無產(chǎn)品無收入，獲貝索斯等投5億美元，中國AI界該警醒？

人腦可能是最先進(jìn)的計(jì)算機(jī)。多少年來，無數(shù)科學(xué)家試圖在芯片上復(fù)現(xiàn)大腦的性能，卻始終難以望其項(xiàng)背。

近日，一家名為 Flourish 的初創(chuàng)公司宣布融資 5 億美元，投資方包括杰夫·貝索斯（Jeff Bezos）、谷歌母公司 Alphabet 的風(fēng)險(xiǎn)投資部門 GV、Lux Capital 等。沒有產(chǎn)品、沒有收入，更沒有實(shí)測(cè)數(shù)據(jù)，它憑什么被資本視作“最可能實(shí)現(xiàn)大腦算法”的公司之一？

Scaling Law 失速，解法從哪找？

隨著 AI 爆發(fā)式增長，全球數(shù)據(jù)中心的電力消耗正在飆升。僅在美國，到 2030 年，數(shù)據(jù)中心處理數(shù)據(jù)所耗費(fèi)的電力就將超過鋁、鋼、水泥、化學(xué)品等所有能源密集型行業(yè)生產(chǎn)的總和。圍繞這場(chǎng)電力爭(zhēng)奪，超大規(guī)模云服務(wù)商正在簽下小型模塊化核反應(yīng)堆訂單，綁定離網(wǎng)風(fēng)電場(chǎng)，甚至開始思考將數(shù)據(jù)中心搬到軌道上的可行性。

陡峭的電力曲線背后，是過去幾年驅(qū)動(dòng)整個(gè) AI 行業(yè)的 Scaling Law：模型參數(shù)翻一倍、訓(xùn)練數(shù)據(jù)翻一倍、算力堆一倍，性能就能穩(wěn)定上一個(gè)臺(tái)階。這條經(jīng)驗(yàn)定律支撐著從 GPT-3 到 GPT-4，再到當(dāng)前一系列前沿模型的成功，也讓所有頭部玩家走上了同一條暴力路線：更大的模型、更多的 GPU、更密的集群，以及更高的能耗。

但現(xiàn)狀是，能耗呈線性增長，性能的提升卻在邊際遞減。電網(wǎng)容量、先進(jìn)制程產(chǎn)能、高質(zhì)量訓(xùn)練數(shù)據(jù)都在觸及物理或經(jīng)濟(jì)上限；前沿模型單次訓(xùn)練的成本已經(jīng)躍升至數(shù)億美元。

整個(gè)行業(yè)走上一條隨時(shí)可能撞墻的快車道，明知前方并非無盡的坦途，卻已經(jīng)停不下來了。

但假如，問題的解法根本就不是拿到更多電、砸更多錢、開發(fā)更先進(jìn)的制程呢？

20 瓦是一個(gè)臺(tái)燈的功率，也是人腦在思考、推理、學(xué)習(xí)時(shí)消耗的全部能量，對(duì)比之下，一塊訓(xùn)練 AI 模型的服務(wù)器級(jí) GPU，功耗大約是大腦的三十倍以上，運(yùn)行的智能和廣度卻遠(yuǎn)不及它。

這道效率鴻溝究竟來自硅片的物理極限，還是架構(gòu)本身存在問題？

對(duì)此，F(xiàn)lourish 創(chuàng)始人托馬斯·里爾登（Thomas Reardon）給出了判斷：生物大腦與現(xiàn)代 AI 模型之間的效率差距，不是硅片或硬件層面的限制，本質(zhì)上是架構(gòu)上的缺陷。基于這一觀點(diǎn)，他決定帶領(lǐng)公司，在生物大腦中尋找突破計(jì)算性能瓶頸的解法。

逆向工程大腦

Flourish 由托馬斯和羅布·威廉姆斯（Rob Williams）于 2024 年共同創(chuàng)立。

托馬斯生于 1969 年，高中時(shí)就在麻省理工學(xué)院（MIT）旁聽研究生數(shù)學(xué)和科學(xué)課，19 歲時(shí)加入微軟（Microsoft），從一名 Windows 程序經(jīng)理做起，并在接下來的幾年間接手了一個(gè)當(dāng)時(shí)不被重視的小項(xiàng)目：開發(fā)一款瀏覽器，也即后來的 IE 瀏覽器，最早期的 IE 團(tuán)隊(duì)事實(shí)上只有托馬斯一人。

他主導(dǎo)了 IE 3 和 IE 4 的開發(fā)，在 IE 3 中實(shí)現(xiàn)了 CSS（一種用于控制網(wǎng)頁樣式的技術(shù)規(guī)范）的首個(gè)商業(yè)落地，并提出將 IE 隨 Windows 操作系統(tǒng)一同分發(fā)的策略。正是這一策略，讓 IE 在與網(wǎng)景（Netscape）的“第一次瀏覽器戰(zhàn)爭(zhēng)”中后來居上，一度成為全球市占率第一的瀏覽器。當(dāng)然，這直接引發(fā)了美國對(duì)微軟的反壟斷訴訟。

2015 年，托馬斯與同在哥大讀神經(jīng)科學(xué)博士的帕特里克·凱福什（Patrick Kaifosh）共同創(chuàng)辦了 CTRL-labs，公司主要研發(fā)非侵入式神經(jīng)接口，核心產(chǎn)品是一款能讀取脊髓神經(jīng)向手部肌肉發(fā)出的電信號(hào)，以此實(shí)現(xiàn)用意圖直接控制設(shè)備的腕帶。

另一位聯(lián)合創(chuàng)始人羅布則是前亞馬遜（Amazon）S-team 高管（公司內(nèi)部直接向 CEO 匯報(bào)的最高管理委員會(huì)），曾在語音助手項(xiàng)目（Alexa）中擔(dān)任要職。有消息披露，他向貝索斯介紹 Flourish 時(shí)，參照的正是亞馬遜的內(nèi)部慣例：先寫一份不存在產(chǎn)品的新聞稿、再?zèng)Q定是否做，最終在 2025 年 12 月順利獲得貝索斯的口頭首肯。

2026 年 3 月底，在紐約曼哈頓西 SoHo 一棟十層辦公樓里，F(xiàn)lourish 已經(jīng)吸引大約二十多位資深神經(jīng)科學(xué)家和 AI 研究員入駐。

未來幾年，他們要開發(fā)的產(chǎn)品名為“大腦皮層 AI”（Cortex AI），目標(biāo)是在大腦皮層的真實(shí)結(jié)構(gòu)中找出一套可被編碼為軟件的計(jì)算原理，讓 AI 以接近生物大腦的能耗水平運(yùn)行，整體推理功率將壓縮至 20~50 瓦區(qū)間。

其科學(xué)邏輯基于連接組學(xué)（Connectomics），這是一個(gè)研究神經(jīng)元間連接結(jié)構(gòu)的學(xué)科。有別于過去幾十年間 AI 研究“借用神經(jīng)元一詞但拋棄其余一切”的做法，F(xiàn)lourish 是真的想對(duì)大腦進(jìn)行逆向工程：用電子顯微鏡逐神經(jīng)元、逐突觸地復(fù)現(xiàn)生物大腦中的真實(shí)連接。

生物神經(jīng)網(wǎng)絡(luò)稀疏且異步，絕大多數(shù)神經(jīng)元彼此并不連接，只在膜電位跨越閾值時(shí)發(fā)出信號(hào)，計(jì)算與記憶在同一處神經(jīng)元結(jié)構(gòu)中完成，不需要在處理單元和存儲(chǔ)單元之間來回搬運(yùn)數(shù)據(jù)。這與密集、同步、存算分離的 Transformer 截然相反。

2024 年，連接組學(xué)迎來突破性進(jìn)展。普林斯頓大學(xué)（Princeton University）團(tuán)隊(duì)領(lǐng)銜的 FlyWire 項(xiàng)目聯(lián)合全球超五十個(gè)實(shí)驗(yàn)室，繪制出包含 13.9 萬個(gè)腦細(xì)胞和超 5,000 萬個(gè)突觸連接的成年雌性果蠅全腦連接組。2026 年 6 月，哈佛醫(yī)學(xué)院與普林斯頓團(tuán)隊(duì)進(jìn)一步發(fā)布了果蠅中樞神經(jīng)系統(tǒng)神經(jīng)索（相當(dāng)于人類脊髓）的完整連接組。

Flourish 將關(guān)注點(diǎn)放在了皮層柱（Cortical Columns）上，這被視為大腦新皮層中的基本計(jì)算單元。神經(jīng)科學(xué)家弗農(nóng)·蒙卡斯特爾（Vernon Mountcastle）在 1970 年代提出了皮層柱假說：新皮層在結(jié)構(gòu)上高度均勻，這暗示其中可能存在一種可被復(fù)用的通用算法。

Flourish 相信，這套核心算法足以解釋一個(gè)不到三斤、運(yùn)行在 20 瓦功率下的器官，為何能從極少樣本中泛化、遷移并持續(xù)學(xué)習(xí)。

公司近期披露的兩條主要技術(shù)路線也圍繞該思路展開：一條是受海馬體啟發(fā)的記憶機(jī)制，目標(biāo)是讓模型在部署后繼續(xù)學(xué)習(xí)，取代當(dāng)前訓(xùn)練結(jié)束后就止步不前的大模型學(xué)習(xí)范式。有消息稱，F(xiàn)lourish 已經(jīng)構(gòu)建出一個(gè)能持續(xù)學(xué)習(xí)的原型。

另一條則是低功耗芯片，公司據(jù)稱在與一家未具名的芯片廠商洽談，計(jì)劃推出能在消費(fèi)級(jí)設(shè)備上運(yùn)行 Cortex AI 的處理器。

難道又是一個(gè)“還差五年”的二十年？

把大腦工作原理搬上芯片這一賽道，最早的玩家是 IBM。2014 年，IBM 發(fā)布一款名為 TrueNorth 的神經(jīng)形態(tài)芯片，把 100 萬個(gè)數(shù)字神經(jīng)元封裝在一塊功耗僅 65 毫瓦的硅片上，成為該領(lǐng)域的里程碑事件。但 IBM 最終停止了 TrueNorth 的商業(yè)開發(fā)，后續(xù)的 NorthPole 芯片停留在研究階段。

2017 年，英特爾（Intel）推出 Loihi，在特定任務(wù)上展示了相比傳統(tǒng)神經(jīng)網(wǎng)絡(luò)高達(dá)千倍的能效；到 2024 年，搭載 1152 顆 Loihi 2 處理器、共計(jì) 11.5 億神經(jīng)元的 Hala Point 系統(tǒng)部署在桑迪亞國家實(shí)驗(yàn)室（Sandia National Laboratories），是迄今為止最大的神經(jīng)形態(tài)平臺(tái)。但它至今仍未落地生產(chǎn)級(jí) AI 工作場(chǎng)景，也沒能取代任何一塊 GPU。

行業(yè)里有一種說法：腦啟發(fā)計(jì)算從提出起就聲稱“還差五年”，至今卻過去了二十年。原因或許在于，全新的神經(jīng)形態(tài)架構(gòu)需要全新的編程模型、訓(xùn)練框架和開發(fā)者工具。此前，Transformer 的成功正是建立在近乎完美的工程兼容性上。換一條賽道意味著要把整個(gè)軟件棧推翻重寫，這是一項(xiàng)以年為單位、沒人愿意先動(dòng)手的工程。

圍繞壓縮 AI 能耗這一命題，硬件層面，Groq、Cerebras、Etched 等公司正在用專用芯片提升單位算力的能效，其中，Etched 已經(jīng)做出了專門用于 Transformer 的 ASIC。在邊緣端，BrainChip 的 Akida 芯片已經(jīng)在數(shù)百萬 IoT 設(shè)備中實(shí)現(xiàn)商業(yè)化部署，歐洲的 SynSense、中國的相關(guān)研究團(tuán)隊(duì)也在向智能傳感、機(jī)器人等垂直場(chǎng)景滲透。Flourish 定位在更高一層：直接重寫模型法則。

如果真的奏效，Cortex AI 在原理上可以直接部署進(jìn)現(xiàn)有硬件，無需淘汰英偉達(dá)集群；但風(fēng)險(xiǎn)與之相當(dāng)：公司同時(shí)承擔(dān)算法、架構(gòu)和軟件生態(tài)的三層不確定性，每一層都曾埋著無數(shù)先驅(qū)價(jià)值幾十億美元的“尸骨”。

當(dāng)然，F(xiàn)lourish 的底氣也是前所未有。新一輪融資中，貝索斯個(gè)人最初承諾約 5,000 萬美元，其他大牌投資人陸續(xù)加入后，他最終投入了接近 1 億美元。貝索斯素來以耐心資本著稱，畢竟，他給藍(lán)色起源（Blue Origin）燒了二十年錢，才看到首次商業(yè)發(fā)射。

共同參與領(lǐng)投的還有 Lux Capital 和 GV，這兩家也是十年前 CTRL-labs A 輪的領(lǐng)投方。Lux 的聯(lián)合創(chuàng)始人喬什·沃爾夫（Josh Wolfe）多次公開表示，托馬斯是少數(shù)能把神經(jīng)科學(xué)轉(zhuǎn)化為商業(yè)技術(shù)的人。

值得一提的是，亞馬遜和 Alphabet 在多個(gè)層面是直接競(jìng)爭(zhēng)對(duì)手，幾乎從不在早期同時(shí)下注一家公司。當(dāng)它們破例并肩出現(xiàn)，代表雙方都認(rèn)為錯(cuò)過這家公司的代價(jià)，遠(yuǎn)大于與對(duì)手同列股東的不適。

在人才層面，F(xiàn)lourish 已經(jīng)吸引開放連接組計(jì)劃（Open Connectome Project）的發(fā)起人之一雅各布·沃格爾斯坦（Jacob Vogelstein）加入，負(fù)責(zé)對(duì)接腦成像工作與建模團(tuán)隊(duì)；DeepMind 內(nèi)部負(fù)責(zé)多模態(tài) AI 助手項(xiàng)目 Astra 的研究員格雷格·韋恩（Greg Wayne）經(jīng) DeepMind CEO 特別同意，以 20% 的時(shí)間在 Flourish 擔(dān)任高級(jí)顧問；此外，加州大學(xué)伯克利分校（UC Berkeley）的計(jì)算機(jī)科學(xué)家本·雷希特（Ben Recht）也在技術(shù)顧問名單中。

最后一層底氣源于時(shí)機(jī)。連接組學(xué)的工具和數(shù)據(jù)成本已經(jīng)降至可供工程團(tuán)隊(duì)成規(guī)模使用的水平；而在 AI 能耗危機(jī)已經(jīng)帶來具象成本壓力的當(dāng)下，整個(gè)行業(yè)不得不從供給側(cè)轉(zhuǎn)向架構(gòu)側(cè)。

兩位橫跨工程、神經(jīng)科學(xué)和商業(yè)且各有所成的創(chuàng)始人，一組同行業(yè)中近乎全員押注的頂級(jí)投資，一支站在前沿的學(xué)術(shù)團(tuán)隊(duì)，加上一個(gè)剛好成熟的時(shí)機(jī)，這些條件同時(shí)存在，最終成就了 Flourish。

一次價(jià)值 5 億美元的投石問路

Flourish 的商業(yè)版圖基于一個(gè)非常具體的假設(shè)，如果人腦中真的存在一套核心算法，且能被做成軟件，其整套敘事都成立；但如果大腦的效率根本不來自一種壓縮的算法，而是來自演化中積累的、不可壓縮的涌現(xiàn)復(fù)雜性，那這條路在原理上就走不通。

更何況，連接組學(xué)模型在商業(yè)部署上的起點(diǎn)為零，要從神經(jīng)接線圖中讀出一套部署級(jí)別的算法，至今尚無任何一家公司證實(shí)其可行性。

但 AI 產(chǎn)業(yè)已經(jīng)被“算力即壁壘”的規(guī)則支配了太久。過去三年，它催生了數(shù)千億美元的資本開支、不斷推高的估值溢價(jià)和激進(jìn)的企業(yè)戰(zhàn)略，各家廠商已經(jīng)初現(xiàn)疲態(tài)。Flourish 的出現(xiàn)，讓所有人看到了從行業(yè)另一端透出的希望，以及終結(jié)這場(chǎng)堆疊算力的馬拉松的可能。

對(duì)于一家初具概念雛形的公司而言，5 億美元融資和 25 億美元的估值可能有些夸張，但拿這筆錢投石問路，對(duì)整個(gè) AI 行業(yè)來說，或許剛剛好。