近日，中国科学院自动化研究所传来突破性消息——由李国齐、徐波团队主导研发的类脑脉冲大模型“瞬悉1.0”（SpikingBrain-1.0）正式问世。该成果标志着我国首次在国产GPU算力集群上实现大规模类脑线性基础模型的训练与推理，为人工智能领域开辟了非Transformer架构的新路径。
与传统依赖Transformer架构的主流大模型不同，“瞬悉1.0”以团队原创的“内生复杂性”理论为基石，通过模拟大脑神经元的工作机制，构建了高效处理超长序列数据的新型架构。实验表明，该模型仅需主流模型2%的训练数据量，即可在语言理解、逻辑推理等任务中达到同等性能水平，显著降低了对算力资源的依赖。
当前主流大模型在处理法律文书、医学报告、DNA序列等超长数据时，普遍面临计算成本高、处理速度慢的瓶颈。以Transformer架构为例，其自注意力机制虽能捕捉全局信息，但面对万字级文本时，计算复杂度会呈指数级增长，导致能耗与时间成本激增。而“瞬悉1.0”通过脉冲神经网络（SNN）的异步事件驱动特性，实现了对长序列数据的高效压缩与并行处理。
研发团队透露，该模型在国产GPU平台上完成了全流程训练与推理，验证了国产硬件支撑新型架构的可行性。其超长序列处理能力在多个领域展现出独特优势：在法律与医学文档分析中，可快速定位关键条款；在分子动力学模拟中，能高效追踪粒子运动轨迹；在高能物理实验数据解析中，可同步处理百万级事件数据。这些特性为科研、医疗、金融等需要处理海量文本的场景提供了低功耗解决方案。
业内专家指出，“瞬悉1.0”的突破不仅在于技术路线创新，更在于为下一代神经形态计算提供了理论支撑。其类脑设计理念有望推动芯片架构革新，通过模拟生物神经元的脉冲发放模式，降低硬件能耗。目前，团队正与多家机构合作，探索该模型在自动驾驶、智能客服等实时交互场景中的应用潜力。
