人脑或许是目前已知最高效的计算机。长久以来，无数研究者试图在硅基芯片上重现大脑的性能，却始终难以企及其效率的万分之一。
近日，一家名为 Flourish 的初创公司宣布完成 5 亿美元融资，投资方包括杰夫·贝索斯（Jeff Bezos）、谷歌母公司 Alphabet 旗下的风投部门 GV，以及 Lux Capital 等。没有任何商业化产品、没有营收，甚至没有经过实测的公开数据，它究竟凭什么被资本视为“最可能实现大脑算法”的公司之一？
当 Scaling Law 失效，突破口在哪？
随着人工智能的爆发式增长，全球数据中心的电力消耗正急剧攀升。仅在美国，预计到 2030 年，数据中心处理数据耗费的电力就将超过铝、钢、水泥和化学品等传统高能耗行业的总和。面对这场电力争夺战，超大规模云服务商们开始抢购小型模块化核反应堆订单，锁定离网风电场，甚至在评估将数据中心发射到近地轨道的可行性。
这条陡峭的电力增长曲线背后，是过去几年驱动整个行业的核心逻辑——Scaling Law：模型参数翻倍、训练数据翻倍、算力堆翻倍，性能就能稳定地迈上一个新台阶。这条经验法则支撑了从 GPT-3 到 GPT-4 乃至后续一系列前沿模型的成功，也让所有头部玩家走上了一条“暴力美学”路线：更大的模型、更多的 GPU、更庞大的集群，以及随之而来的更高能耗。
但现实却是，能耗在近乎线性地增长，而性能提升的边际效应却在递减。电网容量、先进制程的物理极限、高质量训练数据的枯竭，都在触碰发展的天花板。前沿模型的单次训练成本已飙升至数亿美元。
整个行业像驶入了一条随时可能撞墙的高速公路，明知前路并非坦途，却已难以减速。
但有没有一种可能，问题的解法根本不是寻找更多电、砸下更多钱，或是开发更精密的制程呢？
20瓦，不过是一盏台灯的功耗，也是人类大脑在进行思考、推理和学习时所消耗的全部能量。反观一块用于训练 AI 模型的服务器级 GPU，其功耗大约是大脑的三十倍以上，但若论及智能的广度与灵活性，却远不及大脑。这道巨大的效率鸿沟，究竟是受限于硅片本身的物理特性，还是系统架构本身就走错了方向？
对此，Flourish 创始人托马斯·里尔登（Thomas Reardon）给出了他的判断：生物大脑与现代 AI 模型之间的效率差距，并非硅片或硬件层面的制约，根本上是源于架构的缺陷。基于此，他决心带领团队，从生物大脑的结构中探寻突破计算性能瓶颈的钥匙。
逆向工程：复刻大脑的算力法则
Flourish 由托马斯和罗布·威廉姆斯（Rob Williams）于 2024 年共同创立。
托马斯生于 1969 年，早在高中时期就在麻省理工学院（MIT）旁听研究生级别的数学与科学课程。19 岁那年，他加入微软（Microsoft），从一名 Windows 程序经理起步，并在随后的几年里接手了一个当时并不受重视的小项目：开发一款网页浏览器。这也就是后来的 Internet Explorer（IE），其最早的开发团队实际上只有托马斯一人。
他主导了 IE 3 与 IE 4 的开发，并在 IE 3 中实现了 CSS（层叠样式表，一种控制网页外观的技术规范）的首个商业落地，同时提出将 IE 与 Windows 操作系统捆绑分发的策略。正是这一策略，让 IE 在与网景（Netscape）的“第一次浏览器战争”中后来居上，一度登顶全球市场份额第一。当然，这也直接招致了美国司法部对微软的反垄断诉讼。
离开微软后，他在几家无线与移动通信公司任职，又在三十多岁时重返校园。2008 年，托马斯以最优等成绩获哥伦比亚大学（Columbia University）文学与古典语言学士学位，随后在杜克大学（Duke University）完成神经生物学硕士学业，并分别于 2013 年和 2016 年在哥伦比亚大学获得神经科学与行为学的研究型硕士（MPhil）与博士学位。
2015 年，托马斯与同在哥大攻读神经科学博士的帕特里克·凯福什（Patrick Kaifosh）共同创办了 CTRL-labs。这家公司专注研发非侵入式神经接口，核心产品为一款腕带，能读取脊髓神经向手部肌肉发出的电信号，从而让用户仅通过移动意图就能直接控制设备。
2019 年，Meta 以 5 亿至 10 亿美元的价格将 CTRL-labs 收归麾下，托马斯随之加入 Meta Reality Labs 担任研究副总裁，主导 Neural Band 项目。2025 年，该项目以一篇登载于《自然》（Nature）的论文和 Meta Neural Band 腕带的发布作为里程碑成果，这款腕带也成为了 Meta 智能眼镜的输入设备。在创立 Flourish 之前，托马斯还在 Lux Capital 担任了一段时间的风险合伙人。
另一位联合创始人罗布，则是前亚马逊（Amazon）的 S-team 高管——该团队为公司内部直接向 CEO 汇报的最高管理委员会，并曾在 [亚马逊的语音助手项目 Alexa 中担任要职。有消息称，他向贝索斯介绍 Flourish 时，沿用的正是亚马逊的经典内部方法论：先撰写一份假想产品的新闻稿，再决定是否推进。最终，他在 2025 年 12 月成功获得了贝索斯的口头认可。
2026 年 3 月底，在纽约曼哈顿西 SoHo 一栋十层高的办公楼内，Flourish 已汇聚了大约二十多位资深神经科学家与 AI 研究员。
未来数年，他们的目标是打造一款名为“皮层 AI”（Cortex AI）的产品。核心思路是在大脑皮层的真实结构中，提炼出一套可被编码为软件的计算原理，让 AI 能以接近生物大脑的能耗水平运行，将整体推理功耗压缩至 20 至 50 瓦区间。
其科学逻辑根植于连接组学（Connectomics），一门研究神经元间连接结构的学科。不同于过去几十年间 AI 研究“仅借用了神经元一词，却抛弃了其余所有生物学特性”的路径，Flourish 试图进行一场对大脑的真正逆向工程：借助电子显微镜，逐神经元、逐个突触地复现生物大脑中的真实连接结构。
生物神经网络是稀疏且异步的。绝大多数神经元彼此并不直接相连，仅在膜电位跨越阈值时才发出信号，计算与记忆发生在同一处神经元结构内，无需像传统冯·诺依曼架构那般，在处理单元和存储单元之间往复搬运数据。这与那种密集、同步且存算分离的 Transformer 架构截然不同。
2024 年，连接组学领域迎来里程碑式突破。由普林斯顿大学（Princeton University）团队领衔的 FlyWire 项目，联合全球超过 50 个实验室，绘制出了包含 13.9 万个脑细胞和超过 5,000 万个突触连接的成年雌性果蝇全脑连接组。紧接着在 2026 年 6 月，哈佛医学院与普林斯顿团队更进一步，发布了果蝇中枢神经系统神经索（功能上类似于人类脊髓）的完整连接组图谱。
Flourish 将目光聚焦于皮层柱（Cortical Columns），这被视作大脑新皮层中的基础计算单元。早在 1970 年代，神经科学家弗农·蒙卡斯特尔（Vernon Mountcastle）就提出了皮层柱假说：新皮层在结构上呈现出惊人的高度均一性，这暗示其中或许存在一套可供复用的通用算法。
Flourish 深信，正是这套核心算法，解释了为何一个不到三斤重、运行功率仅 20 瓦的器官，能够从极稀疏的样本中完成泛化、迁移乃至持续学习。公司近期披露的两条主要技术路线也由此展开：一条是设计受海马体启发的记忆机制，旨在让模型在部署后也能继续学习，从而取代当前那种“训练一完成便止步不前”的大模型学习范式。有消息称，Flourish 已构建出一个具备持续学习能力的原型。另一条路线则是低功耗芯片，公司据称正与某家未公开的芯片厂商谈判，计划推出能够运行 Cortex AI 的消费级设备专用处理器。
这会不会又是一个“永远还差五年”的故事？
将大脑运行原理搬上芯片这条赛道，最早的玩家其实是 IBM。2014 年，IBM 发布了名为 TrueNorth 的神经形态芯片，在一颗功耗仅 65 毫瓦的硅片上集成了 100 万个数字神经元，堪称该领域的里程碑事件。但 IBM 最终终止了 TrueNorth 的商业化开发，其后续的 NorthPole 芯片也仅停留在研究阶段。
2017 年，英特尔（Intel）推出了 Loihi，在特定任务上展示了相较于传统神经网络高达千倍的能效比。到了 2024 年，由 1152 颗 Loihi 2 处理器、共计 11.5 亿个神经元构成的 Hala Point 系统在桑迪亚国家实验室（Sandia National Laboratories）完成部署，这是迄今最大规模的神经形态计算平台。然而，它至今既未触及生产级的 AI 工作负载，也未能取代任何一块 GPU。
巨头之外，Flourish 面前还有一面“历史的镜子”——Numenta。
这家由《人工智能的未来》（On Intelligence）和《千脑智能》（A Thousand Brains）的作者杰夫·霍金斯（Jeff Hawkins）在 2005 年创立的公司，用近二十年时间构建了一套名为“层级时间记忆”（HTM）的理论框架，同样强调皮层柱、稀疏分布表征和序列学习等概念。但 Numenta 最终也没能将这套理论转化为可商用的通用智能系统。目前，HTM 的相关产品主要被限制在流数据异常检测这类较为狭窄的应用场景中。
业界流传着一种说法：脑启发式计算从诞生之初就声称“还差五年”，而二十年转瞬即逝。个中缘由，或许在于全新的神经形态架构，必然需要配套全新的编程模型、训练框架和开发者工具。此前的 Transformer 之所以大获成功，很大程度上是建立在其近乎完美的工程兼容性之上。而换一条赛道，意味着要把整个软件栈推倒重写，这是一项以年为计时单位的浩大工程，也是所有人都不愿率先迈出的那一步。
围绕压缩 AI 能耗这一命题，在硬件层面，Groq、Cerebras、Etched 等公司正利用专用芯片提升单位算力的能效，其中 Etched 已经做出了专门面向 Transformer 的 ASIC 芯片。在边缘计算侧，BrainChip 的 Akida 处理器已在数百万 IoT 设备中实现商业化落地，欧洲的 SynSense 以及国内的研究团队也正朝着智能传感、机器人等垂直场景渗透。相比之下，Flourish 的站位高出一个层级：它想做的，是直接重写模型本身的底层法则。
如果这条路真的走通了，Cortex AI 在原理上有望直接部署于现有硬件之上，无需淘汰庞大的英伟达 GPU 集群。但伴随它的风险也同样对等：公司必须同时承担来自算法、架构以及软件生态三个层面的不确定性，而每一层之下，都可能埋葬着先驱们价值数十亿美元的“遗骸”。
当然，Flourish 的底气也是空前的。在这轮融资中，贝索斯个人最初承诺投入约 5,000 万美元，随着后续其他顶级投资人的跟进，他最终投入了接近 1 亿美元。贝索斯向来以“耐心资本”著称，毕竟，他持续为蓝色起源（Blue Origin）投入了二十年资金，才终于等来了首次商业发射。
共同参与领投的 Lux Capital 和 GV，也是十年前 CTRL-labs 的 A 轮领投方。Lux 的联合创始人乔什·沃尔夫（Josh Wolfe）多次公开感叹，托马斯是极少数能将[神经科学转化为商用技术的人。值得一提的是，亚马逊和 Alphabet 在多个层面是直接竞争对手，几乎从不共同出现在一家早期公司的股东名单上。而当它们破例并肩时，这传递出的信号很明确：对双方而言，错过这家公司的代价，远大于与竞争对手同坐一张股东桌的不适感。
在人才层面，Flourish 已吸引到开放连接组计划（Open Connectome Project）发起人之一的雅各布·沃格尔斯坦（Jacob Vogelstein）加盟，负责衔接脑成像工作与建模团队。DeepMind 内部负责多模态 AI 助手项目 Astra 的研究员格雷格·韦恩（Greg Wayne），经 DeepMind CEO 特批，每周拿出 20% 的时间在 Flourish 担任高级顾问。此外，加州大学伯克利分校（UC Berkeley）的计算机科学家本·雷希特（Ben Recht）也出现在了技术顾问的名单里。
最底层的底气，或许来自时机。连接组学所需的工具和数据成本，已降至可供工程化团队规模化使用的水平。而在 AI 能耗危机切实带来沉重成本压力的当下，整个行业也不得不将视线从供给侧转向架构侧。
两位横跨工程、神经科学与商业领域且各有所成的创始人，一组几乎全员押注的顶级投资矩阵，一支站在学术前沿的团队，再加上一个恰逢其时的时机窗口，这一切要素的罕见聚合，最终造就了 Flourish。
一次价值 5 亿美元的投石问路
不过，硬币的另一面是，Flourish 所描绘的一切仍停留在概念阶段。它既无公开可用的产品、无基准测试成绩、无研究论文发表，甚至连明确的芯片合作伙伴也尚未浮出水面。其研发节奏同样遵循着经典的“五年路线图”，第一批可供验证的商业化产品，预计要到 2031 年前后才能问世。
Flourish 的整个商业版图，都建立在一个极其具体的假设之上：倘若人脑中确有一套核心算法，且这套算法能够被软件化，那么它的所有叙事都站得住脚。反之，如果大脑的高效并非源于某种被压缩的算法，而是来自亿万年间演化沉淀出的、不可压缩的涌现复杂性，那么这条路在底层逻辑上就走不通。
更现实的是，连接组学模型在商业部署上的起点为零。试图从复杂的神经接线图中解读出一套部署级别的算法，至今还没有任何一家公司能在商业上证实其可行性。
但无论如何，AI 产业已经被“算力即壁垒”的单一规则支配得太久了。在过去短短三年里，这条规则催生了数千亿美元的资本开支、持续推高的估值溢价，以及愈发激进的商业策略，各家企业也纷纷显露疲态。Flourish 的出现，让业界看到了从另一端透出的希望，以及一种终结这场无尽算力竞赛的可能性。
对一家尚处于概念雏形阶段的公司而言，5 亿美元的融资和 25 亿美元的估值或许有些夸张。但拿这笔钱作为一次“投石问路”，对整个 AI 行业来说，也许刚刚好。
部分参考来源：techfundingnews.com， i-scoop.eu， thenextweb.com， Wikipedia， IEA， science.org。封面/首图由 AI 辅助生成。
发表于 4 小时前
|
查看: 3|
回复: 0
