AI初创公司Flourish Inc.正在开发受人类大脑启发的人工智能模型,近日完成5亿美元融资,估值达25亿美元。
据《连线》杂志报道,此轮融资约有五分之一的资金来自亚马逊创始人杰夫·贝索斯。其余资金则来自由Alphabet旗下创业投资部门GV、Lux Capital以及专注医疗健康领域的基金Catalio组成的投资联合体。
Flourish致力于开发能耗远低于大语言模型的AI模型。据该公司介绍,一块服务器级显卡处理信息所消耗的能量,约为人类大脑的30倍。Flourish希望将这一能耗降低一个数量级以上。
该公司于去年由前亚马逊高管罗布·威廉姆斯与知名神经科学家托马斯·里尔登联合创立。里尔登曾在Internet Explorer的开发过程中发挥关键作用,此后联合创立了CTRL-Labs公司,该公司于2019年被Meta收购。CTRL-Labs的技术是Meta Neural Band的核心基础——这是一款可让用户通过手势控制智能眼镜的腕带设备。
Flourish计划借助内部神经科学实验室,探索构建更高能效AI模型的方法。据《连线》报道,该实验室的重点研究方向之一是皮质柱——一种被认为在信息处理中扮演关键角色的神经元结构。
为支撑相关研究,Flourish计划为实验室配备电子显微镜。这类设备单台售价可达数百万美元,其观测精度远超普通光学显微镜。
显微镜的分辨率取决于照射被观测物体的光线波长,波长越短,分辨率越高。电子显微镜以电子束取代光束,而电子的波长比光子短出数个数量级,因此能够实现极高的分辨精度。
在生命科学研究领域,电子显微镜主要有三种类型:第一种称为扫描电子显微镜(SEM),通过研究电子在物体表面的反射情况来采集数据;第二种为透射电子显微镜(TEM),可产生穿透物体的高能电子束,而非通过反射成像;第三种则是结合了TEM与SEM技术的复合型显微镜。
Flourish计划开展一系列广泛实验,探寻实现更高能效AI的可行路径。据报道,该公司预计在五年内取得重大突破。在更近期的目标上,公司计划推出一款能够在消费级设备上运行、"可持续学习"的AI模型。
据悉,Flourish正与一家未透露名称的芯片制造商洽谈合作,拟联合推出一款能够运行其模型的处理器。与此同时,公司还在研发一套AI内存管理系统,旨在降低模型训练所需的数据量。
Flourish是目前探索新型AI架构的多家公司之一。初创企业Cartesia AI Inc.正在构建所谓的状态空间模型,该模型采用最初为航天导航系统开发的数学方法来处理数据;而Meta则开发了一种名为JEPA的AI架构,专门针对机器人应用场景进行了优化。
Q&A
Q1:Flourish公司开发的AI模型与传统大语言模型相比有什么优势?
A:Flourish的核心目标是大幅降低AI模型的能耗。目前一块服务器级显卡处理信息的能耗约为人类大脑的30倍,Flourish希望将这一差距缩小一个数量级以上,从而开发出能效更高的AI模型,使其能够在消费级设备上运行。
Q2:Flourish的联合创始人托马斯·里尔登有哪些背景?
A:托马斯·里尔登是一位知名神经科学家,曾参与Internet Explorer的早期开发工作。他后来联合创立了脑机接口公司CTRL-Labs,该公司于2019年被Meta收购,其技术成为Meta Neural Band腕带设备的核心,该设备允许用户通过手势控制智能眼镜。
Q3:Flourish的神经科学实验室主要研究什么方向?
A:Flourish的内部神经科学实验室将重点研究皮质柱,这是一种被认为在大脑信息处理中起关键作用的神经元结构。实验室还将配备高精度电子显微镜,用于观察常规光学显微镜无法呈现的微观结构,以期从大脑工作机制中获取灵感,指导更高能效AI模型的开发。
好文章,需要你的鼓励
机器人智能公司Inbolt将于2026年6月在芝加哥Automate展会上发布两项新能力:Inbolt机器人编程功能和扩展版机器人控制模块。新功能可让工程师直接基于CAD模型构建程序,结合视觉模型实时定位实体零件并自动调整运动路径,彻底消除传统调试中耗时数周的手动示教环节。此次更新还将原生支持安川机器人,使平台覆盖品牌扩展至六个。
清华大学等机构提出JAMEL框架,通过代码覆盖率信号联合训练AI智能体的潜在记忆模块与探索策略,以极低token消耗实现媲美大型闭源模型的自主探索能力。
本文提供了一套完整的笔记本电脑深度清洁方案。硬件方面,介绍了如何用温和洗涤剂清洁机身、用微纤维布擦拭屏幕、用压缩空气清理键盘及清洁充电线的正确方法。软件方面,建议及时更新操作系统与驱动程序,删除冗余文件与临时下载内容,并通过开启Windows Storage Sense功能实现自动清理,同时将剩余文件整理归类,保持系统整洁高效运行。
卡内基梅隆大学提出MACU框架,让经理AI统筹多个员工AI并行完成复杂电脑操作任务,通过动态调整任务图,在四个基准上均超越单智能体。