Flourish 完成 5 亿美元融资、估值 25 亿美元：当大模型的能耗危机愈演愈烈，Internet Explorer 创造者押注”仿脑 AI”的终局
训练一个顶级大型语言模型，需要消耗的电力足以支撑一座中型城市运行数月。GPT-4 的训练估计消耗约 50 亿瓦时的电力；推断（inference）的持续能耗更是以每年数十亿美元计。数据中心已经成为全球增速最快的电力消费类别，AI 硬件的算力提升和能效改进始终在追逐一个移动的目标。
但人类大脑做同等的认知工作，只消耗约 20-50 瓦，相当于一个普通灯泡。这个令人瞠目的效率差距，激励了一批科学家转向神经科学寻找答案。Flourish 就是这一方向最引人注目的押注：一家以”仿人脑 AI 架构”为核心目标的深科技研究公司，于 2026 年初完成 5 亿美元融资，估值达 25 亿美元，投资方包括 Jeff Bezos（个人投资约 1 亿美元）、Lux Capital、GV（Alphabet 风险投资部门） 和 Catalio Capital。
行业背景：AI 能效的根本性困境
当前 AI 硬件的主流路径，扩大 GPU 算力、优化 Transformer 架构、开发专用 AI 芯片（NVIDIA H100/H200/B200 系列），本质上是在既有计算范式内做工程优化。英伟达的 GPU 能效确实在持续提升，但摩尔定律的放缓意味着物理极限正在逼近。
更根本的问题是：Transformer 架构本身是否是最高效的 AI 范式？人脑的计算不依赖矩阵乘法，而依赖稀疏激活、脉冲信号和高度异步的神经元网络。这使得人脑在处理同等认知任务时，能耗比现有 GPU 集群低 6-7 个数量级。
神经形态计算（Neuromorphic Computing）正是在模仿人脑信号处理机制的赛道上探索替代范式。Intel 的 Loihi 芯片、IBM 的 TrueNorth 芯片、英国曼彻斯特大学的 SpiNNaker 项目，都是这一方向的学术与工业探索。但迄今为止，神经形态计算距离实用性 AI 应用仍有较大差距。
关键数据：国际能源署（IEA）预测，数据中心全球电力消耗将从 2024 年的约 4000 亿千瓦时增长至 2030 年的超过 1 万亿千瓦时，相当于日本全国的年用电量。AI 推断成本占头部科技公司总电力成本的比例持续攀升，已成为云服务毛利率的最大压制因素之一。
Flourish 的路线图：Cortex AI
Flourish 由两位有充分背书的创始人联合创立：
Thomas Reardon（CEO）是 Internet Explorer 的创造者，前微软互联网平台总监。此后他创立了神经接口公司 CTRL-labs，该公司于 2019 年以据报道约 5 亿至 10 亿美元被 Meta 收购。Reardon 在 CTRL-labs 积累了深厚的神经信号解码经验，对人脑与计算机的交互边界有独特理解。
Rob Williams（总裁）是前亚马逊 S-Team 执行官，负责过亚马逊多个核心业务的规模化运营。
Flourish 的核心产品路线图聚焦于 Cortex AI，一个以脑启发架构（Brain-inspired Architecture）为基础的 AI 系统，目标是在 20-50 瓦的能耗下实现与当前 LLM 相当或更强的认知能力。具体技术路径尚未完全披露，但已知包括：脉冲神经网络（Spiking Neural Networks）的探索、稀疏激活机制、以及新型计算硬件架构的设计。
目前，Flourish 仍处于纯研究实验室阶段，尚无商业产品。25 亿美元的估值完全基于对创始团队背景、技术路线可行性和市场机会规模的预期。
商业路径展望：从研究到产品的漫长跨越
Flourish 当前的商业化路径尚不清晰。从研究到产品通常需要经历：
基础研究验证（当前阶段）：证明脑启发 AI 架构在特定任务上能达到与 Transformer 相当的能力。
原型系统开发：在模拟环境中构建完整的 Cortex AI 系统，展示能效比优势。
硬件协同设计：若软件架构验证成功，需要开发配套的神经形态芯片，否则在传统 GPU 上运行”仿脑算法”会失去能效优势。
应用场景选择：优先进入对实时性和能效要求极高的场景，如边缘 AI（IoT 设备、医疗可穿戴）、自主机器人、卫星计算等。
这是一条极其漫长的路。Intel 的 Loihi 系列已经研发超过 10 年，仍主要停留在研究阶段。Flourish 是否能比前辈走得更快，在很大程度上取决于其是否找到了真正差异化的技术突破。
竞争格局分析
Flourish 的差异化主张是整体系统级的能效创新（而非单点优化），以及 Reardon 的神经接口背景所带来的跨学科能力。但在早期研究阶段，这些主张仍待技术验证。
投资人逻辑：Jeff Bezos 的近 1 亿美元个人赌注
Jeff Bezos 个人投资近 1 亿美元于一家没有产品的研究实验室，需要解释。
Bezos 的历史投资逻辑一贯聚焦于”长时间尺度”的巨大机会。其个人投资组合包括：Bezos Expeditions 支持的 Vicarious（AI 推理公司，后并入 DeepMind 竞争者 SambaNova）、Unity Technologies、Planet Labs、以及通过 Bezos Earth Fund 对气候科技的大规模投入。
在 AI 能耗问题上，Bezos 有双重的私人利益：亚马逊的 AWS 是全球最大的数据中心运营商之一，AI 推断的电力成本直接影响 AWS 的运营成本和竞争优势。任何能显著降低 AI 计算能耗的技术，对 AWS 都具有战略价值。
Lux Capital 的加入进一步确认了 Flourish 的”深科技赌注”性质，Lux 专注于科学边界的早期投资，此前投资包括 Freenome、Nuvation Bio 等医疗科技和 X-energy（核能）。
⚠️ 风险与不确定性
⚠️ 风险一：技术路线的根本不确定性
脑启发 AI 架构已被研究超过 30 年，距离实用性突破始终差”最后一公里”。Flourish 没有任何公开发表的论文或技术基准证明其路线优于既有方法，25 亿美元估值完全基于创始人声誉。
⚠️ 风险二：硬件-软件协同设计的巨大挑战
即使软件层面的脑启发算法取得突破，在传统 GPU 上运行神经形态算法无法获得真正的能效优势。公司必须同时开发配套硬件，这意味着双倍的技术风险和资金需求。
⚠️ 风险三：NVIDIA 的效率优化路线的持续压制
NVIDIA 持续推进 GPU 架构创新，其 Blackwell 架构的推断能效已大幅提升。若主流硬件的能效改进速度足够快，”仿脑 AI”的必要性将被大幅削减。
⚠️ 风险四：资金燃烧与商业化时间线的巨大错位
5 亿美元是高额的研究投入，但神经形态计算的商业化可能需要 5-10 年甚至更长时间。若关键技术里程碑无法在 2-3 年内实现，后续融资将面临极大压力。
结语：能效革命的大赌注
每一次计算范式的转变，都会重新分配科技行业的权力结构。从真空管到晶体管，从机械硬盘到 SSD，从 CPU 到 GPU，每一次范式转变都造就了新的赢家和输家。
如果 AI 的能耗问题最终需要一场计算架构的根本性变革，而非工程优化的叠加，那么 Flourish 押注的方向将在历史上占有一席之地。
Reardon 创造了 Internet Explorer，改变了数十亿人接入互联网的方式。他在 CTRL-labs 的研究，让人类用神经信号控制计算机成为现实。Flourish 是他的第三次赌注，这次，他要用人脑的运行逻辑，重写 AI 的计算规则。
这场赌注有多大的胜算，没有人知道。但贝索斯个人押下近 1 亿美元的事实告诉我们：它至少值得认真对待。
