中国科学院自动化研究所传来重要突破：李国齐、徐波团队联合多家科研机构，成功研发出全球首个基于国产GPU平台的类脑脉冲大模型"瞬悉1.0"(SpikingBrain-1.0)。该模型突破传统Transformer架构局限，通过模拟人脑神经元工作机制，实现了对超长文本序列的高效处理。
研究团队基于原创的"内生复杂性"理论，构建了新型非Transformer架构。在法律文书分析、医学影像报告解读等需要处理数万字级文本的场景中，该模型展现出显著优势。相较于主流模型，其训练数据需求量减少98%，却在文本理解、逻辑推理等核心能力上达到同等水平。
当前人工智能领域广泛使用的Transformer架构存在明显缺陷：处理超长文本时计算资源消耗呈指数级增长，导致运算速度骤降且成本高昂。以法律合同分析为例，传统模型处理百页文档可能需要数小时，而"瞬悉1.0"仅需数分钟即可完成同等质量的解析。
该模型的创新性体现在三个方面：一是完全基于国产GPU架构实现全流程训练；二是通过脉冲神经网络模拟生物神经元动态，构建出低功耗、高并发的计算范式；三是开创了"数据-算力-能效"三重优化的新路径。在DNA序列比对实验中，模型在保持97%准确率的前提下，能耗较传统方案降低82%。
科研人员指出，这项突破为人工智能发展开辟了新赛道。在分子动力学模拟领域，模型成功处理了包含百万个原子的轨迹数据；在高能物理实验中，其对粒子碰撞数据的解析效率较传统方法提升15倍。这些成果证明，基于生物神经机制的计算架构能够有效解决现有技术的能效瓶颈。
研究团队透露，后续将重点优化模型在边缘计算设备上的部署能力，并探索与光子计算、量子计算等新兴技术的融合路径。这项被国际学术界评价为"颠覆性创新"的成果，标志着我国在人工智能基础架构领域实现了从跟跑到领跑的跨越。
