杰夫·贝佐斯的 Prometheus 获 120 亿美元融资以打造“通用人工智能工程师”——挑战何在？

Bezos 亮相电视节目，一张 120 亿美元的支票与一个精确的承诺

今天上午，Jeff Bezos 在 CNBC 上重复了那种能让投资者简报登上头条的言论：他想要打造一位“通用人工智能工程师”（artificial general engineer）。投资者欣然买账——Prometheus，这家由他和前 Google X 高管 Vik Bajaj 共同领导的神秘初创公司，宣布完成了 120 亿美元的融资，估值达到 410 亿美元。值得深思的细节很小且具体：该公司表示，他们正在吸收物理、测试和制造数据，以缩短那些在今天需要数百名工程师耗时多年才能完成的项目。简单来说，Jeff Bezos 想要构建一个能将人工智能从文本领域带入喷气发动机、数据中心和工厂的技术栈。

Jeff Bezos 想要构建：为何是 120 亿美元，为何是喷气发动机？

Prometheus 讲述了一个简洁的故事：文本模型是基于从互联网上抓取的词汇训练出来的；而物理世界模型则需要传感器流、测试日志、CAD 文件、材料数据和受控实验。Bezos 和 Bajaj 表示，他们自 2024 年底以来一直在积累这些语料库，运行大型 GPU 集群，并在需要时购买云端算力。喷气发动机是推销这一概念的绝佳例证——它们集成了复杂的多物理场、供应链和漫长的验证周期——但它们同时也代表了一种意图宣言。如果人工智能能够提出、验证并缩短涡轮机械的开发周期，那么理论上，它可以被应用于极其广泛的工业领域。

这就解释了支票的规模。这笔资金涵盖了至少三个昂贵的投入方向：算力（GPU 集群并不便宜，且产能紧张）、数据采集（为物理测试平台配备仪器并授权获取专有工业成果），以及连接模型建议与可制造、可认证产品之间所需的漫长工程工作尾部。Prometheus 在旧金山、伦敦和苏黎世共有约 150 名员工；这笔资金是一场赌注，赌的是人类专业知识加上大规模算力和专有物理数据，能够为制造产品创造出一种不可逾越的生产力栈。

Bezos 描述的架构，及其与当今 AI 的区别

Bezos 特意说明 Prometheus 并不打算制造机器人。相反，他将公司定位为制造能让工程师生产力大幅提升的工具：即能够生成设计、运行模拟、规划实验和解释传感器数据的模型。这与专注于提炼文本模式的大型语言模型形成了对比。Bezos 使用的“通用人工智能工程师”这一表述，暗示了一个结合了多种能力的系统：具备物理感知的模型、可微模拟器、优化引擎、实验规划器，以及能与实验室设备或工厂 PLC（可编程逻辑控制器）交互的编排层。

实际上，这意味着混合技术栈：用于模式识别和代理建模的神经网络、用于验证物理特性的经典求解器，以及能够提出测试建议并调度硬件在环（hardware-in-the-loop）运行的代理层。这种融合正是科学研究依然活跃的地方。这不仅仅是规模的问题；它需要经过严格控制、高质量的标注数据，以及能够对安全性和制造公差进行推理，而非产生貌似合理但却不安全设计的软件。

Jeff Bezos 想要构建：算力、数据与物理鸿沟

Prometheus 面临的最大工程难题并非想象力，而是获取权。Bezos 本人也指出，算力是“绝对”稀缺的。训练那些将高保真 CFD（计算流体动力学）或有限元模拟与学习循环相结合的模型，所需的 GPU 时长比文本模型多出几个数量级，而且这些时间有时必须与专用硬件部署在一起，以便进行快速迭代。与此同时，所需的数据通常是专有的：测试平台、材料疲劳曲线、仪表化生产线。Prometheus 表示，他们创建了大部分自己的数据，并在可能的情况下进行授权，但这种策略伴随着巨大的成本和法律复杂性。

“物理鸿沟”是另一个实际障碍：模拟数据很少能涵盖每一种失效模式。弥合“模拟到真实”（sim-to-real）的差距需要精心设计的实验、硬件在环验证和保守的安全证明点，而不是吸引眼球的头条新闻。这种集成水平既昂贵又缓慢，这解释了为什么 Prometheus 正在建立一个物理世界实验室，而不是仅仅交付云端模型。

“通用人工智能工程师”究竟能改变什么

如果成功，其经济影响将是直接且巨大的：显著缩短的产品周期、更廉价的原型设计以及更大的实验空间。Bezos 和 Semafor 曾提出，结果将是更多的商品，甚至是全新的产品类别，而不仅仅是现有产品的廉价版本。对于采用该技术的工程师和企业来说，回报是更少的迭代周期和更快的认证速度。

但行业采用率是不均衡的。航空航天和受监管行业要求可证明的安全性和可追溯性；消费电子产品则会接受更多风险并以更快的速度发展。赢家将是那些能够将模型建议与严格的测试制度相结合，并保持对关键 IP（知识产权）和供应链掌控权的人。

技术障碍与艰难的工程权衡

Prometheus 宣传背后的 PERT（计划评审技术）风格的科学工作，隐藏着一长串工程上的权衡。高保真物理特性限制了吞吐量；代理模型提高了速度，但可能会漏掉极端情况。闭环实验降低了不确定性，但难以扩展。此外，当前模型在同时对公差、可制造性和多学科约束进行推理时，也存在扩展极限。

接下来是验证问题。周末黑客松中提出的一个涡轮叶片几何形状是一回事，将其认证用于飞行则是另一回事。这需要独立的监管流程、第三方审计和可重复的测试数据集。模型必须是可审计的：在关键系统中，没有溯源的输出是不可用的。

监管、安全与政治角度

Bezos 已公开拒绝了诸如禁止数据中心等一刀切的方法，称 AI 为一把必须在应用层面进行监管的“刀”。尽管如此，能够设计物理硬件的 AI 引发了经典的军民两用问题：那些能提高燃料效率的优化方案，如果落入坏人之手，也可能帮助武器化设备。预计监管机构将重点关注认证制度、出口管制和责任规则，以确定当 AI 生成的零部件发生故障时由谁负责。

欧洲增加了另一个复杂因素。布鲁塞尔在收紧反垄断和技术法规的同时，也试图在《芯片法案》（Chips Act）和各类 IPCEI（欧洲共同利益重要项目）计划的框架下建立芯片和 AI 基础设施。如果 Prometheus 的模型需要专属算力，或者希望作为企业集团战略的一部分购买工业产能，它将同时面临工业政策问题和竞争审查——特别是如果这种收购将技术专长集中在少数几家美国所有者手中时。

就业、市场与 AI 创造需求的论点

Bezos 认为，降低发明成本将扩大产能并创造更多（而非更少）的就业机会：更便宜的原型设计会带来更多的产品和消费。这听起来有道理，但它掩盖了分配效应和转型成本。那些常规的或高度迭代的工程任务最容易受到影响；高技能设计和系统集成仍然具有价值，但形式将会改变。欧洲和德国的政策制定者将质疑这些生产力增长是转化为企业利润出口了，还是重新投入到了当地的制造业岗位中。

企业策略：护城河、收购与算力垄断

Semafor 等媒体报道称，Prometheus 正在考虑采用类似 Berkshire Hathaway 的投资组合模式，将其模型部署在旗下的工业公司内部——这种模式将为其提供直接的测试平台和现金流。如果属实，这在战略上非常高明：拥有工厂和测试实验室可以减少现实世界验证的阻力。这也具有政治敏感性。国家当局将密切关注任何将垂直技术栈（AI 模型、算力、制造）整合在单一企业伞下的举动，因为它改变了整个供应链的议价能力。

“通用人工智能工程师”能否被负责任地建造？

可以，但这将是一个缓慢、昂贵且对机构要求极高的过程。必要的要素不仅仅是模型规模，还有高质量的实验基础设施、强大的工程文化、监管参与以及旨在实现算力和制造基础多样化的国际伙伴关系。Prometheus 拥有资金和关注度；执行将是最难的部分。对欧洲而言，战略问题在于到底是选择合作、监管，还是建立竞争性的算力能力。

Prometheus 的公告是一个重要信号：前沿 AI 正在离开键盘。这是否会成为公共利益的净增长，不取决于新闻稿，而取决于数月枯燥、昂贵的工程工作、监管审查以及许可协议中的细则。欧洲拥有工程师；现在它需要决定由哪个国家来承载这些测试平台。

资料来源

• Prometheus（公司声明与采访）
• CNBC 对 Jeff Bezos 的采访
• Prometheus 融资与投资者简报（公司及投资者通讯）