🔬 The Physical World Is More Forgiving Than You Think — Anima Anandkumar, Caltech

Anima Anandkumar 团队用神经算子做天气预测，比传统模型快几万倍，只用消费级 GPU，并开源 ForecastNet，让全球南方的小机构也能做高精度天气预报。

物理世界比你想象中更宽容AI

Anima Anandkumar 是加州理工学院数学与计算机科学 Bren 教授，研究重点是让 AI 不只理解文字和图像，也能建模真实世界的物理过程。她曾领导 NVIDIA 的 AI Research，也在约十年前参与创建 AWS 云端 AI 团队，推出首批云 AI 产品。她的经历横跨理论、工程和产业化，因此谈物理 AI 时，既会讲模型如何收敛，也会讲一套模型能否真正跑进天气预报、聚变控制和材料设计。

这场对话最有意思的地方，在于她没有把 AI 描述成“替代物理”的黑箱。她讲的是另一条路：数据帮模型看见规律中的结构，物理定律、几何形状和验证机制则负责给它装上护栏。

这期回答了 7 个问题：

1. 为什么只有几千个样本，AI 也能预测聚变等离子体的失稳？
2. 为什么把物理方程硬塞进神经网络，并不能保证模型会收敛？
3. 物理仿真为何不能直接把 Transformer 做大？
4. 为什么天气基础模型必须先承认地球是球体？
5. 监管 AI 时，为什么不能把科学 AI 一概当成大语言模型？
6. 气候模型跑得更久，为什么反而未必更可信？
7. AI 怎样从“模拟已知世界”走向“反向设计未知方案”？

被问到 AI 为何能在罕见极端事件上表现良好时，Anima Anandkumar 先拿天气里的飓风和风暴举例。直觉上，极端事件样本少，模型应该最容易失手；但她们在早期天气模型中发现，模型仍能捕捉这些事件。原因不在于训练集突然变得无限大，而在于飓风有很具体的物理特征：它当然罕见，却不是毫无规律的随机噪声。

这个判断在聚变等离子体上更扎眼。她们用于预测托卡马克聚变反应堆 disruption，也就是等离子体突然失稳、可能损坏反应堆并迫使系统停机的事件，手里只有“a few thousand samples”，也就是几千个样本。但模型能较好预测这类事件，速度还比传统模拟快一百万倍。她的概括很克制，却也很关键："the physical world may be more forgiving"（物理世界可能比我们想象的更宽容。）

这意味着，科学 AI 不能照搬互联网任务的尺度感。训练语言模型时，数据量越大通常越有利，因为语言表达的变化太多；但物理系统受守恒、边界条件、动力学过程约束，表面上无穷多的状态，可能由少数潜在结构支配。模型不必见过每一种失稳形态，仍可能从已有轨迹里学到“失稳将至”的共同征兆。

边界也很清楚：不是所有罕见事件都能用少样本攻克。这里成立的前提，是极端事件具有明确、可重复的物理签名。若某类事件连形成机制都不稳定，或者观测本身混乱，几千个样本不会自动变成答案。

被问到 physics-informed neural networks，也就是 PINNs，何时有效、何时会失效时，她先解释了这类方法的基本思路：把偏微分方程写出来，再把它加入神经网络的训练目标，希望优化过程最终找到满足方程的解。偏微分方程可以理解为描述温度扩散、流体流动、材料变形等连续变化的数学规则；PINNs 的诱惑在于，既然规律已知，似乎就能让网络“照着物理做题”。

问题是，优化未必听话。对于带时间演化的湍流，起初极小的细尺度扰动，经过长时间滚动后可能决定全局结果。让一个网络在所有时间点从零开始求解，等于让它在极其崎岖的搜索地形里找唯一出口。她的结论没有留情面："So pins don't work everywhere and our idea of neural operators came as a way to overcome this."（所以 PINNs 并非处处有效，神经算子的想法正是为克服这一点而来。）

神经算子的做法不同。它先在大量不同方程实例、不同初始条件上训练，学会“什么样的输入通常会对应什么样的演化”；推理时再让物理约束校正结果。数据在这里不是方程的替代品，而是缩小搜索范围的先验，也就是先把模型带到更可能有答案的区域，再让物理规律检查它有没有跑偏。

但这也不是把物理写进损失函数就万事大吉。损失函数就是训练时衡量模型错得多不多的分数。数据误差和物理误差该各占多大权重，仍需具体设计；而把物理规律变成绝对不能违反的硬约束，目前通常还不具备可操作性。

被追问为何不能把视觉、视频模型的路线直接搬到物理仿真时，Anima Anandkumar 给出的障碍首先不是“模型不够聪明”，而是账单根本付不起。语言本质上是一维序列，哪怕上下文扩展到百万 token，计算已经很吃力；物理问题通常至少是二维或三维，许多还要加上时间，成为“三维加时间”的四维数据。

如果工业级分辨率下，每个维度约有一千个网格点，四维网格就会达到数千亿到万亿级别。Transformer 的全连接注意力，需要让每个位置与所有其他位置计算关系，计算量会随位置数近似平方增长。把这种机制放到万亿级上下文上，她的判断是："all of the world's compute will not be enough"（全世界的算力加起来也不够。）

这正是 Fourier neural operator，也就是傅里叶神经算子被提出的背景。它不通过全连接注意力实现全局信息交流，而是在傅里叶空间中处理全局依赖，复杂度接近线性，却仍能捕捉流体、材料形变和量子化学里常见的非局部现象。所谓非局部，就是一个区域的状态，可能经由传播和累积影响远处区域，而不是只看周边几个网格。

这意味着物理 AI 的竞争重点，不会只是更多 GPU 或更大的训练集，而是能否把几何、多尺度和远距离依赖写进架构本身。傅里叶表示也不是把世界粗暴当作线性的。她们仍会加入非线性层、残差连接和高维 lifting，也就是先把信号映射到更高维空间再处理，以保留模型表达复杂现象的能力。

被问到 ForecastNet 如何从天气预测延伸到气候模拟时，她提出了一个看似朴素、实际决定成败的前提：地球不是矩形。传统做法通常把短期天气和长期气候拆成两套模型，因为前者关心未来几天的具体风雨，后者关心多年尺度上的统计分布。但她认为，如果一套模型自称“基础模型”，它至少应在同一个世界表示里处理两种时间尺度。"if you want a foundation model, if the claim is that it should be able to do both very short-term as well as very long-term together."（如果你想要的是基础模型，它就应该能同时处理极短期和极长期的问题。）

ForecastNet 3 的关键变化，是把地球球面几何纳入神经算子。许多短期天气架构把全球地图摊平成矩形投影，这对几天预报可能够用；但若每 6 小时预测一次，再把输出喂回模型连续滚动数月甚至数年，投影带来的几何失真会不断累积，模型很快发散。ForecastNet 3 以 6 小时一步的自回归方式训练，只做少量多步微调，却能稳定推演数月。

这也解释了她为何强调球面不是“特征工程细节”。领域本身的形状，决定模型能否在长期外推时维持正确的状态关系。Allen AI Institute 已基于这套神经算子架构构建气候模型；她称，这是目前能作为 AI emulator，也就是用 AI 模拟复杂气候系统演化的该类架构。

不过，球面只能提升稳定性，不能自动创造真相。她展示的长期滚动结果中，极点附近仍会出现问题。模型知道地球是球体，和模型已经完全掌握气候物理，是两回事。

被问到加入联合国科学咨询委员会后能带来什么视角时，Anima Anandkumar 把重点放在一件并不技术、却会直接影响技术命运的事上：讨论 AI 时，科学家得在场。她近期加入该委员会，希望提供尽可能无偏的科学证据，同时关注如何让全球更多人获得 AI 收益，并控制非预期和有害影响。

她特别警惕一种监管上的偷懒：把所有 AI 都等同于大语言模型。语言模型的风险当然真实，它可以生成误导信息、操纵用户，或者放大信息传播中的伤害；但用于天气预测、材料模拟、能源系统或聚变控制的 AI，输入、输出和失效机制都不同。她说得很直接："But AI for science is different."（但用于科学的 AI 是不同的。）

这意味着，未来治理不应只按“是不是 AI”分类，而要按能力用途和失效后果来分。一个面向公众说服与内容生成的模型，需要评估其信息操控风险；一个预测飓风路径的模型，则更需要评估概率校准、物理一致性和在极端条件下是否失效。前者的开放策略，也未必适合后者；后者的验证标准，同样不能套用聊天机器人的基准测试。

她也划出了自己的角色边界。她明确说自己不是地缘政治专家，不打算用科学身份替代政治判断。她能做的是把模型能力、局限和证据摆上桌面，让政策选择至少不是建立在“所有 AI 都一样”的误解之上。

被追问长期气候滚动如何验证时，她没有用漂亮指标绕过去，而是承认这仍是难题。天气的可精确预测窗口有限，往更长时间看，不能只押注一条轨迹，必须做 ensemble rollout，也就是从略有不同的初始条件出发，跑出许多可能的未来轨迹，再观察整体分布。飓风是否在哪片海岸登陆、某区域发生热浪的概率有多高，都要靠这种概率预测，而不是单一确定答案。

传统气候模型的问题是，一条高分辨率长轨迹就已极其昂贵，更不用说几十条甚至更多条轨迹。AI 模型若能快上数万倍，确实能大幅降低生成大规模 ensemble 的成本。但她强调，物理约束必须落到每一个 ensemble member，也就是每条单独轨迹上，不能等所有结果平均后才看起来符合物理。平均值守恒，不等于其中每一种可能的天气演化都合理。

难处在于两头都不能丢。长期滚动中，若把细节洗平，模型会丢掉影响风险判断的结构；若保留全部细节，又可能逐步违反物理有效性。她的判断是："So this is still an open problem"（所以这仍然是一个开放问题。）

这意味着气候 AI 的下一道门槛，不是再把一次推理压缩到几秒，而是在每条长轨迹里持续施加恰当物理约束。速度、长期模拟能力和完全可信，这三件事目前还无法同时拥有。更快地产生更多情景，若每条情景都可能悄悄跑偏，也不能直接支撑防灾和投资决策。

被问到神经算子在天气和聚变之外还能做什么时，她把话题从“预测接下来会发生什么”推进到“主动寻找从未有人试过的方案”。她展示了逆光刻中的掩膜设计、量子点中的栅极设计，以及非线性光子学等问题。它们共同属于逆向设计：不是给定设计再问结果，而是先给定目标，再反问什么设计能实现它。

量子门设计是很直观的例子。复杂栅极组合会影响电子如何聚集到合适位置，合作者很难仅凭人工直觉判断，究竟该如何排列和调节这些栅极。她们的路径是先训练一个能模拟正向物理过程的模型：给它设计方案，它能预测会发生什么。随后让 AI 在这个模拟器构成的闭环中不断优化候选设计。这样筛出来的方案，不是视觉上显得新奇，而是已在模拟中接受过物理可行性检查。

她把这一步的目标说得很高，也说得很具体："It's about really novel designs and novel discoveries that enable us to move the needle of innovation itself."（关键在于真正的新设计和新发现，它们能推动创新本身向前发展。）

这意味着研发流程可能从“人先凭经验提出方案，再进仿真或实验室验证”，变成“AI 在物理护栏内搜索庞大的设计空间，人类再判断哪些候选值得制造、测试和部署”。不过，反向设计不是魔法。如果物理规律本身完全未知，且没有任何相关数据，例如超出标准模型的新物理，模型无法凭空迁移。它能扩展已知规律的组合空间，不能替人类从真空中发明证据。

“小样本不必是物理 AI 的死穴”和“物理仿真不能靠放大 Transformer”表面上讲的是两件事：前者讲数据不必无限多，后者讲算力再多也有上限。它们其实指向同一个判断：物理世界并不是互联网。真实系统的数据更稀缺、维度更高、外推要求更严，不能指望把通用模型直接放大，就自然得到可靠的科学能力。

同样，“天气基础模型必须承认地球是球体”与“跑得更久不等于更可信”也在讲同一件事。球面几何让模型少犯一个根本错误，却不能保证每条长期气候轨迹都遵守物理规律。模型能滚动数月，不代表它已经有资格替人决定堤坝该建多高、农作物该如何配置，或者聚变反应堆该如何控制。

所以，这期对话的主线不是用 AI 替代物理，而是让 AI 从数据里发现潜在结构，再用几何、守恒、概率校准和验证机制约束它的外推。对正在做业务预测、工业优化或科研工具的人来说，真正该问的不是“模型能不能生成一个结果”，而是三件更具体的事：它学到了什么稳定结构；它在哪些地方受物理或领域规则约束；当它给出一个足以影响决策的答案时，谁能证明它没有只是跑得很快。