🔬“We have foundation models for language, not for — Anima Anandkumar谈物理基础模型：为何语言模型方法不适用于物理世界

• 物理系统（如天气、聚变）数据稀缺且分辨率要求极高，导致上下文长度可达数千亿，远超Transformer能力。
• 神经算子（Neural Operators）通过将物理先验（如球谐函数）编码进网络，实现多尺度建模，FourCastNet在消费级GPU上即可媲美传统超级计算机模拟。
• 物理世界比预期更宽容：聚变预测仅需数千样本即可实现百万倍加速，表明构建结构而非堆数据是物理AI的可行路径。

对开发者而言，这提示在数据有限或高维场景下，应优先设计领域特定的归纳偏置，而非盲目扩大模型规模。

原文：🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing · 作者 Latent Space