在中国科学院自动化研究所，有这样一群平均年龄仅24岁的年轻人：当外界的大模型竞赛不断冲击更大规模参数、更多算力的极限时，他们却选择独辟蹊径，要做一个“非主流”的智能模型。

这条路，源于对大脑工作方式的深度模仿。他们打造的类脑脉冲大模型“瞬悉1.0”和“瞬悉2.0”，不必遵循大模型赖以为生的“规模法则”（Scaling law），却在超长序列推理上实现了数量级的效率跃升。换言之，他们要模仿人脑开发智能模型。

这群年轻人身后，是一个让他们敢于“不走寻常路”的支撑体系——中国科学院与财政部联合启动的“稳定支持基础研究领域青年团队计划”（以下简称“青年团队计划”）。

有别于需要频繁竞争、快速产出的常规项目，这一计划从顶层设计上就瞄准了那些最具挑战性、需要长期深耕的基础研究方向，给予青年科学家足够长的周期和足够耐心的空间。团队带头人、中国科学院自动化研究所研究员李国齐坦言：“它带来的不仅是经费，更是安心。”

李国齐（右一）课题组合影。自动化所供图

一个好想法与“实现它的漫长征途”

故事的起点要回溯到2023年的夏秋之交，一个大胆的想法逐渐在李国齐的脑袋里“萌芽”。

他当时注意到一个很有意思的现象：大模型在训练时依赖大规模并行计算，但在推理时却是循环式、一步一步“蹦”出词来。他联想到，人脑处理信息也不是全盘死记，而是不断动态更新、自然遗忘。

“我们能不能把人脑这种更高效、更动态的机制，真正融入大模型设计里？”

想法一抛出，很快引起了团队成员们的共鸣。据团队成员、自动化所博士生潘昱锜回忆，当时大家“都很兴奋”。

“大模型的基础计算单元很简单，你可以把它理解为将复杂的生物神经元抽象为一个点，即‘点神经元’，然后通过‘规模法则’基于深度学习架构扩展到一个非常大的规模。”李国齐对《中国科学报》解释说，这种路线通过堆叠海量神经元和参数，通过学习海量的数据，确实取得了很强的能力，但也带来了高算力消耗、高能耗、高时延，以及在记忆、推理和持续学习、通用性等方面的瓶颈。

但，他们提出的是一种更接近大脑工作方式的实现路径。

李国齐告诉记者，人脑中的神经元本身就拥有极其丰富的动力学特性。于是他们想，如果能把这种“内生复杂性”引入大模型的最底层，让每个计算单元从“点”变成一团能够自主呈现复杂动态的“小宇宙”，就有机会用更接近大脑工作方式的机理，去构建新一代通用智能模型。

“行不行得通，得试一试！”凭借在类脑计算和神经动力学方向上的积累，他们很快找到了一个关键且可操作的切入点——从神经元模型本身入手，探索把更复杂的神经动力学引入大模型的基础计算单元。通过持续讨论和不断试错，团队逐渐证明了这条看似“非主流”的路线，确实有可能为通用智能大模型提供一种新的技术路径。

然而，初步的探索只是让他们看到了希望，这距离实现他们那个天才的想法还非常遥远。

要不要继续做下去？不去尝试，所有人都觉得惋惜、甚至后悔；继续往前走，摆在他们面前的“漫漫征途”会燃尽他们的青春，到头来可能一无所获。

潘昱锜对《中国科学报》说，当时就有同学担心，这个方向太难，短期做不出来可能会耽误出成果甚至影响毕业。

这种担心很真实：科研里很多真正有价值的问题，刚开始看起来都不那么“稳妥”。

让年轻人有底气啃“硬骨头”

如果说科学直觉是火种，那么“青年团队计划”所提供的，就是让火种不灭且越烧越旺的炉膛。

在尝到了“可行”的甜头后，团队成员对实现类脑大模型有了更多渴望。但李国齐心里清楚，要深入做下去，不能光靠“望梅止渴”，必须得“拉点经费”。

照理说，人工智能领域的前沿探索不难拿到资助。但李国齐知道，他们的想法能否实现存在不确定性，一般性的课题或经费支持，恐怕并不匹配。一番了解之后，他把目光聚焦到了既能给予稳定支持、又鼓励大胆试错的“青年团队计划”上。

2024年，李国齐带领团队以“基于内生复杂性的类脑通用智能大模型”为题，申请并成功入选“青年团队计划”。这一计划的背后，是中国科学院在深化科技体制改革中着力推动的一项顶层设计——通过长期稳定的经费机制，把青年科学家从频繁“写本子”、找项目的焦虑中解放出来，让他们敢于向真正具有颠覆性潜力的方向发起冲锋。

李国齐对此感受至深：“以前我需要到处找项目、凑经费、维持团队运转，没法把全部精力花在科学问题上。稳定支持青年团队这笔钱最实在的好处，就是让我们能静下心来，把主要时间和精力投入到对技术路线的探索中去，去探索那些更有挑战性、也更可能产生突破的方向。”

这种前所未有的安心，激发出了团队里年轻人们惊人的潜力。

当时摆在大家面前的，是一个几乎不可能完成的任务：一群几乎没有7B以上大模型开发经验的学生，要在512张国产加速卡组成的集群上，完成7B乃至76B类脑大模型的稳定高效训练。

“瞬悉1.0”研发中最关键的一跃，就是将模型适配到国产算力平台，完成大规模训练。

“国产平台跟英伟达生态差异很大，没有成熟经验可以借鉴，从底层的Triton算子到大规模训练框架，几乎全部要从零摸索。”李国齐说，那是整个项目的关键节点，也是他们遇到的最大“拦路虎”。

那段时间，团队几乎开启了“连轴转”模式。没有任何人下令，所有人白天扎在机房调试参数、排查漏洞，晚上自动聚在一起复盘，会议室里盘旋最多的话就是“再试一次”“还有没有别的方法”。有一次，为了攻克一个通信延迟难题，几个年轻人和工程师一连数周逐行逐行地死“磕”代码。哪怕中间遭遇多次失败，大家也只是短暂喘口气，便立刻投进下一轮尝试，没有一个人提出过放弃。

靠着一股韧劲，团队把一个个看似无法解决的小问题逐个击破，最终成功让类脑大模型在国产集群上跑通了全流程，并达到了预期的训练效率。

“当看到训练成功的那一刻，大家都松了口气，那一刻我们都觉得，所有的坚持都值得。”李国齐说，也正是这帮年轻人的硬磕和坚守，为“瞬悉1.0”的顺利落地打下了最坚实的基础。

成果来得实实在在。他们打造的“瞬悉1.0”成为我国首个在国产GPU集群上跑通的类脑脉冲大模型。处理超长文本时，它的响应速度比主流模型快几十倍——400万词元长度下，首个词生成提速超过100倍；在手机上运行，解码速度也提升了4到15倍。

半年后的“续作”——“瞬悉2.0”则更进一步：训练开销压缩了10倍，性能却不输业界强基线模型。它还在400万长度下实现了10倍以上的首词加速，精度损失不到0.7%。从语言到多模态，两个版本均已开源。

用李国齐的话说：“这支年轻的团队，验证了朝着那个‘非主流’方向走下去是值得的。”

在不确定性中坚持往前走

在“青年团队计划”的支持下，这支青年团队更添了一股潜心基础研究的“定力”和“活力”。

潘昱锜告诉《中国科学报》，在他们课题组，导师李国齐从不设置激进KPI，甚至鼓励大家“否定老师的观点”，也鼓励互相寻找研究中的缺陷。他们定期召开的组会上，大家每次都是畅所欲言，围绕着实际工作进展中出现的一些问题去讨论。

“我们聊得最多的是：人脑是经过自然界几亿年的进化形成的、具备精细结构和功能的通用智能体，这对于我们研究下一代AI基础模型和架构到底能起到什么样的借鉴作用？”潘昱锜对记者表示，他们的科研虽然有着宏大的目标，但又并不被其牵着鼻子走，大家更像是凭兴趣在“日拱一卒”。

“我们认为，科研的乐趣在于追求真理的过程中闪现的思想灵光。”在课题组，李国齐对学生们最大的要求，就是“学会如何提出好的问题”——这个问题需要有足够的意义，既和现有的研究技术路线上有足够的区分度，又具备实现的可能性。

“如果这条路彻底走通，对我们普通人到底意味着什么？”记者问李国齐。

他的描绘很具体：未来的智能助手不必再臃肿地栖身于大型服务器，它可以轻快、低耗地部署到手机、机器人、智能汽车甚至可穿戴设备上，变得更人性化、更聪明，也更无处不在。更进一步，类脑大模型还能反哺人类自身：“更好地理解人类自己，去诊疗神经系统疾病，让人活得更健康更长寿”。

李国齐透露，团队盯上的下一个“硬骨头”是多层级记忆机制如何在大模型中复现，以及大脑那份精妙绝伦的结构究竟能为下一代AI提供怎样的蓝图。目前，他们正同步构建超大规模精细神经元网络的“神经孪生”开源平台，并朝着更高能效的类脑专用芯片进发。

作为“少数派”，李国齐坦陈也有“必须承受的煎熬”。他常对学生们说，你努力了，你也不一定能成功；但如果你不努力，你一定不会成功。

“最大的煎熬不是‘不被理解’本身，而是你很清楚这个方向有价值，又必须承认，它离真正跑通还有很远。”他说，探索过程中肯定有外界质疑，也会有阶段性的自我怀疑——是不是投入了那么多，最后却可能走不通？

但他随即给出了团队能坚持下来的理由：问题本身足够重要，团队也一直在互相支撑。“这个过程中最重要的，是在不确定性里继续往前走。而正是这种不确定性，让每一个小的突破都变得极其珍贵。回头看看，我们确实是一步一步，把这条路走得愈发清晰了。”