獲得 5 億美元資金挹注，估值據報達 25 億美元的 Flourish 公司，正透過將真實神經元置於顯微鏡下研究，試圖徹底革新 AI。

羅伯·威廉斯（Rob Williams）深諳如何向傑夫·貝佐斯（Jeff Bezos）提案：你得撰寫一份新聞稿，彷彿產品已然問世。貝佐斯會閱讀後決定是否批准。

威廉斯在亞馬遜「S 團隊」擔任主管期間，負責 Alexa 等軟體產品，直到去年秋天離職前，他經常經歷這個過程。然而，幾週後——2025 年 12 月——他提出的提案卻截然不同。這次他與神經科學家兼連續創業家湯瑪斯·里爾登（Thomas Reardon）合作，以募資者的身分而非下屬，向貝佐斯尋求資金。

當時，貝佐斯正坐在某處的遊艇上，而威廉斯則在 Zoom 上焦急地觀看。貝佐斯讀到的內容如下：Flourish 是一家神經 AI 公司，致力於解決當今 AI 面臨的兩大最困難問題：能源效率和持續學習。我們正在打造 Cortex AI，這是首個旨在匹配人腦運算能力、學習效率和功耗預算的合成智慧系統。

（從左至右）：Flourish 辦公室內的維許·西瓦庫瑪（Vish Sivakumar）、羅伯·威廉斯、湯瑪斯·里爾登、投資者兼顧問雅各布·沃格爾斯坦（Jacob Vogelstein），以及約書亞·T·沃格爾斯坦（Joshua T. Vogelstein）。

一個月後，我在紐約市熨斗區與里爾登和威廉斯共進午餐。里爾登開門見山地說，AI 已經陷入困境。他指出，儘管大型語言模型（LLMs）日益強大，卻是電腦運算能力和資料的貪婪消耗者。

儘管 LLMs 的靈感源於生物學，但當前的前沿模型與人腦幾乎沒有共通之處。一個人處理資訊約消耗 20 瓦的能量；而 AI 訓練叢集中的單一晶片，其耗能卻是這個數字的 30 倍以上。超大規模資料中心需要數千個晶片和數十億瓦的能量，足以供應小型城市。這些模型幾乎需要吸收人類所寫的一切內容。每個新模型都需要更多、更多、再更多。然而，儘管如此，這些模型卻不會學習。一旦訓練完成，它們就停滯不前了。

里爾登告訴我，他們的目標是打造一個「耗能 50 瓦或更低的合成人工智慧大腦」。它應該能適應環境、像人腦一樣靈活，並且只消耗 LLM 一小部分的運算能力和能量。這個概念的驗證就存在於我們的頭顱中。「說『我需要基本上把所有寫過的書都讀上 20 遍才能學會英文』，這從根本上就是錯的。」里爾登說，「一個人類嬰兒只需幾十萬次的發聲就能做到。」

里爾登和威廉斯尚未找出如何建立能媲美人腦奧秘的系統。他們所擁有的是一種信念：一支由 AI 研究人員和神經科學家組成的專家團隊，在充足資源下並肩合作，能夠找到答案。神經科學家將利用最先進的實驗室設備進行原創的濕實驗，以尋找關於大腦架構的有用資訊。他們計劃將目前正在開發的模型作為近期產品發布，以此邁向 AI 的全面革新。

湯瑪斯·里爾登在 Flourish 的會議室。

提案的模糊性並未困擾傑夫·貝佐斯。在閱讀了威廉斯的兩頁文件後，他投入了 5000 萬美元。其他資金來自 Lux Capital 和 Google Ventures 等。隨後，貝佐斯幾乎將他的初始投資加倍，並告訴里爾登，如果他們要求更多，他會給更多。現在，Flourish 擁有 5 億美元的資金和據報 25 億美元的估值，只需發明一種新的 AI 方法。

湯瑪斯·里爾登四世（Thomas Reardon IV）不使用他的名字——家族中太多人叫湯姆了。「我妻子叫我里爾登，大家也都叫我里爾登。」他說。他成長於一個有 18 個孩子的工人階級家庭，15 歲時從新罕布夏大學輟學。從那以後，他的履歷令人驚嘆：他成為一名青少年程式設計奇才，受聘協助打造微軟的第一個網路瀏覽器，並創辦並出售了一家無線科技公司。

接著，他進入哥倫比亞大學攻讀古典學位，隨後轉向神經科學，最終獲得博士學位（同樣來自哥倫比亞大學）。他與一些同學創辦了另一家公司，開發了一款意念控制腕帶，被 Meta 收購，並在那裡工作了六年。（該腕帶隨 Meta 最新的智慧眼鏡一同推出。）

但里爾登對包括 Meta 在內的公司如何打造尖端 AI 感到不滿。匹配大腦的學習能力和節能性並非新想法。IBM 和 Intel 都曾發布受大腦架構啟發的神經形態晶片。加州大學柏克萊分校電腦科學家班·雷希特（Ben Recht），同時也是 Flourish 的顧問，回憶道，幾十年前科學家們就對神經形態的軟體方法很感興趣。

隨後 LLMs 崛起。「他們稱之為神經網路，但其中並沒有任何類似大腦的運作。」雷希特說。

里爾登說服了他在微軟時期就認識的亞馬遜高管威廉斯加入。另一位早期招募的成員是格雷格·韋恩（Greg Wayne），他是 DeepMind 的資深研究員，目前負責 Google 的 AI 助理計畫 Project Astra。「我不知道他們是否能實現目標，但我認為這會帶來有趣的東西，很可能會有用。」

韋恩說。DeepMind 執行長德米斯·哈薩比斯（Demis Hassabis）極力挽留韋恩，最終他們達成協議，韋恩保留 DeepMind 的工作，但將 20% 的時間投入 Flourish。

湯瑪斯·里爾登在他的新創公司辦公室裡拿著一個大腦雕塑。

截至三月底，里爾登已招募了約二十多位頂尖的神經科學家和 AI 研究人員。我在公司遷入紐約市西蘇活區一棟內建資料中心的十層樓辦公室那天拜訪了他們。人們正在設置電腦；電子顯微鏡等實驗室設備尚未運抵。

「大腦藏著我們尚未發現的秘密。」韋恩說。該團隊正專注於名為「皮質柱」（cortical columns）的結構，一位 Flourish 科學家稱之為大腦的「典型運算單元」。Flourish 的投資者之一雅各布·沃格爾斯坦（Jacob Vogelstein）是一位轉型為創投家的神經科學家，他與兄弟約書亞（Joshua）及其他人共同發起了一項雄心勃勃的計畫，名為「開放連接體計畫」（Open Connectome Project）。

「其理念是你可以收集所有這些大腦圖像，並開始對它們進行資料處理，試圖解釋其電路。」他說。

這項工作最終可能對團隊有所助益。Flourish 的共同創辦人約書亞·沃格爾斯坦最近共同撰寫了一篇關於果蠅神經網路的論文，發現其網路效率比 LLM 的核心架構單元 Transformer 高出 10 倍。「這些方法正處於轉折點。」Flourish 的神經科學家兼醫師納森·丹尼爾森（Nathan Danielson）說，他曾與里爾登在 Meta 共事。

Flourish 並非唯一在大腦中尋找答案的公司；「神經形態」（neuromorphic）一詞已被廣泛使用，幾乎成為一個流行語。一家名為 Cortical Labs 的公司正在將實驗室培養的神經元與矽晶片結合。OpenAI 執行長山姆·奧特曼（Sam Altman）支持 Merge Labs，其「長期使命是連結生物與人工智慧」。

Meta 的超級智慧團隊聲稱其 TRIBE v2 模型「充當人類神經活動的數位雙生」。一個名為 Unconventional AI 的組織正在為符合里爾登目標的研究設立資助計畫：建立一個能複製生物效率的 AI。一些創投公司甚至專注於腦科學領域的投資。

里爾登相信，該公司的優勢在於其異常強大的神經科學家團隊。這些研究人員將進行實驗室實驗，而 AI 團隊則根據他們的發現建立模型；同時，演算法團隊可能會發掘有助於神經科學家的線索。「你不會真正知道自己是否理解某件事，直到你能將其建造出來，並在矽晶片中實現它。」Flourish 的神經科學家喬許·摩根（Josh Morgan）說。他們表示願意發表一些原創研究。

「從根本上說，這家公司正在尋找智慧背後的演算法。」投資者雅各布·沃格爾斯坦說。

雅各布·沃格爾斯坦坐在實驗室裡，一旦設備運抵，公司的神經科學家將在這裡研究大腦。

里爾登告訴我，他的團隊已經找到了利用近期大腦研究來實現近期營收的途徑。他說，他們正在開發一種受海馬體啟發的記憶處理方式，這將使公司的模型無需大量訓練資料即可學習。演算法團隊已經建立了一個可以持續學習的模型，並正在努力將其應用於「你隨身攜帶的設備」中。他補充說，他正在與一家主要晶片製造商談判，將該模型整合到矽晶片上。

五月初，Flourish 的科學家們在紐約辦公室舉行了一次全體會議。里爾登和威廉斯與大約十幾位其他人圍坐在會議桌旁，其中包括從倫敦來訪的資深顧問韋恩。科學家們正在討論六個潛在的實驗。這些都是需要購買數百萬美元顯微鏡設備和數年工作的重大嘗試。

實驗討論涵蓋了從狂犬病如何在皮質中傳播到鳥鳴的神經生物學等廣泛的生物現象。他們爭論是應該檢查分子和突觸，還是專注於更大規模的細胞或電路。對於某些目的來說，分析小鼠大腦的連接體是否足夠，還是只有人腦才能做到？

至少目前來看，結論似乎是「全部嘗試」。計算神經科學家肖恩·比特納（Sean Bittner）說：「我們的目標是在奈米、微米和中尺度上進行資料收集，以支持核心演算法的發現。」比特納也曾與里爾登在 Meta 共事。

現場出現一陣尷尬的沉默，隨後韋恩開口說道：「這他媽的是個很棒的實驗計畫！」「它實際上是可行的，而不是瘋狂的。」

羅伯·威廉斯在 Flourish 辦公室內。

毫無疑問，Flourish 正在進行一場高風險、長期的賭注。正如威廉斯所說，在閱讀了提案文件後，貝佐斯需要知道一件事——創辦人是否承諾投入多年時間在這項事業上？當他得到肯定的答覆後，他同意撥出數百萬美元。（貝佐斯未回應置評請求。）威廉斯說：「三年內你做不了多少事。要做出重大改變，就必須規劃七到十年後才有價值的事情。」（據悉，里爾登表示他希望 Flourish 能在五年內找到重大解決方案。）

柏克萊分校的雷希特（Flourish 的顧問）談到該公司的主要任務時說：「我並不相信它會成功。但如果成功了，那將會非常驚人。」AI 將從此不同，許多資料中心可能會因此閒置。