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。
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。
