大模型时代：类脑智能赋能+电力应用场景的新模式.pptx

CE1C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

CEIC中国电科

目录

CHINAELECTRONICSTECHNOLOGYGROUPCORPORATION2

CONTENTS

一、类脑计算的背景与优势

CEIC中国电科

CHINAELECTRONICSTECHNOLOGYGROUPCORPORATION3

CEIC中国电科

冯·诺依曼架构瓶颈

输入/输出中央处理器存储器

控利总线

地址总找

散据总线

口存储墙、功耗墙瓶颈

口摩尔定律失效

一、类脑计算的背景与优势

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

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

大模型拉开数据和算力竞争序幕，训练和应用带来巨大

的能源消耗

来源：IDC白皮书《数据时代2025》CHINAELECTRONICSITCHNOLOGYGROUPCORPORATION4

口高算力需求(每两个月翻一番)口现有窄人工智能局限

口80%非结构化

口变化快、关联多、多样性

5400个美国家庭1年用电1800辆汽车1年排放

全球产生数据量每两年翻一番

训练一次GPT4

21

Mp(SMI21819

57.9兆干瓦时电量

6300万美元

CnvDLA

Mm

oonAI

21201120112U101420152016201T20L2019202202121122320242025

9000吨碳

gLAnvOIA

OpinAT

G

r

ngNam

dCpdysIpln

…………

外*f

9

19

a

一、类脑计算的背景与优势CEIC中国电科

人工智能痛点：鲁棒性和泛化能力

强物理直觉知识被动接受训练

当前人工智能与生物智能还有很大的距离

样本利用效率极低

(大模型需要TB量级训练样本)

自适应和鲁棒性差，难适应复杂环境强自然环境适应性

物理理解缺失

(Sora视频生成失败案例)

CHINAELECTRONICSTECHNOLOGYGROUPCORPORATION5

好奇心驱使的主动学习

当前人工智能

当前人工智能

极小样本可运作

生物智能

生物智能

vuLIZATioM

T

口狭义类脑计算(Brain-likecomputing):侧重

对生物脑网络形态的模拟(neuromorphic

computing),比如脉冲神经网络(SNN)、脑仿

真、STDPlearning等。

卡口广义类脑计算(Brain-inspiredComputing):

核心在于对生物脑的借鉴，不仅仅局限于神经形态模拟，还可融合传统人工神经网络(ANN),以及更多受脑启发的网络构建理论，是一种融合计算机科学和神经计算科学的发展途径。

生物脑的计算特性

存-算一体

分布式计算

空-时处理

稀疏计算

低功耗高效并行计算架构

生物脑的智能机理

多簇网络结构

神经元动力学

突触可塑性

认知、记忆能力

类人脑的学习能力

一、类脑计算的背景与优势

类脑智能

类脑智能

生物脑科学原理、计算机科学原理融合发展的新型计算

类脑计算是国际半导体协会认定的重点发展方向之一

CEIC中国电科

CHINAELECTRONICSTECHNOLOGYGROUPCORPORATION6

类脑计算架构被认为是继CPU/GPU之后应对人工智能挑战的新一类芯片架构

数据来源：Intel《TakingNeuromorphicComputingtotheNextLevelwithLoihi2》

基于脑启发的时空融合

架构实现智能计算

存算一体

控制流与数据流融合

众核并行，同步/异步流水