前 NVIDIA 科学家创企发布神经算子物理 AI 模型

由前 NVIDIA 科学家 Anima Anandkumar 与 Benedikt Jenik 联合创办的初创公司 Accelerated Understanding 正式走出隐身模式并获路透社报道，发布了一款面向物理世界模拟（而非语言生成）的新型 AI 模型。该模型摒弃主流 Transformer 架构，采用神经算子（Neural Operators）技术，被多方认为是近期「某新模型拥有超大上下文窗口」传闻的来源。若其宣称的能力属实，这将是非 Transformer 路线规模化落地的重要验证。

已确认

• 公司与模型正式发布：Accelerated Understanding 旨在训练能模拟和理解物理的大规模 AI 模型，辅助发明与发现，由 @AnimaAnandkumar 本人及多家媒体账号确认，并获路透社报道。
• 架构路线：采用非 Transformer 的神经算子架构，学习跨时空的连续物理场，直接在 4D（3D 空间+时间）维度及跨物理现象中建模，而非生成文本或视频。
• 关键指标：@markk 转述模型训练达 1 万亿参数；@danielmac8、@xiaohu 等转述训练上下文长度已达 1 万亿（@AnimaAnandkumar 原帖亦提及）；据称单次提示可处理超过 5 万亿个输入元素并生成完整 4D 轨迹（@Polymarket、@thesaraharminta 等转述）。
• 立项动机（@AnimaAnandkumar 自述）：LLM 缺乏物理落地能力、实验反馈慢成为研发瓶颈，故选择直接模拟物理世界。

尚未确认

• 「无限上下文」等能力边界均为转发者转述与评论性说法，官方表述为上下文长度显著超越当前 Transformer 技术，具体上限未给出。
• 单次处理 5 万亿数据点等数字来自媒体与转发者转述，尚待官方技术报告佐证。

为什么重要

• 这是神经算子这一学术架构首次由明星研究者带队规模化商业化尝试，若在长序列与物理模拟上的效率优势成立，可能动摇 Transformer 在部分场景的默认地位。
• 物理世界模拟直接面向工程研发与科学发现场景（如航空航天、材料、气候），与 LLM 的文本路线形成互补甚至竞争。@imjustnewatai 将其与近期多项摆脱 Transformer 限制的研究并列，视为「架构裂变前夜」的标志性事件。

2026-08-25 ~ 2026-08-26 · 13 条相关

• 【源头】Anima Anandkumar 创业项目揭秘：训练万亿上下文 4D 物理模拟模型 — AnimaAnandkumar · 2026-08-25
• 传新公司 Accelerated Understanding 用神经算子架构，超大上下文窗口 — inductionheads · 2026-08-25
• 【源头】Anima Anandkumar 新公司：用 4D 物理模型模拟世界 — AnimaAnandkumar · 2026-08-25
• 新创推 Physical AI:万亿参数 4D 物理模拟架构 — mark_k · 2026-08-25
• 【源头】创企 Accelerated Understanding 发布 4D 物理模拟 AI — daniel_mac8 · 2026-08-25
• 新架构模型上下文窗口大幅超越 Transformer — thesaraharminta · 2026-08-25
• 前 NVIDIA 科学家创企发布物理预测模型，单次处理 5 万亿数据点 — thesaraharminta · 2026-08-25
• 传闻中的超大上下文新模型：创企将用神经算子架构发布 — McDonaghMatthew · 2026-08-25
• 新创企推物理 AI 系统，单次提示处理 5 万亿数据 — Polymarket · 2026-08-26
• 非 Transformer 架构 Neural Operators 传闻或带来超长上下文 — daniel_mac8 · 2026-08-26
• Accelerated Understanding 推出基于神经算子架构的新 AI 模型 — badumtsssst · 2026-08-26
• 万亿参数模型弃用Transformer，架构裂变前夜 — imjustnewatai · 2026-08-26

另有 1 条近重复转述:iScienceLuvr