大神觀點 · 本週 （節目發布 8 月 26 日）
本篇出自 2026年8月30日 晨報
身份要先講，因為這條的分量幾乎全在她身上：Anima Anandkumar 是加州理工學院的講座教授（數學與電腦科學），曾任 NVIDIA 的 AI 研究總監，更早在 AWS 協助建立雲端 AI 團隊，近期加入聯合國的科學諮詢委員會。⚠️ 她也是下面那條替代路線的創建者，在學術上對這條路線有利害關係。
她的論證可以自己驗算，不是意見。 工業級的物理模擬每個維度大約需要 1,000 個網格點，而問題常常是三維再加上時間；1,000 的四次方就是一兆量級的上下文長度（模型一次能讀進去多少字）。她的原話是：「別想著用 transformer 做這種規模的任何事，全世界的算力加起來都不夠。」相較之下，語言只有一個維度，而上下文長度做到百萬級就已經很吃力了（Latent Space 節目，08-26）。她的替代方案叫神經算子：一般神經網路學的是固定長度數字陣列之間的對應關係，神經算子學的是函數之間的對應關係，所以推論時可以要求任意解析度的輸出，而不是放大就糊掉。她給的讀數是：天氣模型 FourCastNet 訓練樣本約 5 萬筆，速度比傳統的數值天氣預報快數萬倍，只需要一張消費級顯示卡，2023 年秋天起在歐洲中期天氣預報中心對公眾開放。⚠️ 她說準確度「幾乎接近」傳統的數值天氣預報，但沒有給指標也沒有給差距，這是本條最弱的一環。
它支持本報過去哪條判斷： 本報 7 月 19 日那期報過一家工程模擬公司用神經網路近似昂貴的物理模擬，把一次模擬從數天壓到數分鐘，當時記的是結果、沒有機制。這條把機制補上了，而且多給一個判斷：科學模擬這條路不會收斂到跟語言模型同一種架構，因為那裡的瓶頸是複雜度曲線的形狀，不是上下文窗口的大小。可以自己核對的指標： 她點名的下一個場景是托卡馬克電漿的數位孿生（合作方英國原子能總署），她自陳比傳統模擬快一百萬倍、訓練樣本只有數千筆。
只留 email，隨時退訂。這是我們唯一想請你做的事。
Marcus 是認知科學家、紐約大學榮譽教授。他 9 月 3 日對 Astra 寫下：「One really doesn't want more capability in con…
他長期經營 AI 週報、逐條追蹤前沿實驗室的發布與安全議題，對任何一家實驗室都無商業依存。對今日主線第 1 點那場爭議，他的判斷是「玩火也是我的讀法。房子還沒燒掉。」（@TheZv…
Tomasz Tunguz 長期以公開數據寫 SaaS 與 AI 市場分析。他 8 月 31 日那篇的結論一句話：在前沿，新的稀缺不是價格，是取用權。 他列的收據都點得開：Sale…
Simon Willison 是開源網站框架 Django 的共同作者，長期公開實測 AI 工具並逐項記錄。他花了一段時間摸 OpenAI 7 月 9 日發表的 ChatGPT W…