AI大模型似乎养成了一种“大力出奇迹”的路径依赖——大规模参数、庞大数据集、昂贵的算力集群。
中国科学院自动化研究所研究员、通用类脑大模型北京重点实验室主任李国齐给出了另一种可能——回归生物大脑本源，从神经元的微观结构中寻找下一代AI的破局点。
最近一年，李国齐团队发布了“瞬悉”系列类脑脉冲大模型，并在树突计算、意念识别交互装置、神经形态机器人等方向持续突破。
01 重新定义AI底层架构
在AI进化路线上，脑科学一直是重要的灵感来源：上世纪50年代生物视觉的卷积特性启发了卷积神经网络，百年前认知科学发现的注意力机制，最终演变为Transformer的核心架构，推动行业进入大模型时代。
在李国齐看来，人脑是自然界天然存在的通用智能体，下一代AI的演进一定会从脑科学中获得启发，问题从来不是“脑科学有没有用”，而是“大脑中哪些信息处理机制对当下的AI模型真正有用”。
人脑拥有近千亿神经元、百万亿级突触连接，是一个极其复杂的超大网络。过去的AI模型多采用高度简化的点神经元结构，而李国齐团队将目光投向了神经元更本质的特征——多房室、多分支的树突结构。团队验证了这种生物神经元结构与现有线性模型的内在关联，通过针对性改造构建出树突基础大模型架构，推出瞬悉1.0、2.0系列成果，走出了一条不同于Transformer的技术路线。
这条路线的价值，是验证了一个可能性：神经环路的结构与功能，可以融入下一代大模型的架构设计中，并且能够在现有GPU集群（包括国产算力平台）上高效运行。从实际表现来看，瞬悉系列模型在多项核心性能上与主流开源模型持平，在长序列处理场景下，推理速度实现了量级提升。
“这只是一个开端，我们找到了开启这个问题的钥匙。”李国齐说，整个类脑领域都在回答一个问题：生物智能的核心来源，是参数规模还是精细结构？如果答案是规模，现有大模型路线便可以持续延伸；如果结构起到关键作用，那么AI的演进将迎来全新范式。目前类脑路线已经在一些场景中展现出优势，可以支撑这条路线持续走下去。
02 从技术验证到产业落地
类脑技术的价值，最终要在真实场景中完成验证。李国齐团队科研布局的落地方向，集中在脑机接口与类脑神经形态机器人两大领域。
针对脑机接口的行业生态，李国齐判断，长期来看脑机接口有可能形成“基础模型+行业应用”的分层架构，不会出现每家企业从零训练模型的局面。但与通用大模型不同，脑电信号的个体差异远大于文本数据差异，这决定了通用底座只能提供基础表征能力，在具体应用中，个性化微调是必不可少的环节。跨个体、跨时间的信号稳定性，始终是脑机接口要突破的瓶颈，同时数据隐私也会对基础模型的开放程度形成约束。
这也解释了很多人体验脑控设备时的“效果不稳定”现象：长期实验对象的数据积累更充分，解码准确率更高；而陌生用户缺乏个体数据，系统难以精准识别意图。
李国齐团队正在研发的意念识别交互装置，选择了一条差异化的技术路径：不追求逐字解码脑电信号，而是聚焦语义级的意图识别。人类可表达的句子是无限的，但核心语义是有限且结构化的。先从脑电中提取核心语义，再通过大模型进行语句补全与纠错。
“比如，一个人想表达‘特别想吃苹果’，我们不一定非要解码出每一个字，而是通过解码到‘苹果’这个核心语义，再结合大模型的能力，就可能可以准确地推测并生成他想表达的完整句子。”李国齐解释道。这种“脑电语义解码+类脑大模型协同”的模式，是意念交流走向实用化的关键突破口。
在机器人领域，团队目前在布局神经形态（类脑）机器人方向。李国齐指出，传统机器人采用“感知采集-集中计算-指令下发”的分离架构，处理静态任务效率很高，但面对动态、连续、有噪声的真实环境，延迟与功耗会成为明显瓶颈。
类脑机器人采用事件驱动的计算模式，将感知与决策深度融合，能够持续累积历史信息，在光照变化、遮挡、环境噪声等干扰下，依然可以保持稳定的连续决策能力。这种特性，让类脑机器人在复杂地形、动态场景的导航与执行任务中，具备传统架构难以比拟的鲁棒性与低功耗优势。
03 AI时代的产学研新范式
类脑智能正处于从实验室走向产业化的关键阶段。李国齐认为，一项技术具备产业化价值的标准，本质上与AI领域并无二致：能解决真实问题、具备可复制的通用性、能够实现规模化与标准化。
与传统行业技术落地动辄5-10年的周期不同，AI时代技术从革新到落地的周期被压缩至1-2年。这也改变了高校/研究所的实验室与企业的合作模式：过去实验室先负责0到1的原始创新，再需要完成先负责1到10的实验室技术验证，企业负责10到100的规模化落地，边界清晰；而当前在人工智能赋能的行业，如今1到10的技术验证阶段，单靠实验室的科研团队或者企业任何一方都难以高效完成——高校/研究所的实验室缺乏足够的算力与工程化团队在1-2年周期甚至更短的周期内完成技术验证，企业也难以承担多条路线并行试错的成本完成验证。
基于这一判断，该团队与岩山科技旗下岩思类脑达成战略合作，围绕类脑机器人、意念识别交互装置等方向推进技术验证。目前双方合作进展顺利，相关方向的0到1原理验证已在实验室完成，正在推进1到10的工程化验证，预计年内将取得阶段性成果。在李国齐看来，这种实验室与企业协同攻坚的模式，既是技术快速迭代节奏下的务实选择，也是基础研究支撑产业发展、产业需求反哺科研方向的双向赋能。