一條在人工智能領域探索已久卻非主流的道路，正受到越來越多的關注。12月13日，天橋腦科學研究院（TCCI）主辦的“從腦機接口到腦機共生”主題論壇上，研究院創始人雒芊芊宣布正式成立尖峰智能實驗室（Spiking Intelligence Lab, SIL）。該實驗室將致力于研發脈沖神經網絡（SNN）與類腦大模型，由中國科學院自動化研究所教授李國齊領銜，旨在探索一條超越當前主流AI范式的新路徑。

天橋腦科學研究院（TCCI）尖峰智能實驗室成立儀式。圖片由主辦方提供

脈沖神經網絡

自ChatGPT問世以來，全球掀起了大模型競賽，其核心是基于Transformer架構和“規模法則”（Scaling Law）——通過不斷堆疊參數、增加數據和算力來提升智能水平。這需要花費大量的算力和電力資源。

與此形成鮮明對比的是人類大腦。這個由近千億神經元和千萬億突觸構成的生物智能體，功耗僅約20瓦——相當于一盞節能燈泡，卻能支撐我們進行學習、創造和復雜思考。

“當前AI模型的智能是通過‘外生復雜性’，即外部資源的無限堆砌實現的，”尖峰智能實驗室主任李國齊教授解釋道，“我們希望探索另一條路，即‘內生復雜性’，從AI最基本的計算單元——神經元模型本身出發，借鑒大腦的工作原理。”

尖峰智能實驗室的核心研究方向之一是脈沖神經網絡（Spiking Neural Network, SNN）。這是一種更接近生物學真實的神經網絡模型。

傳統的AI模型（如Transformer）中的神經元是簡化的“數學函數”，它們處理的是連續的數值信號，計算方式是時刻不停的。而人腦中的神經元則通過離散的、短促的電信號——即“脈沖”（Spike）——來通信。神經元并不會時刻保持活躍，而是在接收到足夠多的信號刺激、達到一個閾值后，才發放一次脈沖，這種“事件驅動”的模式極其節能。

大腦的信息編碼不僅在于脈沖的有無，還在于脈沖發放的精確時間、頻率和模式，這被稱為“時空動態編碼”。尖峰智能實驗室的目標，就是將這種蘊含豐富神經動力學的脈沖通信機制，與AI大模型深度融合，構建一個更高效、更智能的“全腦架構”。

類腦大模型的潛力

在論壇上，中國科學院院士張旭提到，“類腦智能”并非簡單模仿大腦，而是以大腦為“第一性原理”，借鑒其核心工作機制，通過工程化手段構建一種能夠自我學習、自我演化、高效節能的新型計算范式。

在類腦智能研發領域，許多研究工作集中于基礎理論、算法創新及硬件原型機的開發，而非直接面向市場推出“產品”形態的大模型。目前已面世的類腦大模型產品更多體現為神經形態計算平臺或特定功能的神經形態硬件芯片，這些平臺和芯片支持SNNs（脈沖神經網絡）的運行，為開發類腦應用提供基礎，如曼徹斯特大學開發的計算平臺SpiNNaker與IBM的神經形態處理器TrueNorth。張旭介紹，目前國內已有團隊在神經計算芯片與算法研發中取得進展。

李國齊告訴澎湃科技，作為類腦智能領域中較新的方向，類腦大模型主要是借鑒大腦信息處理機制構建不同于Transformer的大模型新架構。目前國內主要有自動化所、北大、浙大、清華、上海交大、香港理工做類腦大模型的研發，海外主要有美國耶魯大學以及歐洲科研機構的一些團隊。一些AI巨頭公司也正在采取類腦的思想，試圖將記憶等能力融入大模型中。

今年9月，李國齊團隊成功研發出國內首款類腦脈沖大模型——“瞬悉1.0”（SpikingBrain-1.0），證明了該技術路線的可行性與巨大優勢。該模型在理論上建立了脈沖神經元與現有大模型中線性注意力機制的聯系，并構建了與之兼容的高效訓練和推理框架。

在處理超長序列任務上，“瞬悉1.0”展現了極高效率。據報道，在處理100萬長度的序列時，其生成第一個結果的速度（TTFT）比主流大模型提升了26.5倍。將模型壓縮部署到手機端后，在處理超長文本時，其解碼速度相較同等規模的Llama 3.2模型，提升了4到15倍。

張旭也指出，類腦計算芯片和相關技術的研究真正取得突破性進展只是在最近五六年的事情。與發展了幾十年的傳統CPU/GPU架構相比，它還非常“年輕”，處于技術發展的早期階段，需要更多的時間來成熟和驗證。雖然類腦處理器（BPU）在某些專業應用（如腦仿真）上表現出色，但目前通用性還不足，相關生態尚待建立。類腦大模型的研發是相關應用走向通用的重要嘗試。

民間資本支持基礎研究的戰略演進

尖峰智能實驗室的成立標志著天橋腦科學研究院自身的戰略演進。成立9年來，TCCI作為支持基礎研究的民間先行者，主要通過捐贈和共建模式，支持了加州理工學院、上海華山醫院、上海市精神衛生中心等全球頂尖科研團隊，并成功孵化了多家企業。

“過去，我們是‘外延式’的賦能者，”TCCI創始人雒芊芊在會議中表示，“尖峰智能實驗室是研究院首個采用In-House（內部自主）模式的研究機構。我們直接招募頂尖人才，自主決定研發方向，將角色從合作者升級為創造主體。”

這一轉變，旨在加速TCCI創始人陳天橋提出的“發現式智能（Discoverative Intelligence）”理念從概念到成果的轉化。TCCI將為實驗室提供長期、穩定的支持，讓科研人員能心無旁騖地挑戰基礎科學難題。

李國齊在采訪中提到，他與TCCI創始人陳天橋的理念一拍即合。實驗室的目標是實現“從腦科學驅動AI，到AI反哺腦科學”的雙向賦能。一方面，用腦科學的洞見構建更強大的AI；另一方面，用這種新型AI作為強大的工具，去解碼大腦的奧秘，例如分析復雜的腦電信號，攻克神經系統疾病。

李國齊說，尖峰智能實驗室不僅將致力于理論和模型的突破，還將探索其在AI for Science、生物醫藥、邊緣計算等領域的應用落地。