2024年底，洛杉矶一家高级餐厅，前Google X实验室高管，投资人兼生物科技企业家维克·巴贾杰(Vik Bajaj)，请一对夫妇吃了顿好饭，并递上了一份现在看来价值千亿人民币的Offer。

这对夫妇来头不小，夫人是加州理工学院计算与数学科学系的布伦讲习教授阿尼玛·阿南德库马尔(Anima Anandkumar)，丈夫是AI基础设施工程师本尼迪克特·耶尼克(Benedikt Jenik)。

这份Offer来自“Project Prometheus”（普罗米修斯计划），条件很有诚意，阿南德库马尔出任Prometheus董事，主导科学愿景。耶尼克做董事会观察员，夫妇俩合起来拿35%的股份。两个人加起来的年薪100万美元，干满三个月之后涨到200万美元。

虽然说那时候，Prometheus只是个代号，谁也不知道它以后能值多少钱。但重要的是，包括贝索斯在内的投资人，已经书面承了超过20亿美元、覆盖到B轮的投资。

这对夫妇牛在，面对这份Offer，没有当场同意，但也没拒绝。准确的说，双方极限拉扯了很久。并且这对夫妇当时已经暗戳戳筹备起了自己的公司，Accelerated Understanding。

大概在2025年年中，双方谈判破裂。2025年11月，巴贾杰与贝索斯一起正式成立Prometheus，贝索斯亲自下场任联合CEO。2026年6月，公司完成了120亿美元的B轮融资，投后估值约410亿美元。累计融资超过180亿美元。

那35%的股份，现在价值人民币超过一千亿。这事重点不在于这对夫妇到底“损失”了多少钱，毕竟我也不知道经过这几轮融资，35%的股份稀释成多少，而且贝索斯这家公司好像也不能用传统科技公司的估值方式。

重点在于，在当下的AI浪潮中，这事关钱和人之间的权力变化。

这对夫妇与贝索斯的核心分歧在于发展路线。投中网此前写过《7000亿，贝索斯募了一只“捡尸基金”》，介绍过这个普罗米修斯计划，做AI+制造业并购，通过融资的大笔现金收购传统制造业，把AI直接落地到实体工厂。

而这对夫妇则主张all‑in基础物理模型训练，她们判断底层模型才是瓶颈，过早收购实体制造，会把公司变成资本控股集团，削弱科研力量。

你看，这不就是典型的技术和资本在角力吗？而且这笔钱被推掉的那段时间，恰好是AI科学家话语权开始膨胀的一段日子。

2024年下半年到整个2025年，硅谷冒出了一批新实验室。创始人几乎全是从OpenAI、DeepMind、Anthropic出走的技术头目，伊利亚·苏茨克维、米拉·穆拉蒂、Liam Fedus和Ekin Dogus Cubuk，他们背后站着富豪、大厂和顶级VC，这些钱只投人，没有商业化目标。

按menlo合伙人Deedy的统计，这批新实验室大部分在种子轮阶段，就拿到了10亿美元估值。

顶级资本押的是人，却又不单单是人，是这帮顶级天才代表的，那张可能通往AGI的门票。钱给到这个份上，图的就是让这些AI科学家自己说了算。

这对夫妇跟贝索斯的博弈，就发生在这样的时势里。但最后谁都没让步。这对夫妇最终创办了自己的公司，贝索斯也把Prometheus顶到了420亿美元的估值，他们都找到了各自的生态位，一切像是最好的安排。

最牛夫妇凭啥

先来看看这对夫妇凭啥，能让前世界首富贝索斯开出35%股份。

阿南德库马尔的学术履历堪称顶级。2004年，她在印度理工学院马德拉斯分校读电气工程，2009年在康奈尔大学拿到博士学位，之后在麻省理工做博士后，此后在加州大学尔湾分校，从助理教授做到副教授。

2017年是她职业生涯的关键节点，她受聘加州理工学院布伦讲席教授——“布伦” 源自校董、地产大亨唐纳德・布伦的捐赠基金，是加州理工等级最高的冠名终身教职，稀缺性与含金量远超普通正教授，她也借此成为加州理工建校以来最年轻的布伦讲席教授之一。

学术扎根加州理工的同时，社会职位这边也收获颇丰。

2016至2018 年，阿南德库马尔任职亚马逊AWS首席科学家，是AWS早期云AI体系的核心搭建者之一，参与孵化了业界最早的云端AI训练与推理产品。

2018 年起，她正式加入英伟达，出任AI研究总监，任职近五年，核心带队攻关GPU与前沿AI算法的适配、大规模深度学习落地，奠定了英伟达算力适配现代大模型、科学计算模型的底层技术范式。

可以说阿南德库马尔既有顶级物理AI学术功底，又亲手做过云AI、GPU 底层AI的落地，是极少数“懂基础模型+懂工业落地+懂算力基建” 的全能型大牛。

但最绝的是，阿南德库马尔只是一位AI科学家，而是神经算子（Neural Operators）这一方向的重要开创者之一。

神经算子并不是一个简单的模型名词，而是一套试图直接学习物理系统规律的方法。自然界中很多现象都具有复杂的多尺度特征：流体如何流动、材料如何受力、波如何传播、天气如何演变，都不是靠简单规则就能完整描述。

传统方法往往依赖复杂的物理方程和大规模数值求解，而神经算子的思路是，让 AI 直接学习这些物理系统中的关系，再预测它们在空间和时间中的演化。

这与Transformer是完全不同的技术路线。前者的核心是预测下一个词，本质上是在符号序列中寻找统计规律；而神经算子面对的是连续世界，它要学习的不是语言概率，而是真实物理系统的结构、变化和演化。

换句话说，神经算子瞄准的是 “理解和预测自然”。神经算子的学术开源生态已经相当成熟，但绝大多数硅谷物理AI创业公司，走的是PINN物理信息神经网络、JEPA世界模型或者垂直工业仿真加速路线。

它们同样瞄准流体、材料、工业仿真，却不会把神经算子当作整个公司的基础模型主干。目前硅谷的明星初创公司中，只有Accelerated Understanding走原生神经算子的物理AI路线。

阿南德库马尔最具标志性的成果之一，是高分辨率天气模型FourCastNet。它用神经算子训练完成，能够以远快于传统数值预报的速度进行气象预测，效率提升可达数万倍，同时精度仍接近传统物理预报方法。

神经算子的价值当然不止于天气预报。它背后的方法框架，同样适用于那些长期困扰科学界和工业界的复杂物理问题，比如核聚变中等离子体的演化模拟，更安全可靠的无人机自主飞行，新型材料与医疗设备设计，乃至药物研发中的分子行为预测等。

相比一般大模型只处理文本、图像和代码，阿南德库马尔的技术路径切入的是更底层、更真实的物理世界。

不过，最能说明她技术路线分量的，或许是她与黄仁勋的一段对话。

2021 年英伟达 GTC 大会上，黄仁勋专门介绍了阿南德库马尔团队在神经算子方向上的工作。她当时对黄仁勋说，这门技术未来可能会 “吃掉物理学家的午饭”。

黄仁勋的回答是，“我要它把所有人的午饭都吃掉。”

这句狠话的意思是，如果AI能够学会预测物理系统的演化，那么它影响的将不只是某一个学科，而是从气象、能源、制造、材料到药物研发的整条现代科技边界。

所以你就可想而知，这样一位“懂基础模型+懂工业落地+懂算力基建”的全能人才，成就契合，这是贝索斯的普罗米修斯计划，更何况她还手握神经算子这个大杀器。

丈夫本尼迪克特・耶尼克 (Benedikt Jenik)，不同于阿南德库马尔偏向学术理论的路径，他是一名深耕大规模机器学习的基础设施工程师。他曾在MIT参与自动驾驶仿真研究，之后任职 QuantCo，主导搭建过高并发机器学习基础设施，覆盖算法定价、医疗计费编译等大型工程系统。

他很少产出学术论文，核心能力是，把物理模型算法落地为可承载超大规模数据的训练与运行系统。在Prometheus的邀约方案中，阿南德库马尔出任董事主导科学方向，耶尼克则被安排为董事会观察员。

虽然有点女强男弱，但搭配起来正合适。学术大脑加工程手脚」的组合，一个负责定义前沿技术方向，一个能把方向跑起来，无疑是最稀缺的配置之一，也难怪贝索斯开出如此优厚的Offer。

可惜，这对夫妇最终还是没有接受，道不同不相为谋，与贝索斯的分歧不是小打小闹，而是路线和战略之争。

普罗米修斯

2025年11月，Prometheus正式成立。贝索斯出任联合CEO。这是他2021年卸任亚马逊CEO之后，第一次重返一线岗位。另一位联合CEO是巴贾杰，物理学家兼化学家，早年在谷歌X实验室跟布林紧密合作，后来联合创办了Foresite Labs和Verily。

公司成立时就完成62亿美元首轮融资，团队几乎是从Meta、OpenAI、谷歌DeepMind整批挖来的。

2026年4月，Prometheus接近完成一轮约100亿美元的融资，估值约380亿美元。6月11日，120亿美元B轮落定，估值推到约410亿美元。这一轮的投资人名单很有意思：贝索斯本人、摩根大通、高盛、贝莱德，还有DST Global和ARCH Venture Partners。

注意，投资人中几乎没有传统意义上的VC。因为一轮120亿美元，只有把这笔钱当资产配置来做的资产负债表才接得住。银行和资管机构进场，科技公司主导。

贝索斯自己怎么解释这家公司？他6月11日在CNBC上说，推动国家财富的是什么，推动文明财富的是什么，答案是发明。

所以也能理解贝索斯为什么取了Prometheus这个名字，盗火者。他显然希望，通过AI与传统产业结合的这些“发明”，可以为人类引向新的文明层级。

贝索斯要造的东西叫「人工通用工程师」。说白了，就是一套能压缩「从发明到造出实物」这段时间的AI。芯片、喷气发动机、电池、太阳能电池板、药物，都在这个范围里。

贝索斯特意澄清过，这跟机器人没关系，它更像一个AI版的CAD软件，人类只需要提出目标，比如把喷气发动机推力提升10%，这个AI CAD自己就办了。

首富做事，当然不会仅盯着某一个产品或技术。

《7000亿，贝索斯募了一只“捡尸基金”》写过，贝索斯打算用这支基金专门收购航空航天、芯片制造、国防这些领域的传统工业企业，然后用Prometheus的AI去改造它们。被收购的工厂把运营数据喂给模型，更强的模型回头再优化这些工厂。

套路看着眼熟。这就是亚马逊Virtuous Cycle这套飞轮，贝索斯想把它复用到物理世界里。

把阿南德库马尔的科研路线，和贝索斯的宏大愿景摆在一起，你就能大概理解为什么这对夫妇没有接受这个天价Offer了。

Prometheus如果要让AI去自动化“制造复杂物理系统”，重心必然在制造、在工程、在把物理产品更快造出来。需要工厂、需要供应链、需要真实产线的数据。

阿南德库马尔要做的，是让AI先懂物理规律本身，让模型能预测物理现象在时间和空间里如何演化，而不能去急着造东西。

两条路都要物理AI。但一个是拿AI去改造制造业，一个是先让AI理解自然。前者是个工程和资本密集的生意，后者是个科学问题。但如果科学问题也变成钱的问题呢？

资本和技术的权力迁移

8月底，这对夫妇筹办了将近两年的公司，Accelerated Understanding（可以翻译为洞悉跃迁），终于正式亮相了。

阿南德库马尔和耶尼克认为，智能已经不是科学与工程进步真正的瓶颈了。现在的AI能产出的创意数量，早就超过了任何实验室能实际验证的上限。不管是芯片的新布局方案，还是材料的新构想，真正卡住节奏的，是把这些想法拿去现实里验证一遍的能力。

注意，这个论断非常重要。并且已经和即将影响未来多年的创投趋势，这点我们后面再说。

总之，如果物理规律能被模拟得足够准，一部分现实实验就可以被替代掉。而且模拟还能给出实验室给不了的东西：告诉你该往哪个方向改。

Prometheus的赌注是，AI要在真实的工厂和产线里学，数据要从制造过程中来。Accelerated Understanding的赌注是，AI要先学会物理规律，再去谈应用。

谁对，现在没人知道。但这对夫妇的坚持，指向一个在技术行业反复上演的困境：对这类技术出身的人来说，没有话语权和决定权，其实也走不远。

这个剧本已经上演过太多次了，从Dario Amodei带着14名OpenAI核心研究员集体出走，创立Anthropic后，一批大厂豢养的顶级科学家陆续出走，OpenAI的伊利亚·苏斯克维、Transformer核心功臣诺姆·沙泽尔，Meta的杨立昆、统领谷歌研究的首席科学家杰夫迪恩等，每次都是刷屏的财经科技头条。

国内也在发生同样的事。阿里千问的核心负责人林俊旸2026年3月离职，后来创办语用科技，这件事我在《天才成了阿里战略弃子》和《一场价值140亿的实验》里写过，核心矛盾不在钱，在战略方向和组织权力。

这些人有自己的“北极星”。可能是学术影响力，可能是验证一条还没成为主流的技术路线，也可能是解决一个他们认为足以影响人类未来的问题。而企业有组织的约束，产品要按时推出，巨额投入要解释，研究方向要跟公司战略对齐。

企业和科学家的目标如果不能重合，冲突会从绩效评价，一路蔓延到技术路线、算力分配、组织权力。

这时候钱是没用的。比如诺姆·沙泽尔(Noam Shazeer)2024年谷歌花27亿美元请回来，不到两年还是走了。数额给到这个份上，照样留不住人。

所以阿南德库马尔和耶尼克的选择，放到这个背景下看，其实相当清醒。

把镜头再拉远一点，美国现在的创投生态，跟GPT出来之前已经完全是两回事。

在2022年左右，模型能力有了，但还没有商业证明，Anthropic的早期融资顾问Anjney Midha就回忆，2020年，他帮Dario Amodei对接了22家硅谷主流VC，21家直接拒绝了。

可以说，这时期资本和技术人才都是稀缺的，两者大体对等，谁也压不倒谁。不过按照A16z合伙人Martin Casado的判断，随着硅谷逐渐认识到模型价，从2021年底，已经逐渐开始向“工程资源约束”转移了：有钱也很难挖到足够厉害的算法和工程团队，算力不贵，训练成本也不算天文数字。

能不能做出好模型，取决于有没有厉害的人想出算法、做好系统工程。所以如果找不出懂工程、懂算法的人，有钱也没用，因为钱花不出去。这时的瓶颈是人，不是钱。

但很快，“工程规模约束”变成了“资本约束”。顶尖的AI核心团队规模很小，几个技术天才可能就撑起一个前沿模型，但如果你拿不到几十亿美元，就没有钱购买足够的算力。

也就是说，只要你有足够多的钱，那几乎可以可以直接转化为前沿的模型能力。AI从缺人，变成了缺钱，或者说是需要钱，需要大钱。所以，你才能看到这么多顶尖大牛从大厂、高校、实验室出走，拿到巨额资本。

这个过程不是一下形成的，资本和技术的关系一直处于动态博弈。所以才有了开头那一幕。贝索斯要亲自下场做联合CEO，要亲自飞新加坡和中东去见投资人，要在洛杉矶的高级餐厅里请一对夫妇吃饭。

他不缺钱，缺的是那张通往AGI的门票。但那对夫妇显然也意识到了这一点，所以才有了“智能已经不是科学与工程进步真正的瓶颈”的论断，所以才有了长达一年时间的拉扯。

资本可以用天价把技术人请进门，给股份、给董事席位、给各种头衔。但路线一旦出现分歧，钱越多冲突反而越尖锐。投入越大，解释成本越高，对方向的容忍度越低。

董师傅此前在《资本和AI必有一战》里聊过一个判断，这一战跟资本和AI谁赢没关系。真正难解的地方在于，资本花了天价把技术买进门之后，能不能接受自己还得听技术的。

贝索斯给出的答案是，钱我可以给，大大的给，但我要做的事我说了算。阿南德库马尔和耶尼克给出的答案，是先自己说了算，再聊钱的事，所以他们创立了自己的独立实验室：Accelerated Understanding

现在的“资本约束”状态与Neo‑Lab会是AI竞争的终极形态吗？我不知道，不过这场资本与技术的权力迁移看不到终点，未来我们依然会看到更多的出走、分手和天价融资故事。