对话传神语联创始人何恩培：大模型开源风潮下，我们为何坚持原始创新？

传神语联创始人何恩培

蓝鲸新闻6月6日讯（记者 武静静）大模型"军备竞赛"还在持续，越来越多企业争相投入开源模型、拼算力、抢生态。在竞逐白热化的当下，多数公司选择围绕开源模型进行微调与应用开发。但传神语联选择了一条不同的路——自研底座大模型，构建具备长期记忆和个性化能力的完整智能系统。

成立于2005年的传神语联，是一家从语言服务起家的企业，却在AI技术迭代的多个关键节点持续投入，从最初的机器翻译、知识图谱，到如今的大模型系统"任度"，已形成一套覆盖通用智能与垂直行业的技术架构。

此次，「蓝鲸科技」采访了传神语联创始人何恩培，想理解这样一家AI公司，为什么在开源浪潮中坚持创新，又如何在中医等复杂领域中推进"大模型"的落地。

2016年，何恩培在一次演讲中讲出一句话："原创不是设计出来的，是走出来的。"彼时，大模型还未成为风口，"开源替代"也还不是主流话题。而这句话，如今成为传神语联在AI时代差异化路线的注脚。面对当前的大模型AI浪潮，公司正在构建一个从基础大模型到行业大模型的体系化服务。

在接受「蓝鲸科技」采访中，何恩培数次强调，传神的路与主流不同。他坚持原始创新，不只是出于技术洁癖，而是源自早期的发现：他们自己开发的技术系统"走得比开源更远"，也更适合做"结构化的中国知识系统"。

这条技术路线，也造就了"极低成本、高适应性"的大模型系统。以训练成本为例，他们自研的成本仅为 DeepSeek 的十分之一到二十分之一。

何恩培告诉「蓝鲸科技」，对传神语联而言，大模型只是开始。他们要构建的，是一个能体现"数推双脑"价值的完整人工智能系统。这个系统不仅仅是"说话"的智能，而是具备感知、理解、记忆和决策能力的"类人智能"。

"语言模型是意，但完整的智能还要有‘眼耳鼻身’。"何恩培用佛家术语来形容这种结构。

发力垂直模型，大模型同时可以有长短期记忆

目前，传神语联在通用大模型——任度大模型基础之上，押注在另一个趋势上：垂直行业模型的崛起。

"未来，60%到70%的市场会由垂直行业模型占据。"何恩培判断，通用大模型虽然耀眼，但难以深入具体行业，无法替代真正理解领域知识的智能体。从医学到工业、政务、金融、教育……每个行业的知识和语境，都会长出一个‘专属智能’。"

此次，传神语联在基础大模型任度大模型之上，发布了新的任度·归藏大模型，将作为用户的贴身助理，提供更深度的个性化服务。

归藏大模型名字灵感源于上古典籍《归藏》，据介绍其在现有大模型技术的基础上，通过不同于RAG、Fine-Tuning和上下文记忆的方式，实现了高效的实时学习和长期记忆能力。

"现有方案都存在明显局限：RAG仅通过外部数据库搜索，知识并未真正融入模型，导致理解深度和精度不足；Fine-Tuning虽然能实现长期记忆，但成功率低、成本高，且极易破坏原有神经网络的完整性，影响模型性能；而上下文记忆则只是临时的短期记忆。"何恩培提到。

他进一步解释称，归藏大模型通过将新增知识动态、高效且低成本地直接压缩到神经网络中，实现了真正的长期记忆，并且在增量训练时能保持原有神经网络的完整性不被破坏。"归藏支持整个神经网络的动态学习，能够实现跨文件、跨对话的精准理解和输出，即使重新打开对话框也能记住历史信息和用户数据，甚至能灵活修改和删除记忆，使大模型不再是用户的‘过客’，而是拥有一个能记住其习惯和喜好的个人助手或伴侣。"

何恩培将归藏大模型比做钢铁侠中的"贾维斯"，"它不仅仅是追求自身知识的增加，更重要的是能够记住用户，做到‘心里有你’。这种能力使得模型能够变成用户的个人助手或伴侣，能够记住你与它说过的话，甚至在很长时间后仍然记得。"

"让AI像中医一样思考"

此外，针对医疗行业，公司还发布了"任度·素问"中医大模型。

图片由企业提供

何恩培称，"素问"中医大模型源自中医经典，目标不仅是回答中医问题，而是模拟中医的认知体系与诊断逻辑。任度·素问中医大模型基于传神语联全自研的混合熵（moH）技术架构，打造"专家级主动问诊、营养师级食疗规划"的中医AI助手，为用户提供智能问诊、辨证分析、方剂推荐、健康管理等全流程服务，让用户享受到个性化的中医诊疗体验。

何恩培透露，"素问"的B端发展方向是作为医生的"孪生"，主要服务于医疗专业人士以及医疗机构，然后服务普通患者。

在实测中，只需要说出自己的身体症状，素问作为医生的"孪生"智能体，就能够复制并辅助医生，特别是像老中医那样专家的问诊能力，从而显著提升医生的问诊效率。它的核心功能在于能像专家一样进行问诊，有效突破传统中医大夫有限的接诊量，赋能医生服务更多患者。

素问不仅能问诊、应答，还能整合医理知识图谱与案例推理，朝着"实时学习 + 长期记忆"的目标演进。何恩培认为："人脑之所以智慧，是因为能学也能记。AI也该如此。"

为此，团队开发了"层进式训练方法"：将模型训练过程分为医理、医方、医验三个阶段，仿佛从《黄帝内经》开始，逐步修炼成一位临床医家。 这种方式避免了当前通用大模型"混合数据、权重冲突"的问题，也让模型具有专家式的问诊能力。

"我们不是让AI回答中医问题，而是像中医一样思考。"何恩培说。

在更远的未来，何恩培设想："我们能不能构建一个不依赖西方范式的AI认知系统？" 这个问题，不只是技术挑战，更是一种愿景。