行业背景与需求 - 智能时代尤其以大模型为代表的新人工智能对计算的需求呈爆炸式发展[1] - 现有计算系统面临功耗和成本不成正比的严峻现实，急需发展新的类脑计算[2] - 产学研用相结合研发是国家科技体制机制转变的重要内容[1] 技术平台与研发进展 - 清华大学类脑中心已构建类脑云脑-异构融合类脑计算研究平台，规模达16亿神经元[2] - 该平台构建了万亿级突出的全模式端到端类脑仿真平台，服务于脑模拟和智能医学等应用[2] - 广东省智能院布局类脑具身智能验证平台，研究视觉位置定位及多模态连续学习，目标是打造开放场景下具有终身学习能力的类脑智能系统[3] 创新产品发布 - 全球首款超小型移动式类脑智算体“智者一号”BIE-1正式发布[2] - 产品在迷你单门冰箱大小的空间里集成1152个CPU核心、4.8T DDR5内存、204T存储空间以及40G高速网络接口[2] - 产品核心技术为自主研发的“直觉神经网络”（INN），采用结构信息抽取—逻辑组网架构机制，可解释数值与符号统一的类脑学习网络[3] 产品性能表现 - “智者一号”在CPU单节点上仅用30小时便可完成百亿token训练[3] - 产品训练与推理速度分别达到10万token/秒和50万token/秒[3]

鹭羽 发自 凹非寺 量子位 | 公众号 QbitAI 谁说获得诺贝尔化学奖的 MOF （金属有机框架） "无用"？ 这种几十年前被嫌弃"只有理论但缺乏实际应用"的新材料， 前脚刚获得诺奖认可，后脚就被做成芯片 ！ （诺奖组委会这前瞻性 666 ） 这就是莫纳什大学的科学家们刚刚发布的最新成果——用MOF制造超迷你的流体芯片。 不同于传统芯片，不仅可以完成常规计算，还能记住之前的电压变化，形成 类似大脑神经元 的短期记忆。 正如作者所说，也许这将是 新一代计算机 的范例： 如果我们能够设计出像MOF这样只有几纳米厚的功能性材料，我们就可以制造出先进的流体芯片，以补充甚至克服当今电子芯片的一些 局限性。 具有"类脑"记忆通路的纳米流体芯片 纳米约束条件下的离子选择性传输正在生物机制仿真、离子分离、离子电子器件等方面展现出潜力，但由于难以制备高精度纳米通道器件，要 想实现可调非线性的离子运输其实相当困难。 而用 MOF 材料制作出的纳米流体芯片则解决了这一点。 MOF本身具备明确的通道结构，而且适配多种化学成分，可以在分子和离子传输过程中完成原子级精度调节。 研究人员基于此，构建了一种分层纳米流体晶体管器件 h-M ...

谁说获得诺贝尔化学奖的MOF（金属有机框架）"无用"？ 这种几十年前被嫌弃"只有理论但缺乏实际应用"的新材料，前脚刚获得诺奖认可，后脚就被做成芯片！ （诺奖组委会这前瞻性666） 这就是莫纳什大学的科学家们刚刚发布的最新成果——用MOF制造超迷你的流体芯片。 不同于传统芯片，不仅可以完成常规计算，还能记住之前的电压变化，形成类似大脑神经元的短期记忆。 正如作者所说，也许这将是新一代计算机的范例： 如果我们能够设计出像MOF这样只有几纳米厚的功能性材料，我们就可以制造出先进的流体芯片，以补充甚至克服当今电子芯片的一些局限 性。 具有"类脑"记忆通路的纳米流体芯片 纳米约束条件下的离子选择性传输正在生物机制仿真、离子分离、离子电子器件等方面展现出潜力，但由于难以制备高精度纳米通道器件，要想实现可调 非线性的离子运输其实相当困难。 而用MOF材料制作出的纳米流体芯片则解决了这一点。 MOF本身具备明确的通道结构，而且适配多种化学成分，可以在分子和离子传输过程中完成原子级精度调节。 研究人员基于此，构建了一种分层纳米流体晶体管器件h-MOFNT。 该器件首先通过在聚合物单纳米通道（NC）中组装分层Zr-MOF-SO₃ ...

文章核心观点 - 莫纳什大学的科学家利用曾获诺贝尔化学奖的金属有机框架材料，成功开发出一种具备类脑短期记忆功能的纳米流体芯片，这为克服传统电子芯片的局限性提供了新的技术范例 [1][3][19] MOF材料特性与优势 - MOF材料具备明确的通道结构，可适配多种化学成分，实现原子级精度的分子和离子传输调节 [6] - 该材料解决了制备高精度纳米通道器件的难题，为实现可调非线性的离子运输提供了可能 [4][5] 纳米流体芯片技术细节 - 研究人员构建了分层纳米流体晶体管器件h-MOFNT，通过在聚合物单纳米通道中组装分层Zr-MOF-SO₃H晶体，形成包含一维和三维异质结的多个异质结通道 [7][8][12] - 该器件在0.1 M氯化物金属离子溶液中的电流-电压测试显示，其质子传输呈现非线性特性，在0-0.2V时电流快速增加，0.3-0.8V时适度增加，0.9-2V时达到饱和 [12] - 漂移扩散实验确认HCl和KCl的阳离子转移数分别为0.86和0.81，表明特性主要源于质子和K+离子的非线性电阻开关行为 [13] 类脑计算与记忆功能 - 当扫描环路电压时，h-MOFNT表现出明显的滞后环路效应，扫描速率下降会挤压滞后环路，显示非线性质子传输对电压扫描频率存在依赖性 [16] - 器件能够记住过去的电压状态，具备流体忆阻和学习特性，局部电势ΔE的建立和衰减间隔约10秒，证明了其短期记忆特性和仿生可塑性学习方式 [16][18] - 通过并行编程五个h-MOFNT构建的小型流体电路，成功模拟了电子FET的输出电流特性 [16] MOF材料的应用前景与历史挑战 - 基于单晶胞或多晶胞厚度MOF的编程流体芯片是可行的，其在液态系统中体现出的开关、记忆等功能，可替代电子器件效果 [18] - MOF材料过去因结构稳定性差、合成过程复杂昂贵、批量生产难以维持结构一致性等问题，导致尽管有超过10万篇相关论文，但工业化应用屈指可数 [26][27] - 此项研究成果表明MOF并非无用，而是此前未找到真正适用的场景，合理设计异构约束系统可能实现基于液体的信息存储甚至类脑计算 [19][29]

研究论文日前发表在美国《科学进展》杂志上。莫纳什大学王焕庭教授在该校发布的一份新闻公报中介 绍，工程化纳米多孔材料在下一代设备的开发方面极具潜力。"我们首次在纳米流体装置中观察到质子 的饱和非线性传导。这为设计具有记忆甚至学习能力的离子电子系统开辟了新途径。"他说，如果能制 备出只有几纳米厚的MOF功能材料，就可以开发出先进的流体芯片，以弥补甚至突破当今电子芯片的 局限性。 为验证这种流体芯片的潜力，研究团队构建了一个具有多条MOF通道的小型流体电路。这种芯片对电 压变化的反应模拟了电子晶体管的行为，同时也展现出记忆功能，未来有望应用于液态数据存储或"类 脑"计算系统。（完） 新华社墨尔本10月12日电（记者徐海静）澳大利亚莫纳什大学研究人员最新开发出一种微型流体芯片， 其运作方式类似于大脑的神经通路，这可能为研发下一代计算机开辟新路径。 这种硬币大小的芯片由特殊设计的金属有机框架（MOF）材料制成，并通过微小通道传输离子，模仿 计算机中电子晶体管的开关。但与传统的计算机芯片不同，它还可以"记忆"之前的信号，模仿大脑神经 元的可塑性。 ...

全球首个神经重症脑机接口多中心临床试验 - 项目聚焦脑积水精准诊疗，由天津大学脑机交互与人机共融海河实验室与天津市环湖医院牵头，联合国内多家顶尖医疗机构启动 [3] - 标志着脑机接口技术首次突破传统运动和认知功能修复应用范畴，全面走向神经重症领域 [3] “北脑一号”智能脑机系统 - 全球首个实现百通道以上高通量、无线全植入、准实用化的半侵入式脑机接口产品，由微型体内机、便携式体外机和软件算法构成 [5] - 微型体内机仅1元硬币大小，柔性薄膜电极厚度仅几微米，手术简单、安全性高 [5] - 已完成5例人体植入，首例患者植入时间达7个月，有效通道数保持在98%以上，信号质量持续稳定 [6] - 即将开始注册临床试验，有望在2-3年后获批三类医疗器械注册证实现产品上市 [6] “悟空”超大规模神经拟态类脑计算机 - 由15台刀片式类脑服务器组成，搭载960颗自研达尔文3代类脑计算芯片，支持脉冲神经元规模超20亿，接近猴脑水平 [7] - 神经突触数量超千亿，典型运行状态下功耗仅约2000瓦，已超越国际最大神经拟态类脑计算机Hala Point [7] - 可运行DeepSeek类脑大模型完成逻辑推理、内容生成等任务，并能模拟不同神经元规模的动物大脑 [8] 穿戴式原子磁力计脑磁图 - 技术核心为自研高性能探测器和可移动磁屏蔽室，探测器性能达世界先进水平且实现稳定量产 [10] - 系统打包成全球首台“移动式脑磁图方舱”，可由普通卡车运输，患者单次检查费用将从近万元降至千元内 [10] - 未来有望应用于孤独症、阿尔茨海默病、抑郁症等多种脑疾病的大规模筛查和早期诊断 [10] 本土化嗅觉功能评估与训练体系 - “心灵秀”系统可对嗅觉阈值、分辨、识别能力进行定量化评估，精选40种中国人熟悉的气味组成本土化气味库 [12] - 完成一次嗅觉识别功能快筛仅需5-10分钟，可提早4-8年预警帕金森病风险，提早2-5年预警阿尔茨海默病风险 [12] - 系统形成“检测—干预”闭环，通过嗅觉训练延缓老年神经退行性疾病病程 [12]

脑科学领域技术突破 - 中国脑科学在影像学、细胞分子、人工智能等交叉领域技术突破的推动下进入飞速发展阶段[1] - 四项突破性创新成果包括“北脑一号”智能脑机系统、“悟空”超大规模神经拟态类脑计算机、穿戴式原子磁力计脑磁图、本土化嗅觉功能评估与训练体系[1] “北脑一号”智能脑机系统 - 该系统为国际首次实现百通道以上高通量、无线全植入、准实用化的半侵入式脑机接口产品[1] - 能够帮助因脊髓损伤、脑卒中、渐冻症等导致的运动和言语障碍患者实现功能替代和康复[1] - 已完成5例患者植入，首例患者植入超半年后有效通道数仍保持在98%以上，信号质量持续稳定[1] - 5例患者涵盖脊髓损伤、脑卒中与渐冻症三类疾病，运动障碍患者成为技术落地的优先受益群体[3] - 具备康复效应，通过同步中枢神经命令与外周控制促进断裂神经通道产生“重连”趋势[3] “悟空”超大规模神经拟态类脑计算机 - 该计算机为新一代超大规模神经拟态类脑计算机，神经元规模接近猴脑[3] - 搭载960颗自研达尔文3代类脑计算芯片，支持脉冲神经元规模超20亿、神经突触超千亿[3] - 典型运行功耗仅约2000瓦，超越国际最大神经拟态类脑计算机Hala Point[4] - 核心优势在于改变科研模式，传统计算机需一天模拟的任务“悟空”一分钟即可完成[3] - 可通过模拟验证假设大幅加速脑疾病与认知研究进程，迭代周期从年为单位缩短[4] 穿戴式原子磁力计脑磁图 - 该设备克服了传统脑磁图高成本和低灵活性的缺陷[4] - 可广泛应用在脑科学研究、脑疾病诊断和脑机接口等不同领域[4] - 配套设计生产了方舱式高性能磁屏蔽室，填补国内空白并实现国际首次屏蔽室可移动[6] - 移动式屏蔽室方便进入医院、学校或边远地区采集数据，大幅拓展脑磁图系统使用场景[6] 本土化嗅觉功能评估与训练体系 - 该体系为阿尔茨海默病、帕金森病等神经退行性疾病早期筛查提供新方案[6] - 面向中国人群开发了涵盖阈值、分辨与识别三大模块的嗅觉功能评估系统，建立了全国年龄常模[6] - 信效度达到国际领先水平，配套构建了云端评估交互平台与数据库[6] - 针对嗅觉障碍人群设计了涵盖多种气味类别及不同嗅觉加工层级的康复训练工具[6]

核心技术思路 - 提出“基于内生复杂性”的通用智能实现路径，旨在通过融合神经元内部丰富动力学特性来构建高效模型，区别于现有“基于外生复杂性”（简单神经元+大规模网络）的技术路径[7][9] - 核心创新在于借鉴大脑信息处理机制，使用具有复杂内生动态的脉冲神经元构建模型，理论上存在用小规模复杂神经元网络代替大规模简单神经元网络的可能性[5][6] - 团队在理论上建立了脉冲神经元内生动力学与线性注意力模型之间的联系，揭示现有线性注意力机制是树突计算的特殊简化形式，为性能提升提供了清晰路径[13] 模型架构与性能 - SpikingBrain-1.0包含7B和76B两个版本：7B为层间混合纯线性模型，76B为层内混合的混合线性MoE模型，分别具有线性及近线性复杂度[10][14] - 7B模型在极低训练数据量（约150B token，为主流模型的2%）下实现与主流开源Transformer模型相媲美的性能，在MMLU基准上达到65.84分[18][19] - 76B模型仅激活12B参数，在MMLU基准上达到73.58分，性能接近或优于Llama2-70B、Mixtral-8*7B等先进Transformer模型[20] 效率优势与基准测试 - 在GPU上处理1M长度序列时，TTFT速度相比主流大模型提升26.5倍，4M长度下保守估计速度提升超过100倍[2][21] - 序列长度从256k扩展到4M时，推理时间开销几乎恒定（1015ms至1073ms），而Qwen baseline在1M长度时已达27929ms且难以评测4M长度[21][22] - 在手机CPU端，压缩至1B的模型在64k-128k-256k长度下较Llama3.2的1B模型Decoding速度分别提升4.04倍-7.52倍-15.39倍[23] 技术创新点 - 构建自适应阈值神经元模型模拟生物神经元脉冲发放过程，通过虚拟时间步策略实现“电位-脉冲”转换，将整数脉冲计数重新展开为稀疏脉冲序列[12] - 动态阈值脉冲化信息编码方案可将模型中计算量占比90%以上的稠密连续值矩阵乘法替换为支持事件驱动的脉冲化算子，实现高性能与低能耗兼顾[12] - 结合网络层面MoE架构与神经元层面稀疏事件驱动计算，提供微观-宏观层面的稀疏化方案，体现按需计算的高效算力分配[13] 国产化与生态建设 - 适配了面向沐曦MetaX国产GPU集群的高效训练和推理框架、Triton算子库、模型并行策略以及集群通信原语，实现百卡规模数周稳定训练[2][13][26] - 7B模型在国产算力集群上进行8k长度训练时，MFU达到23.4%，TGS per GPU达到1558 tokens/s，展示了构建国产自主可控新型非Transformer大模型架构生态的可行性[26][28] - 团队开源了SpikingBrain-1.0-7B模型并提供76B模型的网络试用端口，支持数百人并发请求，积极推动类脑研究生态构建[27][29]

高性能计算(HPC)与大模型发展 - 高性能计算是大模型训练的核心基础设施 没有高性能计算就没有大模型[2] - HPC技术在大模型时代扮演降本增效的关键角色 通过软硬协同优化可显著提升训练效率[3][4] - 中国HPC发展经历了三个阶段 从自研计算机到采购工作站再到自研处理器构建超算[4] 清华高性能计算研究所 - 清华高性能所是中国HPC研究的先驱 率先采用工作站集群方案打破美日垄断[4] - 研究方向从硬件转向软件优化 在计算/存储/通信三大领域积累深厚经验[5] - 培养了大量顶尖人才 包括华为海思首席科学家/网易有道CEO等产业界精英[16] 存储技术创新 - 郑纬民团队突破大规模SAN存储技术 将产品价格大幅降低[13] - 提出云存储概念并开发国内首个云计算平台"清华云"[13] - 陆游游团队开发的SuperFS文件系统夺得IO500全球存储榜首[63] 大模型训练优化 - 开发"八卦炉"训练系统 支持174万亿参数MoE模型在国产超算上运行[37] - 推出全球首个开源MoE训练框架FastMoE 训练效率提升显著[41] - SmartMoE系统采用动态并行策略 进一步优化稀疏模型训练[42] 推理系统创新 - Mooncake系统实现KVCache共享 节省GPU算力消耗[55] - KTransformers系统实现CPU/GPU协同推理 降低显存需求[57] - "赤兔"推理引擎支持国产芯片 性能优于主流开源方案[44] 国产芯片生态建设 - 清程极智专注国产芯片编译优化 支持华为/沐曦等十余家厂商[86] - 开发九源智能基础软件栈 实现跨硬件平台适配[96] - 目标是用国产芯片训练国际一流大模型 突破算力瓶颈[85] 新兴计算方向 - 张悠慧研究类脑计算 提出类脑计算完备性理论[74] - 开发通用类脑编译器 解决软件碎片化问题[77] - 汪东升团队发现多个处理器安全漏洞 推动硬件安全防御[81]

新一代神经拟态类脑计算机发布 - 浙江大学脑机智能全国重点实验室发布新一代神经拟态类脑计算机"悟空" [1] - "悟空"基于专用神经拟态芯片 支持脉冲神经元规模超过20亿 神经突触超过千亿 神经元数量接近猕猴大脑规模 [1] - 类脑计算是将生物神经网络工作机理应用于计算机系统设计 构建低功耗 高并行 高效率 智能化的计算系统 [1] 技术突破与芯片配置 - "悟空"搭载960颗达尔文3代类脑计算芯片 由浙江大学联合之江实验室研制 [1] - 单颗芯片支持超过235万脉冲神经元与亿级神经突触 [1] - 支持类脑计算专用指令集和神经拟态在线学习机制 [1] - 在大规模神经元系统互连与集成架构等关键技术方面取得突破 [1]