一场关于人工智能底层架构的颠覆性实验，正在硅谷引发资本与科技界的双重震荡。一家名为Flourish的初创公司，凭借“逆向工程人脑”的技术构想，在无产品、无营收、无公开数据的情况下，获得5亿美元融资，投后估值达25亿美元。投资方包括杰夫·贝佐斯、谷歌GV、LuxCapital等顶级机构，这场豪赌被视为AI产业从“暴力计算”向“生物智能”转型的关键信号。
当前AI产业的繁荣，正被能耗危机扼住咽喉。国际能源署数据显示，2025年全球数据中心耗电量达485太瓦时，其中AI算力占比超75%。Gartner预测，2026年AI服务器用电量将同比激增84.2%，而传统数据中心增速仅为26.4%。更严峻的是，AI能耗已从训练阶段转向推理阶段，日常问答、内容生成等场景消耗了75%-80%的电力。传统数据中心单机架功耗约5-8千瓦，而AI服务器机架普遍达60-80千瓦，部分甚至突破100千瓦，相当于数十个家庭的用电量总和。
科技巨头们正陷入“算力军备竞赛”与“能源物理极限”的双重困境。亚马逊、谷歌、meta等企业虽通过地热、风电、核能等手段缓解供电压力，但这些措施仅能延长旧架构的寿命，无法突破冯·诺依曼架构的能耗瓶颈。芯片工艺从7纳米迭代至2纳米，能效提升不足30%；模型蒸馏、MoE架构等优化手段，更以牺牲精度为代价换取小幅能效提升。行业清醒意识到：若继续依赖暴力计算，AI将因能耗问题自我设限。
Flourish的解决方案直指问题核心——复刻人脑的低功耗计算逻辑。公司创始人托马斯·里尔登指出，人脑以20瓦功耗实现通用智能，关键在于其稀疏、异步、事件驱动的运算模式。传统AI通过密集矩阵运算输出结果，而人脑通过神经元间的局部信号传递完成计算，这种差异导致能效差距达数量级。Flourish的CortexAI系统，试图将大脑皮层柱的连接规则转化为数字逻辑，构建存算一体化、异步触发的全新架构，最终将通用AI功耗压缩至20-50瓦，接近人脑水平。
技术路线的激进性，体现在对神经科学前沿的深度绑定。Flourish正利用高分辨率电子显微镜重建小鼠初级视觉皮层的皮质柱结构，试图验证“皮层柱是通用计算单元”的核心假说。若该假说成立，公司计划开发两类关键技术：一是类脑持续学习机制，借鉴人脑海马体的动态更新逻辑，使AI在推理中实时学习，无需离线重训；二是超低功耗芯片适配，从底层架构设计上规避冯·诺依曼瓶颈，实现计算与存储的融合。
资本的疯狂押注，源于对团队能力的极致认可。里尔登的职业生涯横跨互联网、神经科学、脑机工程三大领域：他早年参与IE浏览器开发，后获得哥伦比亚大学神经科学博士学位，并创立脑机接口公司CTRL-labs（2019年被meta收购）。另一位创始人罗布·威廉姆斯则是亚马逊S-team核心成员，主导过Alexa的商业化落地，深谙大型科技公司的算力成本结构与能源采购困境。两人组成的“科学+工程+产业”铁三角，被视为类脑计算领域最可能突破商业化的团队。
然而，历史教训为这场豪赌蒙上阴影。IBM的TrueNorth芯片、英特尔的Loihi系列、Numenta的层级时间记忆理论，均因场景适配、规模化衰减、生态替代等问题折戟。TrueNorth虽能效卓越，却无法兼容主流开发工具链；Loihi在密集计算场景下精度断崖式下跌；Numenta的生物算法因硬件适配问题，最终仅应用于狭窄场景。Flourish若想避免重蹈覆辙，需同时破解三大难题：证明皮层柱假说的普适性、解决集群部署的同步延迟、构建兼容现有生态的开发工具链。
神经科学界的质疑更为根本。主流观点认为，人脑智能是数百个脑区、亿万神经回路协同涌现的结果，不存在可复刻的“核心算法”。皮层柱的结构与功能因个体、脑区而异，高度特化且无法标准化。若该假设不成立，Flourish的技术路线将失去理论根基。异步计算模式在规模化部署时可能面临信号延迟失控、资源利用率低下等问题，单位有效算力成本或远超传统GPU。
时间窗口的竞争同样残酷。Flourish计划2031年实现商业化，但传统架构的能效迭代仍在持续。芯片工艺、模型优化、动态推理等技术每年带来约30%的能效提升，可能稀释其颠覆性优势。更关键的是，公司目前无公开论文、无实测数据、无原型产品，所有技术优势均来自自我叙事，这在硬科技领域堪称高风险操作。
尽管争议不断，Flourish的崛起仍具有产业里程碑意义。它迫使行业重新思考AI的发展路径：是继续在参数规模、算力集群上内卷，还是转向底层架构的革命？这场实验的成败或许尚待时日，但它已为AI产业撕开一道突破物理极限的裂缝——当暴力计算触及天花板时，自然演化的终极智能，或许才是真正的答案。
