解和预测。

当然，这一技术仍处于早期阶段，其实际效果和可扩展性尚待验证。但不可否认的是，它提供了一种全新的思路：AI不一定非要“读万卷书”，也可以“行万里路”，直接与物理世界对话。

从语言到物理，从概率到因果，神经算子或许正是AI下一个十年的关键转折点。正如Anima所言，以自然为中心，才能真正理解这个世界。

当Transformer的浪潮席卷全球时，总有人愿意逆流而上，探索未知的边界。Accelerated Understanding的这次发布，不仅是一次技术上的突破，更是一次理念上的宣言：AI的未来，或许不止于语言。