问题——当前通用智能研究面临能效与可解释性瓶颈 近年来，大模型推动智能能力快速跃升，但以“规模法则”为主导的技术路线对算力与能耗高度依赖，训练与推理成本持续攀升；同时，复杂模型记忆、因果推理、持续学习等仍存在短板，可解释性与可靠性问题亦受到关注。如何在更低能耗下实现更接近人类的学习与推理机制，成为智能技术迈向下一阶段的关键挑战。 原因——脑科学启发的神经动力学提供新的突破口 人脑以约20瓦功耗维持千亿级神经元协同工作，显示出高能效、强鲁棒、可持续学习等特征。尖峰智能实验室提出以神经动力学为关键能力之一，强调借鉴大脑的脉冲通信、时空动态编码等计算特性，并与树突神经元的精细结构建模相结合，探索构建具备强感知、深记忆与可推理能力的“全脑架构”。该路线旨在从机制层面寻找“更像大脑”的计算范式，以提升能效并增强对复杂环境的适应能力。 影响——从“理念牵引”走向“专项研发”，加速基础研究向技术成果转化 据介绍，尖峰智能实验室为非营利研究机构，将直接面向全球招募科研人才，自主确定研究方向，推动“发现式智能”从概念倡议、理论探索到工程验证的贯通。实验室由李国齐教授领衔，其团队此前研发出类脑脉冲大模型“瞬悉1.0”，体现我国在类脑计算与大模型融合方向的探索进展。业内人士认为，类脑大模型与脉冲神经网络若在算法、芯片与系统层实现协同，有望在边缘智能、低功耗实时推理、复杂场景感知等上形成可落地的技术路径，并对智能产业的算力结构与应用形态产生长远影响。 对策——以“AI+脑科学”协同创新为抓手，构建从科研到应用的系统化布局 天桥脑科学研究院方面表示，研究院成立9年来通过捐赠、联合共建等方式支持顶尖团队开展前沿研究，并在此基础上继续强化内部自主研发能力。围绕“AI 脑科学”方向，研究院与复旦大学附属华山医院合作设立应用神经技术前沿实验室，聚焦脑机接口、睡眠与认知衰退等课题；由研究院孵化的脑虎科技在脑机接口领域形成特色能力，探索运动与汉语言解码等关键方向；同时，研究院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，推进精神健康筛查、诊疗与随访等应用研究，并将科研成果推向国际学术交流平台。 多方协同的布局体现出一条可复制的路径：以基础理论研究为牵引，以关键技术攻关为支撑，以临床与场景验证为闭环，在开放合作与自主研发之间形成互补，降低原创成果从实验室走向应用的“转化鸿沟”。 前景——面向高能效智能与脑机共生方向，竞争将转向“机制创新+工程实现” 面向未来，类脑计算的竞争焦点预计将从单纯扩大模型规模，逐步转向对学习机制、动态记忆、因果推理与自适应能力的系统性创新，并与新型计算硬件、神经形态芯片、脑机接口技术等交叉融合。随着人口老龄化加速与神经精神疾病负担上升，脑科学研究与医疗健康需求的结合也将更加紧密。业内预计，若能在脉冲神经网络训练稳定性、通用任务迁移能力、软硬件协同等关键环节取得突破，类脑大模型有望在医疗辅助、康复与人机交互、低功耗终端智能等方向形成示范效应，并进一步带动基础研究、产业生态与标准体系建设。
从脑机接口到类脑智能，人类正在探索生物与机器融合的无限可能。尖峰智能实验室的成立不仅是科研布局的重要一步，更是我国在智能科技前沿领域的关键落子。当科学界开始向二十瓦的生物智慧寻求答案，这场关于未来竞争力的探索或将重塑全球创新格局。