與沐曦打通GPU算力平臺 AI讓腦機接口更近了

《科創板日報》12月15日訊（記者 張洋洋）“人腦以僅約20瓦的功耗支撐起千億級神經元的復雜運作，這為AI提供了極致的能效范例。借鑒人腦機制將成為突破低功耗、長序列與通用性三大核心難題的關鍵。“

在“從腦機接口到腦機共生”主題論壇期間，在接受《科創板日報》等媒體采訪時，對于AI與腦機接口融合的下一步發展方向，中國科學院自動化所研究員李國齊如是闡述。

在這場會議上，天橋腦科學研究院研究院創始人雒芊芊宣布天橋腦科學研究院成立尖峰智能實驗室，由李國齊團隊研發的國內首款類腦脈沖大模型“瞬悉1.0”也同步亮相。該模型在國產GPU算力平臺上完成訓練與推理，并與國產GPU企業沐曦科技協同，打通了從類腦基礎模型、國產算力平臺到類腦芯片的全棧式研究鏈條。

▍打通國產GPU算力平臺

“瞬悉1.0”被視為我國類腦計算與大模型融合的一次關鍵突破。該模型由李國齊團隊研發，是國內首個類腦脈沖大模型。與當前主流基于Transformer架構的大模型不同，類腦模型借鑒人腦以脈沖形式進行信息傳遞和處理的機制，試圖從根本上破解高能耗、長序列建模和泛化能力受限等問題。

李國齊向《科創板日報》等媒體介紹，發現式智能的一個關鍵能力是神經動力學。人腦以僅約20瓦的功耗支撐起千億級神經元的復雜運作，這為AI提供了極致的能效范例。不同于當前依賴規模法則堆疊參數的主流AI模式，尖峰智能實驗室主張借鑒人腦這一自然界最精巧的智能載體，重點研發具有神經動力學特性的類腦大模型，將脈沖通信、時空動態編碼等計算特性與樹突神經元的精細結構深度耦合，構建一個既具備強大感知力，又擁有深刻記憶與思考能力的“全腦架構”，實現從腦科學驅動AI到AI反哺腦科學的雙向賦能。

從性能指標來看，瞬悉1.0的7B開源模型僅使用主流大模型約2%的預訓練數據，在多項基準測試中實現了阿里千問7B模型約90%的性能表現。更關鍵的是，該模型的訓練和推理全過程均運行在國產算力平臺之上，未依賴海外GPU體系。

這一點，在當前全球算力格局下尤為重要。以GPT-3為例，其1750億參數模型的訓練需要約1000張GPU，能耗高達30萬瓦；而人腦擁有數量級更高的神經連接，卻僅消耗約20瓦能量。如何在算力受限與能耗約束下實現模型能力提升，已成為大模型演進的現實瓶頸。類腦計算被業內視為可能的“下一代AI”方向。

在這一過程中，瞬悉1.0選擇與國產GPU企業沐曦科技展開深度協同。通過適配國產GPU算力平臺，研究團隊不僅完成了模型訓練，還進一步打通了“國產類腦基礎模型—國產GPU算力平臺—類腦芯片”的全棧研究鏈條，為后續更大規模類腦模型和專用芯片的協同設計奠定基礎。

據悉，瞬悉1.0已開源7B模型權重，并同步發布76B版本測試報告及中英文技術論文。研究團隊認為，類腦模型在低功耗推理、復雜時序建模和跨任務泛化方面具備天然優勢，未來有望在更多場景中率先形成應用突破。

▍上海腦機接口應用加速落地

如果說類腦大模型解決的是“算力與智能形態”的底層問題，那么腦機接口的臨床落地，則直接檢驗技術對現實世界的改造能力。

在上海，腦機接口的應用個案正在陸續走出實驗室。腦虎科技是其中具有代表性的企業之一，由其自主研發的國內首款、國際第二款內置電池的全植入、全無線、全功能（“三全”）腦機接口產品，近期在復旦大學附屬華山醫院完成首例臨床試驗。

在華山醫院，一名肩部以下完全不能動、已高位截癱8年的患者成功植入該產品，術后訓練中，患者通過“意念”即可完成光標控制、網頁瀏覽、精準點擊及視頻播放等操作，實現了與外界的高效信息交互。

腦虎科技全植入腦機接口臨床受試者實現“意念操控”，流暢完成網頁瀏覽、精準點擊與視頻播放

“全植入、全無線、全功能”被視為腦機接口走向長期臨床應用的關鍵。在接受《科創板日報》等媒體采訪時，腦虎科技創始人兼首席科學家陶虎表示，全植入意味著所有電極、芯片及電池均置于體內，避免體外接口帶來的感染風險；全無線則通過無線供能和通信，使患者在日常生活中不再被設備“拴住”；全功能則覆蓋腦電采集、處理、通信與能量管理的完整閉環。

值得注意的是，該系統將電池模塊植入胸前皮下，而非頭部區域。這一設計沿用了成熟的腦深部電刺激（DBS）臨床路徑，將發熱和功耗單元遠離大腦，提高了系統安全性，也便于后續維護和升級。

從臨床數據看，患者腦控解碼速率已達到5.2 BPS，與國際頂尖水平接近。更重要的是，系統在安全性和功能擴展性上具備明顯優勢，為后續語言解碼、復雜交互乃至與大模型、機器人系統的聯動提供了空間。

隨著人工智能、神經科學與臨床醫學的加速交匯，腦機接口產業正進入技術路線并行探索、應用場景加速驗證的階段，行業內百舸爭流、千帆競渡。在這一進程中，上海正加速推動腦機接口從實驗室走向真實臨床場景，應用落地節奏明顯提速。

在接受《科創板日報》記者采訪時，毛穎指出，腦機接口的發展正在推動“醫—研—產”關系發生變化。過去，醫學創新多遵循從實驗室到臨床的單向路徑，而如今，臨床問題正在反向牽引科研和產業，“醫生穿著白大褂就能和工程師、算法科學家面對面交流，把真實的臨床需求直接轉化為技術改進，這是提升轉化效率的關鍵。”

在毛穎看來，人工智能與腦機接口并非簡單的工具關系，而是一種雙向塑造：一方面，AI提升了腦電信號解讀、預測與泛化能力；另一方面，對大腦機制的理解，也在倒逼AI架構向低能耗、更高效的方向演進。