天桥脑科学研究院成立尖峰智能实验室，发布类脑脉冲大模型‘瞬悉1.0’

天桥脑科学研究院宣布设立尖峰智能实验室，并推出类脑脉冲大模型“瞬悉1.0”，同时实现了与沐曦科技在国产GPU算力平台上的对接。

“人脑仅用约20瓦的功耗就能支持上千亿个神经元的复杂活动，这为人工智能提供了理想的能效参照。模仿人脑的工作机制有望成为解决低功耗、长序列处理以及通用性三大难题的关键途径。”

在“从脑机接口到脑机共生”主题论坛期间，中国科学院自动化所研究员李国齐接受《科创板日报》等媒体采访时，阐述了AI与脑机接口融合的未来方向。

此次会议上，天桥脑科学研究院创始人雒芊芊宣布尖峰智能实验室正式成立，同时亮相的还有李国齐团队研发的国内首个类脑脉冲大模型“瞬悉1.0”。该模型在国产GPU算力平台上完成了训练和推理，并与国产GPU企业沐曦科技合作，构建了从类脑基础模型、国产算力平台到类脑芯片的全方位研究体系。

实现国产GPU算力平台对接

“瞬悉1.0”被认为是中国在类脑计算与大模型融合领域的一次重要突破。该模型由李国齐团队开发，是国内首款类脑脉冲大模型。与目前主流的基于Transformer架构的大模型不同，类脑模型借鉴人脑通过脉冲传递和处理信息的机制，旨在从根本上解决高能耗、长序列建模和泛化能力受限等挑战。

李国齐向《科创板日报》等媒体介绍，发现式智能的关键能力之一是神经动力学。人脑以大约20瓦的功耗承载着千亿级神经元的复杂运作，为AI树立了能效标杆。与当前主流AI依赖规模法则堆叠参数的模式不同，尖峰智能实验室主张借鉴人脑这一自然界最精巧的智能系统，重点研发具有神经动力学特性的类脑大模型，将脉冲通信、时空动态编码等计算特性与树突神经元的精细结构深度融合，打造一个既具备强大感知能力，又拥有深刻记忆与思考能力的“全脑架构”，实现从脑科学驱动AI到AI反哺脑科学的双向促进。

从性能指标看，瞬悉1.0的7B开源模型仅使用了主流大模型约2%的预训练数据，在多项基准测试中达到了阿里千问7B模型约90%的性能水平。更重要的是，该模型的训练和推理全过程都在国产算力平台上运行，没有依赖海外GPU体系。

这一点在当前全球算力格局下尤为重要。以GPT-3为例，其1750亿参数模型的训练需要约1000张GPU，能耗高达30万瓦；而人脑拥有数量级更高的神经连接，却只消耗约20瓦能量。如何在算力受限和能耗约束下提升模型能力，已成为大模型发展的现实瓶颈。类脑计算被业界视为可能的“下一代AI”方向。

在此过程中，瞬悉1.0选择与国产GPU企业沐曦科技进行深度合作。通过适配国产GPU算力平台，研究团队不仅完成了模型训练，还进一步打通了“国产类脑基础模型—国产GPU算力平台—类脑芯片”的全链条研究路径，为未来更大规模类脑模型和专用芯片的协同设计奠定了基础。

据悉，瞬悉1.0已开源7B模型权重，并同步发布了76B版本测试报告及中英文技术论文。研究团队认为，类脑模型在低功耗推理、复杂时序建模和跨任务泛化方面具有天然优势，未来有望在更多场景中率先实现应用突破。

上海脑机接口应用加速推进

如果说类脑大模型解决的是“算力与智能形态”的底层问题，那么脑机接口的临床落地则直接检验技术对现实世界的改造能力。

在上海，脑机接口的应用案例正逐步走出实验室。脑虎科技是其中的代表性企业之一，由其自主研发的国内首款、国际第二款内置电池的全植入、全无线、全功能（“三全”）脑机接口产品，近期在复旦大学附属华山医院完成了首例临床试验。

在华山医院，一名肩部以下完全不能动、已高位截瘫8年的患者成功植入了该产品，术后训练中，患者通过“意念”即可实现光标控制、网页浏览、精准点击及视频播放等操作，实现了与外界的高效信息交互。

脑虎科技全植入脑机接口临床受试者通过“意念操控”，流畅地完成了网页浏览、精准点击与视频播放

“全植入、全无线、全功能”被视为脑机接口走向长期临床应用的关键。在接受《科创板日报》等媒体采访时，脑虎科技创始人兼首席科学家陶虎表示，全植入意味着所有电极、芯片及电池都置于体内，避免了体外接口带来的感染风险；全无线则通过无线供能和通信，使患者在日常生活中不再被设备“束缚”；全功能则覆盖脑电采集、处理、通信与能量管理的完整闭环。

值得注意的是，该系统将电池模块植入胸前皮下，而非头部区域。这一设计沿用了成熟的脑深部电刺激（DBS）临床路径，将发热和功耗单元远离大脑，提高了系统安全性，也便于后续维护和升级。

从临床数据看，患者脑控解码速率已达到5.2 BPS，与国际顶尖水平接近。更重要的是，系统在安全性和功能扩展性上具备明显优势，为后续语言解码、复杂交互乃至与大模型、机器人系统的联动提供了空间。

随着人工智能、神经科学与临床医学的加速融合，脑机接口产业正进入技术路线并行探索、应用场景加速验证的阶段，行业内百舸争流、千帆竞渡。在这一进程中，上海正加速推动脑机接口从实验室走向真实临床场景，应用落地节奏明显加快。

在接受《科创板日报》记者采访时，毛颖指出，脑机接口的发展正在推动“医—研—产”关系发生变化。过去，医学创新多遵循从实验室到临床的单向路径，而如今，临床问题正在反向牵引科研和产业，“医生穿着白大褂就能和工程师、算法科学家面对面交流，把真实的临床需求直接转化为技术改进，这是提升转化效率的关键。”

在毛颖看来，人工智能与脑机接口并非简单的工具关系，而是一种双向塑造：一方面，AI提升了脑电信号解读、预测与泛化能力；另一方面，对大脑机制的理解，也在倒逼AI架构向低能耗、更高效的方向演进。