以語言大模型為代表的人工智能（AI）正在以海量電力與數(shù)據(jù)的消耗為代價(jià)變得越來越聰明，但在很多精細(xì)場景仍然無法應(yīng)用。與之相比，人類的大腦是一個(gè)不可思議的能效奇跡，只需要區(qū)區(qū)20瓦的功耗，通過少量學(xué)習(xí)就能完成極其復(fù)雜的感知、推理與決策。

當(dāng)算力成本變得越來越高，堆疊算力的收益越來越小，科學(xué)家與創(chuàng)業(yè)者們再次將目光投向大腦，試圖進(jìn)一步用生物腦的運(yùn)行邏輯改造硬件與算法，這便是“類腦智能”。

5月24日，由浦江創(chuàng)新論壇主辦的“2026類腦智能產(chǎn)業(yè)創(chuàng)新發(fā)展大會(huì)”在上海楊浦長陽創(chuàng)谷舉行，來自科研院所、科技企業(yè)與投資機(jī)構(gòu)的代表齊聚一堂，共同探討類腦智能的技術(shù)路徑、商業(yè)機(jī)遇以及生態(tài)建設(shè)。大會(huì)現(xiàn)場展示了上海類腦智能未來產(chǎn)業(yè)集聚區(qū)建設(shè)成果。

像大腦一樣計(jì)算

大語言模型所采用的神經(jīng)網(wǎng)絡(luò)算法某種程度上也受到大腦的啟發(fā)，但如今提出的“類腦智能”概念則希望將對大腦的學(xué)習(xí)推到更深的底層。

會(huì)上，《類腦智能產(chǎn)業(yè)圖譜研究報(bào)告》發(fā)布，中國信息通信研究院華東分院院長、類腦智能產(chǎn)業(yè)創(chuàng)新發(fā)展聯(lián)盟聯(lián)席秘書長鄭忠斌在解讀該圖譜時(shí)指出，今天大多數(shù)計(jì)算機(jī)使用計(jì)算與存儲(chǔ)分離的馮·諾依曼架構(gòu)，海量數(shù)據(jù)需要在內(nèi)存與處理器之間頻繁搬運(yùn)，雖然運(yùn)算密度高，通用性強(qiáng)，但也導(dǎo)致了極高的能耗和延遲。

建筑在這一硬件結(jié)構(gòu)上的大語言模型，雖然模擬了神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，但所采用的全局計(jì)算、反向傳播等算法，與大腦的計(jì)算模式大相徑庭。不少人認(rèn)為，在硬件上和軟件上進(jìn)一步采取大腦計(jì)算的原則，或許可以讓AI獲得像生物腦一樣低功耗、高泛用的能力。

雖然科學(xué)家們?nèi)晕赐耆议_大腦的秘密，但已經(jīng)發(fā)現(xiàn)其運(yùn)行的一些特點(diǎn)，能夠被類腦智能研發(fā)者所借鑒。腦智算芯（上海）科技有限公司聯(lián)合創(chuàng)始人鄒卓解釋說，現(xiàn)有的GPU芯片采用的是“稠密”計(jì)算模式，整個(gè)芯片有一個(gè)統(tǒng)一的“時(shí)鐘”，鐘一“響”，整個(gè)計(jì)算陣列就必須同步運(yùn)轉(zhuǎn)。而人腦則是按需計(jì)算，局部神經(jīng)網(wǎng)絡(luò)各自為政，只有當(dāng)接收到新的信息或刺激（事件）時(shí)，相關(guān)的神經(jīng)元才會(huì)被激活發(fā)放脈沖信號(hào)，這種“稀疏”的計(jì)算模式能夠節(jié)省功耗。

為了達(dá)到這種事件驅(qū)動(dòng)、稀疏計(jì)算的效果，研發(fā)者們對傳統(tǒng)芯片架構(gòu)進(jìn)行改進(jìn)。比如將內(nèi)存拆分并直接放進(jìn)計(jì)算單元，或者運(yùn)用憶阻器等新材料，讓這些單元擁有記憶，并像神經(jīng)元一樣能夠并行計(jì)算。在理想狀態(tài)中，在這樣的芯片上運(yùn)行的大模型也要做出調(diào)整，如將神經(jīng)網(wǎng)絡(luò)模型中神經(jīng)元之間的連接方式改為更像生物的脈沖形式，即脈沖神經(jīng)網(wǎng)絡(luò)（SNN）。

鄭忠斌介紹，這樣的芯片和算法已經(jīng)可以在傳感器等端側(cè)計(jì)算領(lǐng)域發(fā)揮很大作用。如在視覺感知領(lǐng)域，傳統(tǒng)攝像頭會(huì)按照固定的幀率不斷拍攝完整的圖像，產(chǎn)生不必要的數(shù)據(jù)。而“類腦視覺”可以只在像素的亮度發(fā)生變化時(shí)才輸出信號(hào)。這使得它在極低功耗下，擁有極快的響應(yīng)速度和極高的數(shù)據(jù)處理效率。

學(xué)習(xí)大腦的哪一方面以及學(xué)習(xí)的徹底程度，造就了類腦智能領(lǐng)域中不同的技術(shù)路徑。知躍空間智能科技有限公司聯(lián)合創(chuàng)始人張展在大會(huì)上描繪了一種“模擬大腦”的愿景。他們試圖通過精細(xì)復(fù)刻線蟲和果蠅的真實(shí)生物神經(jīng)元回路，讓智能體不再依賴龐大的預(yù)訓(xùn)練數(shù)據(jù)，而是依靠生物進(jìn)化出的連接結(jié)構(gòu)，自然“涌現(xiàn)”出適應(yīng)物理世界的通用智能。

“沿途下蛋”

雖然類腦智能展現(xiàn)了巨大的未來技術(shù)想象力，從原理上來說不僅能解決目前人工智能的算力和效率痛點(diǎn)，也有望成為催生通用人工智能（AGI）的其中一條路徑。但是就目前而言，它正處于技術(shù)發(fā)展的早期階段。已經(jīng)出現(xiàn)的類腦芯片和算法雖然在能效比上有所提升，但缺乏成熟的開發(fā)生態(tài)，在計(jì)算精度、規(guī)模化等方面也無法比擬傳統(tǒng)方案。這向產(chǎn)業(yè)發(fā)展提出了挑戰(zhàn)。

“類腦不是簡單的仿腦，更重要的是一種新型計(jì)算范式。我們不能把類腦和傳統(tǒng)人工智能變成非此即彼的兩條路徑，而是需要融合發(fā)展。”鄒卓在演講中坦言，把前沿技術(shù)推向市場，必須找到足夠明確、剛性的時(shí)代需求。他的策略是“沿途下蛋”：利用類腦計(jì)算稀疏激活的特性，去解決當(dāng)下大模型運(yùn)算中單次Token生成成本過高、功耗過大的痛點(diǎn)，并設(shè)法兼容現(xiàn)有的主流大模型生態(tài)。

從目前的產(chǎn)業(yè)格局來看，類腦智能的應(yīng)用落地呈現(xiàn)出明顯的差異化特征，率先在那些受限于功耗、要求極高實(shí)時(shí)響應(yīng)的邊緣側(cè)與端側(cè)場景中尋找機(jī)會(huì)，如傳感器和無人機(jī)。

類腦智能的愿景和應(yīng)用形成了一種對比：它究竟是能夠獨(dú)立顛覆底層的全新系統(tǒng)，還是只能作為現(xiàn)有大模型算力的一種“外掛”或插件？北京郵電大學(xué)黨委常委、副校長王源在大會(huì)圓桌論壇上拋出了這一疑問。

中國工程院外籍院士顧敏回應(yīng)稱，在短期內(nèi)，這兩種形態(tài)都會(huì)存在。例如在光學(xué)計(jì)算領(lǐng)域，完全可以利用光子類腦技術(shù)在攝像頭前端做成一個(gè)低功耗的物理“外掛”，改變現(xiàn)有的視覺智能處理方式。但從長遠(yuǎn)來看，當(dāng)人類真正理解并能用脈沖網(wǎng)絡(luò)復(fù)刻智能本質(zhì)時(shí)，它就可能從根本上解決整個(gè)系統(tǒng)的能耗危機(jī)。

應(yīng)用場景的拓展正在加速這一進(jìn)程。中電海康集團(tuán)副總經(jīng)理章威認(rèn)為，不僅是端側(cè)，大模型時(shí)代云端推理對低延遲和低成本的需求，同樣為類腦智能創(chuàng)造了巨大的潛在空間。在低空經(jīng)濟(jì)領(lǐng)域，最終序列CEO殷曉晗提到，類腦技術(shù)的低功耗與強(qiáng)泛化能力，正好切中了無人機(jī)在邊緣算力有限的情況下實(shí)現(xiàn)自主飛行的行業(yè)痛點(diǎn)。

政府“合伙人”與耐心資本

有與會(huì)者表示，作為底層的硬科技創(chuàng)新，類腦智能研發(fā)周期長、試錯(cuò)成本極高。造出一枚芯片不僅需要昂貴的流片費(fèi)用，還需要與大廠爭奪動(dòng)輒百萬年薪的頂尖跨學(xué)科人才。在商業(yè)模式完全跑通之前，如何跨越科技成果轉(zhuǎn)化的“死亡之谷”，是對政府與資本的雙重考驗(yàn)。

上海在這一領(lǐng)域的布局顯得頗為敏銳。一年前，上海類腦智能未來產(chǎn)業(yè)集聚區(qū)在楊浦區(qū)揭牌，如今已落地34家企業(yè)，累計(jì)鏈接上百家類腦企業(yè)，覆蓋產(chǎn)業(yè)全鏈條。為了給技術(shù)找到場景，本次大會(huì)上，上海市科委、國資委推動(dòng)申通地鐵、華建集團(tuán)等多家市屬國企集中發(fā)布了智慧交通、智慧建筑等第一批類腦智能應(yīng)用場景，試圖用真實(shí)的行業(yè)訂單去牽引技術(shù)的迭代。

鄒卓告訴記者，在集聚區(qū)，市科委為類腦智能產(chǎn)業(yè)委派的項(xiàng)目經(jīng)理，不僅具備緊跟前沿技術(shù)的專業(yè)能力，還能從企業(yè)發(fā)展的視角提供產(chǎn)業(yè)上下游的資源對接，更像是企業(yè)的“合伙人”。

面對具有高度不確定性的未來產(chǎn)業(yè)，復(fù)旦科創(chuàng)基金董事長孫彭軍表示，耐心資本不是“傻瓜資本”，其耐心建立在對技術(shù)路線的深度專業(yè)研判之上。資本的核心不僅是提供資金，更是構(gòu)建一個(gè)耦合人才、技術(shù)、應(yīng)用場景的底層生態(tài)。在這個(gè)生態(tài)中，即使某些具體的技術(shù)路線最終被證明“此路不通”，其試錯(cuò)過程也為整個(gè)產(chǎn)業(yè)的演進(jìn)提供了寶貴的價(jià)值。

“類腦智能有著高度的不確定性，顛覆性創(chuàng)新的魅力正在于此?！鼻迦A大學(xué)類腦計(jì)算研究中心主任施路平說。與會(huì)者們均認(rèn)為，類腦智能行業(yè)正處于爆發(fā)的前夜。盡管前方的商業(yè)化之路依然迷霧重重，但在算力危機(jī)與智能迭代的雙重逼迫下，這個(gè)融合了生物學(xué)與計(jì)算機(jī)科學(xué)的新賽道，已經(jīng)成為重塑未來的重要候選者。