中国借力MetaX GPU推进类脑AI，突破大模型路径

图片来源：法新社（AFP）

数十年来，人工智能（AI）一直追求规模：更多参数、更多数据、更多GPU。这种路径带来了快速突破，但也暴露了在功耗、成本和可及性方面的硬性限制。在中国，一条不同的道路正在形成——跳出硅基缩放定律，转向人类大脑本身寻找灵感。

近期在上海举办的一场论坛上，中国科研人员展示了他们眼中的“下一代AI”进展：完全基于国产计算平台训练的类脑大模型，以及已进入临床试验阶段的脑机接口（BCI）系统。据钛媒体、中证网及东方财富报道，这些突破共同彰显了一个更宏大的愿景：围绕能效、时序智能以及与人类认知的深度融合，重新定义AI的发展方向。

为何大脑比更大的GPU更重要

类脑AI的核心逻辑简洁而深刻：

训练拥有1750亿参数的GPT-3，据称需要约1000块GPU和300千瓦左右的功耗；而人类大脑仅需约20瓦功率（低于一盏家用灯泡），就能驱动数百亿神经元和数量庞大的突触连接。

这一能效差距已不容忽视。随着AI模型持续扩大规模，激增的能源需求、硬件限制以及先进GPU相关的地缘政治摩擦，正使计算资源成为战略性瓶颈。长期被视为实验性技术的类脑计算，如今被重新视为潜在的破局之路。

在此背景下，陈天桥雒芊芊研究院成立了脉冲智能实验室（SIL），由中国科学院自动化研究所的李国齐领衔。

瞬悉1.0：国产计算平台上的类脑大模型

此次发布的核心是瞬悉1.0，被称为中国首个大规模脉冲型类脑模型。

与主流基于Transformer的模型不同，瞬悉1.0借鉴了神经科学原理，采用脉冲通信、事件驱动计算以及基于时间编码信息的神经动力学机制，而非静态令牌。其目标不仅是降低功耗，还包括提升长序列处理能力和泛化性能。

科研人员表示，这款开源的70亿参数版本瞬悉1.0，在仅使用常规预训练数据量不到2%的情况下，性能达到了阿里巴巴通义千问-7B的约90%。更值得关注的是，其训练和推理过程完全在国产GPU平台上完成，未依赖任何海外加速器。

这一突破的意义远超性能基准测试：它表明，即便在出口管制收紧的背景下，中国的先进AI研究仍能持续推进，而架构创新而非单纯依赖尖端硬件，同样可以驱动技术进步。

打通技术栈：从模型到芯片

将类脑AI转化为实用技术，仅靠软件远远不够。脉冲神经网络的运行机制与传统深度学习负载存在本质差异，需要全新的硬件和系统级设计。

瞬悉1.0是与国产GPU企业MetaX深度合作研发的，旨在使模型设计与本土计算能力相匹配。科研人员将其称为“全栈式研发”——将类脑基础模型、国产GPU平台与未来的神经形态芯片整合为一条完整技术链路。

其长期目标是实现“协同设计”：让模型能够自然适配低功耗、事件驱动的硬件，有望将特定任务的推理功耗降至毫瓦级别。若能实现，这将与当前高能耗的AI基础设施形成鲜明对比。

脑机接口走出实验室

如果说类脑模型重新定义了机器的计算方式，那么脑机接口则在探索AI与人类神经系统的直接交互。

上海已成为中国最活跃的脑机接口试验基地之一。近期，由陈天桥雒芊芊研究院孵化的脑虎科技在华山医院完成了一项临床试验里程碑——部署全植入式无线脑机接口系统。

这套“全植入、全无线、全功能”的系统，让一位肩部以下完全瘫痪的患者仅通过神经信号，就能控制光标、浏览网页和播放视频，记录的解码速率达到5.2比特/秒，接近国际领先水平。

其关键设计创新在于，借鉴成熟的深部脑刺激（DBS）技术路径，将电池模块植入胸部皮肤下而非颅骨内。这一设计降低了脑部附近的热风险，提升了长期可维护性，凸显了临床实际需求对工程设计的主导作用。

AI与神经科学的双向赋能

中国近期的进展中，最引人瞩目的并非单一技术突破，而是AI与神经科学之间形成的反馈闭环：

先进AI模型正在优化嘈杂脑信号的解码效率，加速脑机接口的研发；与此同时，对神经能效和时序处理机制的深入理解，正推动AI科研人员摆脱“暴力缩放”的路径，转向受生物启发的架构设计。

参与相关项目的临床医生指出，创新动力正在发生转变：不再是科研成果从实验室单向流向医院，而是实际临床需求正在塑造模型设计、算法研发和硬件要求，工程师、神经科学家与医生的协作日益紧密。

对西方AI及脑机接口企业的影响

在全球范围内，Neuralink、Synchron、Blackrock Neurotech等企业仍是侵入式脑机接口领域的领导者，欧美实验室则在大模型研究中占据主导地位。但中国的发展路径展现了不同的竞争维度：

中国科研人员并未执着于在最先进GPU上追逐更大规模的模型，而是押注于能效优化、架构革新和系统级整合——这些领域正是后发者有望实现弯道超车的关键。

这给西方竞争对手带来了棘手的问题：如果类脑模型的成熟速度超出预期，大规模GPU集群的优势可能会被削弱；而如果脑机接口系统与低功耗类脑AI深度融合，人类与机器智能的边界可能会发生当前AI技术栈难以应对的转变。

下一代AI的平行赛道

类脑AI和脑机接口距离大规模应用仍有距离，面临着可扩展性、可靠性和伦理监管等多重挑战。但中国近期的进展表明，这些技术已不再局限于理论或孤立演示。

它们正在形成一条与传统AI并行的赛道——以能效优先于规模、整合优先于抽象、生物启发优先于暴力计算。这条路径最终会与当前主导的AI范式融合，还是对其形成颠覆，目前仍无定论。

但可以明确的是，“下一代AI”的竞争已不再由谁拥有最大的模型或最多的GPU定义，而是越来越取决于谁能真正理解智能本身。