Flourish的大腦算法豪賭，能救被困在能耗里的AI嗎？

2026-06-23 15:36

文章配圖-1

出品I下海fallsea

撰文I胡不知

AI產(chǎn)業(yè)正在撞上一面隱形卻堅(jiān)硬的墻——能耗。

大模型參數(shù)競(jìng)賽、算力軍備狂歡持續(xù)數(shù)年，行業(yè)終于迎來(lái)反噬：算力成本指數(shù)級(jí)飆升、數(shù)據(jù)中心電力缺口告急、電網(wǎng)承載力逼近上限。靠"堆算力、堆參數(shù)、堆電力"的暴力計(jì)算范式，走到了歷史拐點(diǎn)。所有人都清楚，舊路徑已是死路，但整個(gè)產(chǎn)業(yè)依舊身不由己地加速狂奔，陷入典型的"明知撞墻，無(wú)法止步"的集體焦慮。

就在這場(chǎng)全行業(yè)無(wú)解的困局中，一家名為Flourish的美國(guó)初創(chuàng)公司，突然攪動(dòng)了頂級(jí)資本圈的一池春水。

無(wú)產(chǎn)品落地、無(wú)營(yíng)收數(shù)據(jù)、無(wú)公開(kāi)論文、無(wú)實(shí)測(cè)基準(zhǔn)成績(jī)，僅憑一套"逆向工程人腦、復(fù)刻大腦皮層計(jì)算邏輯"的前沿?cái)⑹屡c技術(shù)構(gòu)想，F(xiàn)lourish一舉拿下5億美元融資，投后估值25億美元。投資方陣容堪稱(chēng)豪華頂配：杰夫貝佐斯個(gè)人重金重倉(cāng)、谷歌GV、LuxCapital、CatalioCapital等頂級(jí)機(jī)構(gòu)聯(lián)合入局，堪稱(chēng)2026年AI硬科技賽道最破格、最激進(jìn)的一筆投資。

資本市場(chǎng)從不做慈善，尤其在嚴(yán)苛的硬科技賽道。頂級(jí)資本集體無(wú)視營(yíng)收、落地成果等傳統(tǒng)估值標(biāo)尺，押注一家概念階段的初創(chuàng)公司，本質(zhì)不是賭一家企業(yè)的短期爆發(fā)，而是賭一場(chǎng)AI計(jì)算范式的世紀(jì)迭代：從人類(lèi)人工設(shè)計(jì)的馮諾依曼暴力計(jì)算，向生物演化億年的人腦高效智能計(jì)算徹底切換。

Flourish的野心直白且顛覆：放棄現(xiàn)有AI的算力堆砌邏輯，通過(guò)解析人腦皮層柱的底層運(yùn)算規(guī)則，復(fù)刻生物大腦的稀疏、異步、低功耗計(jì)算模式，將通用AI系統(tǒng)的功耗壓縮至20-50瓦，比肩人腦能耗水平，從根源上終結(jié)AI能耗危機(jī)。

這是一場(chǎng)極致浪漫又極度危險(xiǎn)的豪賭。浪漫在于，它試圖復(fù)刻自然演化的終極智能，破解人類(lèi)科技數(shù)十年的算力能耗困局；危險(xiǎn)在于，它挑戰(zhàn)的是神經(jīng)科學(xué)未知領(lǐng)域、半導(dǎo)體工程極限、以及整個(gè)AI產(chǎn)業(yè)根深蒂固的技術(shù)生態(tài)。

Flourish究竟是顛覆行業(yè)的破壁者，又或是又一個(gè)"永遠(yuǎn)還差五年落地"的科技泡沫？這場(chǎng)價(jià)值25億美金的大腦算法賭局，背后藏著整個(gè)AI產(chǎn)業(yè)的未來(lái)命運(yùn)。

AI掉進(jìn)了自己制造的能耗黑洞

當(dāng)下AI產(chǎn)業(yè)的所有繁榮，都建立在海量電力消耗之上。

國(guó)際能源署（IEA）2026年5月最新報(bào)告揭示了殘酷真相：2025年全球數(shù)據(jù)中心總耗電量達(dá)485太瓦時(shí)，2030年將翻倍至950太瓦時(shí)，占全球總用電量3%，等效于日本全國(guó)年度電力消耗規(guī)模。而這輪電力暴漲的核心驅(qū)動(dòng)力，不是傳統(tǒng)互聯(lián)網(wǎng)服務(wù)，而是AI。

AI算力的電力消耗增速，是全球電力總增速的6倍。Gartner數(shù)據(jù)顯示，2026年全球AI服務(wù)器用電量將同比暴漲84.2%，遠(yuǎn)超傳統(tǒng)數(shù)據(jù)中心26.4%的增速；2027年，AI服務(wù)器耗電量將正式超越傳統(tǒng)服務(wù)器，成為數(shù)據(jù)中心電力消耗的絕對(duì)主力。

更致命的是，AI能耗的結(jié)構(gòu)性矛盾，早已從"訓(xùn)練階段"轉(zhuǎn)移到"推理階段"。過(guò)去行業(yè)聚焦大模型訓(xùn)練的天價(jià)能耗，但如今，日常用戶問(wèn)答、AI內(nèi)容生成、企業(yè)智能調(diào)度、Agent自主運(yùn)行的推理場(chǎng)景，已占據(jù)AI總耗電的75%-80%。AI不再是一次性的重型科研實(shí)驗(yàn)，而是全天候、高并發(fā)、持續(xù)吞噬電力的基礎(chǔ)設(shè)施。

算力密度的飆升，進(jìn)一步放大了能耗危機(jī)。傳統(tǒng)數(shù)據(jù)中心單機(jī)架功耗僅5-8千瓦，而當(dāng)下AI服務(wù)器機(jī)架功耗普遍達(dá)到60-80千瓦，最高突破100千瓦。一個(gè)冰箱大小的算力機(jī)架，耗電量抵得上數(shù)十個(gè)普通家庭。與之配套的冷卻、供電、儲(chǔ)能系統(tǒng)，又要額外消耗近60%的電力——每1度用于AI計(jì)算的電力，需要0.6度電支撐配套設(shè)施運(yùn)行，能耗浪費(fèi)觸目驚心。

這場(chǎng)能耗狂歡的底層邏輯漏洞，是統(tǒng)治AI行業(yè)多年的**ScalingLaw（縮放定律）**失效。

過(guò)去數(shù)年，AI的進(jìn)步簡(jiǎn)單粗暴：參數(shù)越大、算力越強(qiáng)、數(shù)據(jù)越多，模型智能度越高。行業(yè)靠著這套線性邏輯，不斷堆砌資源，撐起了大模型的爆發(fā)式增長(zhǎng)。但如今，縮放定律徹底迎來(lái)邊際遞減拐點(diǎn)：能耗與算力投入仍在線性甚至指數(shù)級(jí)增長(zhǎng)，但模型性能提升持續(xù)放緩，推理精度、理解能力、邏輯推理的突破越來(lái)越微弱。

簡(jiǎn)單來(lái)說(shuō)：AI正在用越來(lái)越昂貴的電力，換取越來(lái)越微弱的性能進(jìn)步。

產(chǎn)業(yè)的焦慮早已從"成本過(guò)高"升級(jí)為"物理上限逼近"。全球大量AI數(shù)據(jù)中心擴(kuò)建計(jì)劃，并非受制于資金、技術(shù)或市場(chǎng)，而是卡在電網(wǎng)供電容量上。截至2025年底，美國(guó)數(shù)據(jù)中心待并網(wǎng)項(xiàng)目總負(fù)荷已達(dá)241吉瓦，僅德州一地就有超過(guò)170吉瓦的用電申請(qǐng)積壓無(wú)法并網(wǎng)，項(xiàng)目排隊(duì)并網(wǎng)周期長(zhǎng)達(dá)3-8年。

為了給AI續(xù)命，科技巨頭們?cè)缫逊畔麦w面，開(kāi)啟極致的能源自救：亞馬遜百億級(jí)布局地?zé)帷⒐夥?chǔ)能等零碳能源，專(zhuān)項(xiàng)供給AI算力集群；谷歌簽約海上風(fēng)電資源，鎖定長(zhǎng)期電力配額；Meta更是在2026年1月拋出史上最大企業(yè)核能采購(gòu)計(jì)劃，與Vistra、TerraPower和Oklo簽署協(xié)議，計(jì)劃到2035年鎖定6.6吉瓦零碳電力，只為支撐AI算力運(yùn)轉(zhuǎn)。

但所有這些努力，都只是"治標(biāo)不治本"的續(xù)命手段。可再生能源、核能、液冷散熱、芯片工藝迭代、模型蒸餾壓縮，本質(zhì)都是在舊算力框架內(nèi)做修補(bǔ)優(yōu)化，無(wú)法突破馮諾依曼架構(gòu)的先天能耗瓶頸。

芯片工藝從7納米迭代至3納米、2納米，能效提升上限僅30%左右；定制化TPU、Graviton芯片的架構(gòu)優(yōu)化，能效提升難超兩倍；模型蒸餾、MoE混合架構(gòu)的算法優(yōu)化，更是以犧牲精度為代價(jià)換取小幅能效提升。

所有漸進(jìn)式優(yōu)化的收益，都遠(yuǎn)遠(yuǎn)追不上AI算力需求的擴(kuò)張速度。產(chǎn)業(yè)已經(jīng)清晰意識(shí)到：只要依然沿用暴力計(jì)算的底層邏輯，AI能耗的死局就永遠(yuǎn)無(wú)法破解。

行業(yè)迫切需要一場(chǎng)底層范式革命，而非表層迭代優(yōu)化。這，就是Flourish能夠站上資本風(fēng)口的時(shí)代底色。

Flourish的激進(jìn)解法

當(dāng)下所有主流AI，無(wú)論OpenAI、谷歌還是國(guó)內(nèi)大廠的大模型，本質(zhì)都是數(shù)學(xué)統(tǒng)計(jì)的極致。通過(guò)海量數(shù)據(jù)訓(xùn)練，擬合概率分布，靠密集矩陣運(yùn)算輸出結(jié)果，全程依賴(lài)算力堆疊，與人腦的智能運(yùn)行邏輯毫無(wú)關(guān)聯(lián)。

Flourish的核心判斷犀利且顛覆：AI與人類(lèi)大腦的極致能效差距，從來(lái)不是硬件工藝問(wèn)題，而是底層架構(gòu)的根本性缺陷。人腦以20瓦超低功耗實(shí)現(xiàn)通用智能、自主學(xué)習(xí)、多模態(tài)感知與復(fù)雜邏輯推理，不是因?yàn)樯锛?xì)胞比硅基芯片更先進(jìn)，而是因?yàn)檫\(yùn)算邏輯完全不同。

基于這一判斷，F(xiàn)lourish徹底拋棄行業(yè)通行的算力優(yōu)化路徑，走出了一條無(wú)人敢輕易涉足的路：逆向工程人類(lèi)大腦，從神經(jīng)連接底層復(fù)刻智能計(jì)算邏輯，重構(gòu)AI的底層架構(gòu)。其打造的CortexAI（大腦皮層AI），不是優(yōu)化現(xiàn)有模型，而是重建一套全新的智能計(jì)算體系。

這套激進(jìn)技術(shù)路線的核心，依托兩大前沿理論支撐：連接組學(xué)與皮層柱假說(shuō)。

連接組學(xué)是神經(jīng)科學(xué)的前沿核心領(lǐng)域，核心目標(biāo)是完整測(cè)繪大腦神經(jīng)元、突觸的全部連接圖譜。不同于傳統(tǒng)AI粗淺借用"神經(jīng)元"概念做數(shù)學(xué)模擬，F(xiàn)lourish的路徑是極致寫(xiě)實(shí)的工程復(fù)刻：逐神經(jīng)元、逐突觸解析大腦的真實(shí)連接方式、信號(hào)傳遞規(guī)則、激活閾值與聯(lián)動(dòng)機(jī)制，將生物大腦的物理運(yùn)算結(jié)構(gòu)，1:1轉(zhuǎn)化為可代碼化、可芯片化的數(shù)字邏輯。

目前，F(xiàn)lourish正在利用高分辨率電子顯微鏡對(duì)小鼠初級(jí)視覺(jué)皮層的皮質(zhì)柱進(jìn)行完整結(jié)構(gòu)重建，這是連接組學(xué)領(lǐng)域迄今為止最雄心勃勃的商業(yè)研究項(xiàng)目之一。

在此基礎(chǔ)上，F(xiàn)lourish押注了決定其成敗的核心假說(shuō)：大腦皮層柱是生物通用智能的標(biāo)準(zhǔn)計(jì)算單元。

大腦皮層中密布著無(wú)數(shù)垂直條狀的皮層柱結(jié)構(gòu)，人類(lèi)的感知、記憶、推理、決策、學(xué)習(xí)等所有高級(jí)智能，都依托皮層柱的聯(lián)動(dòng)運(yùn)算實(shí)現(xiàn)。這一假說(shuō)由美國(guó)神經(jīng)科學(xué)家VernonMountcastle于1960年代提出，F(xiàn)lourish認(rèn)為，這些看似差異化的生物結(jié)構(gòu)，暗藏一套通用、可復(fù)用、可編碼的底層計(jì)算原理——這正是人腦低功耗、高智能的核心密碼，也是當(dāng)前AI缺失的核心能力。

基于這兩大核心支撐，F(xiàn)lourish搭建了兩條并行的技術(shù)落地路線，構(gòu)建完整的類(lèi)腦智能體系。

第一條是類(lèi)腦持續(xù)學(xué)習(xí)記憶機(jī)制，借鑒人腦海馬體的運(yùn)行邏輯。當(dāng)前大模型存在致命短板：訓(xùn)練與推理完全割裂，模型部署后參數(shù)固定，無(wú)法實(shí)時(shí)學(xué)習(xí)新知識(shí)，只能靠重新訓(xùn)練迭代升級(jí)，不僅成本高昂，也不符合真實(shí)智能的進(jìn)化邏輯。而人腦的學(xué)習(xí)是實(shí)時(shí)、持續(xù)、動(dòng)態(tài)的，日常感知的每一條信息，都會(huì)實(shí)時(shí)更新神經(jīng)連接權(quán)重。Flourish復(fù)刻這一機(jī)制，讓AI在推理運(yùn)行的同時(shí)持續(xù)迭代學(xué)習(xí)，無(wú)需離線重訓(xùn)，大幅降低迭代成本，同時(shí)貼合通用智能的核心特征。

第二條是超低功耗原生芯片適配。Flourish的目標(biāo)絕非打造實(shí)驗(yàn)室概念技術(shù)，而是落地可量產(chǎn)、可規(guī)模化的硬件體系。其技術(shù)架構(gòu)從底層適配低功耗芯片，最終目標(biāo)是讓完整通用AI系統(tǒng)的功耗穩(wěn)定在20-50瓦，不僅能徹底解決數(shù)據(jù)中心能耗危機(jī)，更能讓通用AI脫離重型算力集群，落地于消費(fèi)級(jí)終端設(shè)備，實(shí)現(xiàn)AI算力的普惠化。

這套技術(shù)路線，徹底顛覆了傳統(tǒng)AI的計(jì)算范式，二者的差距堪稱(chēng)"流水線批量作業(yè)"與"仿生智能感知"的本質(zhì)區(qū)別。

傳統(tǒng)馮諾依曼架構(gòu)下，計(jì)算與存儲(chǔ)完全分離，數(shù)據(jù)需要在存儲(chǔ)與計(jì)算單元之間反復(fù)傳輸，傳輸能耗遠(yuǎn)超計(jì)算本身，這就是無(wú)法突破的"馮諾依曼瓶頸"。同時(shí)采用同步時(shí)鐘運(yùn)算，無(wú)論有無(wú)有效任務(wù)，芯片都持續(xù)耗電，空轉(zhuǎn)能耗浪費(fèi)嚴(yán)重。

而Flourish的類(lèi)腦架構(gòu)，實(shí)現(xiàn)了存算一體化+異步事件驅(qū)動(dòng)。神經(jīng)節(jié)點(diǎn)既是存儲(chǔ)單元也是計(jì)算單元，無(wú)需海量數(shù)據(jù)搬運(yùn)；只有信號(hào)強(qiáng)度達(dá)到閾值時(shí)才會(huì)觸發(fā)運(yùn)算，無(wú)任務(wù)時(shí)進(jìn)入休眠狀態(tài)，從根源上杜絕無(wú)效能耗。稀疏、異步、事件驅(qū)動(dòng)的生物級(jí)運(yùn)算邏輯，完美適配智能交互、實(shí)時(shí)感知、動(dòng)態(tài)推理的核心場(chǎng)景。

這就是Flourish敢于拿下25億美金高估值的核心底氣：它給出的不是"能效小幅提升"的優(yōu)化方案，而是數(shù)量級(jí)碾壓的能效革命，是目前行業(yè)內(nèi)唯一有望將通用AI功耗降至人腦級(jí)別、徹底終結(jié)算力軍備競(jìng)賽的技術(shù)路徑。

頂級(jí)資本梭哈

硬科技投資從來(lái)不是賭概念，而是賭人、賭認(rèn)知、賭落地能力。Flourish能夠在零收入、零產(chǎn)品、零數(shù)據(jù)的空白階段，集齊貝佐斯、谷歌GV、LuxCapital的頂級(jí)資本矩陣，核心不在于敘事足夠宏大，而在于其團(tuán)隊(duì)是全球極少數(shù)能落地這套激進(jìn)技術(shù)的黃金組合。

尤其值得注意的是，亞馬遜和Alphabet在云計(jì)算、搜索引擎、AI等多個(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，這一罕見(jiàn)的聯(lián)合投資行為，凸顯了Flourish技術(shù)路線的戰(zhàn)略重要性。

Flourish的兩位創(chuàng)始人，精準(zhǔn)補(bǔ)齊了"前沿科學(xué)理論+工程商業(yè)化落地"的所有短板，形成了行業(yè)稀缺的跨界閉環(huán)能力。

創(chuàng)始人托馬斯里爾登（ThomasReardon），是科技行業(yè)罕見(jiàn)的"橫跨互聯(lián)網(wǎng)產(chǎn)業(yè)、神經(jīng)科學(xué)學(xué)術(shù)、腦機(jī)工程落地"的跨界天才。他的職業(yè)生涯，本身就是兩次成功的范式突破。

早年的里爾登，是互聯(lián)網(wǎng)時(shí)代的奠基者之一。青年時(shí)期參與研發(fā)IE瀏覽器，主導(dǎo)了早期互聯(lián)網(wǎng)流量入口的搭建，見(jiàn)證了互聯(lián)網(wǎng)產(chǎn)業(yè)的初代崛起。在收獲產(chǎn)業(yè)成功后，他徹底跳出舒適區(qū)，深耕基礎(chǔ)科學(xué)，先在哥倫比亞大學(xué)獲得古典學(xué)學(xué)士學(xué)位，后在杜克大學(xué)完成神經(jīng)生物學(xué)碩士，最終于2016年在哥倫比亞大學(xué)獲得神經(jīng)科學(xué)博士學(xué)位，專(zhuān)注大腦皮層連接、神經(jīng)回路運(yùn)算機(jī)制的前沿研究，夯實(shí)了扎實(shí)的學(xué)術(shù)功底。

理論積累完成后，里爾登再次奔赴產(chǎn)業(yè)前沿，創(chuàng)辦腦機(jī)接口公司CTRL-labs，成功將神經(jīng)科學(xué)理論轉(zhuǎn)化為落地產(chǎn)品，最終在2019年以約5億美元價(jià)格被Meta收購(gòu)，完成了從學(xué)術(shù)理論到商業(yè)落地的完整閉環(huán)。隨后他任職Meta神經(jīng)科學(xué)研究負(fù)責(zé)人，深度參與AI與生物智能的融合研究，對(duì)AI的底層缺陷、生物智能的核心優(yōu)勢(shì)有著極致通透的認(rèn)知。

簡(jiǎn)單來(lái)說(shuō)：里爾登懂最前沿的神經(jīng)科學(xué)理論，懂科技產(chǎn)品的工程化落地，更懂頂級(jí)資本認(rèn)可的商業(yè)邏輯。他不是只會(huì)紙上談兵的學(xué)者，也不是只會(huì)跟風(fēng)創(chuàng)業(yè)的創(chuàng)業(yè)者，而是兼具基礎(chǔ)科研深度與頂級(jí)產(chǎn)業(yè)落地經(jīng)驗(yàn)的稀缺人才。

另一位創(chuàng)始人羅布威廉姆斯（RobWilliams），則為這家硬核科技初創(chuàng)公司補(bǔ)齊了最關(guān)鍵的產(chǎn)業(yè)與戰(zhàn)略短板。作為亞馬遜S-team核心高管，他深度參與Alexa全周期研發(fā)與商業(yè)化落地，主導(dǎo)過(guò)億級(jí)用戶AI產(chǎn)品的迭代運(yùn)營(yíng)，親歷了亞馬遜AWS算力基礎(chǔ)設(shè)施的擴(kuò)張全過(guò)程。

威廉姆斯比絕大多數(shù)行業(yè)從業(yè)者更清楚，AI能耗危機(jī)不是遠(yuǎn)期趨勢(shì)，而是當(dāng)下卡住產(chǎn)業(yè)擴(kuò)張的真實(shí)瓶頸。他深諳大型科技公司的算力成本結(jié)構(gòu)、能源采購(gòu)困境、基礎(chǔ)設(shè)施迭代邏輯，同時(shí)精通貝佐斯推崇的"長(zhǎng)期主義、終局思維、逆向工作法"，能夠?yàn)镕lourish的技術(shù)路線匹配最貼合產(chǎn)業(yè)終局的商業(yè)戰(zhàn)略。

如果說(shuō)里爾登為Flourish提供了"技術(shù)想象力與科學(xué)底氣"，威廉姆斯則為公司注入了"產(chǎn)業(yè)落地能力與商業(yè)確定性"。科學(xué)+工程+產(chǎn)業(yè)+資本的四維能力閉環(huán)，是任何單一背景創(chuàng)業(yè)團(tuán)隊(duì)都無(wú)法比擬的核心優(yōu)勢(shì)。

截至2026年3月底，F(xiàn)lourish已招募約20位資深神經(jīng)科學(xué)家和AI研究員，包括前DeepMind研究員GregWayne，團(tuán)隊(duì)仍在快速擴(kuò)張中。此次5億美元融資將主要用于三方面：建立內(nèi)部神經(jīng)科學(xué)實(shí)驗(yàn)室，配備單臺(tái)售價(jià)數(shù)百萬(wàn)美元的高分辨率電子顯微鏡；開(kāi)發(fā)受海馬體啟發(fā)的AI內(nèi)存管理系統(tǒng)；與商業(yè)芯片制造商合作，開(kāi)發(fā)能原生運(yùn)行其模型的低功耗處理器。

頂級(jí)資本的集體重倉(cāng)，本質(zhì)是對(duì)這套團(tuán)隊(duì)能力的極致認(rèn)可。

貝佐斯個(gè)人出資1億美元重倉(cāng)押注，是其近十年最大的單筆個(gè)人科技投資，僅次于藍(lán)色起源。作為最極致的長(zhǎng)期價(jià)值投資者，貝佐斯從不追逐短期風(fēng)口，只布局能夠重構(gòu)產(chǎn)業(yè)終局的底層技術(shù)。他深知AWS算力擴(kuò)張的能耗枷鎖，更清楚如果Flourish的類(lèi)腦架構(gòu)落地，亞馬遜將率先拿到顛覆性算力技術(shù)，徹底擺脫能源約束，守住云算力與AI產(chǎn)業(yè)的核心壁壘。這筆投資，是一筆布局十年的超級(jí)技術(shù)期權(quán)。

谷歌GV、LuxCapital的入局，則是賽道壟斷式布局。GV背靠谷歌，深耕AI底層技術(shù)數(shù)十年，清晰知曉Transformer架構(gòu)的能效天花板；LuxCapital長(zhǎng)期押注硬科技范式革命，見(jiàn)證過(guò)無(wú)數(shù)底層技術(shù)迭代。兩家機(jī)構(gòu)均是里爾登上一家公司CTRL-labs的早期投資方，深度認(rèn)可其技術(shù)判斷力與落地執(zhí)行力。

資本的共識(shí)極其清晰：AI應(yīng)用層的紅利已經(jīng)見(jiàn)頂，未來(lái)十年的產(chǎn)業(yè)競(jìng)爭(zhēng)，核心是底層算力架構(gòu)的革命。在所有新算力賽道中，類(lèi)腦計(jì)算是唯一有望實(shí)現(xiàn)數(shù)量級(jí)能效突破的路徑，而Flourish是當(dāng)前賽道中團(tuán)隊(duì)配置最完善、落地潛力最大的標(biāo)的。

頂級(jí)資本放棄短期財(cái)務(wù)回報(bào)，容忍"零營(yíng)收、長(zhǎng)周期"的創(chuàng)業(yè)狀態(tài)，不是泡沫炒作，而是用真金白銀投票：暴力計(jì)算的時(shí)代終將落幕，生物智能的時(shí)代即將開(kāi)啟。

類(lèi)腦計(jì)算的先烈們，為何全部折戟？

資本市場(chǎng)的狂熱之外，行業(yè)的理性聲音始終清醒。Flourish的賽道看似前景廣闊，實(shí)則布滿荊棘。在它之前，IBM、英特爾、Numenta等行業(yè)巨頭與頂級(jí)團(tuán)隊(duì)，早已在類(lèi)腦計(jì)算、神經(jīng)形態(tài)計(jì)算賽道深耕數(shù)十年，投入巨額研發(fā)資金，最終無(wú)一實(shí)現(xiàn)規(guī)模化商業(yè)落地。

這些"行業(yè)先烈"的失敗，為Flourish的豪賭寫(xiě)下了清晰的風(fēng)險(xiǎn)預(yù)警：類(lèi)腦計(jì)算不缺理論可行性，缺的是工程落地、場(chǎng)景適配與生態(tài)突圍的能力。

2014年，IBM推出TrueNorth芯片，是全球首款大規(guī)模商用級(jí)神經(jīng)形態(tài)芯片，單芯片集成100萬(wàn)個(gè)神經(jīng)元、2.5億個(gè)突觸，工作功耗僅65毫瓦，能效比遠(yuǎn)超同期GPU，完美驗(yàn)證了類(lèi)腦架構(gòu)的低功耗理論優(yōu)勢(shì)。其存算一體化、異步脈沖運(yùn)算的核心邏輯，與Flourish的技術(shù)路線高度契合。

但這款里程碑式的產(chǎn)品，最終悄然落幕。IBM已停止TrueNorth的商業(yè)開(kāi)發(fā)，后續(xù)轉(zhuǎn)向NorthPole芯片。核心痛點(diǎn)無(wú)法破解：TrueNorth僅適配簡(jiǎn)單稀疏的感知類(lèi)場(chǎng)景，在大模型推理、內(nèi)容生成等密集計(jì)算場(chǎng)景下性能斷崖式下跌；沿用"離線訓(xùn)練+靜態(tài)部署"的舊模式，不具備生物大腦的持續(xù)學(xué)習(xí)能力；最致命的是，它需要完全重構(gòu)軟件開(kāi)發(fā)工具鏈，無(wú)法兼容行業(yè)主流的CUDA、PyTorch生態(tài)，開(kāi)發(fā)者適配成本極高，最終陷入"有技術(shù)、無(wú)場(chǎng)景、無(wú)生態(tài)"的死局。

英特爾的Loihi系列芯片，是迄今為止迭代最成熟、落地最深入的類(lèi)腦計(jì)算產(chǎn)品，歷經(jīng)三代迭代，在稀疏計(jì)算場(chǎng)景下能效比可達(dá)傳統(tǒng)GPU的100倍以上。英特爾同步搭建了Lava開(kāi)源生態(tài)，試圖解決軟件適配難題。

但截至2026年，Loihi依舊停留在實(shí)驗(yàn)室與科研試點(diǎn)階段，通過(guò)云實(shí)例和合作伙伴提供訪問(wèn)，尚未大規(guī)模商業(yè)銷(xiāo)售。核心瓶頸依舊無(wú)解：?jiǎn)涡酒凸膬?yōu)勢(shì)顯著，但橫向擴(kuò)展為算力集群后，芯片間脈沖信號(hào)同步、格式轉(zhuǎn)換會(huì)產(chǎn)生巨額額外功耗，能效優(yōu)勢(shì)隨集群規(guī)模擴(kuò)張快速衰減；在通用AI密集計(jì)算場(chǎng)景下，精度大幅下滑，無(wú)法滿足產(chǎn)業(yè)落地標(biāo)準(zhǔn)；新生態(tài)的培育速度，遠(yuǎn)遠(yuǎn)趕不上傳統(tǒng)算力架構(gòu)的迭代速度，企業(yè)用戶無(wú)動(dòng)力遷移。

更貼合Flourish路徑的Numenta，同樣難逃困境。Numenta由杰夫霍金斯于2005年創(chuàng)立，早早聚焦大腦皮層柱的算法邏輯，試圖將生物神經(jīng)回路結(jié)構(gòu)抽象為通用AI算法，走出"算法先行、硬件適配"的路線，與Flourish的核心思路高度重合。

但其最終折戟于軟硬適配的底層鴻溝：生物算法邏輯高度適配生物神經(jīng)硬件，但強(qiáng)行運(yùn)行在傳統(tǒng)馮諾依曼芯片上，算法優(yōu)勢(shì)被硬件架構(gòu)的先天缺陷徹底抵消，能效增益完全損耗殆盡。這也側(cè)面印證了Flourish"全棧自研算法+硬件"路線的必要性，也預(yù)示了其工程難度的極致性。如今，Numenta的層級(jí)時(shí)間記憶（HTM）理論主要應(yīng)用于流數(shù)據(jù)異常檢測(cè)等狹窄場(chǎng)景，未能實(shí)現(xiàn)通用智能商業(yè)化。

復(fù)盤(pán)所有類(lèi)腦計(jì)算先烈的失敗，能總結(jié)出三條無(wú)解的行業(yè)共性難題，也是Flourish必須跨越的三重生死門(mén)檻。

第一，場(chǎng)景適配的先天矛盾。類(lèi)腦架構(gòu)天然適配稀疏、事件驅(qū)動(dòng)、低并發(fā)的感知場(chǎng)景，卻難以適配AI產(chǎn)業(yè)核心的密集、高并發(fā)、高精度的生成式計(jì)算場(chǎng)景。能效優(yōu)勢(shì)與產(chǎn)業(yè)主流需求天然錯(cuò)位。

第二，規(guī)模化能效衰減難題。單芯片類(lèi)腦計(jì)算能效無(wú)敵，但數(shù)據(jù)中心級(jí)集群部署后，通信同步、信號(hào)轉(zhuǎn)換、協(xié)同調(diào)度的額外功耗，會(huì)徹底抹平能效優(yōu)勢(shì)，無(wú)法支撐通用算力集群落地。

第三，生態(tài)替代的極高成本。傳統(tǒng)AI生態(tài)經(jīng)過(guò)數(shù)十年沉淀，工具鏈、算子庫(kù)、開(kāi)發(fā)體系、應(yīng)用場(chǎng)景高度成熟。新架構(gòu)需要重構(gòu)整套開(kāi)發(fā)生態(tài)，十年都未必能完成生態(tài)替代，企業(yè)用戶的遷移成本高到難以承受。

Flourish的野心，恰恰是要一次性破解這三大歷史難題。這是資本眼中的超級(jí)潛力，也是行業(yè)質(zhì)疑的核心風(fēng)險(xiǎn)。

Flourish無(wú)法回避的致命爭(zhēng)議

資本的狂熱、團(tuán)隊(duì)的光環(huán)、技術(shù)的浪漫敘事之外，科技界與產(chǎn)業(yè)界的理性質(zhì)疑從未停止。在多數(shù)神經(jīng)科學(xué)、AI架構(gòu)、算力工程領(lǐng)域的資深專(zhuān)家看來(lái)，F(xiàn)lourish的豪賭，大概率是一場(chǎng)"看起來(lái)很美、落地極難"的科技冒險(xiǎn)，甚至可能是又一個(gè)"永遠(yuǎn)還差五年落地"的行業(yè)泡沫。

最核心的質(zhì)疑，直指Flourish技術(shù)路線的底層科學(xué)假設(shè)是否成立。

Flourish的全部技術(shù)根基，建立在"皮層柱是通用標(biāo)準(zhǔn)計(jì)算單元，大腦智能可提煉為通用核心算法"的假說(shuō)之上。但神經(jīng)科學(xué)領(lǐng)域的主流共識(shí)，并不支撐這一判斷。

現(xiàn)代腦科學(xué)研究證實(shí)，人類(lèi)大腦的通用智能，是數(shù)百個(gè)腦區(qū)、億萬(wàn)神經(jīng)回路、多種神經(jīng)遞質(zhì)、動(dòng)態(tài)信號(hào)協(xié)同涌現(xiàn)的復(fù)雜結(jié)果，不存在單一的、標(biāo)準(zhǔn)化的"核心智能算法"。大腦的智能是系統(tǒng)性涌現(xiàn)的產(chǎn)物，而非單一結(jié)構(gòu)的可復(fù)刻邏輯。

更關(guān)鍵的是，皮層柱并非標(biāo)準(zhǔn)化、可批量復(fù)刻的通用計(jì)算單元。不同個(gè)體、不同腦區(qū)的皮層柱結(jié)構(gòu)、連接方式、功能屬性均存在顯著差異，高度特化、無(wú)法統(tǒng)一標(biāo)準(zhǔn)化。這意味著，F(xiàn)lourish試圖提煉"通用皮層計(jì)算規(guī)則"的底層邏輯，本身就存在科學(xué)偏差。

如果大腦的高效能不是源于可編碼的核心算法，而是源于不可拆解、不可壓縮、不可復(fù)刻的復(fù)雜涌現(xiàn)性，那么Flourish的整條技術(shù)路線，從根源上就走不通。這是最致命、最無(wú)解的原理級(jí)風(fēng)險(xiǎn)。

其次是工程化落地的規(guī)模災(zāi)難。

Flourish推崇的異步、稀疏、事件驅(qū)動(dòng)的計(jì)算模式，在小規(guī)模單芯片場(chǎng)景下優(yōu)勢(shì)顯著，但一旦規(guī)模化部署為數(shù)據(jù)中心集群，將面臨無(wú)法解決的延遲與同步難題。無(wú)全局時(shí)鐘的異步運(yùn)算，會(huì)導(dǎo)致多芯片、多節(jié)點(diǎn)的信號(hào)延遲不可控，且延遲誤差隨集群規(guī)模指數(shù)級(jí)擴(kuò)大，最終徹底破壞系統(tǒng)運(yùn)算精度與穩(wěn)定性。

同時(shí)，大模型推理、內(nèi)容生成等主流AI場(chǎng)景，是持續(xù)高負(fù)載、高密度的計(jì)算需求，完全適配傳統(tǒng)同步計(jì)算架構(gòu)。而類(lèi)腦稀疏計(jì)算的資源利用率極低，大部分運(yùn)算單元處于休眠狀態(tài)，看似功耗更低，實(shí)則單位有效算力成本遠(yuǎn)超傳統(tǒng)GPU，商業(yè)競(jìng)爭(zhēng)力大幅缺失。

第三是殘酷的時(shí)間窗口競(jìng)爭(zhēng)。

Flourish的研發(fā)路線圖直指2031年，距離真正商業(yè)化落地至少還有5年以上周期，屬于典型的超長(zhǎng)周期硬科技項(xiàng)目。但傳統(tǒng)Transformer架構(gòu)的能效迭代從未停止，芯片工藝、模型優(yōu)化、MoE架構(gòu)、動(dòng)態(tài)推理、量化壓縮等技術(shù)，每年能帶來(lái)約30%的能效提升。

這就形成了殘酷的競(jìng)爭(zhēng)格局：Flourish用十年賭一場(chǎng)范式革命，而傳統(tǒng)架構(gòu)每年都在自我迭代優(yōu)化。很可能出現(xiàn)的局面是，當(dāng)Flourish完成技術(shù)原型落地時(shí)，傳統(tǒng)AI架構(gòu)的能效已經(jīng)大幅提升，其顛覆性優(yōu)勢(shì)被持續(xù)稀釋?zhuān)罱K淪為"技術(shù)先進(jìn)、商業(yè)無(wú)用"的雞肋產(chǎn)品。

最后是空白的落地背書(shū)。截至目前，F(xiàn)lourish無(wú)公開(kāi)論文、無(wú)實(shí)測(cè)數(shù)據(jù)、無(wú)原型產(chǎn)品、無(wú)落地場(chǎng)景，所有技術(shù)優(yōu)勢(shì)、性能指標(biāo)、能效數(shù)據(jù)，全部來(lái)自公司自我敘事。在嚴(yán)謹(jǐn)?shù)挠部萍碱I(lǐng)域，沒(méi)有實(shí)測(cè)驗(yàn)證的技術(shù)構(gòu)想，本質(zhì)都是空中樓閣。

行業(yè)的理性共識(shí)已然清晰：Flourish是一場(chǎng)低概率、超高回報(bào)的極致賭局。成功則顛覆算力產(chǎn)業(yè)、終結(jié)能耗危機(jī)，重塑AI未來(lái)；失敗則成為AI范式迭代路上又一筆昂貴的試錯(cuò)成本。

結(jié)語(yǔ)：

拋開(kāi)成敗定論，F(xiàn)lourish的橫空出世，本身就具備劃時(shí)代的產(chǎn)業(yè)意義。

過(guò)去數(shù)年，整個(gè)AI產(chǎn)業(yè)陷入了畸形的內(nèi)卷怪圈：比拼參數(shù)規(guī)模、堆疊算力集群、燒錢(qián)搶占算力資源，所有人都在暴力計(jì)算的賽道上狂奔，無(wú)人敢于跳出舒適區(qū)思考底層問(wèn)題。產(chǎn)業(yè)的創(chuàng)新重心，徹底局限在應(yīng)用層微調(diào)、模型參數(shù)迭代，底層架構(gòu)的革命近乎停滯。

Flourish的5億美元豪賭，像一塊投入死水的巨石，打破了行業(yè)的固化認(rèn)知。它用頂級(jí)資本的真金白銀提醒整個(gè)產(chǎn)業(yè)：算力不是AI的終極壁壘，架構(gòu)革命才是；暴力計(jì)算的盡頭是死局，生物智能才是未來(lái)。

即便Flourish最終未能實(shí)現(xiàn)商業(yè)化落地，這場(chǎng)試錯(cuò)也絕非浪費(fèi)。它能為整個(gè)行業(yè)探明類(lèi)腦計(jì)算的可行邊界、暴露神經(jīng)形態(tài)架構(gòu)的底層缺陷、驗(yàn)證人腦算法復(fù)刻的技術(shù)瓶頸，為后續(xù)的產(chǎn)業(yè)迭代掃清障礙。從TrueNorth到Loihi，再到Flourish，每一次試錯(cuò)，都在推動(dòng)行業(yè)從"算力堆砌"向"架構(gòu)創(chuàng)新"轉(zhuǎn)型。

當(dāng)下的AI產(chǎn)業(yè)，最不缺的是跟風(fēng)迭代的模型，最缺的是敢于顛覆范式的探索。行業(yè)需要有人跳出短期紅利，賭十年之后的未來(lái)。

站在產(chǎn)業(yè)拐點(diǎn)回望，F(xiàn)lourish的25億美金估值，定價(jià)的從來(lái)不是當(dāng)下的技術(shù)與營(yíng)收，而是AI產(chǎn)業(yè)范式革命的未來(lái)期權(quán)。它賭的不是一家公司的成敗，而是整個(gè)AI能否擺脫能耗枷鎖、突破物理上限、走向真正通用智能的終極可能。

這場(chǎng)看似瘋狂的豪賭，本質(zhì)是產(chǎn)業(yè)自我救贖的開(kāi)始。無(wú)論最終成敗，AI的下一個(gè)十年，終將屬于擺脫暴力計(jì)算、復(fù)刻自然智能的架構(gòu)革新者。

原文標(biāo)題 : Flourish的大腦算法豪賭，能救被困在能耗里的AI嗎？