1. “用最小能量实现最大智能”
类脑芯片，通过模拟神经元与突触的行为，采用高并行、低功耗、事件驱动、稀疏激活的设计，与传统计算芯片架构完全不同。它天生擅长处理非结构化数据，是实现未来AGI（通用人工智能）的关键硬件路径之一。 邹卓回国加入复旦大学后，从2018年开始参与建设上海市类脑芯片与片上智能系统研发与转化功能型平台——新氦类脑。作为国内首批类脑计算基础设施平台，这里承担着技术研发、成果转化和产学研生态构建的多重任务。正是在这个平台上，他和团队完成了从基础理论到原型系统的全链条验证，为后续产业化奠定了扎实基础。
邹卓作为祖泉研究院类脑智能创新中心负责人，参加“高能级创新中心”发布仪式 “让芯片像大脑”——这是类脑计算最广为人知的比喻。但真正的类脑，到底在仿什么？外形更像，还是运作方式更像？邹卓的回答是：一个关键的区分在于，类脑（brain-inspired）区别于脑科学的研究，核心是通过脑启发去解决问题。2024年诺贝尔物理学奖颁发给了Geoffrey Hinton和John Hopfield，他们的工作本质上都受到神经科学启发。所以类脑计算，就是不断地借鉴脑信息处理机制，去实现更聪明、更高效的计算。 传统的人工神经网络（ANN）就像一个永远亮着所有灯的房子，无论是否需要，所有神经元都在持续计算。而脉冲神经网络（SNN）则像大脑一样，只有当有事件触发时，对应的神经元才会放电。这种事件驱动的计算方式，带来了数量级的能效提升。 为什么选择走上类脑芯片的研发之路？邹卓坦言，这不是一个刻意的选择。准确地说，走向类脑计算和类脑芯片，就像生物的进化，有前期研究的继承，更有环境变化的选择。他不是从低功耗走向类脑，而是“如何用最小能量实现最大智能”这个问题，把他推向了类脑。当AI遇到“计算不够高效、模型不够聪明”的双重瓶颈，当传统架构的优化开始触及极限，类脑计算已不再是一个前沿探索的“随机选项”，而是一个需要认真对待的解题思路。
2. 脑智算芯：类脑芯片的产业化实践
2025年6月成立的脑智算芯，正是为了用“沿途下蛋”的方式将创新技术转化为现实生产力。公司自主研发的Neu1012SE系列类脑大模型推理芯片，采用事件驱动的数据流设计、局部同步全局异步的稀疏激励、分布式细粒度存储，把计算复杂度压缩到传统方案的一半以下，同时模型性能逼近乃至超越主流ANN。 通过“芯模算一体”的设计理念，脑智算芯与国内大模型头部企业达成联合研发战略合作，实现了模型算法与芯片架构的深度融合，硬件利用率被最大化。目前，芯片已支持GLM、千问、DeepSeek等多种主流大语言模型，以及“瞬悉”类脑大模型的适配。 2026年5月，脑智算芯完成由复旦科创与英诺天使基金联合领投的天使轮融资，资金将主要用于推进Neu1012SE系列芯片的研发与原型验证，加速类脑算力芯片从实验室走向大规模商业化部署。
类脑计算在打破AGI天花板的过程中，扮演着什么角色？邹卓的看法是：我们一直依赖硅基计算，无论是现在的Scaling Law，还是早期的摩尔定律，都在试图逼近甚至超越碳基智能。但如果智能不完全等于计算，那这条路径本身可能就有偏差。类脑计算的意义在于：让硅，开始像生命一样去工作、去演化——这可能是通向AGI的真正路径之一。比如，如何实现持续学习、终身学习的能力，如何高效模拟人类的记忆机制、解决灾难性遗忘的问题。 那么，类脑芯片离真正的产业化落地，还有多远？最大的瓶颈是技术问题，还是市场牵引不足？邹卓认为，类脑计算正处于从早期科学研究到碘伏性技术、再到产业创新的重要阶段。现在的难题有两个：一是如何融入现有的智算生态；二是类脑整体技术的完备性。这些问题不是短时间内能解决的。所以回到当前，要从产业角度思考，先让类脑解决部分问题——一方面自上而下找需求，找到类脑的杀手级应用；另一方面自下而上发掘和适配类脑的碘伏性成果。
Neu1012SE系列芯片 从复旦教授、平台首席科学家到公司联合创始人，最大的认知变化是什么？邹卓说，科研人员要回答的是“能不能”的问题；而面对产业应用，需要回答的是“怎么‘能’”、“什么时候‘能’”。很多问题在实验室里可以成立，但只有放到产业环境里，才能知道它是否真正成立。但另一方面，科学家做企业的鸿沟并没有想象中那么大——当科学技术发展到今天，科学前沿和产业需求如此接近，甚至已经交汇在一起。
行业内普遍认为，类脑计算的产业化拐点将出现在未来5到10年，并可能成为主流人工智能技术之一。这个判断是否乐观？邹卓认为，5到10年作为类脑智能产业化的拐点，是一个理性的答案，但按照现有人工智能的发展速度，这一天可能会来得更快。IDC数据显示，2024上半年中国加速服务器市场规模已达50亿美元，预计2028年将增长到253亿美元，非GPU服务器市场份额有望提升到50%。这为类脑芯片提供了广阔的空间。邹卓团队的三步走路线是：先解决高效率计算，再突破持续学习和长程记忆等关键问题，最后走向AGI。
3. 从永生到共生：硅基智能与碳基智能的未来
AI时代为人类智能带来了全新的可能。从人工智能迈向类脑智能，不同智能形态之间如何协同发展？在邹卓看来，类脑智能和人工智能的关系并不是非此即彼，而是一个协同发展、双向奔赴、共同演进的过程。它是Brain-inspired computing for AI，而不是去replace AI。
AI for what？邹卓的回答是：AI for sustainability。AGI不是工具，AI的本质不是替代人，而是扩展人的认知边界。 关于AI解决问题的先后顺序，邹卓认为，从理性的商业需求出发，首先瞄准的是推理问题——如何实现更低延时的tokens生成。这基于现有的市场需求和生态建设。下一步，要利用类脑的持续学习、在线学习，或高效实现记忆功能的能力，去解决现有Transformer或Scaling Law下无法解决的问题。同时，智能体的协同发展，还可能让类脑在具身智能、物理智能上得到广泛应用。
那AI可以设计下一代类脑芯片吗？邹卓坦言，AI已经在极大提高团队的工作效率。研发过程中，大量使用AI agent辅助开发，基本的代码生成可以做到80%甚至90%的工作。在芯片验证和架构探索中，也大量用到agent作为辅助工具。这是一个完美的闭环：类脑计算让AI更高效，更高效的AI又反过来加速类脑芯片的研发。 展望十年后的未来，智能会有什么形态？邹卓回忆，他刚出国学习时，所在实验室就提过一个叫“永生”（Eternal Life）的概念。当时爱立信刚出多媒体手机，能把照片、语音储存下来，实验室就提出能不能把这些信息全部存储，进行整合，让一个人的思考和行为得到永生。那时他觉得这完全是科幻剧情，但看看现在的进展——有人用数字员工蒸馏出技能，让知识“永生”；还有Nature文章复刻了果蝇大脑，在虚拟平台上进行行动、认知、觅食的模拟——这其实都是永生的形态。
Nature封面通过9篇论文展示了首个果蝇大脑的完整连接组
硅谷公司「EON Systems」已成功实现果蝇大脑的「全脑仿真」 邹卓预言，十年之后，智能的形态将是人类的碳基智能与机器的硅基智能，通过更接近生物的智能模型与硬件载体实现有机融合，达到“共生”。三五年之后，每个人或许都有一个小小的、甚至看不见的盒子，能实现现在算力中心才能完成的任务——硅基计算与碳基智能无缝融合。
