在近日举行的浦江创新论坛上，致力于探索下一代人工智能技术范式的 AI NEO LAB —— 羲悉智能首次公开亮相，全面介绍其核心技术路线、跨学科团队背景，以及自主研发的“类脑智能自进化基座系统”。
同时，公司宣布已完成数千万元人民币种子轮融资，资金将主要用于技术的持续研发及行业应用共创。
从“生成答案”走向“稳定交付复杂任务”
当前，大语言模型的能力评估正迎来关键分水岭。行业视野正从推理生成与静态跑分，加速转向对真实复杂任务交付能力的评估。
以金融投行、管理咨询与涉外法律等场景为例，一项专业交付往往涉及海量异构文档解析、跨软件协同操作，以及高密度的多步闭环推演。
然而，现阶段以生成式推理为核心的通用模型，在进入长程、多步骤任务时，仍容易出现逻辑漂移、误差累积与执行不稳定等瓶颈。国际前沿评测体系也正在印证这一能力断层——在评估跨应用复杂任务的 APEX-Agents，以及衡量专业法律交付成果的 Harvey LAB 中，即便是顶尖模型，稳定完成能力上仍有较大提升空间。最新公开结果显示，在 Harvey LAB 严格的 All-Pass 标准下，领先模型的完整任务通过率仍不足 20%。
“AI 已经具备非常强的生成和推理能力，但在严肃工作场景中，真正的挑战是能否像人类专家一样，持续、可靠地将一项复杂长程任务稳定交付。”
羲悉智能创始人 蔡炎松博士
蔡炎松博士表示：“单纯依靠模型参数规模的提升，仍难系统解决复杂长程任务中的可靠执行与经验沉淀问题。我们提出 Brain-inspired Intelligence for Artificial Intelligence（BI4AI），不是简单复刻大脑的物理结构，而是借鉴生物智能在认知、记忆、学习与反馈中的系统机制，用脑启发的方法重新思考下一代人工智能的计算范式，推动 AI 从以计算为中心，逐步走向以记忆为中心。”
不再只拼参数，让 AI 积累“工作经验”
基于这一思路，羲悉智能将“以记忆与经验为中心”的理念进一步落到系统架构中，构建由模型与记忆双系统协同驱动的 System 1 + System 2 架构。
1System 1：高频任务的快速执行
System 1 负责高频任务的快速执行。羲悉智能采用自研轻量化专用模型，并引入模型内部表征层面的向量化交互，让不同模块之间可以直接传递信息。
传统智能体通常依靠自然语言上下文完成模块协作。随着任务链条变长，输入文本越来越多，Token 消耗和信息损失也会随之增加。羲悉智能希望通过向量化交互，降低多模块协作中的延迟和损耗。
2System 2：面向真实任务的层级化经验记忆网络
System 2 则是一套面向真实任务的层级化经验记忆网络。它既保存知识信息，也记录业务流程、判断准则和试错路径。面对非标准化任务，系统能够自主检索历史经验，形成决策约束与指引。
两个系统根据真实任务反馈，形成“执行—反馈—泛化—固化”的持续学习过程。在这一过程中，系统会把经过验证的经验和技能，通过向量方式转化为模型能力。评估验证、门控筛选和状态回退机制贯穿其中，用于控制系统的学习和进化过程。
随着经验不断积累，系统将逐步适配个人与组织的工作方式。
据羲悉智能透露，这套基座系统已经完成阶段性验证。在部分复杂专业任务的榜单评测中，搭载约 300 亿参数自研模型的智能体基座系统，取得了与超过万亿参数的前沿大模型相当的得分，并支持完全本地私有化部署。
探索新一代类脑智能
羲悉智能的技术路线建立在长期跨学科研究与工程实践基础之上。
创始人蔡炎松博士长期从事计算神经科学、类脑计算研究，曾任新加坡科技研究局（A*STAR）类脑计划项目子课题负责人、华为 2012 实验室类脑计算组算法首席专家、中国电子科技集团首席专家及中国电子科技南湖研究院类脑实验室主任，入选国家“千人”领军人才，并负责及参与国家脑计划等国家重大项目。2024 年世界互联网大会，他曾发布国内首个类脑医疗大模型“脑启-素问”并在 CMB-Exam 评估中夺冠；2025 年相关技术应用于提供情绪陪伴服务的“栖心”心理大模型，并参与构建了规模达百亿神经元的通用异构融合类脑计算系统。
其领导的类脑技术已在医疗、电力、能源、交通、农业等多个领域实现落地应用，拥有从基础研究、前沿算法研发到云边端大系统工程落地的复合型经历。
围绕类脑智能与 AI 持续学习方向，羲悉智能组建了一支横跨计算神经科学、类脑计算、大模型算法、认知科学与系统工程的核心团队。团队成员兼具科研与产业背景，多项相关研究成果曾发表于 Nature Machine Intelligence、IEEE TNNLS 等国际高水平学术期刊，并长期参与人工智能与类脑智能相关技术的研发与工程实践。
这种跨学科能力，使团队能够将对生物智能机制的理解，与大模型、智能体及系统工程能力结合起来，持续探索面向真实复杂任务的新一代类脑智能系统。
从场景共创，走向与组织共同成长的专属智能
目前，羲悉智能正与多家专业机构围绕金融投资决策、法律尽调、复杂企业运营管理等垂直专业场景开展共创探索，验证类脑智能自进化基座在真实业务流程中的应用价值。
在这些合作中，羲悉智能并不只是将通用模型简单接入既有业务流程，而是重点探索如何将行业知识、专业流程，以及专家在审核、判断和修正过程中产生的反馈，持续沉淀为系统可复用的经验，使 AI 能够在长期协作中逐步形成面向特定组织和业务场景的专业能力。
同时，系统支持自研小模型的私有化部署与自主可控运行，使敏感数据和业务知识留存于组织内部，并通过持续沉淀和复用真实任务经验，逐步形成组织专属的智能能力。
从“生成答案”，到“完成真实任务”，再到“从真实任务中持续学习和进化”，羲悉智能希望让每个个人、组织与企业都拥有真正属于自己的、能够自主进化的专属智能（Own Intelligence）。