类脑智能（BI）作为下一代AI的重要突破方向，正从算法、芯片到计算系统实现全面革新，有望摆脱对传统AI算力的长期依赖，并破解数据隐私难题。

从“跟跑”到“领跑”的新机遇

类脑智能是脑科学启发的智能科学与技术，属于技术科学范畴。其核心在于借鉴人脑感知认知神经网络原理及工作机制，工程化实现受脑信息处理机制启发的智能框架、算法模型和智能计算系统。

AI从上世纪五六十年代就吸收了脑科学的基础发现，但后来主要靠互联网大数据和数学及统计学、计算机技术推动，如今走到了技术瓶颈，过度依赖以GUP为代表的主流AI算力和海量数据，导致能耗高、成本高、难以普及。

而类脑智能则另辟蹊径，通过模拟生物脑的神经元及其神经网络计算体系，可以实现与传统AI算力方案相比大幅度降低硬件规模、能耗需求、使用成本和算力建设成本，特别适用于广大AI应用技术的开发者和使用者及其相关企业和科研机构、医院等，可以作为智能体、智能机器人、具身智能的算力基础。

然而，类脑智能当前发展的最大挑战，并非单纯来自现在主流AI算力，而是神经科学、脑机接口、数学、计算机科学、芯片制造等多学科的深度交叉与范式协同。类脑智能要真正突破，需要打通从脑认知机理到算法模型、再到芯片和系统的全链条。

与此同时，类脑智能需要在现有AI技术体系基础上错位拓展，通过众创联动、资源整合，与开发者、投资方和消费方共同构建产业生态和发展生态。

抓住这一轮技术变革机遇，中国有望在下一代人工智能的若干点上占据上风，实现从“跟随”到“引领”的跨越。

“越来越像你”

与当前大模型追求公众化、标准化不同，类脑智能支持本地化、私有化训练，个人健康、家庭数据可完全保留在本地，既保障隐私安全，又实现高度个性化。

我们团队已经取得多项原创性进展。例如，团队开发的直觉神经网络（INN），有别于传统人工神经网络（ANN）和尖峰脉冲神经网络（SNN），能更好模拟大脑感觉运动皮层第五层神经元的感知认知融合机制。基于该模型的类脑计算系统，在仅6千瓦功耗下可支撑1153个X86 CPU核心计算，训练速度达每秒36万词元，推理速度每秒135万词元，延迟低于100毫秒。

在芯片层面，团队研制的第一代类脑晶圆芯片尽管采用40纳米制程，在处理非结构化数据时，相对于7纳米制程的A100 GPU，能耗优势却达18倍，并已支持460万脉冲神经元计算；全球首台100亿神经元类脑异构融合超算系统也已建成，仅需5个机柜、30个服务器。

类脑智能的性能优势就可能彻底改变商业模式——企业、实验室甚至家庭，都可能独立完成多模态大模型训练，无需担忧数据泄露。这是人类思想解放、个性化能力解放的重要一步。

因而，很多人关切的“类脑智能是否会取代人类情感”等问题，我的看法是，类脑计算机是“养”在你家里，它会越来越像你，而不是像别人。

投融资超30亿元，场景应用成关键

智能技术最大的特点是没有场景就没有应用，没有应用就没有市场。

不过，日前发布的《中国未来产业科技创新发展报告（2026年）》蓝皮书显示，我国类脑智能领域投融资总额已突破30亿元，其中脑机接口赛道占比高达43%。上海已分别形成类脑计算和脑机接口产业集聚区。预计2026年将出现更细分的产业布局。

类脑智能在医疗健康、工业仿真、边缘计算等领域已展现应用潜力，但需政府与社会共同推动场景开发。

在技术融合方面，脑科学、AI、合成生物学、材料科学的交叉创新将成为核心驱动力。

在芯片制造与技术集成方面，建议能构建开放共享的国家级基础设施，优先发展边缘应用场景，打造典型示范案例，同时加快人才培育与标准体系建设。

当前，我国在类脑智能领域已具备“换道超车”的基础条件，关键在于把握时代机遇，坚持自主创新与开放合作并重，推动技术成果转化为惠民利民的产业实践。这不仅是科技竞争的需要，更是服务国家高质量发展、满足人民美好生活向往的战略选择。

（作者系中国科学院院士、广东省智能科学与技术研究院院长。本报记者张楠整理报道）