文 I 下海fallsea，撰文I胡不知
大模型参数竞赛、算力军备狂欢持续数年，行业终于迎来反噬：算力成本指数级飙升、数据中心电力缺口告急、电网承载力逼近上限。靠"堆算力、堆参数、堆电力"的暴力计算范式，走到了历史拐点。所有人都清楚，旧路径已是死路，但整个产业依旧身不由己地加速狂奔，陷入典型的"明知撞墙，无法止步"的集体焦虑。
就在这场全行业无解的困局中，一家名为Flourish的美国初创公司，突然搅动了顶级资本圈的一池春水。
无产品落地、无营收数据、无公开论文、无实测基准成绩，仅凭一套"逆向工程人脑、复刻大脑皮层计算逻辑"的前沿叙事与技术构想，Flourish一举拿下5亿美元融资，投后估值25亿美元。投资方阵容堪称豪华顶配：杰夫・贝佐斯个人重金重仓、谷歌GV、LuxCapital、CatalioCapital等顶级机构联合入局，堪称2026年AI硬科技赛道最破格、最激进的一笔投资。
资本市场从不做慈善，尤其在严苛的硬科技赛道。顶级资本集体无视营收、落地成果等传统估值标尺，押注一家概念阶段的初创公司，本质不是赌一家企业的短期爆发，而是赌一场AI计算范式的世纪迭代：从人类人工设计的冯・诺依曼暴力计算，向生物演化亿年的人脑高效智能计算彻底切换。
Flourish的野心直白且颠覆：放弃现有AI的算力堆砌逻辑，通过解析人脑皮层柱的底层运算规则，复刻生物大脑的稀疏、异步、低功耗计算模式，将通用AI系统的功耗压缩至20-50瓦，比肩人脑能耗水平，从根源上终结AI能耗危机。
这是一场极致浪漫又极度危险的豪赌。浪漫在于，它试图复刻自然演化的终极智能，破解人类科技数十年的算力能耗困局；危险在于，它挑战的是神经科学未知领域、半导体工程极限、以及整个AI产业根深蒂固的技术生态。
Flourish究竟是颠覆行业的破壁者，又或是又一个"永远还差五年落地"的科技泡沫？这场价值25亿美金的大脑算法赌局，背后藏着整个AI产业的未来命运。
AI掉进了自己制造的能耗黑洞
当下AI产业的所有繁荣，都建立在海量电力消耗之上。
国际能源署（IEA）2026年5月最新报告揭示了残酷真相：2025年全球数据中心总耗电量达485太瓦时，2030年将翻倍至950太瓦时，占全球总用电量3%，等效于日本全国年度电力消耗规模。而这轮电力暴涨的核心驱动力，不是传统互联网服务，而是AI。
AI算力的电力消耗增速，是全球电力总增速的6倍。Gartner数据显示，2026年全球AI服务器用电量将同比暴涨84.2%，远超传统数据中心26.4%的增速；2027年，AI服务器耗电量将正式超越传统服务器，成为数据中心电力消耗的绝对主力。
更致命的是，AI能耗的结构性矛盾，早已从"训练阶段"转移到"推理阶段"。过去行业聚焦大模型训练的天价能耗，但如今，日常用户问答、AI内容生成、企业智能调度、Agent自主运行的推理场景，已占据AI总耗电的75%-80%。AI不再是一次性的重型科研实验，而是全天候、高并发、持续吞噬电力的基础设施。
算力密度的飙升，进一步放大了能耗危机。传统数据中心单机架功耗仅5-8千瓦，而当下AI服务器机架功耗普遍达到60-80千瓦，最高突破100千瓦。一个冰箱大小的算力机架，耗电量抵得上数十个普通家庭。与之配套的冷却、供电、储能系统，又要额外消耗近60%的电力——每1度用于AI计算的电力，需要0.6度电支撑配套设施运行，能耗浪费触目惊心。
这场能耗狂欢的底层逻辑漏洞，是统治AI行业多年的**ScalingLaw（缩放定律）**失效。
过去数年，AI的进步简单粗暴：参数越大、算力越强、数据越多，模型智能度越高。行业靠着这套线性逻辑，不断堆砌资源，撑起了大模型的爆发式增长。但如今，缩放定律彻底迎来边际递减拐点：能耗与算力投入仍在线性甚至指数级增长，但模型性能提升持续放缓，推理精度、理解能力、逻辑推理的突破越来越微弱。
简单来说：AI正在用越来越昂贵的电力，换取越来越微弱的性能进步。
产业的焦虑早已从"成本过高"升级为"物理上限逼近"。全球大量AI数据中心扩建计划，并非受制于资金、技术或市场，而是卡在电网供电容量上。截至2025年底，美国数据中心待并网项目总负荷已达241吉瓦，仅德州一地就有超过170吉瓦的用电申请积压无法并网，项目排队并网周期长达3-8年。
为了给AI续命，科技巨头们早已放下体面，开启极致的能源自救：亚马逊百亿级布局地热、光伏、储能等零碳能源，专项供给AI算力集群；谷歌签约海上风电资源，锁定长期电力配额；Meta更是在2026年1月抛出史上最大企业核能采购计划，与Vistra、TerraPower和Oklo签署协议，计划到2035年锁定6.6吉瓦零碳电力，只为支撑AI算力运转。
但所有这些努力，都只是"治标不治本"的续命手段。可再生能源、核能、液冷散热、芯片工艺迭代、模型蒸馏压缩，本质都是在旧算力框架内做修补优化，无法突破冯・诺依曼架构的先天能耗瓶颈。
芯片工艺从7纳米迭代至3纳米、2纳米，能效提升上限仅30%左右；定制化TPU、Graviton芯片的架构优化，能效提升难超两倍；模型蒸馏、MoE混合架构的算法优化，更是以牺牲精度为代价换取小幅能效提升。
所有渐进式优化的收益，都远远追不上AI算力需求的扩张速度。产业已经清晰意识到：只要依然沿用暴力计算的底层逻辑，AI能耗的死局就永远无法破解。
行业迫切需要一场底层范式革命，而非表层迭代优化。这，就是Flourish能够站上资本风口的时代底色。
Flourish的激进解法
当下所有主流AI，无论OpenAI、谷歌还是国内大厂的大模型，本质都是数学统计的极致。通过海量数据训练，拟合概率分布，靠密集矩阵运算输出结果，全程依赖算力堆叠，与人脑的智能运行逻辑毫无关联。
Flourish的核心判断犀利且颠覆：AI与人类大脑的极致能效差距，从来不是硬件工艺问题，而是底层架构的根本性缺陷。人脑以20瓦超低功耗实现通用智能、自主学习、多模态感知与复杂逻辑推理，不是因为生物细胞比硅基芯片更先进，而是因为运算逻辑完全不同。
基于这一判断，Flourish彻底抛弃行业通行的算力优化路径，走出了一条无人敢轻易涉足的路：逆向工程人类大脑，从神经连接底层复刻智能计算逻辑，重构AI的底层架构。其打造的CortexAI（大脑皮层AI），不是优化现有模型，而是重建一套全新的智能计算体系。
这套激进技术路线的核心，依托两大前沿理论支撑：连接组学与皮层柱假说。
连接组学是神经科学的前沿核心领域，核心目标是完整测绘大脑神经元、突触的全部连接图谱。不同于传统AI粗浅借用"神经元"概念做数学模拟，Flourish的路径是极致写实的工程复刻：逐神经元、逐突触解析大脑的真实连接方式、信号传递规则、激活阈值与联动机制，将生物大脑的物理运算结构，1:1转化为可代码化、可芯片化的数字逻辑。
目前，Flourish正在利用高分辨率电子显微镜对小鼠初级视觉皮层的皮质柱进行完整结构重建，这是连接组学领域迄今为止最雄心勃勃的商业研究项目之一。
在此基础上，Flourish押注了决定其成败的核心假说：大脑皮层柱是生物通用智能的标准计算单元。
大脑皮层中密布着无数垂直条状的皮层柱结构，人类的感知、记忆、推理、决策、学习等所有高级智能，都依托皮层柱的联动运算实现。这一假说由美国神经科学家VernonMountcastle于1960年代提出，Flourish认为，这些看似差异化的生物结构，暗藏一套通用、可复用、可编码的底层计算原理——这正是人脑低功耗、高智能的核心密码，也是当前AI缺失的核心能力。
基于这两大核心支撑，Flourish搭建了两条并行的技术落地路线，构建完整的类脑智能体系。
第一条是类脑持续学习记忆机制，借鉴人脑海马体的运行逻辑。当前大模型存在致命短板：训练与推理完全割裂，模型部署后参数固定，无法实时学习新知识，只能靠重新训练迭代升级，不仅成本高昂，也不符合真实智能的进化逻辑。而人脑的学习是实时、持续、动态的，日常感知的每一条信息，都会实时更新神经连接权重。Flourish复刻这一机制，让AI在推理运行的同时持续迭代学习，无需离线重训，大幅降低迭代成本，同时贴合通用智能的核心特征。
第二条是超低功耗原生芯片适配。Flourish的目标绝非打造实验室概念技术，而是落地可量产、可规模化的硬件体系。其技术架构从底层适配低功耗芯片，最终目标是让完整通用AI系统的功耗稳定在20-50瓦，不仅能彻底解决数据中心能耗危机，更能让通用AI脱离重型算力集群，落地于消费级终端设备，实现AI算力的普惠化。
这套技术路线，彻底颠覆了传统AI的计算范式，二者的差距堪称"流水线批量作业"与"仿生智能感知"的本质区别。
传统冯・诺依曼架构下，计算与存储完全分离，数据需要在存储与计算单元之间反复传输，传输能耗远超计算本身，这就是无法突破的"冯・诺依曼瓶颈"。同时采用同步时钟运算，无论有无有效任务，芯片都持续耗电，空转能耗浪费严重。
而Flourish的类脑架构，实现了存算一体化+异步事件驱动。神经节点既是存储单元也是计算单元，无需海量数据搬运；只有信号强度达到阈值时才会触发运算，无任务时进入休眠状态，从根源上杜绝无效能耗。稀疏、异步、事件驱动的生物级运算逻辑，完美适配智能交互、实时感知、动态推理的核心场景。
这就是Flourish敢于拿下25亿美金高估值的核心底气：它给出的不是"能效小幅提升"的优化方案，而是数量级碾压的能效革命，是目前行业内唯一有望将通用AI功耗降至人脑级别、彻底终结算力军备竞赛的技术路径。
顶级资本梭哈
硬科技投资从来不是赌概念，而是赌人、赌认知、赌落地能力。Flourish能够在零收入、零产品、零数据的空白阶段，集齐贝佐斯、谷歌GV、LuxCapital的顶级资本矩阵，核心不在于叙事足够宏大，而在于其团队是全球极少数能落地这套激进技术的黄金组合。
尤其值得注意的是，亚马逊和Alphabet在云计算、搜索引擎、AI等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，这一罕见的联合投资行为，凸显了Flourish技术路线的战略重要性。
Flourish的两位创始人，精准补齐了"前沿科学理论+工程商业化落地"的所有短板，形成了行业稀缺的跨界闭环能力。
创始人托马斯・里尔登（ThomasReardon），是科技行业罕见的"横跨互联网产业、神经科学学术、脑机工程落地"的跨界天才。他的职业生涯，本身就是两次成功的范式突破。
早年的里尔登，是互联网时代的奠基者之一。青年时期参与研发IE浏览器，主导了早期互联网流量入口的搭建，见证了互联网产业的初代崛起。在收获产业成功后，他彻底跳出舒适区，深耕基础科学，先在哥伦比亚大学获得古典学学士学位，后在杜克大学完成神经生物学硕士，最终于2016年在哥伦比亚大学获得神经科学博士学位，专注大脑皮层连接、神经回路运算机制的前沿研究，夯实了扎实的学术功底。
理论积累完成后，里尔登再次奔赴产业前沿，创办脑机接口公司CTRL-labs，成功将神经科学理论转化为落地产品，最终在2019年以约5亿美元价格被Meta收购，完成了从学术理论到商业落地的完整闭环。随后他任职Meta神经科学研究负责人，深度参与AI与生物智能的融合研究，对AI的底层缺陷、生物智能的核心优势有着极致通透的认知。
简单来说：里尔登懂最前沿的神经科学理论，懂科技产品的工程化落地，更懂顶级资本认可的商业逻辑。他不是只会纸上谈兵的学者，也不是只会跟风创业的创业者，而是兼具基础科研深度与顶级产业落地经验的稀缺人才。
另一位创始人罗布・威廉姆斯（RobWilliams），则为这家硬核科技初创公司补齐了最关键的产业与战略短板。作为亚马逊S-team核心高管，他深度参与Alexa全周期研发与商业化落地，主导过亿级用户AI产品的迭代运营，亲历了亚马逊AWS算力基础设施的扩张全过程。
威廉姆斯比绝大多数行业从业者更清楚，AI能耗危机不是远期趋势，而是当下卡住产业扩张的真实瓶颈。他深谙大型科技公司的算力成本结构、能源采购困境、基础设施迭代逻辑，同时精通贝佐斯推崇的"长期主义、终局思维、逆向工作法"，能够为Flourish的技术路线匹配最贴合产业终局的商业战略。
如果说里尔登为Flourish提供了"技术想象力与科学底气"，威廉姆斯则为公司注入了"产业落地能力与商业确定性"。科学+工程+产业+资本的四维能力闭环，是任何单一背景创业团队都无法比拟的核心优势。
截至2026年3月底，Flourish已招募约20位资深神经科学家和AI研究员，包括前DeepMind研究员GregWayne，团队仍在快速扩张中。此次5亿美元融资将主要用于三方面：建立内部神经科学实验室，配备单台售价数百万美元的高分辨率电子显微镜；开发受海马体启发的AI内存管理系统；与商业芯片制造商合作，开发能原生运行其模型的低功耗处理器。
顶级资本的集体重仓，本质是对这套团队能力的极致认可。
贝佐斯个人出资1亿美元重仓押注，是其近十年最大的单笔个人科技投资，仅次于蓝色起源。作为最极致的长期价值投资者，贝佐斯从不追逐短期风口，只布局能够重构产业终局的底层技术。他深知AWS算力扩张的能耗枷锁，更清楚如果Flourish的类脑架构落地，亚马逊将率先拿到颠覆性算力技术，彻底摆脱能源约束，守住云算力与AI产业的核心壁垒。这笔投资，是一笔布局十年的超级技术期权。
谷歌GV、LuxCapital的入局，则是赛道垄断式布局。GV背靠谷歌，深耕AI底层技术数十年，清晰知晓Transformer架构的能效天花板；LuxCapital长期押注硬科技范式革命，见证过无数底层技术迭代。两家机构均是里尔登上一家公司CTRL-labs的早期投资方，深度认可其技术判断力与落地执行力。
资本的共识极其清晰：AI应用层的红利已经见顶，未来十年的产业竞争，核心是底层算力架构的革命。在所有新算力赛道中，类脑计算是唯一有望实现数量级能效突破的路径，而Flourish是当前赛道中团队配置最完善、落地潜力最大的标的。
顶级资本放弃短期财务回报，容忍"零营收、长周期"的创业状态，不是泡沫炒作，而是用真金白银投票：暴力计算的时代终将落幕，生物智能的时代即将开启。
类脑计算的先烈们，为何全部折戟？
资本市场的狂热之外，行业的理性声音始终清醒。Flourish的赛道看似前景广阔，实则布满荆棘。在它之前，IBM、英特尔、Numenta等行业巨头与顶级团队，早已在类脑计算、神经形态计算赛道深耕数十年，投入巨额研发资金，最终无一实现规模化商业落地。
这些"行业先烈"的失败，为Flourish的豪赌写下了清晰的风险预警：类脑计算不缺理论可行性，缺的是工程落地、场景适配与生态突围的能力。
2014年，IBM推出TrueNorth芯片，是全球首款大规模商用级神经形态芯片，单芯片集成100万个神经元、2.5亿个突触，工作功耗仅65毫瓦，能效比远超同期GPU，完美验证了类脑架构的低功耗理论优势。其存算一体化、异步脉冲运算的核心逻辑，与Flourish的技术路线高度契合。
但这款里程碑式的产品，最终悄然落幕。IBM已停止TrueNorth的商业开发，后续转向NorthPole芯片。核心痛点无法破解：TrueNorth仅适配简单稀疏的感知类场景，在大模型推理、内容生成等密集计算场景下性能断崖式下跌；沿用"离线训练+静态部署"的旧模式，不具备生物大脑的持续学习能力；最致命的是，它需要完全重构软件开发工具链，无法兼容行业主流的CUDA、PyTorch生态，开发者适配成本极高，最终陷入"有技术、无场景、无生态"的死局。
英特尔的Loihi系列芯片，是迄今为止迭代最成熟、落地最深入的类脑计算产品，历经三代迭代，在稀疏计算场景下能效比可达传统GPU的100倍以上。英特尔同步搭建了Lava开源生态，试图解决软件适配难题。
但截至2026年，Loihi依旧停留在实验室与科研试点阶段，通过云实例和合作伙伴提供访问，尚未大规模商业销售。核心瓶颈依旧无解：单芯片低功耗优势显著，但横向扩展为算力集群后，芯片间脉冲信号同步、格式转换会产生巨额额外功耗，能效优势随集群规模扩张快速衰减；在通用AI密集计算场景下，精度大幅下滑，无法满足产业落地标准；新生态的培育速度，远远赶不上传统算力架构的迭代速度，企业用户无动力迁移。
更贴合Flourish路径的Numenta，同样难逃困境。Numenta由杰夫・霍金斯于2005年创立，早早聚焦大脑皮层柱的算法逻辑，试图将生物神经回路结构抽象为通用AI算法，走出"算法先行、硬件适配"的路线，与Flourish的核心思路高度重合。
但其最终折戟于软硬适配的底层鸿沟：生物算法逻辑高度适配生物神经硬件，但强行运行在传统冯・诺依曼芯片上，算法优势被硬件架构的先天缺陷彻底抵消，能效增益完全损耗殆尽。这也侧面印证了Flourish"全栈自研算法+硬件"路线的必要性，也预示了其工程难度的极致性。如今，Numenta的层级时间记忆（HTM）理论主要应用于流数据异常检测等狭窄场景，未能实现通用智能商业化。
复盘所有类脑计算先烈的失败，能总结出三条无解的行业共性难题，也是Flourish必须跨越的三重生死门槛。
第一，场景适配的先天矛盾。类脑架构天然适配稀疏、事件驱动、低并发的感知场景，却难以适配AI产业核心的密集、高并发、高精度的生成式计算场景。能效优势与产业主流需求天然错位。
第二，规模化能效衰减难题。单芯片类脑计算能效无敌，但数据中心级集群部署后，通信同步、信号转换、协同调度的额外功耗，会彻底抹平能效优势，无法支撑通用算力集群落地。
第三，生态替代的极高成本。传统AI生态经过数十年沉淀，工具链、算子库、开发体系、应用场景高度成熟。新架构需要重构整套开发生态，十年都未必能完成生态替代，企业用户的迁移成本高到难以承受。
Flourish的野心，恰恰是要一次性破解这三大历史难题。这是资本眼中的超级潜力，也是行业质疑的核心风险。
Flourish无法回避的致命争议
资本的狂热、团队的光环、技术的浪漫叙事之外，科技界与产业界的理性质疑从未停止。在多数神经科学、AI架构、算力工程领域的资深专家看来，Flourish的豪赌，大概率是一场"看起来很美、落地极难"的科技冒险，甚至可能是又一个"永远还差五年落地"的行业泡沫。
最核心的质疑，直指Flourish技术路线的底层科学假设是否成立。
Flourish的全部技术根基，建立在"皮层柱是通用标准计算单元，大脑智能可提炼为通用核心算法"的假说之上。但神经科学领域的主流共识，并不支撑这一判断。
现代脑科学研究证实，人类大脑的通用智能，是数百个脑区、亿万神经回路、多种神经递质、动态信号协同涌现的复杂结果，不存在单一的、标准化的"核心智能算法"。大脑的智能是系统性涌现的产物，而非单一结构的可复刻逻辑。
更关键的是，皮层柱并非标准化、可批量复刻的通用计算单元。不同个体、不同脑区的皮层柱结构、连接方式、功能属性均存在显著差异，高度特化、无法统一标准化。这意味着，Flourish试图提炼"通用皮层计算规则"的底层逻辑，本身就存在科学偏差。
如果大脑的高效能不是源于可编码的核心算法，而是源于不可拆解、不可压缩、不可复刻的复杂涌现性，那么Flourish的整条技术路线，从根源上就走不通。这是最致命、最无解的原理级风险。
其次是工程化落地的规模灾难。
Flourish推崇的异步、稀疏、事件驱动的计算模式，在小规模单芯片场景下优势显著，但一旦规模化部署为数据中心集群，将面临无法解决的延迟与同步难题。无全局时钟的异步运算，会导致多芯片、多节点的信号延迟不可控，且延迟误差随集群规模指数级扩大，最终彻底破坏系统运算精度与稳定性。
同时，大模型推理、内容生成等主流AI场景，是持续高负载、高密度的计算需求，完全适配传统同步计算架构。而类脑稀疏计算的资源利用率极低，大部分运算单元处于休眠状态，看似功耗更低，实则单位有效算力成本远超传统GPU，商业竞争力大幅缺失。
第三是残酷的时间窗口竞争。
Flourish的研发路线图直指2031年，距离真正商业化落地至少还有5年以上周期，属于典型的超长周期硬科技项目。但传统Transformer架构的能效迭代从未停止，芯片工艺、模型优化、MoE架构、动态推理、量化压缩等技术，每年能带来约30%的能效提升。
这就形成了残酷的竞争格局：Flourish用十年赌一场范式革命，而传统架构每年都在自我迭代优化。很可能出现的局面是，当Flourish完成技术原型落地时，传统AI架构的能效已经大幅提升，其颠覆性优势被持续稀释，最终沦为"技术先进、商业无用"的鸡肋产品。
最后是空白的落地背书。截至目前，Flourish无公开论文、无实测数据、无原型产品、无落地场景，所有技术优势、性能指标、能效数据，全部来自公司自我叙事。在严谨的硬科技领域，没有实测验证的技术构想，本质都是空中楼阁。
行业的理性共识已然清晰：Flourish是一场低概率、超高回报的极致赌局。成功则颠覆算力产业、终结能耗危机，重塑AI未来；失败则成为AI范式迭代路上又一笔昂贵的试错成本。
结语：
抛开成败定论，Flourish的横空出世，本身就具备划时代的产业意义。
过去数年，整个AI产业陷入了畸形的内卷怪圈：比拼参数规模、堆叠算力集群、烧钱抢占算力资源，所有人都在暴力计算的赛道上狂奔，无人敢于跳出舒适区思考底层问题。产业的创新重心，彻底局限在应用层微调、模型参数迭代，底层架构的革命近乎停滞。
Flourish的5亿美元豪赌，像一块投入死水的巨石，打破了行业的固化认知。它用顶级资本的真金白银提醒整个产业：算力不是AI的终极壁垒，架构革命才是；暴力计算的尽头是死局，生物智能才是未来。
即便Flourish最终未能实现商业化落地，这场试错也绝非浪费。它能为整个行业探明类脑计算的可行边界、暴露神经形态架构的底层缺陷、验证人脑算法复刻的技术瓶颈，为后续的产业迭代扫清障碍。从TrueNorth到Loihi，再到Flourish，每一次试错，都在推动行业从"算力堆砌"向"架构创新"转型。
当下的AI产业，最不缺的是跟风迭代的模型，最缺的是敢于颠覆范式的探索。行业需要有人跳出短期红利，赌十年之后的未来。
站在产业拐点回望，Flourish的25亿美金估值，定价的从来不是当下的技术与营收，而是AI产业范式革命的未来期权。它赌的不是一家公司的成败，而是整个AI能否摆脱能耗枷锁、突破物理上限、走向真正通用智能的终极可能。
这场看似疯狂的豪赌，本质是产业自我救赎的开始。无论最终成败，AI的下一个十年，终将属于摆脱暴力计算、复刻自然智能的架构革新者。