9月8日，中国科学院自动化研究所宣布联合沐曦MetaX，推出全球首款类脑脉冲大模型“瞬悉1.0”（SpikingBrain-1.0），首次在国产千卡GPU平台上完成全流程训练与推理，突破Transformer架构依赖，实现超长序列推理效率数量级提升。

这一突破直指Transformer架构的核心痛点：其训练开销随序列长度呈平方级增长，推理显存占用线性增加，导致长文本处理成本极高。而“瞬悉1.0”借鉴大脑神经元工作机制，提出“内生复杂性”理论，通过脉冲神经元动态计算，将训练复杂度降至线性水平。其最惊人表现是数据效率——仅需主流模型2%的预训练数据，即在多任务语言理解（MMLU、CMMLU）和常识推理（ARC、HS）任务上媲美开源Transformer模型性能。

推理效率提升更为颠覆：在100万Token长度下，生成第一个Token的时间比Transformer加速26.5倍，400万Token下超100倍；甚至在手机CPU端，64k-256k序列解码速度较Llama3.2提升4-15倍。这意味着未来手机可直接本地处理百万字文档或小时级视频分析，无需依赖云端算力。

技术背后是国产生态的全面突围。

模型适配沐曦国产GPU曦云C550集群，自研Triton算子库与通信原语，首次实现从架构设计到硬件落地的全链路自主可控。其超长序列能力在医学文档、DNA分析、物理模拟等领域具显著优势，或重塑科研与工业场景的AI应用范式。

然而挑战犹存：脉冲模型的动态稀疏特性虽带来能效优势（7B模型稀疏度69.15%），但算法稳定性与生态适配仍需验证；且开源社区能否快速接纳非Transformer架构，亦决定其技术影响力边界。

类脑模型突破是否意味着AI将告别“暴力计算”时代？人类能否真正模拟大脑智慧？欢迎分享你的观点！

本文内容来源：中国科学院自动化研究所公告、SpikingBrain技术报告、沐曦MetaX合作声明