当下人工智能领域，Transformer架构撑起了主流大模型的发展，但随之而来的高能耗、学习能力受限等问题，也逐渐成为行业难以突破的瓶颈。
就在行业深陷算力与功耗的博弈时，一家名为Flourish Inc.的初创企业横空出世。这家专注研发低功耗类脑人工智能模型的公司，成立时间还不到一年，尚未推出正式产品，却在2026年6月初完成了一轮高达5亿美元的融资，投后估值达到25亿美元，顺利跻身全球AI独角兽行列。
本轮融资集结了谷歌风投GV、Lux Capital、Catalio Capital Management等知名机构，亚马逊创始人杰夫・贝索斯也亲自参与投资，个人出资规模约1亿美元。这笔交易也成为当月全球范围内体量最大的融资事件之一。
Flourish的核心目标十分明确：跳出传统Transformer架构的框架，借鉴人类大脑的运行逻辑打造全新AI系统，把模型运行功耗从现有GPU的300瓦以上，压缩至50瓦以内，让高性能AI能够在普通边缘设备上本地运行。一次重磅融资背后，是一家新锐企业向主流AI技术路线发起的挑战，也让整个科技行业开始重新审视类脑计算的发展潜力。
01
没有落地产品却估值25亿，资本为何看好？
在创投市场中，成立时间短、暂无实体产品的初创公司，想要拿下数亿美元融资并收获高估值，难度可想而知。如今AI赛道热度虽高，但资本早已摒弃单纯追逐概念的打法，技术实力、团队能力与落地前景，才是投资方考量的核心标准。Flourish能够获得一众顶级资本的鼎力支持，核心优势就藏在独一无二的创始团队、清晰的发展规划，以及赛道本身的巨大价值之中。
Flourish的两位联合创始人，构建起“前沿科研+商业落地”的双核模式，完美弥补了多数科技创业团队的短板。联合创始人Thomas Reardon是横跨互联网底层技术与神经科学两大领域的顶尖人才。早年他深耕互联网行业，一手组建微软IE浏览器研发团队，主导推出的IE3浏览器打响了经典浏览器大战，同时作为万维网联盟创始成员，深度参与HTML4、CSS、XML等互联网核心标准的制定，是全球互联网基础设施发展的亲历者与建设者。
在互联网领域取得卓越成就后，Thomas Reardon选择转向学术研究，接连拿下神经生物学硕士、神经科学博士学位，潜心钻研人脑运作机制。此后他创办神经科技公司CTRL-Labs，研发出依托肌电信号实现人机交互的技术，该项目在2019年被Meta以10亿美元收购。加入Meta之后，他带领团队持续深耕神经交互技术，相关成果还登上了《Nature》期刊。从搭建全球信息互联网络，到解码人脑神经信号，再到如今探索类脑计算架构，Thomas Reardon始终围绕人机交互的底层逻辑展开探索，也为Flourish筑牢了技术研发的根基。
另一位联合创始人Rob Williams，则拥有丰富的大型企业运营、商业谈判与产品落地经验。他手握工商管理与法学双重专业背景，还曾担任刑事检察官，严谨的逻辑思维和法务、商业双重能力，让他在团队管理、商务合作中优势显著。Rob Williams在亚马逊任职近十年，一路晋升至公司核心决策团队S-team，担任设备软件与服务副总裁，主导过Alexa、Fire TV、Kindle、Echo等多款明星产品的软件架构搭建，精通大型科技产品从研发到规模化落地的全流程。
他在亚马逊内部擅长使用“逆向工作法”规划产品，这套务实的思路也打动了贝索斯。两位创始人仅凭借两页项目方案，就拿到了贝索斯的投资意向，对方最初计划出资5000万美元，后续更是将个人投资额提升至约1亿美元。一边是深耕技术底层、手握前沿科研能力的科学家，一边是精通产业运作、擅长资源整合的商业管理者，这样的组合在AI创业领域十分稀缺，也是资本愿意放手投资的重要原因。
本轮筹集的5亿美元资金，全部指向企业长期技术研发与生态搭建。公司会斥资搭建专业神经科学实验室，引进单价高达数百万美元的高分辨率电子显微镜，用于解析大脑结构；同时研发全新的AI内存管理系统，降低模型训练对海量数据的依赖；还会主动对接全球商业芯片厂商，推进算法与芯片的适配集成，并制定了为期五年的深度技术研发规划。
放眼整个低功耗AI赛道，行业竞争本就十分激烈。Cerebras已经完成IPO并实现商业化运营，不少同行依靠细分场景拿到千万级营收，谷歌、Meta等科技巨头也陆续公开了类脑AI相关的研究成果。各家企业在融资、技术、商业化等多个维度展开角逐，而Flourish带着巨额资金与顶尖团队入局，无疑让这条热门赛道的竞争变得更加白热化。资本清楚，类脑AI是一场长期竞赛，短期难以实现盈利，但一旦技术实现突破，就会彻底改写AI产业格局，这也是大家愿意长期押注的根本逻辑。
02
决心颠覆主流架构，Flourish的技术核心究竟是什么？
目前全球绝大多数AI大模型，都依托Transformer架构开发。这套架构推动人工智能快速发展，但天生的缺陷也逐渐凸显：运行推理必须依靠功耗300瓦以上的专业GPU硬件，使用成本居高不下；模型完成训练后参数便会固定，学习新知识时不仅需要重新训练，还容易出现“灾难性遗忘”的问题；同时模型训练需要海量文本数据支撑，学习效率远不及人类。
针对这些行业痛点，Flourish没有选择在现有架构上修修补补，而是另辟蹊径，以人类大脑为灵感，自主研发名为Cortex AI的合成智能系统。这套全新系统定下了三大核心目标：将模型运行功耗控制在50瓦以内，对标人脑的能效水平；复刻人脑的持续学习能力，让AI能够自主吸收新知识；效仿人类的学习模式，依靠少量样本就能掌握全新内容。为了实现这些目标，团队搭建了一套完整且逻辑闭环的技术体系。
首先，团队通过解析大脑基础单元，重构AI底层计算逻辑。人类大脑皮层中的皮质柱，是神经运算的核心单元，依靠稀疏、异步的神经脉冲传递信息，这也是人脑能耗极低的关键。Flourish借助高分辨率电子显微镜和电生理记录设备，完整重建小鼠视觉皮层的皮质柱结构，依托联结组学技术提炼出可应用于AI的稀疏神经网络模型。
研发团队跳出传统反向传播、梯度下降的算法逻辑，改用神经元脉冲频率变化作为信号更新的依据。更具实用性的是，这套脉冲神经网络算法，不需要依赖忆阻器等新型特种硬件，能够在市面上主流的CMOS成熟芯片上运行，大幅降低了技术落地的硬件门槛与风险。团队并非简单模仿大脑的外在结构，而是提炼生物神经高效运算的底层原理，转化为可落地的全新AI算法。
其次，模拟人脑双记忆机制，攻克“灾难性遗忘”这一行业难题。现有AI模型一旦训练完成，就无法自主更新知识，即便通过微调补充新内容，也会大幅丢失原有能力。而人类依靠新皮层与海马体的协同作用，可以在不断学习新知识的同时，长久保留过往记忆。
Flourish参照这一生物特性，设计出双层记忆架构：一部分是负责临时存储新信息的“情景缓存”，另一部分是长期留存核心知识的“语义核”。当新数据输入系统时，平台只会微调情景缓存中不到0.1%的局部参数，不会影响模型原本的能力；再通过模拟人脑睡眠机制的周期性运算，把重要信息逐步迁移到语义核中永久保存。这套方案省去了复杂的矩阵运算，计算开销大幅下降。根据团队在NeurIPS 2025学术论坛公布的仿真数据，该技术在连续十项任务中，模型平均遗忘率不足4%，而传统微调方式的遗忘率超过40%，技术优势十分明显。这项突破，也让AI脱离“训练定型、无法进化”的困境成为可能。
最后，依靠稀疏计算与内存协同设计，冲刺50瓦低功耗目标。传统GPU运行AI时，会对所有参数做全域矩阵运算，即便大部分数据处于无效状态，硬件依旧会持续消耗电力。Flourish借鉴人脑仅有0.5%至2%神经元同时活跃的稀疏特性，打造出事件驱动型调度架构：只有当模拟神经元的信号达到临界值时，系统才会启动计算和内存访问。
配合自研的突触检索存储器、近存计算单元，以及8位脉冲编码压缩技术，系统只会加载当下运算所需的权重数据，彻底减少无效的数据搬运。经过理论测算，在主流视觉任务中，这套方案单次推理能耗仅为2纳焦，对比传统GPU 500纳焦的能耗，直接下降两个数量级，完全可以支撑模型在50瓦以下的低功耗环境稳定运行。这也意味着，未来高性能AI不再局限于大型服务器和专业GPU，手机、电脑等普通消费级设备，都能实现AI模型本地运行。
整体来看，Flourish走的是一条彻底颠覆行业主流的技术路线。它从算法、内存调度、硬件适配全维度重新设计体系，外界也将其比作AI领域的“ARM时刻”——就像当年ARM凭借低功耗架构重塑芯片行业一样，Flourish希望用类脑低功耗技术，改变AI产业的发展轨迹。
03
新锐玩家入局，会给整个AI产业带来哪些深远影响？
Flourish带着资本、技术与成熟的产业运营能力强势入场，不只是一家初创公司的突围，更会从技术路线、硬件生态、应用场景、行业竞争四个层面，搅动整个AI产业的发展格局，为行业带来一系列连锁变化。
从技术路线来看，Transformer一家独大的局面将被打破。长久以来，全球绝大多数企业和科研机构都围绕Transformer架构展开研发，行业陷入不断堆砌参数、算力、数据的内卷怪圈，研发成本持续走高。Flourish深耕类脑脉冲神经网络，加上业内多条非Transformer技术路线同步推进，标志着AI正式进入多架构并行发展的新阶段。
不同架构也将形成互补态势：Transformer擅长通用大模型与内容生成，类脑架构主打低功耗、持续学习、小样本学习。未来行业会根据实际应用场景选择适配技术，不再盲目追求超大参数与超高算力，AI技术的发展重心，也会从“堆规模”转向“提效率”。
从硬件生态来看，AI硬件的市场格局将迎来重构。现阶段，高端GPU是AI训练与推理的核心硬件，相关厂商也凭借技术优势占据行业主导地位。而Flourish的整套技术方案，完全适配市面上成熟的CMOS工艺，主打低功耗近存计算，对高端GPU的依赖大幅降低。
一旦类脑AI实现规模化落地，面向大型数据中心的高端GPU需求增速会逐步放缓，适配边缘设备的通用芯片、专用AI芯片将迎来发展风口。芯片厂商的研发方向也会随之调整，不再一味追逐算力峰值，而是侧重架构优化、内存调度与功耗控制。与此同时，Flourish积极对接芯片厂商推进深度合作，也会推动“算法+芯片”一体化定制，成为未来行业的主流模式。
从应用场景来看，端侧AI将迎来全面普及的拐点。当前主流大模型功耗偏高，只能部署在云端数据中心，用户使用AI服务必须依托网络，不仅存在延迟问题，还容易产生数据隐私泄露风险。Flourish目标打造的低功耗AI模型，可以直接在手机、智能穿戴设备、智能家居、工业终端等边缘设备上本地运行。
这一突破会解锁大量全新应用场景：智能手环、智能眼镜等可穿戴设备能实现离线智能交互；工业物联网终端依靠本地AI完成实时数据分析，提升自动化水平；手机端AI无需联网，就能完成创作、翻译、图像处理等操作，兼顾使用效率与数据安全。云端与端侧AI也会形成分工协作体系，云端负责大规模模型训练，端侧负责实时推理与自主学习，构建起全新的AI服务网络。
从行业竞争来看，全球类脑AI赛道的竞争强度将全面升级。谷歌、Meta、Cerebras等企业早已在类脑领域布局多年，Flourish携巨额资金与顶尖团队入局后，赛道竞争会进一步加剧。资本会更加聚焦低功耗、类脑、端侧AI等细分方向，行业人才与资源也会加速向该领域聚集。
科技巨头与新锐初创企业的博弈也会更加激烈：巨头手握算力、数据与生态优势，初创公司则拥有灵活的体制与前沿创新能力，双方会在技术研发、专利布局、商业落地等领域展开全面较量。与此同时，行业评判AI技术实力的标准也会更新，能效比、学习能力、场景落地能力，将和算力、参数规模一样，成为核心考核指标。
客观而言，Flourish的技术路线前景广阔，但依旧面临不少现实挑战。从解析大脑结构到落地商用产品，中间还有漫长的研发周期，其制定的五年技术规划，也印证了这是一场持久战。Transformer架构经过多年迭代已经十分成熟，类脑AI短期内很难将其完全取代，未来两者更大概率会长期共存、各司其职。
但不可否认的是，Flourish的出现，为AI行业指明了全新的发展方向。当人工智能告别无休止的算力竞赛，朝着高效、低碳、贴近自然智能的方向迈进时，整个行业也将迈入全新的发展阶段。这场始于5亿美元融资的技术探索，终将慢慢改写人工智能的未来走向。