人脑可能是最先进的计算机。多少年来，无数科学家试图在芯片上复现大脑的性能，却始终难以望其项背。
近日，一家名为 Flourish 的初创公司宣布融资 5 亿美元，投资方包括杰夫·贝索斯（Jeff Bezos）、谷歌母公司 Alphabet 的风险投资部门 GV、Lux Capital 等。没有产品、没有收入，更没有实测数据，它凭什么被资本视作“最可能实现大脑算法”的公司之一？
Scaling Law 失速，解法从哪找？
随着 AI 爆发式增长，全球数据中心的电力消耗正在飙升。仅在美国，到 2030 年，数据中心处理数据所耗费的电力就将超过铝、钢、水泥、化学品等所有能源密集型行业生产的总和。围绕这场电力争夺，超大规模云服务商正在签下小型模块化核反应堆订单，绑定离网风电场，甚至开始思考将数据中心搬到轨道上的可行性。
陡峭的电力曲线背后，是过去几年驱动整个 AI 行业的 Scaling Law：模型参数翻一倍、训练数据翻一倍、算力堆一倍，性能就能稳定上一个台阶。这条经验定律支撑着从 GPT-3 到 GPT-4，再到当前一系列前沿模型的成功，也让所有头部玩家走上了同一条暴力路线：更大的模型、更多的 GPU、更密的集群，以及更高的能耗。
但现状是，能耗呈线性增长，性能的提升却在边际递减。电网容量、先进制程产能、高质量训练数据都在触及物理或经济上限；前沿模型单次训练的成本已经跃升至数亿美元。
整个行业走上一条随时可能撞墙的快车道，明知前方并非无尽的坦途，却已经停不下来了。
但假如，问题的解法根本就不是拿到更多电、砸更多钱、开发更先进的制程呢？
20 瓦是一个台灯的功率，也是人脑在思考、推理、学习时消耗的全部能量，对比之下，一块训练 AI 模型的服务器级 GPU，功耗大约是大脑的三十倍以上，运行的智能和广度却远不及它。
这道效率鸿沟究竟来自硅片的物理极限，还是架构本身存在问题？
对此，Flourish 创始人托马斯·里尔登（Thomas Reardon）给出了判断：生物大脑与现代 AI 模型之间的效率差距，不是硅片或硬件层面的限制，本质上是架构上的缺陷。基于这一观点，他决定带领公司，在生物大脑中寻找突破计算性能瓶颈的解法。
逆向工程大脑
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，高中时就在麻省理工学院（MIT）旁听研究生数学和科学课，19 岁时加入微软（Microsoft），从一名 Windows 程序经理做起，并在接下来的几年间接手了一个当时不被重视的小项目：开发一款浏览器，也即后来的 IE 浏览器，最早期的 IE 团队事实上只有托马斯一人。
他主导了 IE 3 和 IE 4 的开发，在 IE 3 中实现了 CSS（一种用于控制网页样式的技术规范）的首个商业落地，并提出将 IE 随 Windows 操作系统一同分发的策略。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，一度成为全球市占率第一的浏览器。当然，这直接引发了美国对微软的反垄断诉讼。
离开微软之后，他先去了几家无线和移动通信公司，三十多岁时又回到学校。2008 年，托马斯以最优等成绩拿到哥伦比亚大学（Columbia University）的文学和古典语言学士学位，接着在杜克大学（Duke University）读完神经生物学硕士，最后在 2013 年和 2016 年于哥伦比亚分别获得神经科学与行为学的研究型硕士（MPhil）和博士学位。
2015 年，托马斯与同在哥大读神经科学博士的帕特里克·凯福什（Patrick Kaifosh）共同创办了 CTRL-labs，公司主要研发非侵入式神经接口，核心产品是一款能读取脊髓神经向手部肌肉发出的电信号，以此实现用意图直接控制设备的腕带。
2019 年，Meta 以 5 亿~10 亿美元的价格收购 CTRL-labs，吸纳托马斯加入 Meta Reality Labs 担任研究副总裁，主导 Neural Band 项目。2025 年，该项目以一篇发表于《自然》（Nature）的论文和 Meta Neural Band 的发布作为成果，这款腕带成为 Meta 智能眼镜的输入设备。成立 Flourish 前，托马斯还在 Lux Capital 担任风险合伙人。
另一位联合创始人罗布则是前亚马逊（Amazon）S-team 高管（公司内部直接向 CEO 汇报的最高管理委员会），曾在语音助手项目（Alexa）中担任要职。有消息披露，他向贝索斯介绍 Flourish 时，参照的正是亚马逊的内部惯例：先写一份不存在产品的新闻稿、再决定是否做，最终在 2025 年 12 月顺利获得贝索斯的口头首肯。
2026 年 3 月底，在纽约曼哈顿西 SoHo 一栋十层办公楼里，Flourish 已经吸引大约二十多位资深神经科学家和 AI 研究员入驻。
未来几年，他们要开发的产品名为“大脑皮层 AI”（Cortex AI），目标是在大脑皮层的真实结构中找出一套可被编码为软件的计算原理，让 AI 以接近生物大脑的能耗水平运行，整体推理功率将压缩至 20~50 瓦区间。
其科学逻辑基于连接组学（Connectomics），这是一个研究神经元间连接结构的学科。有别于过去几十年间 AI 研究“借用神经元一词但抛弃其余一切”的做法，Flourish 是真的想对大脑进行逆向工程：用电子显微镜逐神经元、逐突触地复现生物大脑中的真实连接。
生物神经网络稀疏且异步，绝大多数神经元彼此并不连接，只在膜电位跨越阈值时发出信号，计算与记忆在同一处神经元结构中完成，不需要在处理单元和存储单元之间来回搬运数据。这与密集、同步、存算分离的 Transformer 截然相反。
2024 年，连接组学迎来突破性进展。普林斯顿大学（Princeton University）团队领衔的 FlyWire 项目联合全球超五十个实验室，绘制出包含 13.9 万个脑细胞和超 5,000 万个突触连接的成年雌性果蝇全脑连接组。2026 年 6 月，哈佛医学院与普林斯顿团队进一步发布了果蝇中枢神经系统神经索（相当于人类脊髓）的完整连接组。
Flourish 将关注点放在了皮层柱（Cortical Columns）上，这被视为大脑新皮层中的基本计算单元。神经科学家弗农·蒙卡斯特尔（Vernon Mountcastle）在 1970 年代提出了皮层柱假说：新皮层在结构上高度均匀，这暗示其中可能存在一种可被复用的通用算法。
Flourish 相信，这套核心算法足以解释一个不到三斤、运行在 20 瓦功率下的器官，为何能从极少样本中泛化、迁移并持续学习。
公司近期披露的两条主要技术路线也围绕该思路展开：一条是受海马体启发的记忆机制，目标是让模型在部署后继续学习，取代当前训练结束后就止步不前的大模型学习范式。有消息称，Flourish 已经构建出一个能持续学习的原型。
另一条则是低功耗芯片，公司据称在与一家未具名的芯片厂商洽谈，计划推出能在消费级设备上运行 Cortex AI 的处理器。
难道又是一个“还差五年”的二十年？
把大脑工作原理搬上芯片这一赛道，最早的玩家是 IBM。2014 年，IBM 发布一款名为 TrueNorth 的神经形态芯片，把 100 万个数字神经元封装在一块功耗仅 65 毫瓦的硅片上，成为该领域的里程碑事件。但 IBM 最终停止了 TrueNorth 的商业开发，后续的 NorthPole 芯片停留在研究阶段。
2017 年，英特尔（Intel）推出 Loihi，在特定任务上展示了相比传统神经网络高达千倍的能效；到 2024 年，搭载 1152 颗 Loihi 2 处理器、共计 11.5 亿神经元的 Hala Point 系统部署在桑迪亚国家实验室（Sandia National Laboratories），是迄今为止最大的神经形态平台。但它至今仍未落地生产级 AI 工作场景，也没能取代任何一块 GPU。
大厂之外，Flourish 还有一面“历史的镜子”，Numenta。这家公司由《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）于 2005 年创立。公司用近二十年时间发展出一套名为“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、序列学习等概念。但 Numenta 最终也没能将其转化为可商业化的通用智能系统，目前，HTM 相关产品主要用于流数据异常检测这一相对狭窄的场景。
行业里有一种说法：脑启发计算从提出起就声称“还差五年”，至今却过去了二十年。原因或许在于，全新的神经形态架构需要全新的编程模型、训练框架和开发者工具。此前，Transformer 的成功正是建立在近乎完美的工程兼容性上。换一条赛道意味着要把整个软件栈推翻重写，这是一项以年为单位、没人愿意先动手的工程。
围绕压缩 AI 能耗这一命题，硬件层面，Groq、Cerebras、Etched 等公司正在用专用芯片提升单位算力的能效，其中，Etched 已经做出了专门用于 Transformer 的 ASIC。在边缘端，BrainChip 的 Akida 芯片已经在数百万 IoT 设备中实现商业化部署，欧洲的 SynSense、中国的相关研究团队也在向智能传感、机器人等垂直场景渗透。Flourish 定位在更高一层：直接重写模型法则。
如果真的奏效，Cortex AI 在原理上可以直接部署进现有硬件，无需淘汰英伟达集群；但风险与之相当：公司同时承担算法、架构和软件生态的三层不确定性，每一层都曾埋着无数先驱价值几十亿美元的“尸骨”。
当然，Flourish 的底气也是前所未有。新一轮融资中，贝索斯个人最初承诺约 5,000 万美元，其他大牌投资人陆续加入后，他最终投入了接近 1 亿美元。贝索斯素来以耐心资本著称，毕竟，他给蓝色起源（Blue Origin）烧了二十年钱，才看到首次商业发射。
共同参与领投的还有 Lux Capital 和 GV，这两家也是十年前 CTRL-labs A 轮的领投方。Lux 的联合创始人乔什·沃尔夫（Josh Wolfe）多次公开表示，托马斯是少数能把神经科学转化为商业技术的人。
值得一提的是，亚马逊和 Alphabet 在多个层面是直接竞争对手，几乎从不在早期同时下注一家公司。当它们破例并肩出现，代表双方都认为错过这家公司的代价，远大于与对手同列股东的不适。
在人才层面，Flourish 已经吸引开放连接组计划（Open Connectome Project）的发起人之一雅各布·沃格尔斯坦（Jacob Vogelstein）加入，负责对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 特别同意，以 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）也在技术顾问名单中。
最后一层底气源于时机。连接组学的工具和数据成本已经降至可供工程团队成规模使用的水平；而在 AI 能耗危机已经带来具象成本压力的当下，整个行业不得不从供给侧转向架构侧。
两位横跨工程、神经科学和商业且各有所成的创始人，一组同行业中近乎全员押注的顶级投资，一支站在前沿的学术团队，加上一个刚好成熟的时机，这些条件同时存在，最终成就了 Flourish。
一次价值 5 亿美元的投石问路
不过，现实的另一面是，Flourish 设想的一切都处在概念阶段。它既无公开的产品、基准测试和研究论文，也没有明确的芯片合作伙伴。其研发节奏又是一个经典的五年路线图，第一批可被验证的商业产品大约要到 2031 年前后问世。
Flourish 的商业版图基于一个非常具体的假设，如果人脑中真的存在一套核心算法，且能被做成软件，其整套叙事都成立；但如果大脑的效率根本不来自一种压缩的算法，而是来自演化中积累的、不可压缩的涌现复杂性，那这条路在原理上就走不通。
更何况，连接组学模型在商业部署上的起点为零，要从神经接线图中读出一套部署级别的算法，至今尚无任何一家公司证实其可行性。
但 AI 产业已经被“算力即壁垒”的规则支配了太久。过去三年，它催生了数千亿美元的资本开支、不断推高的估值溢价和激进的企业战略，各家厂商已经初现疲态。Flourish 的出现，让所有人看到了从行业另一端透出的希望，以及终结这场堆叠算力的马拉松的可能。
对于一家初具概念雏形的公司而言，5 亿美元融资和 25 亿美元的估值可能有些夸张，但拿这笔钱投石问路，对整个 AI 行业来说，或许刚刚好。
参考内容：
https://techfundingnews.com/bezos-flourish-500m-brain-inspired-ai-power-crisis/
https://www.i-scoop.eu/flourish-ai-the-500m-bet-on-brain-inspired-intelligence/
https://thenextweb.com/news/flourish-reardon-brain-inspired-ai-efficiency
https://en.wikipedia.org/wiki/Thomas_Reardon
https://www.iea.org/reports/energy-and-ai/executive-summary
https://www.science.org/content/article/complete-map-fruit-fly-brain-circuitry-unveiled
注：封面/首图由 AI 辅助生成
热门跟贴