[智能应用]“AI下一代”已在国产算力平台上跑通 [复制链接]

由天桥脑科学研究院主办的“从脑机接口到脑机共生”主题论坛（暨中国神经科学学会脑机接口与交互分会年会）昨天在上海举行，研究院创始人雒芊芊宣布天桥脑科学研究院成立尖峰智能实验室（Spiking Intelligence Lab, SIL），该非营利研究机构由中国科学院自动化研究所李国齐教授领衔。
尖峰智能实验室“尖”在哪儿？该实验室主张借鉴人脑这一自然界最精巧的智能载体，重点研发具有神经动力学特性的类脑大模型，将脉冲通信、时空动态编码等计算特性与树突神经元的精细结构深度耦合，构建一个既具备强大感知力，又拥有深刻记忆与思考能力的“全脑架构”，实现从脑科学驱动AI到AI反哺脑科学的双向赋能。
大脑能效比GPU高10个以上数量级
在今年AI驱动科学研讨会上，天桥脑科学研究院创始人陈天桥首次提出“发现式智能”理念，尖峰智能实验室正是这一理念的重要落地载体之一。李国齐认为，发现式智能的一个关键能力是神经动力学，今年，他带领团队成功研发出首款类脑脉冲大模型“瞬悉1.0”，标志着我国在类脑计算与大模型融合创新方面取得重要突破。
类脑模型被称之为“AI的下一代”，当前主流AI模型依赖Transformer架构，训练1750亿参数的GPT-3需要1000张GPU，耗费30万瓦。与之相对应的，大脑拥有100亿亿参数，能耗仅为20瓦。因此，借鉴人脑机制将成为突破低功耗、长序列与通用性三大核心难题的关键。
李国齐介绍，瞬悉1.0包含7B纯线性模型与76B混合模型两个版本，创新性融入MOE架构与脉冲编码技术，实现与主流开源生态的兼容互通。核心突破体现在三方面：一是采用线性或线性-注意力混合架构，将推理复杂度从序列长度依赖的线性增长优化为常数级别，破解超长序列处理难题；二是通过脉冲神经网络与事件驱动计算，使典型任务功耗降至毫瓦量级，较主流AI芯片降低1-2个数量级；三是仅用不到2%的主流模型训练数据（160B数据量），便达到同等规模模型的性能水平，大幅降低训练成本。
与国产GPU企业合作打通全链条
李国齐教授是中国脉冲神经网络和类脑大模型研究的知名青年专家，团队在该领域深耕十年，已攻克大规模脉冲神经网络的规模与性能瓶颈，相关成果发表于ICCV、NeurIPS等顶会，获2024年中国自动化学会自然科学一等奖。
瞬悉1.0的7B开源模型仅用主流大模型2%的预训练数据，就实现了阿里千问7B 90%的性能，且训练和推理的全过程均在国产算力上完成。与国产GPU企业沐曦科技合作，打通了国产类脑基础模型-国产GPU算力平台-类脑芯片的全栈式研究链条。
据悉，瞬悉1.0已开源7B模型并公开76B版本测试报告，同步发布中英文技术报告。该模型不仅为解决智能算力功耗危机提供了有效方案，更通过借鉴脑机制提升AI的通用性与泛化能力，为后续千亿级类脑大模型研发奠定基础，标志着我国在类脑AI领域进入国际领先行列。未来团队将持续推进模型迭代，深化与国产算力集群的适配优化，推动低功耗类脑智能在多场景的产业化应用。
转型 In-House 模式成为创造者
雒芊芊表示，成立以来，天桥脑科学研究院主要通过捐赠和联合共建赋能顶尖科研团队，包括与加州理工学院合作成立神经科学研究院，在中国与上海华山医院和上海市精神卫生中心建立前沿实验室等。
尖峰智能实验室的成立，标志着研究院在原有“外延式”捐赠支持的基础上，进一步增强“内部自主”的专项研发。尖峰智能实验室是研究院首个采用“In-House模式”的研究机构，直接招募顶尖人才、自主决定研发方向，将角色从合作赋能者升级为创造主体，加速“发现式智能”从理念到基础理论突破再到技术成果的转化。
作为全球最大的私人脑科学研究机构之一，成立9年的天桥脑科学研究院坚持以超前布局、创新思路和耐心投入支持中国脑科学研究，取得了累累硕果。尖峰智能实验室的设立，是研究院面向全新时代，聚焦AI+脑科学的一个关键布局。
据了解，研究院与上海华山医院合作，设立了应用神经技术前沿实验室，重点攻关脑机接口、睡眠、和认知衰退等前沿课题。由该院孵化的脑虎科技，现已成为中国脑机产业的领军企业，也是全球唯一具备运动和汉语言双解码能力的侵入式脑机接口公司。此外，研究院还携手上海市精神卫生中心建立了人工智能与精神健康前沿实验室，利用AI技术进行精神健康的筛查与诊疗，相关重大研究成果已在全球顶尖学术期刊和人工智能大会上发表。

“AI下一代”通常指借鉴人脑机制的类脑大模型（区别于主流Transformer架构），其核心目标是解决低功耗、长序列与通用性三大难题。目前，国内已研发出首款类脑脉冲大模型“瞬悉1.0”，包含7B纯线性模型与76B混合模型两个版本，创新性融入MOE架构与脉冲编码技术，实现与主流开源生态兼容互通。

其核心突破体现在三方面：一是采用线性或线性-注意力混合架构，将推理复杂度从序列长度依赖的线性增长优化为常数级别，破解超长序列处理难题；二是通过脉冲神经网络与事件驱动计算，使典型任务功耗降至毫瓦量级，较主流AI芯片降低1-2个数量级；三是仅用不到2%的主流模型训练数据（160B数据量），便达到同等规模模型的性能水平，大幅降低训练成本。

该模型的训练和推理全过程均在国产算力平台上完成，并与国产GPU企业合作打通了“国产类脑基础模型-国产GPU算力平台-类脑芯片”的全栈式研究链条，标志着“AI下一代”已在国产算力上实现跑通。

天桥脑科学研究院尖峰智能实验室的成立，是我国在AI+脑科学领域的关键布局，其核心突破在于以人脑神经机制为蓝本打造类脑大模型，不仅实现了技术层面的多重创新，更标志着研究院从“合作赋能者”向“创新创造者”的转型，为类脑智能的产业化落地奠定了核心基础。

一、尖峰智能实验室的“尖”：核心研发方向与技术特色
实验室的核心竞争力在于借鉴人脑的神经动力学特性重构AI架构，跳出传统大模型依赖参数堆叠的路径，打造“全脑架构”的类脑大模型：
1. 技术路径创新：将脉冲通信、时空动态编码等计算特性与树突神经元的精细结构深度耦合，让AI具备类似人脑的感知、记忆与思考能力，实现“脑科学驱动AI，AI反哺脑科学”的双向赋能。
2. 理念落地载体：作为陈天桥“发现式智能”理念的核心落地平台，聚焦神经动力学这一关键能力，旨在突破当前AI在低功耗、长序列处理、通用性上的三大核心瓶颈。
3. 模式转型突破：是研究院首个采用“In-House模式”的研究机构，自主招募顶尖人才、决定研发方向，从过去的“外延式”捐赠支持转向“内部自主”专项研发，加速技术成果转化。

二、核心成果“瞬悉1.0”：类脑脉冲大模型的三大技术突破
李国齐团队研发的“瞬悉1.0”是我国类脑计算与大模型融合的重要成果，包含7B纯线性模型与76B混合模型两个版本，创新性融入MOE架构与脉冲编码技术，核心突破体现在三个维度：
1. 破解超长序列处理难题
    采用线性或线性-注意力混合架构，将推理复杂度从“随序列长度线性增长”优化为“常数级别”，解决了传统Transformer架构处理长文本、多模态数据时的效率瓶颈。
2. 实现极致低功耗
    通过脉冲神经网络与事件驱动计算，将典型任务功耗降至毫瓦量级，较主流AI芯片降低1-2个数量级。对比来看，训练GPT-3需耗费30万瓦，而人脑以20瓦支撑100亿亿参数运作，“瞬悉1.0”正是借鉴这一机制，为解决智能算力功耗危机提供了方案。
3. 大幅降低训练成本
    仅用不到2%的主流模型训练数据（160B数据量），便达到同等规模模型的性能水平（7B版本实现阿里千问7B 90%的性能），且训练和推理全过程均在国产算力上完成，摆脱了对国外算力的依赖。

三、全链条布局：国产算力适配与产业化应用
1. 打通国产技术链条：与国产GPU企业沐曦科技合作，构建了“国产类脑基础模型-国产GPU算力平台-类脑芯片”的全栈式研究链条，为类脑智能的自主可控奠定了基础。
2. 开源开放生态：已开源“瞬悉1.0”的7B模型，公开76B版本测试报告及中英文技术报告，为行业提供了低成本、高性能的类脑大模型底座，也为后续千亿级类脑大模型研发积累了经验。
3. 产业化应用方向：未来将深化与国产算力集群的适配优化，推动低功耗类脑智能在脑机接口、智能终端、精神健康诊疗等场景落地，例如与上海华山医院合作攻关的脑机接口、认知衰退课题，以及与上海市精神卫生中心合作的AI精神健康筛查项目，都将成为技术落地的重要场景。

四、研究院的脑科学布局：从基础研究到产业落地
尖峰智能实验室的设立，是天桥脑科学研究院9年深耕脑科学领域的重要延伸，其布局已形成“基础研究-技术攻关-产业孵化”的完整生态：
1. 医工交叉研究：与上海华山医院共建应用神经技术前沿实验室，攻关脑机接口、睡眠障碍等课题；孵化的脑虎科技成为全球唯一具备运动和汉语言双解码能力的侵入式脑机接口企业。
2. AI+精神健康：与上海市精神卫生中心共建人工智能与精神健康前沿实验室，利用AI技术开展精神健康筛查与诊疗，成果已发表于国际顶尖期刊和AI大会。
3. 国际合作赋能：与加州理工学院合作成立神经科学研究院，整合全球脑科学资源，为类脑智能的基础研究提供支撑。

总结
尖峰智能实验室的成立与“瞬悉1.0”的研发，标志着我国在类脑AI领域进入国际领先行列。其核心价值不仅在于技术层面突破了传统大模型的瓶颈，更在于探索出“人脑机制复刻-国产技术适配-场景化应用落地”的完整路径，为AI从“计算智能”向“认知智能”升级提供了全新可能。