對話浙大潘綱：當人工智能遇到數據與算力瓶頸，答案或許藏在人腦

出品｜搜狐科技

作者｜常博碩

編輯｜楊 錦

9月23日，“新天工開物——科技成就發布會”腦認知科學專場在京舉行。本場發布會聚焦我國腦認知科學領域自主創新成就，浙江大學計算機學院求是特聘教授，腦機智能全國重點實驗室主任潘綱在活動現場發布的神經元規模接近猴腦的新一代超大規模神經擬態類腦計算機“悟空”（Darwin Monkey）引起廣泛關注。

人類大腦，一個由近千億個神經元細胞通過百萬億計的連接構成的器官，能夠通過每秒大量的電信號對話，讓人們看見微笑，理解語言，甚至產生好奇心。能夠創造出一臺能像大腦一樣思考的計算機，成為了科學家們對智能的終極幻想。

類腦計算，是一種模仿大腦結構和工作機理的新型計算方式。潘綱介紹道：“在系統結構上，它模仿大腦的神經元間的連接方式和拓撲結構。在工作機理上，它仿照大腦工作方式，將計算機的數值計算變成脈沖方式計算。以這個原理啟發工作的芯片就被稱為類腦計算芯片，采用類腦計算芯片我們可以構建規模更大的類腦計算機系統。”

“悟空”就是這樣的超大規模基于專用神經擬態芯片的類腦計算機。支持超20億規模的脈沖神經元，神經突觸超過千億，這個規模，已經非常接近猴子的大腦規模。除此之外，悟空用了960顆達爾文3代芯片，在典型運行狀態下功耗僅為2000瓦。

而對于大家好奇的類腦計算機到底有什么用？潘綱也給出了自己的答案。

首先是類腦計算機可以從底層工作原理去重構智能模型。當前的大模型是大數據和大算力催生的規模驅動型智能。

潘綱表示，“類腦大模型試圖通過模仿智能的本源，大腦的架構和工作原理，從底層重構智能模型，探索解決學習能力弱和思考太費電等問題。”

目前，團隊已將一個基于脈沖工作方式的DeepSeek類腦大模型在“悟空”上成功部署，能夠完成邏輯推理、內容生成和數學求解等高級智能任務。

其次，據潘綱表示，類腦計算機用仿腦的架構有望高效實現生物大腦系統模擬。用這樣腦模擬的方式，為腦科學與腦疾病的科學研究，提供了全新的方案。

“現在我們很多腦科學相關研究，往往需要大量的果蠅、獼猴、小鼠、斑馬魚等動物作貢獻。相信未來，類腦計算機在腦模擬方面的進展，能夠為我們神經科學家提供全新的數字化的實驗模式，較少對動物的使用，大大加快研究速度。”潘綱充滿信心地說。

會后，針對這一技術，搜狐科技等媒體對話了浙江大學計算機學院求是特聘教授潘綱，聽他分享了這一技術背后的故事。

以下為本次對話精編：

媒體：類腦芯片是怎么模擬生物突觸的可塑性的？

潘綱：為了讓芯片具備更強的算力，我們采用了相對成熟一些的芯片技術。最主要是現在我們使用的存儲單元，將其與神經元進行一體化設計，神經元之間的連接信息就存儲在神經元邊上。每個神經元都有自己的很小的存儲單元，去實現我們突觸的功能。

為了讓神經元和突觸的功能更加靈活，我們還加引入了指令集。通過指令靈活編程就可以支持不同的神經元和突觸類型。我們也在探索用新型器件來實現突觸單元，比如說現在的憶阻器技術。這種技術也可以用來模擬突觸，并且優勢在于，僅用極少的電路就能非常精確地模擬單個突觸。

媒體：相比于傳統的GPU計算，在處理復雜模式識別任務方面，它有什么樣的優勢？

潘綱：與傳統計算相比，這種新模式的優勢之一就是功耗。我們可以讓傳統計算方式和我們的芯片運行類似的任務，然后直接對比能耗。從目前國內外的一些研究結果來看，這種新型計算模式在功耗上還是具有較為明顯的優勢的。

媒體：這種模擬大腦的研究路徑，對于我們去理解人類的認知和神經疾病機制，能提供哪些傳統方法帶來不了的一些新的見解？

潘綱：我覺得一個比較重要的方面是可能會改變我們原來做研究的模式。過去，我們做跟大腦原理、腦疾病機制等相關的研究，一般是先提出一些假設，然后通過開展動物實驗或臨床實驗去驗證。如果我們調整了假設，就再進行實驗。實驗周期通常都比較長，幾個月甚至超過一年，都是很正常的。

如果我們可以先通過類腦計算機模擬，初步驗證一些假設的可能性，然后再進入動物實驗，甚至臨床階段，那么我們的整個科學研究進程會大大加速。

媒體：在您研究的過程中，有沒有一些覺得驚喜或者意外的瞬間，讓您覺得類腦的計算機是一條比較正確的道路？

潘綱：當初決定做這件事，也并非突發奇想，在做之前進行了深入的思考和調研，以及評估路徑的可行性。但是不管哪個路徑，在過程當中肯定是充滿不確定性和未知，如果是已知的那就不用我們去探索了。

很早以前，人工智能之父圖靈就想過用模擬大腦的方式去構建計算機。當時因為各種條件所限，這個想法并沒做起來。后來，人們選擇了一條折中的路徑——用軟件的方式模擬大腦，例如，我們現在熟知的人工神經網絡。但是，目前主流的神經網絡，本質上仍然是對大腦神經系統的一種高度抽象和簡化。所以一個自然而然的想法就是：我們有沒有可能更進一步，更深入地模擬大腦，從而將大腦的優勢更大地發揮出來，讓智能系統的能力更強？

我們大腦擅長的并不是強大的數值計算能力。在單純的算術上，人腦很早就比不過計算器了。而傳統的CPU設計目標就是以運算為核心，其最基本的指令集就是加、減、乘、除等。我們現在的人工智能算法，主要還是運行在這樣一套為數值計算設計的體系之上的系統。

因此，我們想嘗試一條不一樣的思路，盡管這條路確實充滿不確定性。但如果沒有人去探索，這個領域就永遠不會有發展。這些探索的經驗，能為后來的研究者提供方向，讓他們知道前人走到了哪里。我覺得這就是科學的探索精神。

運營編輯 |曹倩審核｜孟莎莎