藍鯨新聞 6 月 6 日訊（記者 武靜靜）大模型 " 軍備競賽 " 還在持續，越來越多企業爭相投入開源模型、拼算力、搶生態。在競逐白熱化的當下，多數公司選擇圍繞開源模型進行微調與應用開發。但傳神語聯選擇了一條不同的路——自研底座大模型，構建具備長期記憶和個性化能力的完整智能系統。
成立于 2005 年的傳神語聯，是一家從語言服務起家的企業，卻在 AI 技術迭代的多個關鍵節點持續投入，從最初的機器翻譯、知識圖譜，到如今的大模型系統 " 任度 "，已形成一套覆蓋通用智能與垂直行業的技術架構。
此次，「藍鯨科技」采訪了傳神語聯創始人何恩培，想理解這樣一家 AI 公司，為什么在開源浪潮中堅持創新，又如何在中醫等復雜領域中推進 " 大模型 " 的落地。
2016 年，何恩培在一次演講中講出一句話：" 原創不是設計出來的，是走出來的。" 彼時，大模型還未成為風口，" 開源替代 " 也還不是主流話題。而這句話，如今成為傳神語聯在 AI 時代差異化路線的注腳。面對當前的大模型 AI 浪潮，公司正在構建一個從基礎大模型到行業大模型的體系化服務。
在接受「藍鯨科技」采訪中，何恩培數次強調，傳神的路與主流不同。他堅持原始創新，不只是出于技術潔癖，而是源自早期的發現：他們自己開發的技術系統 " 走得比開源更遠 "，也更適合做 " 結構化的中國知識系統 "。
這條技術路線，也造就了 " 極低成本、高適應性 " 的大模型系統。以訓練成本為例，他們自研的成本僅為 DeepSeek 的十分之一到二十分之一。
何恩培告訴「藍鯨科技」，對傳神語聯而言，大模型只是開始。他們要構建的，是一個能體現 " 數推雙腦 " 價值的完整人工智能系統。這個系統不僅僅是 " 說話 " 的智能，而是具備感知、理解、記憶和決策能力的 " 類人智能 "。
" 語言模型是意，但完整的智能還要有‘眼耳鼻身’。" 何恩培用佛家術語來形容這種結構。
發力垂直模型，大模型同時可以有長短期記憶
目前，傳神語聯在通用大模型——任度大模型基礎之上，押注在另一個趨勢上：垂直行業模型的崛起。
" 未來，60% 到 70% 的市場會由垂直行業模型占據。" 何恩培判斷，通用大模型雖然耀眼，但難以深入具體行業，無法替代真正理解領域知識的智能體。從醫學到工業、政務、金融、教育……每個行業的知識和語境，都會長出一個‘專屬智能’。"
此次，傳神語聯在基礎大模型任度大模型之上，發布了新的任度 · 歸藏大模型，將作為用戶的貼身助理，提供更深度的個性化服務。
歸藏大模型名字靈感源于上古典籍《歸藏》，據介紹其在現有大模型技術的基礎上，通過不同于 RAG、Fine-Tuning 和上下文記憶的方式，實現了高效的實時學習和長期記憶能力。
" 現有方案都存在明顯局限：RAG 僅通過外部數據庫搜索，知識并未真正融入模型，導致理解深度和精度不足；Fine-Tuning 雖然能實現長期記憶，但成功率低、成本高，且極易破壞原有神經網絡的完整性，影響模型性能；而上下文記憶則只是臨時的短期記憶。" 何恩培提到。
他進一步解釋稱，歸藏大模型通過將新增知識動態、高效且低成本地直接壓縮到神經網絡中，實現了真正的長期記憶，并且在增量訓練時能保持原有神經網絡的完整性不被破壞。" 歸藏支持整個神經網絡的動態學習，能夠實現跨文件、跨對話的精準理解和輸出，即使重新打開對話框也能記住歷史信息和用戶數據，甚至能靈活修改和刪除記憶，使大模型不再是用戶的‘過客’，而是擁有一個能記住其習慣和喜好的個人助手或伴侶。"
何恩培將歸藏大模型比做鋼鐵俠中的 " 賈維斯 "，" 它不僅僅是追求自身知識的增加，更重要的是能夠記住用戶，做到‘心里有你’。這種能力使得模型能夠變成用戶的個人助手或伴侶，能夠記住你與它說過的話，甚至在很長時間后仍然記得。"
" 讓 AI 像中醫一樣思考 "
此外，針對醫療行業，公司還發布了 " 任度 · 素問 " 中醫大模型。
何恩培稱，" 素問 " 中醫大模型源自中醫經典，目標不僅是回答中醫問題，而是模擬中醫的認知體系與診斷邏輯。任度 · 素問中醫大模型基于傳神語聯全自研的混合熵（moH）技術架構，打造 " 專家級主動問診、營養師級食療規劃 " 的中醫 AI 助手，為用戶提供智能問診、辨證分析、方劑推薦、健康管理等全流程服務，讓用戶享受到個性化的中醫診療體驗。
何恩培透露，" 素問 " 的 B 端發展方向是作為醫生的 " 孿生 "，主要服務于醫療專業人士以及醫療機構，然后服務普通患者。
在實測中，只需要說出自己的身體癥狀，素問作為醫生的 " 孿生 " 智能體，就能夠復制并輔助醫生，特別是像老中醫那樣專家的問診能力，從而顯著提升醫生的問診效率。它的核心功能在于能像專家一樣進行問診，有效突破傳統中醫大夫有限的接診量，賦能醫生服務更多患者。
素問不僅能問診、應答，還能整合醫理知識圖譜與案例推理，朝著 " 實時學習 + 長期記憶 " 的目標演進。何恩培認為：" 人腦之所以智慧，是因為能學也能記。AI 也該如此。"
為此，團隊開發了 " 層進式訓練方法 "：將模型訓練過程分為醫理、醫方、醫驗三個階段，仿佛從《黃帝內經》開始，逐步修煉成一位臨床醫家。 這種方式避免了當前通用大模型 " 混合數據、權重沖突 " 的問題，也讓模型具有專家式的問診能力。
" 我們不是讓 AI 回答中醫問題，而是像中醫一樣思考。"何恩培說。
在更遠的未來，何恩培設想：" 我們能不能構建一個不依賴西方范式的 AI 認知系統？" 這個問題，不只是技術挑戰，更是一種愿景。
