essendavis.com

是什么

Evolved Neural Circuit（ENC）是 essendavis.com 展示的一种早期AI架构原型，核心主张是“智能不是被设计，而是被演化”。它从随机噪声开始，通过选择压力形成计算电路，不依赖反向传播、梯度、损失函数或优化器状态。页面称其已处于专利申请阶段，Live Demo 仍为 Coming Soon。

核心能力与模型

ENC 最突出的差异在于类生物学习机制：使用虚拟多巴胺、痛觉等神经调制通道来强化或削弱连接，并通过神经可塑性、髓鞘化、海马体记录和“梦境巩固”来保存与重放经验。它还强调部署后的连续学习，这与多数训练后冻结权重的生产级模型不同。硬件方面，架构面向CPU缓存层级设计，每个功能区域约4MB，可在Apple M4 Pro等消费级CPU上运行，披露推理速度为80 tokens/s。

效果、定价与局限

页面给出的早期结果是：基于40M token、6个数据集、25万英文词表训练，训练集top-1准确率52.0%，未见数据52.3%，top-10均为69.5%。项目方也承认，与成熟Transformer LLM在类似评估下约95–99% acc@1仍有明显差距；上下文长度仅192 tokens，且当前只看到英文词表与英文处理能力描述。定价、免费额度、API、企业集成、隐私政策均未披露，因此还不能视为可采购的商业AI工具。

优缺点与适合人群

优点是技术路线新颖、硬件门槛低、强调持续学习和可验证连接，对AI研究者、端侧AI探索者、类脑计算开发者有参考价值。缺点是产品成熟度不足，Demo未开放，效果距离主流LLM较远，外部可验证信息有限，中文支持缺失。

中国访问与替代品

页面未提供中国大陆访问、支付或服务可用性信息，访问状态应视为未知。若需要可立即落地的AI能力，可考虑OpenAI API、Claude、Gemini、Llama、Mistral等；若关注非Transformer或持续学习方向，可关注RWKV、Liquid Neural Network等相关替代路线。