与沐曦打通GPU算力平台 AI让脑机接口更近了

《科创板日报》12月15日讯（记者 张洋洋）“人脑以仅约20瓦的功耗支撑起千亿级神经元的复杂运作，这为AI提供了极致的能效范例。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。“

在“从脑机接口到脑机共生”主题论坛期间，在接受《科创板日报》等媒体采访时，对于AI与脑机接口融合的下一步发展方向，中国科学院自动化所研究员李国齐如是阐述。

在这场会议上，天桥脑科学研究院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，由李国齐团队研发的国内首款类脑脉冲大模型“瞬悉1.0”也同步亮相。该模型在国产GPU算力平台上完成训练与推理，并与国产GPU企业沐曦科技协同，打通了从类脑基础模型、国产算力平台到类脑芯片的全栈式研究链条。

▍打通国产GPU算力平台

“瞬悉1.0”被视为我国类脑计算与大模型融合的一次关键突破。该模型由李国齐团队研发，是国内首个类脑脉冲大模型。与当前主流基于Transformer架构的大模型不同，类脑模型借鉴人脑以脉冲形式进行信息传递和处理的机制，试图从根本上破解高能耗、长序列建模和泛化能力受限等问题。

李国齐向《科创板日报》等媒体介绍，发现式智能的一个关键能力是神经动力学。人脑以仅约20瓦的功耗支撑起千亿级神经元的复杂运作，这为AI提供了极致的能效范例。不同于当前依赖规模法则堆叠参数的主流AI模式，尖峰智能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。

从性能指标来看，瞬悉1.0的7B开源模型仅使用主流大模型约2%的预训练数据，在多项基准测试中实现了阿里千问7B模型约90%的性能表现。更关键的是，该模型的训练和推理全过程均运行在国产算力平台之上，未依赖海外GPU体系。

这一点，在当前全球算力格局下尤为重要。以GPT-3为例，其1750亿参数模型的训练需要约1000张GPU，能耗高达30万瓦；而人脑拥有数量级更高的神经连接，却仅消耗约20瓦能量。如何在算力受限与能耗约束下实现模型能力提升，已成为大模型演进的现实瓶颈。类脑计算被业内视为可能的“下一代AI”方向。

在这一过程中，瞬悉1.0选择与国产GPU企业沐曦科技展开深度协同。通过适配国产GPU算力平台，研究团队不仅完成了模型训练，还进一步打通了“国产类脑基础模型—国产GPU算力平台—类脑芯片”的全栈研究链条，为后续更大规模类脑模型和专用芯片的协同设计奠定基础。

据悉，瞬悉1.0已开源7B模型权重，并同步发布76B版本测试报告及中英文技术论文。研究团队认为，类脑模型在低功耗推理、复杂时序建模和跨任务泛化方面具备天然优势，未来有望在更多场景中率先形成应用突破。

▍上海脑机接口应用加速落地

如果说类脑大模型解决的是“算力与智能形态”的底层问题，那么脑机接口的临床落地，则直接检验技术对现实世界的改造能力。

在上海，脑机接口的应用个案正在陆续走出实验室。脑虎科技是其中具有代表性的企业之一，由其自主研发的国内首款、国际第二款内置电池的全植入、全无线、全功能（“三全”）脑机接口产品，近期在复旦大学附属华山医院完成首例临床试验。

在华山医院，一名肩部以下完全不能动、已高位截瘫8年的患者成功植入该产品，术后训练中，患者通过“意念”即可完成光标控制、网页浏览、精准点击及视频播放等操作，实现了与外界的高效信息交互。

脑虎科技全植入脑机接口临床受试者实现“意念操控”，流畅完成网页浏览、精准点击与视频播放

“全植入、全无线、全功能”被视为脑机接口走向长期临床应用的关键。在接受《科创板日报》等媒体采访时，脑虎科技创始人兼首席科学家陶虎表示，全植入意味着所有电极、芯片及电池均置于体内，避免体外接口带来的感染风险；全无线则通过无线供能和通信，使患者在日常生活中不再被设备“拴住”；全功能则覆盖脑电采集、处理、通信与能量管理的完整闭环。

值得注意的是，该系统将电池模块植入胸前皮下，而非头部区域。这一设计沿用了成熟的脑深部电刺激（DBS）临床路径，将发热和功耗单元远离大脑，提高了系统安全性，也便于后续维护和升级。

从临床数据看，患者脑控解码速率已达到5.2 BPS，与国际顶尖水平接近。更重要的是，系统在安全性和功能扩展性上具备明显优势，为后续语言解码、复杂交互乃至与大模型、机器人系统的联动提供了空间。

随着人工智能、神经科学与临床医学的加速交汇，脑机接口产业正进入技术路线并行探索、应用场景加速验证的阶段，行业内百舸争流、千帆竞渡。在这一进程中，上海正加速推动脑机接口从实验室走向真实临床场景，应用落地节奏明显提速。

在接受《科创板日报》记者采访时，毛颖指出，脑机接口的发展正在推动“医—研—产”关系发生变化。过去，医学创新多遵循从实验室到临床的单向路径，而如今，临床问题正在反向牵引科研和产业，“医生穿着白大褂就能和工程师、算法科学家面对面交流，把真实的临床需求直接转化为技术改进，这是提升转化效率的关键。”

在毛颖看来，人工智能与脑机接口并非简单的工具关系，而是一种双向塑造：一方面，AI提升了脑电信号解读、预测与泛化能力；另一方面，对大脑机制的理解，也在倒逼AI架构向低能耗、更高效的方向演进。