CETC中国电科大模型时代：类脑智能赋能电力应用场景的新模式中国电子科技南湖研究院蔡炎松2025年4月
CETC中国电科目录CONTENTS类脑计算的背景与优势二类脑计算的布局和成果三类脑计算与大模型融合四电力领域类脑应用五类脑电网智能体
CETC中国电科一、类脑计算的背景与优势
类脑计算的背景与优势CETC中国电科当前现状:高计算量和能源消耗数字信息爆炸人工智能高速发展冯·诺依曼架构瓶颈中央处理器全球产生数据量每两年翻一番口80%非结构化口高算力需求（每两个月翻一番)口存储墙、功耗墙瓶颈口变化快、关联多、多样性口现有窄人工智能局限口摩尔定律失效训练一次GPT4大数据、多样性、变化快、关联多,80%非结构化>冯诺依曼架构瓶颈摩尔定律变缓,物理微缩带来的性能红利不可持续A大模型拉开数据和算力竞争序幕,训练和应用带来巨大6300万美元57.9兆干瓦时电量9000吨碳5400个美国家庭1年用电1800辆汽车1年排放的能源消耗来源:IDC白皮书《数据时代2025)
类脑计算的背景与优势CETC中国电科人工智能痛点:鲁棒性和泛化能力当前人工智能生物智能当前人工智能生物智能自适应和鲁棒性差,难适应复杂环境强自然环境适应性样本利用效率极低极小样本可运作（大模型需要TB量级训练样本）物理理解缺失强物理直觉知识被动接受训练好奇心驱使的主动学习(Sora视频生成失败案例)当前人工智能与生物智能还有很大的距离
类脑计算的背景与优势CETC中国电科类脑智能类脑智能口狭义类脑计算(Brain-like computing):侧重生物脑科学原理、计算机科学原理对生物脑网络形态的模拟(neuromorphic融合发展的新型计算computing),比如脉冲神经网络（SNN)、脑仿真、STDPlearning等。生物脑的计算特性生物脑的智能机理存-算一体多簇网络结构翠口广义类脑计算(Brain-inspired Computing);分布式计算神经元动力学核心在于对生物脑的借鉴,不仅仅局限于神经空-时处理突触可塑性形态模拟,还可融合传统人工神经网络(ANN)稀疏计算认知、记忆能力以及更多受脑启发的网络构建理论,是一种融低功耗高效并行计算架构合计算机科学和神经计算科学的发展途径类人脑的学习能力类脑计算是国际半导体协会认定的重点发展方向之一
类脑计算的背景与优势CETC中国电科类脑计算架构:能效优势CPUGPU类脑计算CPUMemoryMemory基于单一强大核心处理基于大量简易核心处理基于脑启发的时空融合复杂计算问题逻辑简单的并行计算架构实现智能计算存算分离存算分离存算一体控制流架构复杂控制逻辑控制流架构简化控制逻辑控制流与数据流融合精细流水处理指令级并行大量并行计算单元高吞吐众核并行,同步/异步流水类脑计算架构被认为是继CPU/GPU乙后应对人工智能挑战的新一类心片架构数据来源:Intel《TakingNeuromorphicComputingto the Next Level withLoihi2)CHINAELECTRONICSTECHNOLOGT
类脑计算的背景与优势:挖掘生物智能的天然能效优势CETC中国电科类脑智能优势:计算范式+网络结构+学习理论传统类脑理论生物脑的高效性能基础100万神经元全局梯度更新本地-全局协同学习0.1毫瓦功耗算法模型1000亿神经元规模的智能系统前向传播高度回环人脑约20瓦CPU超算约790万瓦芯片CPUMemory形态存算分离存算一体
类脑计算的背景与优势:挖掘生物智能的天然能效优势CETC中国电科展望:脑启发的通用智能现有人工神经网络越来越多结合脑启发理论与技术当前人工智能(基础大模型）路线情感自我持续迁移学习演进高泛化能力是否能走通高级心智表达(小样本)还未知通用人工超人智能能力多模态基础具身大模型智能体视觉-语言大模型自生存大模型认知增强学习智能涌现自演化创作生成通用、快适应强人脑化学习感知数字孪生限领域智能涌现增强学习生物脑通用从自然环境仿生强学习数字孪生世界模型中自学习方法功能级脑仿真概念学习好奇心/内在驱动仿生学习机制认知活动下（能量学习、脑可塑性机制仿真脑成像分析地学习)(MRI/DTI)主动推断预测编码神经元、突触大规模脑连接脑结构建模与仿真动力学原理图谱测定自由能原理神经生理学认知神经科学路线理论与计算神经科学路线(脑科学)路线
CETC中国电科二、类脑计算的布局和成果
类脑计算的布局和成果CETC中国电科类脑计算...
