INN™ 直觉神经网络、BPU 类脑芯片、两相液冷与液态金属——一套为下一代智能而生的完整计算堆栈。
我们相信更好的智能来自更好的第一性原理——从神经元到硅，从算法到散热，每一层都重新想象。
INN™ 直觉神经网络不是更大的 Transformer，而是更接近生物直觉的新架构。可解释、低功耗、CPU 即可推理。
BPU 类脑芯片与晶圆级系统，从第一性原理出发，为稀疏、事件驱动的类脑计算而设计，而非 GPU 的副产品。
两相液冷与液态金属接口，将 45KW 机柜的热量静默导出；没有高功耗 CDU，PUE 收敛到 1.08。
99.9% 能耗降低不是营销数字——它意味着智能可以部署在任何有电的地方，而不只是超算中心。
当推理在 CPU 上完成、散热不再需要冷水机组，运营成本可降低 50%——不是通过妥协，而是通过更好的设计。
由中国工程院院士领衔的研究团队，从基础理论出发构建 INN™ 架构——不是工程优化，是科学突破。
新近纪智能 · 珠海横琴
2024 — 2026
过去十年，智能的进步被写成了一个关于规模的故事——更大的模型、更多的 GPU、更热的机房。我们不打算继续写下去。
我们从三个地方重新开始：算法、算力、散热。算法要像脑，而不是像一个更胖的 Transformer；算力要为稀疏的、事件驱动的思考而建，而不是为矩阵乘法而建；散热要安静地带走，而不是靠一整栋楼的冷水机组去压制。
这三件事必须一起做。任何一件单独做都只是一次改良。三件一起做，才是一次换代。
这就是我们为什么存在。新近纪是新生代的第二个纪；自那时起，生物界的大部分面貌开始更接近现代。
当一台设备的能耗降低两个数量级时，它可以部署的地方就变了——不再只是超算中心，而是任何有电的房间。下面是我们和传统方案在每个维度上的对比。
数量级的差距不是优化出来的，是从第一性原理重新设计的。
在公开科学分类数据集上测试的 INN™ 准确率，与传统系统对比。
测试在公开数据集上独立运行。准确率数字均为 INN™ 与同等传统分类器在相同数据集上的对比结果。
一台小机器、一堵墙的电、一个真实的决定——这才是智能的样子。
在影像与电子病历上做可解释的辅助诊断，让医生可以反问 AI：你为什么这样判断。
在湿实验产生数据的速度内完成推理，把研发周期从以月为单位压到以周为单位。
稀疏模型天然抗过拟合，在非平稳市场里给出带置信度的、可审计的判断。
把散热当成一等公民——机柜不再靠整栋楼的冷水机组压住，而是自己安静地带走自己的热。
在产线上端侧实时检测，只用 CPU，不需要再为每条产线挂一张昂贵的加速卡。
在路口、变电站、政务大厅里直接跑模型，不把每一个决定都送去云端。
实时推荐与风控在毫秒内完成——不需要把每一笔交易都送去远端数据中心做判断。
可解释的学习路径评估——让老师知道 AI 为什么判断某个学生需要额外辅导，而不是单纯给出一个分数。