隨著大模型的興起，人工智能進入了飛速發(fā)展階段。然而當“規(guī)模定律”(Scaling Law)接近極限，大模型的性能提升之路已面臨瓶頸。如何突破這個瓶頸?科學界認為，類腦智能是實現下一代人工智能的顛覆性路徑。
4月18日，2025全國類腦智能產業(yè)創(chuàng)新發(fā)展推進會在上海舉行，眾多科學家和產業(yè)界人士出席。大會上，類腦智能產業(yè)創(chuàng)新發(fā)展聯(lián)盟、類腦智能未來產業(yè)基金矩陣發(fā)起成立，上海類腦智能未來產業(yè)集聚區(qū)在楊浦區(qū)啟動建設。瞄準這一未來產業(yè)，市科委正在開展體系化布局，加快全過程創(chuàng)新、全鏈條推進和全要素配置。
突破AI“規(guī)模定律”限制
類腦智能，是以模擬大腦的神經結構和認知原理為核心，使計算系統(tǒng)具有類似人類的感知、推理和學習能力。
神經網絡這一人工智能重大突破的起點是類腦研究?！?024年諾貝爾物理學獎得主霍普菲爾德是人工智能的先驅，他發(fā)明的人工神經網絡由大量模擬神經元的節(jié)點連接構成，具有記憶功能和大腦可塑性特點。”中國科學院院士、中國科學院腦科學與智能技術卓越創(chuàng)新中心學術主任蒲慕明說。
然而此后，人工智能的發(fā)展與類腦智能漸行漸遠。
比如，大模型的結構就與人腦差異較大。其發(fā)展遵循“規(guī)模定律”，即模型性能隨著參數量的增加而提升，也隨著預訓練數據量的增加而提升。目前，這個定律遇到了算力和數據的瓶頸，大模型的性能提升幅度已明顯放緩。
能耗也是一個突出問題，預訓練大模型的耗電量非常大。OpenAI訓練GPT-4時，用了約2.5萬塊GPU，每塊GPU的功耗是400瓦，完成一次訓練需要三個月，耗電量高達2.4億千瓦時。
與GPU相比，人腦的功耗低得多，僅20瓦左右。研究類腦芯片的復旦大學教授鄒卓解釋，人腦約有860億個神經元，通過海量的神經突觸傳遞信號，具有稀疏激活、大規(guī)模并行的特點。
“我們要借鑒大腦的結構和計算特點，讓人工智能突破算力、數據和參數規(guī)模的限制，實現更高級別的通用人工智能?！逼涯矫髡f，“布局類腦智能技術研發(fā)，對我國人工智能發(fā)展具有戰(zhàn)略意義?！?/p>
神經形態(tài)芯片模擬突觸傳遞
2017年，上海在全國率先開展類腦智能布局，通過深化基礎原創(chuàng)理論研究、加快關鍵核心技術攻關、承接國家重大戰(zhàn)略任務等舉措，在類腦計算芯片、類腦視覺系統(tǒng)研發(fā)等領域取得了重要成果。去年以來，市科委進一步增強戰(zhàn)略敏捷和戰(zhàn)略主動，體系化布局類腦智能前沿技術和未來產業(yè)。
在類腦計算芯片領域，鄒卓團隊正在研發(fā)基于脈沖神經網絡的神經形態(tài)芯片。這種芯片是未來類腦計算機的基礎，用大規(guī)模并行處理單元模擬大腦神經元，并用網絡化互聯(lián)模擬突觸傳遞。 下轉 4版(上接第1版)“脈沖神經網絡通過單比特脈沖計算，把復雜的乘加運算簡化為累加運算，從而有效地降低芯片的計算功耗?！编u卓說，“它還具有事件驅動的特點，輸入刺激時才會動態(tài)激活局部網絡，完成分布式計算。就像我們的視覺，能更敏感地捕捉到運動的物體?！睉{借這些優(yōu)勢，類腦計算芯片與CPU、GPU等傳統(tǒng)芯片相比，有望實現1—2個數量級的能效提升。
在類腦計算芯片研發(fā)過程中，鄒卓團隊與新氦類腦智能公司長期合作。這是一家入駐上海類腦智能未來產業(yè)集聚區(qū)的新型研發(fā)機構，在市、區(qū)兩級政府支持下，新氦類腦智能建設了類腦計算芯片原型驗證平臺，支持復旦大學、曦智科技等高校院所和企業(yè)研制出新一代芯片的原型樣機，節(jié)省了大量研發(fā)成本。鄒卓認為，取得類腦智能研究成果后，下一步要走產業(yè)引領道路，引導越來越多的企業(yè)進入這條新賽道。
當天發(fā)起成立的類腦智能產業(yè)創(chuàng)新發(fā)展聯(lián)盟，集聚了一批產業(yè)界先行者，既有靈汐科技、時識科技等類腦智能技術研發(fā)企業(yè)，也有中電?？?、華為、長安汽車等技術應用企業(yè)。聯(lián)盟聯(lián)席秘書長、中國信通院上海工創(chuàng)中心總經理鄭忠斌說，聯(lián)盟將牽頭制定類腦智能標準體系、構建類腦智能數據集，探索智能網聯(lián)汽車、具身智能機器人、智能醫(yī)療終端等領域的應用場景。
當天亮相的類腦智能未來產業(yè)基金矩陣，由上海未來產業(yè)基金、博康共贏基金、道禾基金、楊浦科創(chuàng)集團等10家投資機構聯(lián)合發(fā)起。
蒲慕明預測，未來5—10年，擁有具身智能的人形機器人將成為類腦智能最重要的應用場景之一。他建議科研團隊模擬人類在兩歲前認知外部世界的過程，根據應用場景需求，為機器人建立特殊化的“世界模型”?！澳X科學與人工智能研究應進一步融合”，這將加速推動近年來的腦科學發(fā)現轉化為算法、器件等類腦智能成果，把更多的人腦優(yōu)勢移植到機器上。
