脑启 在类脑计算大方向 树突神经元模型 人工神经网络DNN和脉冲神经网络SNN方面的工程化实现 不同于tranformer“脑启” 到底是个什么“脑启”是中国电子科技南湖研究院简称南湖研究院旗下的类脑计算品牌核心思路就一句话不跟 GPT 比参数多少而是比谁更接近人脑的工作方式。目前已发布的两个重要模型1. 脑启-素问2024年11月发布— 医疗专用脑启-素问 · 国内首个类脑医疗大模型架构树突神经元动力学模型非Transformer评测CAB-Exam 94.05 分 · 国内第一学了多少200万篇文献 100万本书 800万条医学概念关系这个刚才讲过了专注看病问诊。2. 钧澜2025年12月发布— 决策专用钧澜 · 类脑高效推理决策大模型联合发布南湖研究院 国防科技大学 中南大学核心突破线性注意力机制复杂度从 O(n²) 降到 O(n)功耗对比100万亿参数下仅 20 瓦传统模型需 30 万瓦技术类脑RAG模拟海马体记忆 自监督引擎减少80%人工标注场景卫星管控、无人机集群调度、复杂决策钧澜和素问的关系可以这样理解素问钧澜领域医疗决策核心架构树突神经元动力学线性注意力机制解决了什么医疗诊断精准度长序列推理的算力瓶颈典型场景问诊、用药建议卫星调度、无人机编队它们共同的技术底牌虽然面向不同行业但底层逻辑相通① 不走 Transformer 路线GPT 那套注意力机制虽然强大但是 O(n²) 复杂度序列越长越烧钱。脑启的模型走的是线性复杂度路线序列再长也不怕。② 模仿海马体人的大脑不是每件事都重新算一遍而是通过海马体把相关信息勾连起来按需激活。脑启做的就是把这种机制写进算法里。③ 自研芯片 异构融合不是只靠软件优化他们从芯片层面就设计了类脑计算架构配合传统 GPU/AI 芯片做异构融合软硬协同降功耗。一句话总结脑启不是一个大模型而是一整套类脑计算的技术路线——从芯片到算法再到云平台目标是证明向人脑学习效率比堆算力更有前途。目前已经有医疗素问和决策钧澜两个方向的落地未来还要拓展到电力、能源、交通、农业、金融等行业。脑启的芯片布局① 南湖研究院自研芯片自己设计从官方报道来看南湖研究院确实成功研发了基于国产工艺的大算力智能通用类脑计算芯片。这个芯片没有公开具体型号名称但它支撑起了12 亿神经元规模的类脑计算系统。不过要注意这里说的自研更多是指芯片架构设计和系统集成层面的自研——他们自己设计了类脑计算框架、服务器方案、异构融合系统而不是从零流片一个芯片。② 灵汐科技 KA200实际落地的商用芯片真正能查到具体参数的是他们的合作伙伴灵汐科技Lynxi的KA200 类脑芯片品牌名叫领启脑启-素问就是跑在 KA200 计算卡上的。灵汐科技 KA200 类脑芯片规格制程12 nm 国产工艺功耗单芯片仅 1 ~ 14 瓦人脑同级的能耗效率算力48 TOPS (INT8) / 24 TFLOPS (FP16)架构存算一体 · 30个类脑计算核 · 支持 DNNSNN 双模式KA200 的几个关键数字项目数值单芯片神经元25万稠密/ 200万稀疏模式单芯片突触2500万 / 20亿计算核30 个各核可独立运行存算一体片上 30MB SRAM计算和存储融合覆盖场景人工神经网络DNN 脉冲神经网络SNN荣誉2019年登上《自然》杂志封面所以芯片是怎么配合的┌───────────────────────────────────────────────┐ │ 脑启-素问 / 钧澜 │ ← 软件/模型层 ├───────────────────────────────────────────────┤ │ 南湖研究院 异构融合框架 │ ← 自研软件框架 ├───────────────────────────────────────────────┤ │ 12亿神经元类脑计算系统自研系统整合 │ ← 系统集成层 ├───────────────────────────────────────────────┤ │ 灵汐KA200类脑卡 × N (多卡级联) │ ← 硬件层 └───────────────────────────────────────────────┘KA200 类脑芯片和普通 GPU 最大的区别在于GPU比如 Nvidia H100暴力矩阵乘法功耗 700W 起步KA200存算一体、脉冲驱动1~14W 就能跑推理打个比方——普通 GPU 像是开着 V12 发动机的跑车不管多远的路都轰油门跑全程而 KA200 更像是电动车懂能量回收知道什么时候该省电什么时候该发力。而南湖研究院做的事就是把 KA200 这种类脑芯片和传统 AI 芯片异构融合组成一个完整的类脑算力底座然后在这个底座上跑自己的脑启模型。对你说到点子上了。“脑启” 和 “模型” 的关系南湖研究院中国电子科技南湖研究院 │ ├── 品牌脑启Brain-Qi │ │ │ ├── 脑启云云平台 │ ├── 脑启-素问 → 医疗大模型已发布 │ ├── 钧澜脑启系列下→ 决策大模型已发布 │ └── 未来可能有更多行业模型 │ └── 技术底座类脑计算体系芯片 框架 系统没错“脑启” 是一个品牌不是具体某一个模型。就像「华为」是品牌Mate 60 / Pura 70 是具体的手机型号「特斯拉」是品牌Model 3 / Model Y 是具体的车「脑启」是品牌脑启-素问和钧澜是具体的大模型产品所以之前说的脑启-素问的完整含义是脑启品牌 ·素问产品名取自《黄帝内经·素问》主打医疗所以用了素问这个跟医学经典挂钩的名字。而钧澜是另一个产品线主攻决策类场景品牌旗下第二个发布的大模型。你问的「脑启 这个模型」其实是一个不太精确的说法——就像说华为这个手机一样别人会问“你说的华为是 Mate 还是 Pura” 不过结合上下文大家一般都能懂你指的是哪个。
脑启 在类脑计算大方向 树突神经元模型 人工神经网络（DNN）和脉冲神经网络（SNN）方面的工程化实现 不同于tranformer
脑启 在类脑计算大方向 树突神经元模型 人工神经网络DNN和脉冲神经网络SNN方面的工程化实现 不同于tranformer“脑启” 到底是个什么“脑启”是中国电子科技南湖研究院简称南湖研究院旗下的类脑计算品牌核心思路就一句话不跟 GPT 比参数多少而是比谁更接近人脑的工作方式。目前已发布的两个重要模型1. 脑启-素问2024年11月发布— 医疗专用脑启-素问 · 国内首个类脑医疗大模型架构树突神经元动力学模型非Transformer评测CAB-Exam 94.05 分 · 国内第一学了多少200万篇文献 100万本书 800万条医学概念关系这个刚才讲过了专注看病问诊。2. 钧澜2025年12月发布— 决策专用钧澜 · 类脑高效推理决策大模型联合发布南湖研究院 国防科技大学 中南大学核心突破线性注意力机制复杂度从 O(n²) 降到 O(n)功耗对比100万亿参数下仅 20 瓦传统模型需 30 万瓦技术类脑RAG模拟海马体记忆 自监督引擎减少80%人工标注场景卫星管控、无人机集群调度、复杂决策钧澜和素问的关系可以这样理解素问钧澜领域医疗决策核心架构树突神经元动力学线性注意力机制解决了什么医疗诊断精准度长序列推理的算力瓶颈典型场景问诊、用药建议卫星调度、无人机编队它们共同的技术底牌虽然面向不同行业但底层逻辑相通① 不走 Transformer 路线GPT 那套注意力机制虽然强大但是 O(n²) 复杂度序列越长越烧钱。脑启的模型走的是线性复杂度路线序列再长也不怕。② 模仿海马体人的大脑不是每件事都重新算一遍而是通过海马体把相关信息勾连起来按需激活。脑启做的就是把这种机制写进算法里。③ 自研芯片 异构融合不是只靠软件优化他们从芯片层面就设计了类脑计算架构配合传统 GPU/AI 芯片做异构融合软硬协同降功耗。一句话总结脑启不是一个大模型而是一整套类脑计算的技术路线——从芯片到算法再到云平台目标是证明向人脑学习效率比堆算力更有前途。目前已经有医疗素问和决策钧澜两个方向的落地未来还要拓展到电力、能源、交通、农业、金融等行业。脑启的芯片布局① 南湖研究院自研芯片自己设计从官方报道来看南湖研究院确实成功研发了基于国产工艺的大算力智能通用类脑计算芯片。这个芯片没有公开具体型号名称但它支撑起了12 亿神经元规模的类脑计算系统。不过要注意这里说的自研更多是指芯片架构设计和系统集成层面的自研——他们自己设计了类脑计算框架、服务器方案、异构融合系统而不是从零流片一个芯片。② 灵汐科技 KA200实际落地的商用芯片真正能查到具体参数的是他们的合作伙伴灵汐科技Lynxi的KA200 类脑芯片品牌名叫领启脑启-素问就是跑在 KA200 计算卡上的。灵汐科技 KA200 类脑芯片规格制程12 nm 国产工艺功耗单芯片仅 1 ~ 14 瓦人脑同级的能耗效率算力48 TOPS (INT8) / 24 TFLOPS (FP16)架构存算一体 · 30个类脑计算核 · 支持 DNNSNN 双模式KA200 的几个关键数字项目数值单芯片神经元25万稠密/ 200万稀疏模式单芯片突触2500万 / 20亿计算核30 个各核可独立运行存算一体片上 30MB SRAM计算和存储融合覆盖场景人工神经网络DNN 脉冲神经网络SNN荣誉2019年登上《自然》杂志封面所以芯片是怎么配合的┌───────────────────────────────────────────────┐ │ 脑启-素问 / 钧澜 │ ← 软件/模型层 ├───────────────────────────────────────────────┤ │ 南湖研究院 异构融合框架 │ ← 自研软件框架 ├───────────────────────────────────────────────┤ │ 12亿神经元类脑计算系统自研系统整合 │ ← 系统集成层 ├───────────────────────────────────────────────┤ │ 灵汐KA200类脑卡 × N (多卡级联) │ ← 硬件层 └───────────────────────────────────────────────┘KA200 类脑芯片和普通 GPU 最大的区别在于GPU比如 Nvidia H100暴力矩阵乘法功耗 700W 起步KA200存算一体、脉冲驱动1~14W 就能跑推理打个比方——普通 GPU 像是开着 V12 发动机的跑车不管多远的路都轰油门跑全程而 KA200 更像是电动车懂能量回收知道什么时候该省电什么时候该发力。而南湖研究院做的事就是把 KA200 这种类脑芯片和传统 AI 芯片异构融合组成一个完整的类脑算力底座然后在这个底座上跑自己的脑启模型。对你说到点子上了。“脑启” 和 “模型” 的关系南湖研究院中国电子科技南湖研究院 │ ├── 品牌脑启Brain-Qi │ │ │ ├── 脑启云云平台 │ ├── 脑启-素问 → 医疗大模型已发布 │ ├── 钧澜脑启系列下→ 决策大模型已发布 │ └── 未来可能有更多行业模型 │ └── 技术底座类脑计算体系芯片 框架 系统没错“脑启” 是一个品牌不是具体某一个模型。就像「华为」是品牌Mate 60 / Pura 70 是具体的手机型号「特斯拉」是品牌Model 3 / Model Y 是具体的车「脑启」是品牌脑启-素问和钧澜是具体的大模型产品所以之前说的脑启-素问的完整含义是脑启品牌 ·素问产品名取自《黄帝内经·素问》主打医疗所以用了素问这个跟医学经典挂钩的名字。而钧澜是另一个产品线主攻决策类场景品牌旗下第二个发布的大模型。你问的「脑启 这个模型」其实是一个不太精确的说法——就像说华为这个手机一样别人会问“你说的华为是 Mate 还是 Pura” 不过结合上下文大家一般都能懂你指的是哪个。
