出品｜搜狐科技
编辑｜杨 锦
9月23日，“新天工开物——科技成就发布会”脑认知科学专场在京举行。本场发布会聚焦我国脑认知科学领域自主创新成就，浙江大学计算机学院求是特聘教授，脑机智能全国重点实验室主任潘纲在活动现场发布的神经元规模接近猴脑的新一代超大规模神经拟态类脑计算机“悟空”（Darwin Monkey）引起广泛关注。
人类大脑，一个由近千亿个神经元细胞通过百万亿计的连接构成的器官，能够通过每秒大量的电信号对话，让人们看见微笑，理解语言，甚至产生好奇心。能够创造出一台能像大脑一样思考的计算机，成为了科学家们对智能的终极幻想。
类脑计算，是一种模仿大脑结构和工作机理的新型计算方式。潘纲介绍道：“在系统结构上，它模仿大脑的神经元间的连接方式和拓扑结构。在工作机理上，它仿照大脑工作方式，将计算机的数值计算变成脉冲方式计算。以这个原理启发工作的芯片就被称为类脑计算芯片，采用类脑计算芯片我们可以构建规模更大的类脑计算机系统。”
“悟空”就是这样的超大规模基于专用神经拟态芯片的类脑计算机。支持超20亿规模的脉冲神经元，神经突触超过千亿，这个规模，已经非常接近猴子的大脑规模。除此之外，悟空用了960颗达尔文3代芯片，在典型运行状态下功耗仅为2000瓦。
而对于大家好奇的类脑计算机到底有什么用？潘纲也给出了自己的答案。
首先是类脑计算机可以从底层工作原理去重构智能模型。当前的大模型是大数据和大算力催生的规模驱动型智能。
潘纲表示，“类脑大模型试图通过模仿智能的本源，大脑的架构和工作原理，从底层重构智能模型，探索解决学习能力弱和思考太费电等问题。”
目前，团队已将一个基于脉冲工作方式的DeepSeek类脑大模型在“悟空”上成功部署，能够完成逻辑推理、内容生成和数学求解等高级智能任务。
其次，据潘纲表示，类脑计算机用仿脑的架构有望高效实现生物大脑系统模拟。用这样脑模拟的方式，为脑科学与脑疾病的科学研究，提供了全新的方案。
“现在我们很多脑科学相关研究，往往需要大量的果蝇、猕猴、小鼠、斑马鱼等动物作贡献。相信未来，类脑计算机在脑模拟方面的进展，能够为我们神经科学家提供全新的数字化的实验模式，较少对动物的使用，大大加快研究速度。”潘纲充满信心地说。
会后，针对这一技术，搜狐科技等媒体对话了浙江大学计算机学院求是特聘教授潘纲，听他分享了这一技术背后的故事。
以下为本次对话精编：
媒体：类脑芯片是怎么模拟生物突触的可塑性的？
潘纲：为了让芯片具备更强的算力，我们采用了相对成熟一些的芯片技术。最主要是现在我们使用的存储单元，将其与神经元进行一体化设计，神经元之间的连接信息就存储在神经元边上。每个神经元都有自己的很小的存储单元，去实现我们突触的功能。
为了让神经元和突触的功能更加灵活，我们还加引入了指令集。通过指令灵活编程就可以支持不同的神经元和突触类型。我们也在探索用新型器件来实现突触单元，比如说现在的忆阻器技术。这种技术也可以用来模拟突触，并且优势在于，仅用极少的电路就能非常精确地模拟单个突触。
媒体：相比于传统的GPU计算，在处理复杂模式识别任务方面，它有什么样的优势？
潘纲：与传统计算相比，这种新模式的优势之一就是功耗。我们可以让传统计算方式和我们的芯片运行类似的任务，然后直接对比能耗。从目前国内外的一些研究结果来看，这种新型计算模式在功耗上还是具有较为明显的优势的。
媒体：这种模拟大脑的研究路径，对于我们去理解人类的认知和神经疾病机制，能提供哪些传统方法带来不了的一些新的见解？
潘纲：我觉得一个比较重要的方面是可能会改变我们原来做研究的模式。过去，我们做跟大脑原理、脑疾病机制等相关的研究，一般是先提出一些假设，然后通过开展动物实验或临床实验去验证。如果我们调整了假设，就再进行实验。实验周期通常都比较长，几个月甚至超过一年，都是很正常的。
如果我们可以先通过类脑计算机模拟，初步验证一些假设的可能性，然后再进入动物实验，甚至临床阶段，那么我们的整个科学研究进程会大大加速。
媒体：在您研究的过程中，有没有一些觉得惊喜或者意外的瞬间，让您觉得类脑的计算机是一条比较正确的道路？
潘纲：当初决定做这件事，也并非突发奇想，在做之前进行了深入的思考和调研，以及评估路径的可行性。但是不管哪个路径，在过程当中肯定是充满不确定性和未知，如果是已知的那就不用我们去探索了。
很早以前，人工智能之父图灵就想过用模拟大脑的方式去构建计算机。当时因为各种条件所限，这个想法并没做起来。后来，人们选择了一条折中的路径——用软件的方式模拟大脑，例如，我们现在熟知的人工神经网络。但是，目前主流的神经网络，本质上仍然是对大脑神经系统的一种高度抽象和简化。所以一个自然而然的想法就是：我们有没有可能更进一步，更深入地模拟大脑，从而将大脑的优势更大地发挥出来，让智能系统的能力更强？
我们大脑擅长的并不是强大的数值计算能力。在单纯的算术上，人脑很早就比不过计算器了。而传统的CPU设计目标就是以运算为核心，其最基本的指令集就是加、减、乘、除等。我们现在的人工智能算法，主要还是运行在这样一套为数值计算设计的体系之上的系统。
因此，我们想尝试一条不一样的思路，尽管这条路确实充满不确定性。但如果没有人去探索，这个领域就永远不会有发展。这些探索的经验，能为后来的研究者提供方向，让他们知道前人走到了哪里。我觉得这就是科学的探索精神。
运营编辑 | 曹倩 审核｜孟莎莎
