中国科学院自动化研究所近日宣布，其李国齐、徐波团队联合多家科研机构，成功开发出名为“瞬悉1.0”（SpikingBrain-1.0）的类脑脉冲大模型。这一突破标志着我国在非Transformer架构大模型领域迈出关键一步，为构建自主可控的新型人工智能生态提供了技术支撑。
与传统依赖Transformer架构的主流模型不同，“瞬悉1.0”基于团队提出的“内生复杂性”理论，通过模拟大脑神经元的工作机制构建模型结构。研究显示，该模型在处理超长文本或数据序列时，效率较现有技术显著提升，且在国产GPU平台上完成了从训练到推理的全流程开发，验证了国产算力集群支撑新型大模型研发的可行性。
当前主流大模型在应对超长文本时普遍面临计算成本高、处理速度慢的困境。例如，处理一篇数万字的法律文书或医学报告，现有模型需要消耗大量算力资源，导致运营成本激增。而“瞬悉1.0”通过类脑脉冲神经网络设计，仅需传统模型2%的数据量即可达到相近性能，在语言理解和推理任务中表现突出。
该模型的技术优势在多个专业领域得到验证。在法律文档分析中，其超长序列处理能力可快速提取关键条款；在医学领域，能高效解析复杂病例报告；在物理实验和生物信息学场景下，对高能粒子轨迹数据、DNA序列的分析效率较传统方法提升数倍。这些特性使其成为处理非结构化长文本的理想工具。
作为我国首个大规模类脑线性基础模型，“瞬悉1.0”的研发突破了两项技术瓶颈：一是提出全新的模型架构设计范式，二是实现国产GPU算力集群对类脑脉冲模型的完整支持。这项成果不仅为人工智能领域提供了非Transformer架构的新路径，也为下一代低功耗神经形态芯片的设计提供了理论依据，有望推动我国在智能计算领域的自主创新进程。
