一条在人工智能领域探索已久却非主流的道路，正受到越来越多的关注。12月13日，天桥脑科学研究院（TCCI）主办的“从脑机接口到脑机共生”主题论坛上，研究院创始人雒芊芊宣布正式成立尖峰智能实验室（Spiking Intelligence Lab, SIL）。该实验室将致力于研发脉冲神经网络（SNN）与类脑大模型，由中国科学院自动化研究所教授李国齐领衔，旨在探索一条超越当前主流AI范式的新路径。

天桥脑科学研究院（TCCI）尖峰智能实验室成立仪式。图片由主办方提供

脉冲神经网络

自ChatGPT问世以来，全球掀起了大模型竞赛，其核心是基于Transformer架构和“规模法则”（Scaling Law）——通过不断堆叠参数、增加数据和算力来提升智能水平。这需要花费大量的算力和电力资源。

与此形成鲜明对比的是人类大脑。这个由近千亿神经元和千万亿突触构成的生物智能体，功耗仅约20瓦——相当于一盏节能灯泡，却能支撑我们进行学习、创造和复杂思考。

“当前AI模型的智能是通过‘外生复杂性’，即外部资源的无限堆砌实现的，”尖峰智能实验室主任李国齐教授解释道，“我们希望探索另一条路，即‘内生复杂性’，从AI最基本的计算单元——神经元模型本身出发，借鉴大脑的工作原理。”

尖峰智能实验室的核心研究方向之一是脉冲神经网络（Spiking Neural Network, SNN）。这是一种更接近生物学真实的神经网络模型。

传统的AI模型（如Transformer）中的神经元是简化的“数学函数”，它们处理的是连续的数值信号，计算方式是时刻不停的。而人脑中的神经元则通过离散的、短促的电信号——即“脉冲”（Spike）——来通信。神经元并不会时刻保持活跃，而是在接收到足够多的信号刺激、达到一个阈值后，才发放一次脉冲，这种“事件驱动”的模式极其节能。

大脑的信息编码不仅在于脉冲的有无，还在于脉冲发放的精确时间、频率和模式，这被称为“时空动态编码”。尖峰智能实验室的目标，就是将这种蕴含丰富神经动力学的脉冲通信机制，与AI大模型深度融合，构建一个更高效、更智能的“全脑架构”。

类脑大模型的潜力

在论坛上，中国科学院院士张旭提到，“类脑智能”并非简单模仿大脑，而是以大脑为“第一性原理”，借鉴其核心工作机制，通过工程化手段构建一种能够自我学习、自我演化、高效节能的新型计算范式。

在类脑智能研发领域，许多研究工作集中于基础理论、算法创新及硬件原型机的开发，而非直接面向市场推出“产品”形态的大模型。目前已面世的类脑大模型产品更多体现为神经形态计算平台或特定功能的神经形态硬件芯片，这些平台和芯片支持SNNs（脉冲神经网络）的运行，为开发类脑应用提供基础，如曼彻斯特大学开发的计算平台SpiNNaker与IBM的神经形态处理器TrueNorth。张旭介绍，目前国内已有团队在神经计算芯片与算法研发中取得进展。

李国齐告诉澎湃科技，作为类脑智能领域中较新的方向，类脑大模型主要是借鉴大脑信息处理机制构建不同于Transformer的大模型新架构。目前国内主要有自动化所、北大、浙大、清华、上海交大、香港理工做类脑大模型的研发，海外主要有美国耶鲁大学以及欧洲科研机构的一些团队。一些AI巨头公司也正在采取类脑的思想，试图将记忆等能力融入大模型中。

今年9月，李国齐团队成功研发出国内首款类脑脉冲大模型——“瞬悉1.0”（SpikingBrain-1.0），证明了该技术路线的可行性与巨大优势。该模型在理论上建立了脉冲神经元与现有大模型中线性注意力机制的联系，并构建了与之兼容的高效训练和推理框架。

在处理超长序列任务上，“瞬悉1.0”展现了极高效率。据报道，在处理100万长度的序列时，其生成第一个结果的速度（TTFT）比主流大模型提升了26.5倍。将模型压缩部署到手机端后，在处理超长文本时，其解码速度相较同等规模的Llama 3.2模型，提升了4到15倍。

张旭也指出，类脑计算芯片和相关技术的研究真正取得突破性进展只是在最近五六年的事情。与发展了几十年的传统CPU/GPU架构相比，它还非常“年轻”，处于技术发展的早期阶段，需要更多的时间来成熟和验证。虽然类脑处理器（BPU）在某些专业应用（如脑仿真）上表现出色，但目前通用性还不足，相关生态尚待建立。类脑大模型的研发是相关应用走向通用的重要尝试。

民间资本支持基础研究的战略演进

尖峰智能实验室的成立标志着天桥脑科学研究院自身的战略演进。成立9年来，TCCI作为支持基础研究的民间先行者，主要通过捐赠和共建模式，支持了加州理工学院、上海华山医院、上海市精神卫生中心等全球顶尖科研团队，并成功孵化了多家企业。

“过去，我们是‘外延式’的赋能者，”TCCI创始人雒芊芊在会议中表示，“尖峰智能实验室是研究院首个采用In-House（内部自主）模式的研究机构。我们直接招募顶尖人才，自主决定研发方向，将角色从合作者升级为创造主体。”

这一转变，旨在加速TCCI创始人陈天桥提出的“发现式智能（Discoverative Intelligence）”理念从概念到成果的转化。TCCI将为实验室提供长期、稳定的支持，让科研人员能心无旁骛地挑战基础科学难题。

李国齐在采访中提到，他与TCCI创始人陈天桥的理念一拍即合。实验室的目标是实现“从脑科学驱动AI，到AI反哺脑科学”的双向赋能。一方面，用脑科学的洞见构建更强大的AI；另一方面，用这种新型AI作为强大的工具，去解码大脑的奥秘，例如分析复杂的脑电信号，攻克神经系统疾病。

李国齐说，尖峰智能实验室不仅将致力于理论和模型的突破，还将探索其在AI for Science、生物医药、边缘计算等领域的应用落地。