{"id":89175,"topic":"ai","source":"finance.sina.com.cn","title":"中国科学院院士张旭：类脑智能有望5年内走进千家万户 - finance.sina.com.cn","url":"https://finance.sina.cn/2026-09-24/detail-iniswrrm4933921.d.html?vt=4","url_hash":"d305494d67b851a6de87fb0b2bcaf8141c94c1f5","author":"","summary":"中国科学院院士张旭：类脑智能有望5年内走进千家万户 finance.sina.com.cn","content":"中国科学院院士张旭：类脑智能有望5年内走进千家万户\n来源：科技日报\n科技日报记者 代小佩\n多款类脑智能产品在2026世界人工智能大会上发布，引发关注；上海市杨浦区发布《杨浦区关于促进类脑智能产业发展的若干措施》……近年来，类脑智能的热度不断上升。《中国未来产业科技创新发展报告（2026年）》蓝皮书显示，我国类脑智能领域投融资总额已突破30亿元。\n热度不断上升的类脑智能具备哪些核心优势？其产业化之路面临哪些挑战？如何促进类脑智能产业快速发展？\n日前，科技日报记者专访了中国科学院院士、中国神经科学学会理事长张旭，围绕类脑智能的概念边界、技术发展趋势、产业化路径等话题展开了交流。\nAI突破瓶颈需要类脑智能\n记者：当前，人工智能与神经科学的交叉融合受到越来越多的关注，二者是什么关系？\n张旭：人工智能与神经科学形成了一个双向促进的闭环。一方面，神经科学的发展为人工智能提供了仿生思路与理论参考。另一方面，人工智能已成为神经科学研究的核心工具。\n过去十年，生物医学领域积累了海量的数字化研究数据，仅靠传统分析手段，很难挖掘出这些数据的深层价值。人工智能的系统性、综合性分析能力，能帮助科研人员发现此前难以察觉的规律，并识别出潜在的应用场景。\n如今，人工智能已经成为科研人员、临床医生的必备工具。甚至可以说，不了解AI for Science（人工智能驱动的科学研究）的应用逻辑，就会落后于时代。\n记者：脑科学与人工智能交叉领域，先后出现了“脑智”与“类脑智能”等重要概念。这两个概念有什么区别？\n张旭：“脑智”与“类脑智能”并非同一概念。“脑智”是脑科学与人工智能的交叉融合，是连接脑科学与人工智能的桥梁。现在的人工智能发展主要依托计算机、数学、统计学等学科，和现代神经科学的前沿进展衔接并不紧密，二者之间存在明显的研究鸿沟。2014年，我牵头设立“上海脑—智工程”研究计划的初衷就是弥合鸿沟，填补这一空白。\n随着人工智能与脑科学的交叉融合加深，以及相关技术迭代发展，“类脑智能”的概念应运而生。\n类脑智能是受脑科学启发的智能科学与技术，属于技术科学范畴。其核心在于借鉴人脑感知认知神经网络原理及工作机制，工程化地实现受脑信息处理机制启发的智能框架、算法模型和智能计算系统。\n相比脑智，类脑智能这一概念更加清晰准确，产业化路径也更加明确。如今，我们已经明确：类脑智能是面向未来的全新人工智能理论与技术体系。\n记者：为什么说类脑智能是下一代人工智能的重要突破方向？\n张旭：人工智能从上世纪五六十年代就吸收了脑科学的基础发现，但后来主要靠互联网大数据、数学及统计学、计算机技术推动，如今进入了技术瓶颈——过度依赖以图形处理器（GPU）为代表的主流人工智能算力和海量数据，导致能耗高、成本高、存在数据安全隐患等。\n而类脑智能则另辟蹊径，模拟生物脑的神经元及其神经网络计算体系。与传统人工智能算力方案相比，其硬件规模、能耗需求、使用成本和算力建设成本大幅降低，可保障数据安全、实现专有多模态模型训练和推理，特别适用于人工智能应用技术的开发者和使用者，以及相关企业和科研机构、医院等，可以作为智能体、智能机器人、具身智能的基础。\n这里我说一个直观的对比：人类大脑有860亿个神经元，能耗只有20瓦；而相同规模的人工智能系统，能耗高达8兆瓦。这种巨大的差异背后，隐藏着下一代智能技术变革的钥匙。\n记者：能否具体说说类脑智能有哪些核心优势？\n张旭：从技术底层来看，传统冯·诺依曼架构的计算机，仅靠3D堆叠、先进封装等工程手段，只能小幅降低能耗、提升算力，无法解决存储与计算分离的根本问题。而类脑智能是底层架构的根本性变革，它依托仿生神经单元、类脑神经网络架构，从根源上破解了大模型高能耗的难题，同时具备透明可解释的特点，能避免传统大模型的幻觉问题。\n在隐私保护方面，类脑智能也具有显著优势。当前大模型追求公众化、标准化，而类脑智能支持本地化、私有化训练——个人健康数据、家庭数据、企业数据等都可完全保留在本地，在实现高度个性化的同时，能保障个人隐私安全和企业安全。\n类脑智能产业前景广阔\n记者：当前类脑智能产业化面临的共性堵点有哪些？\n张旭：经过研究者多年努力，类脑智能领域已逐渐形成贯通的创新链条：从脑感知、认知神经网络基础研究，到脑机接口编解码、调控技术，再到算法模型、芯片器件、计算系统开发等，每个环节都能催生对应企业，创新链与产业链高度吻合，类脑智能技术正逐步从研究端向应用端迈进。\n当前，类脑智能产业化最突出的堵点，在于技术体系新、综合门槛高，相关人才短缺，尚未完成行业普及。技术落地需要大量工程师掌握类脑计算技术，为不同行业开发适配的专用设备、算法模型与应用场景，这需要一定的发展周期。\n记者：如何看待类脑智能的未来发展趋势？\n张旭：可以肯定的是，类脑智能发展前景非常广阔。其核心价值主要体现在两方面：一是实现智能算力的普惠化——未来普通家庭、中小型实验室和科研机构、大小医院、中小企业都可以部署轻量化的类脑智能计算设备，自主开发适配自身需求的垂直大模型，真正把智能算力交到大众手中；二是技术将深度渗透社会各行各业，催生大量全新的智能应用场景，同时保障数据隐私与核心技术安全。\n记者：听说您正在广东培育类脑领域企业。\n张旭：是的。2014年到2020年是脑科学与人工智能融合产业的起步阶段，诞生了寒武纪、联影医疗等一批标志性企业。2020年之后，具备明确类脑智能属性的企业不断涌现。\n此前，我们在上海推动“上海脑—智工程”研究计划，孵化了一批标杆企业。目前，我们正在上海和广东积极构建类脑智能产业生态，也孵化了多家类脑领域企业，覆盖类脑算法软件、高端智能硬件等赛道。\n类脑智能属于典型的高端制造业，有自身的发展规律。当前相关企业正处于快速爬升阶段，发展势头良好，社会价值潜力巨大。\n记者：后续团队的重点攻坚方向是什么？\n张旭：类脑智能的研发已经从早期的单一方向转向全方位布局，但我们始终聚焦底层基础理论、核心技术这类根本性问题攻关，这是科研机构的核心职责。\n类脑计算系统的系统性、交叉性极强，研发周期长，最终必须落地为实体产品，通过实际运行验证理论上的算力优势，再反向迭代优化基础研究。后续我们也会联合行业主体，推进类脑技术与现有产业智能系统的适配，解决应用层面的实际问题。\n记者：您提到最终要落地为实体产品、反向迭代优化基础研究。在打通基础研究与成果转化全链条方面，您有哪些实践经验？\n张旭：首先，基础研究和应用研究并不矛盾。“从0到1”的原始创新决定了行业能否实现技术引领，“从1到100”的集成创新同样有巨大的产业价值。\n我们做成果转化主要有两条路径。一是围绕底层技术自主孵化全新科创企业，打造全新的产业链。二是赋能传统产业，改造现有技术体系，让传统CPU在类脑算法框架下，就能充分释放算力优势。\n打通基础研究与应用研究之间的链条，首先要从源头开始就瞄准转化。科学研究不能只停留在发表论文、申请专利的层面，必须从科研项目立项之初就坚持问题导向，关注产业和社会发展的重大共性问题。比如，当前人工智能面临高能耗、高算力成本等行业痛点，这些就是我们攻关的核心方向。\n怎么找问题？我觉得，提炼前沿科学问题离不开跨学科的交流碰撞。我是学医出身，在中国科学院上海分院工作期间接触了计算机、数学、物理等多领域的优秀科学家。正是这种多学科交叉拓展了我的研究思路。\n培养年轻人跨学科思维\n记者：面向未来，类脑智能产业怎样才能真正实现突破？\n张旭：类脑智能当前发展的最大挑战，并非单纯来自现在主流人工智能算力竞争，而是神经科学、脑机接口、数学、计算机科学、芯片制造等多学科的深度交叉与范式协同不足。类脑智能要真正实现突破，需要打通涵盖脑认知机理、算法模型、芯片和系统的全链条。\n如果抓住这一轮技术变革机遇，中国有望在下一代人工智能的某些领域占据上风，实现从“跟随”到“引领”的跨越。\n当前，我国在类脑智能领域已具备“换道超车”的基础条件，关键在于把握时代机遇，坚持自主创新与开放合作并重，推动技术成果转化为惠民利民的产业实践。这不仅是科技竞争的需要，更是服务国家高质量发展、满足人民美好生活向往的战略选择。\n记者：类脑智能将很快走进千家万户吗？\n张旭：是的，我预计不会很久远。保守估计，我认为5年内，类脑智能个人计算机（BI PC）将走进千家万户。当然，底层的理论研究、技术研发还需要持续投入相当长的时间，但技术迭代的速度会非常快。\n推动类脑智能行业发展，不能只靠科研经费投入，核心要抓两个方向。\n第一是搭建应用生态，智能技术必须有场景、有用户才能持续迭代，需要政府、科研院所、企业、产业基金多方协同，低成本搭建多元化应用场景，完善产业生态。第二是强化创新链与产业链的全链条衔接，科研资助不能只侧重单一环节，要打通从基础研究、器件开发到产业落地的全链路，避免科研成果脱离创新链、无法转化。\n我认为，类脑智能需要在现有人工智能技术体系基础上错位拓展，通过众创联动、资源整合，与开发者、投资方和消费方共同构建产业生态和发展生态。\n记者：作为中国神经科学学会理事长，您觉得学会在促进学科交叉方面怎样发挥作用？\n张旭：学会是非常重要的智库平台，在推动学科交叉方面扮演着重要角色。学会通常不受单位利益、个人利益束缚，做事公正透明，是真正的科技人员之家。同时，学会的学术氛围平等开放，大家可以自由探讨技术路线与解决方案，是交叉创新的重要载体。\n这些年，中国神经科学学会在中国科协的支持下，产出了大量关于类脑智能等的研究建议与产业路线图。例如，中国神经科学学会已组织编写《类脑智能产业与技术发展路线图》《脑机接口产业技术路线图》等系列报告，为国家决策提供重要支撑。\n但对标国际优秀学会，我认为国内学会还有两个方面需要提升。一是要加强国际化，吸引更多不同国家的学者参与学术会议，通过跨国的思想碰撞拓宽研究视野，提升学术会议的国际影响力。二是要吸引更多年轻人参与。当前不少青年科研人员过度聚焦自身的论文产出，缺少参与行业交流的意识。希望学会加强对青年人的扶持，培养年轻人跨学科的创新思路，拓宽学术视野，这对青年人才的长期发展至关重要。\n记者：对这一领域的青年科研人员，您有什么建议？\n张旭：类脑智能是全新的赛道，有大量待开拓的方向，对青年科研人员来说是难得的机遇。做研究不要只盯着自己手里的几篇论文、几组数据，要主动走出去，多参与跨学科学术交流，多接触前沿成果，睁眼看世界。\n交叉领域的创新，往往来自不同学科思想的碰撞。年轻人要保持开放的心态，尊重不同领域的研究思路，多向他人学习，在解决重大共性问题的过程中实现自身成长。\n智能科技的未来要靠青年一代去开拓，我希望青年一代能扎根基础、面向应用，在全新的赛道上作出属于自己和团队的贡献。","image_url":"https://n.sinaimg.cn/spider20260924/399/w800h1199/20260924/7d39-98c830d26594407d56d61b750731026b.jpg","lang":"zh","published_at":"2026-09-23T23:27:52+00:00","fetched_at":"2026-09-24T00:15:07+00:00","status":"read","starred":0,"extract_state":"ok","summary_auto":"中国科学院院士张旭：类脑智能有望5年内走进千家万户\n来源：科技日报\n科技日报记者 代小佩\n多款类脑智能产品在2026世界人工智能大会上发布，引发关注；上海市杨浦区发布《杨浦区关于促进类脑智能产业发展的若干措施》……近年来，类脑智能的热度不断上升。《中国未来产业科技创新发展报告（2026年）》蓝皮书显示，我国类脑智能领域投融资总额已突破30亿元。\n热度不断上升的类脑智能具备哪些核心优势？其产业化之路面临哪些挑战？如何促进类脑智能产业快速发展？\n日前，科技日报记者专访了中国科学院院士、中国神经科学学会理事长张旭，围绕类脑智能的概念边界、技术发展趋势、产业化路径等话题展开了交流。\nAI突破瓶颈需要类脑智能\n记者：当前，人工智能与神经科学的交叉融合受到越来越多的关注，二者是什么关系？\n张旭：人工智能与神经科学形成了一个双向促进的闭环。一方面，神经科学的发展为人工智能提供了仿生思路与理论参考。另一方面，人工智能已成为神经科学研究的核心工具。\n过去十年，生物医学领域积累了海量的数字化研究数据，仅靠传统分析手段，很难挖掘出这些数据的深层价值。人工智能的系统性、综合性分析能力，能帮助科研人员发现此前难以察觉的规律，并识别出潜在的应用场景。\n如今，人工智能已经成为科研人员、临床医生的必备工具。甚至可以说，不了解AI for Science（人工智能驱动的科学研究）的应用逻辑，就会落后于时代。\n记者：脑科学与人工智能交叉领域，先后出现了“脑智”与“类脑智能”等重要概念。这两个概念有什么区别？\n张旭：“脑智”与“类脑智能”并非同一概念。“脑智”是脑科学与人工智能的交叉融合，是连接脑科学与人工智能的桥梁。现在的人工智能发展主要依托计算机、数学、统计学等学科，和现代神经科学的前沿进展衔接并不紧密，二者之间存在明显的研究鸿沟。2014年，我牵头设立“上海脑—智工程”研究计划的初衷就是弥合鸿沟，填补这一空白。\n随着人工智能与脑科学的交叉融合加深，以及相关技术迭代发展，“类脑智能”的概念应运而生。\n类脑智能是受脑科学启发的智能科学与技术，属于技术科学范畴。其核心在于借鉴人脑感知认知神经网络原理及工作机制，工程化地实现受脑信息处理机制启发的智能框架、算法模型和智能计算系统。\n相比脑智，类脑智能这一概念更加清晰准确，产业化路径也更加明确。如今，我们已经明确：类脑智能是面向未来的全新人工智能理论与技术体系。\n记者：为什么说类脑智能是下一代人工智能的重要突破方向？\n张旭：人工智能从上世纪五六十年代就吸收了脑科学的基础发现，但后来主要靠互联网大数据、数学及统计学、计算机技术推动，如今进入了技术瓶颈——过度依赖以图形处理器（GPU）为代表的主流人工智能算力和海量数据，导致能耗高、成本高、存在数据安全隐患等。\n而类脑智能则另辟蹊径，模拟生物脑的神经元及其神经网络计算体系。与传统人工智能算力方案相比，其硬件规模、能耗需求、使用成本和算力建设成本大幅降低，可保障数据安全、实现专有多模态模型训练和推理，特别适用于人工智能应用技术的开发者和使用者，以及相关企业和科研机构、医院等，可以作为智能体、智能机器人、具身智能的基础。\n这里我说一个直观的对比：人类大脑有860亿个神经元，能耗只有20瓦；而相同规模的人工智能系统，能耗高达8兆瓦。这种巨大的差异背后，隐藏着下一代智能技术变革的钥匙。\n记者：能否具体说说类脑智能有哪些核心优势？\n张旭：从技术底层来看，传统冯·诺依曼架构的计算机，仅靠3D堆叠、先进封装等工程手段，只能小幅降低能耗、提升算力，无法解决存储与计算分离的根本问题。而类脑智能是底层架构的根本性变革，它依托仿生神经单元、类脑神经网络架构，从根源上破解了大模型高能耗的难题，同时具备透明可解释的特点，能避免传统大模型的幻觉问题。\n在隐私保护方面，类脑智能也具有显著优势。当前大模型追求公众化、标准化，而类脑智能支持本地化、私有化训练——个人健康数据、家庭数据、企业数据等都可完全保留在本地，在实现高度个性化的同时，能保障个人隐私安全和企业安全。\n类脑智能产业前景广阔\n记者：当前类脑智能产业化面临的共性堵点有哪些？\n张旭：经过研究者多年努力，类脑智能领域已逐渐形成贯通的创新链条：从脑感知、认知神经网络基础研究，到脑机接口编解码、调控技术，再到算法模型、芯片器件、计算系统开发等，每个环节都能催生对应企业，创新链与产业链高度吻合，类脑智能技术正逐步从研究端向应用端迈进。\n当前，类脑智能产业化最突出的堵点，在于技术体系新、综合门槛高，相关人才短缺，尚未完成行业普及。技术落地需要大量工程师掌握类脑计算技术，为不同行业开发适配的专用设备、算法模型与应用场景，这需要一定的发展周期。\n记者：如何看待类脑智能的未来发展趋势？\n张旭：可以肯定的是，类脑智能发展前景非常广阔。其核心价值主要体现在两方面：一是实现智能算力的普惠化——未来普通家庭、中小型实验室和科研机构、大小医院、中小企业都可以部署轻量化的类脑智能计算设备，自主开发适配自身需求的垂直大模型，真正把智能算力交到大众手中；二是技术将深度渗透社会各行各业，催生大量全新的智能应用场景，同时保障数据隐私与核心技术安全。\n记者：听说您正在广东培育类脑领域企业。\n张旭：是的。2014年到2020年是脑科学与人工智能融合产业的起步阶段，诞生了寒武纪、联影医疗等一批标志性企业。2020年之后，具备明确类脑智能属性的企业不断涌现。\n此前，我们在上海推动“上海脑—智工程”研究计划，孵化了一批标杆企业。目前，我们正在上海和广东积极构建类脑智能产业生态，也孵化了多家类脑领域企业，覆盖类脑算法软件、高端智能硬件等赛道。\n类脑智能属于典型的高端制造业，有自身的发展规律。当前相关企业正处于快速爬升阶段，发展势头良好，社会价值潜力巨大。\n记者：后续团队的重点攻坚方向是什么？\n张旭：类脑智能的研发已经从早期的单一方向转向全方位布局，但我们始终聚焦底层基础理论、核心技术这类根本性问题攻关，这是科研机构的核心职责。\n类脑计算系统的系统性、交叉性极强，研发周期长，最终必须落地为实体产品，通过实际运行验证理论上的算力优势，再反向迭代优化基础研究。后续我们也会联合行业主体，推进类脑技术与现有产业智能系统的适配，解决应用层面的实际问题。\n记者：您提到最终要落地为实体产品、反向迭代优化基础研究。在打通基础研究与成果转化全链条方面，您有哪些实践经验？\n张旭：首先，基础研究和应用研究并不矛盾。“从0到1”的原始创新决定了行业能否实现技术引领，“从1到100”的集成创新同样有巨大的产业价值。\n我们做成果转化主要有两条路径。一是围绕底层技术自主孵化全新科创企业，打造全新的产业链。二是赋能传统产业，改造现有技术体系，让传统CPU在类脑算法框架下，就能充分释放算力优势。\n打通基础研究与应用研究之间的链条，首先要从源头开始就瞄准转化。科学研究不能只停留在发表论文、申请专利的层面，必须从科研项目立项之初就坚持问题导向，关注产业和社会发展的重大共性问题。比如，当前人工智能面临高能耗、高算力成本等行业痛点，这些就是我们攻关的核心方向。\n怎么找问题？我觉得，提炼前沿科学问题离不开跨学科的交流碰撞。我是学医出身，在中国科学院上海分院工作期间接触了计算机、数学、物理等多领域的优秀科学家。正是这种多学科交叉拓展了我的研究思路。\n培养年轻人跨学科思维\n记者：面向未来，类脑智能产业怎样才能真正实现突破？\n张旭：类脑智能当前发展的最大挑战，并非单纯来自现在主流人工智能算力竞争，而是神经科学、脑机接口、数学、计算机科学、芯片制造等多学科的深度交叉与范式协同不足。类脑智能要真正实现突破，需要打通涵盖脑认知机理、算法模型、芯片和系统的全链条。\n如果抓住这一轮技术变革机遇，中国有望在下一代人工智能的某些领域占据上风，实现从“跟随”到“引领”的跨越。\n当前，我国在类脑智能领域已具备“换道超车”的基础条件，关键在于把握时代机遇，坚持自主创新与开放合作并重，推动技术成果转化为惠民利民的产业实践。这不仅是科技竞争的需要，更是服务国家高质量发展、满足人民美好生活向往的战略选择。\n记者：类脑智能将很快走进千家万户吗？\n张旭：是的，我预计不会很久远。保守估计，我认为5年内，类脑智能个人计算机（BI PC）将走进千家万户。当然，底层的理论研究、技术研发还需要持续投入相当长的时间，但技术迭代的速度会非常快。\n推动类脑智能行业发展，不能只靠科研经费投入，核心要抓两个方向。\n第一是搭建应用生态，智能技术必须有场景、有用户才能持续迭代，需要政府、科研院所、企业、产业基金多方协同，低成本搭建多元化应用场景，完善产业生态。第二是强化创新链与产业链的全链条衔接，科研资助不能只侧重单一环节，要打通从基础研究、器件开发到产业落地的全链路，避免科研成果脱离创新链、无法转化。\n我认为，类脑智能需要在现有人工智能技术体系基础上错位拓展，通过众创联动、资源整合，与开发者、投资方和消费方共同构建产业生态和发展生态。\n记者：作为中国神经科学学会理事长，您觉得学会在促进学科交叉方面怎样发挥作用？\n张旭：学会是非常重要的智库平台，在推动学科交叉方面扮演着重要角色。学会通常不受单位利益、个人利益束缚，做事公正透明，是真正的科技人员之家。同时，学会的学术氛围平等开放，大家可以自由探讨技术路线与解决方案，是交叉创新的重要载体。\n这些年，中国神经科学学会在中国科协的支持下，产出了大量关于类脑智能等的研究建议与产业路线图。例如，中国神经科学学会已组织编写《类脑智能产业与技术发展路线图》《脑机接口产业技术路线图》等系列报告，为国家决策提供重要支撑。\n但对标国际优秀学会，我认为国内学会还有两个方面需要提升。一是要加强国际化，吸引更多不同国家的学者参与学术会议，通过跨国的思想碰撞拓宽研究视野，提升学术会议的国际影响力。二是要吸引更多年轻人参与。当前不少青年科研人员过度聚焦自身的论文产出，缺少参与行业交流的意识。希望学会加强对青年人的扶持，培养年轻人跨学科的创新思路，拓宽学术视野，这对青年人才的长期发展至关重要。\n记者：对这一领域的青年科研人员，您有什么建议？\n张旭：类脑智能是全新的赛道，有大量待开拓的方向，对青年科研人员来说是难得的机遇。做研究不要只盯着自己手里的几篇论文、几组数据，要主动走出去，多参与跨学科学术交流，多接触前沿成果，睁眼看世界。\n交叉领域的创新，往往来自不同学科思想的碰撞。年轻人要保持开放的心态，尊重不同领域的研究思路，多向他人学习，在解决重大共性问题的过程中实现自身成长。\n智能科技的未来要靠青年一代去开拓，我希望青年一代能扎根基础、面向应用，在全新的赛道上作出属于自己和团队的贡献。","cluster_id":null,"extract_retries":0,"extract_error":null,"contract_version":"news_item.v1","format_contract_version":"news_item_formats.v1","dedup_url":"https://finance.sina.cn/2026-09-24/detail-iniswrrm4933921.d.html?vt=4","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 4399 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":4399,"summary_length":4399,"usable_text_length":4399,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":4399,"summary_length":4399}},"news_item":{"id":89175,"canonical_url":"https://finance.sina.cn/2026-09-24/detail-iniswrrm4933921.d.html?vt=4","source_url":"https://finance.sina.cn/2026-09-24/detail-iniswrrm4933921.d.html?vt=4","title":"中国科学院院士张旭：类脑智能有望5年内走进千家万户 - finance.sina.com.cn","source_name":"finance.sina.com.cn","author":null,"published_at":"2026-09-23T23:27:52+00:00","locale":"zh","topic":"ai","tags":[],"rss_summary":"中国科学院院士张旭：类脑智能有望5年内走进千家万户 finance.sina.com.cn","full_text":"中国科学院院士张旭：类脑智能有望5年内走进千家万户\n来源：科技日报\n科技日报记者 代小佩\n多款类脑智能产品在2026世界人工智能大会上发布，引发关注；上海市杨浦区发布《杨浦区关于促进类脑智能产业发展的若干措施》……近年来，类脑智能的热度不断上升。《中国未来产业科技创新发展报告（2026年）》蓝皮书显示，我国类脑智能领域投融资总额已突破30亿元。\n热度不断上升的类脑智能具备哪些核心优势？其产业化之路面临哪些挑战？如何促进类脑智能产业快速发展？\n日前，科技日报记者专访了中国科学院院士、中国神经科学学会理事长张旭，围绕类脑智能的概念边界、技术发展趋势、产业化路径等话题展开了交流。\nAI突破瓶颈需要类脑智能\n记者：当前，人工智能与神经科学的交叉融合受到越来越多的关注，二者是什么关系？\n张旭：人工智能与神经科学形成了一个双向促进的闭环。一方面，神经科学的发展为人工智能提供了仿生思路与理论参考。另一方面，人工智能已成为神经科学研究的核心工具。\n过去十年，生物医学领域积累了海量的数字化研究数据，仅靠传统分析手段，很难挖掘出这些数据的深层价值。人工智能的系统性、综合性分析能力，能帮助科研人员发现此前难以察觉的规律，并识别出潜在的应用场景。\n如今，人工智能已经成为科研人员、临床医生的必备工具。甚至可以说，不了解AI for Science（人工智能驱动的科学研究）的应用逻辑，就会落后于时代。\n记者：脑科学与人工智能交叉领域，先后出现了“脑智”与“类脑智能”等重要概念。这两个概念有什么区别？\n张旭：“脑智”与“类脑智能”并非同一概念。“脑智”是脑科学与人工智能的交叉融合，是连接脑科学与人工智能的桥梁。现在的人工智能发展主要依托计算机、数学、统计学等学科，和现代神经科学的前沿进展衔接并不紧密，二者之间存在明显的研究鸿沟。2014年，我牵头设立“上海脑—智工程”研究计划的初衷就是弥合鸿沟，填补这一空白。\n随着人工智能与脑科学的交叉融合加深，以及相关技术迭代发展，“类脑智能”的概念应运而生。\n类脑智能是受脑科学启发的智能科学与技术，属于技术科学范畴。其核心在于借鉴人脑感知认知神经网络原理及工作机制，工程化地实现受脑信息处理机制启发的智能框架、算法模型和智能计算系统。\n相比脑智，类脑智能这一概念更加清晰准确，产业化路径也更加明确。如今，我们已经明确：类脑智能是面向未来的全新人工智能理论与技术体系。\n记者：为什么说类脑智能是下一代人工智能的重要突破方向？\n张旭：人工智能从上世纪五六十年代就吸收了脑科学的基础发现，但后来主要靠互联网大数据、数学及统计学、计算机技术推动，如今进入了技术瓶颈——过度依赖以图形处理器（GPU）为代表的主流人工智能算力和海量数据，导致能耗高、成本高、存在数据安全隐患等。\n而类脑智能则另辟蹊径，模拟生物脑的神经元及其神经网络计算体系。与传统人工智能算力方案相比，其硬件规模、能耗需求、使用成本和算力建设成本大幅降低，可保障数据安全、实现专有多模态模型训练和推理，特别适用于人工智能应用技术的开发者和使用者，以及相关企业和科研机构、医院等，可以作为智能体、智能机器人、具身智能的基础。\n这里我说一个直观的对比：人类大脑有860亿个神经元，能耗只有20瓦；而相同规模的人工智能系统，能耗高达8兆瓦。这种巨大的差异背后，隐藏着下一代智能技术变革的钥匙。\n记者：能否具体说说类脑智能有哪些核心优势？\n张旭：从技术底层来看，传统冯·诺依曼架构的计算机，仅靠3D堆叠、先进封装等工程手段，只能小幅降低能耗、提升算力，无法解决存储与计算分离的根本问题。而类脑智能是底层架构的根本性变革，它依托仿生神经单元、类脑神经网络架构，从根源上破解了大模型高能耗的难题，同时具备透明可解释的特点，能避免传统大模型的幻觉问题。\n在隐私保护方面，类脑智能也具有显著优势。当前大模型追求公众化、标准化，而类脑智能支持本地化、私有化训练——个人健康数据、家庭数据、企业数据等都可完全保留在本地，在实现高度个性化的同时，能保障个人隐私安全和企业安全。\n类脑智能产业前景广阔\n记者：当前类脑智能产业化面临的共性堵点有哪些？\n张旭：经过研究者多年努力，类脑智能领域已逐渐形成贯通的创新链条：从脑感知、认知神经网络基础研究，到脑机接口编解码、调控技术，再到算法模型、芯片器件、计算系统开发等，每个环节都能催生对应企业，创新链与产业链高度吻合，类脑智能技术正逐步从研究端向应用端迈进。\n当前，类脑智能产业化最突出的堵点，在于技术体系新、综合门槛高，相关人才短缺，尚未完成行业普及。技术落地需要大量工程师掌握类脑计算技术，为不同行业开发适配的专用设备、算法模型与应用场景，这需要一定的发展周期。\n记者：如何看待类脑智能的未来发展趋势？\n张旭：可以肯定的是，类脑智能发展前景非常广阔。其核心价值主要体现在两方面：一是实现智能算力的普惠化——未来普通家庭、中小型实验室和科研机构、大小医院、中小企业都可以部署轻量化的类脑智能计算设备，自主开发适配自身需求的垂直大模型，真正把智能算力交到大众手中；二是技术将深度渗透社会各行各业，催生大量全新的智能应用场景，同时保障数据隐私与核心技术安全。\n记者：听说您正在广东培育类脑领域企业。\n张旭：是的。2014年到2020年是脑科学与人工智能融合产业的起步阶段，诞生了寒武纪、联影医疗等一批标志性企业。2020年之后，具备明确类脑智能属性的企业不断涌现。\n此前，我们在上海推动“上海脑—智工程”研究计划，孵化了一批标杆企业。目前，我们正在上海和广东积极构建类脑智能产业生态，也孵化了多家类脑领域企业，覆盖类脑算法软件、高端智能硬件等赛道。\n类脑智能属于典型的高端制造业，有自身的发展规律。当前相关企业正处于快速爬升阶段，发展势头良好，社会价值潜力巨大。\n记者：后续团队的重点攻坚方向是什么？\n张旭：类脑智能的研发已经从早期的单一方向转向全方位布局，但我们始终聚焦底层基础理论、核心技术这类根本性问题攻关，这是科研机构的核心职责。\n类脑计算系统的系统性、交叉性极强，研发周期长，最终必须落地为实体产品，通过实际运行验证理论上的算力优势，再反向迭代优化基础研究。后续我们也会联合行业主体，推进类脑技术与现有产业智能系统的适配，解决应用层面的实际问题。\n记者：您提到最终要落地为实体产品、反向迭代优化基础研究。在打通基础研究与成果转化全链条方面，您有哪些实践经验？\n张旭：首先，基础研究和应用研究并不矛盾。“从0到1”的原始创新决定了行业能否实现技术引领，“从1到100”的集成创新同样有巨大的产业价值。\n我们做成果转化主要有两条路径。一是围绕底层技术自主孵化全新科创企业，打造全新的产业链。二是赋能传统产业，改造现有技术体系，让传统CPU在类脑算法框架下，就能充分释放算力优势。\n打通基础研究与应用研究之间的链条，首先要从源头开始就瞄准转化。科学研究不能只停留在发表论文、申请专利的层面，必须从科研项目立项之初就坚持问题导向，关注产业和社会发展的重大共性问题。比如，当前人工智能面临高能耗、高算力成本等行业痛点，这些就是我们攻关的核心方向。\n怎么找问题？我觉得，提炼前沿科学问题离不开跨学科的交流碰撞。我是学医出身，在中国科学院上海分院工作期间接触了计算机、数学、物理等多领域的优秀科学家。正是这种多学科交叉拓展了我的研究思路。\n培养年轻人跨学科思维\n记者：面向未来，类脑智能产业怎样才能真正实现突破？\n张旭：类脑智能当前发展的最大挑战，并非单纯来自现在主流人工智能算力竞争，而是神经科学、脑机接口、数学、计算机科学、芯片制造等多学科的深度交叉与范式协同不足。类脑智能要真正实现突破，需要打通涵盖脑认知机理、算法模型、芯片和系统的全链条。\n如果抓住这一轮技术变革机遇，中国有望在下一代人工智能的某些领域占据上风，实现从“跟随”到“引领”的跨越。\n当前，我国在类脑智能领域已具备“换道超车”的基础条件，关键在于把握时代机遇，坚持自主创新与开放合作并重，推动技术成果转化为惠民利民的产业实践。这不仅是科技竞争的需要，更是服务国家高质量发展、满足人民美好生活向往的战略选择。\n记者：类脑智能将很快走进千家万户吗？\n张旭：是的，我预计不会很久远。保守估计，我认为5年内，类脑智能个人计算机（BI PC）将走进千家万户。当然，底层的理论研究、技术研发还需要持续投入相当长的时间，但技术迭代的速度会非常快。\n推动类脑智能行业发展，不能只靠科研经费投入，核心要抓两个方向。\n第一是搭建应用生态，智能技术必须有场景、有用户才能持续迭代，需要政府、科研院所、企业、产业基金多方协同，低成本搭建多元化应用场景，完善产业生态。第二是强化创新链与产业链的全链条衔接，科研资助不能只侧重单一环节，要打通从基础研究、器件开发到产业落地的全链路，避免科研成果脱离创新链、无法转化。\n我认为，类脑智能需要在现有人工智能技术体系基础上错位拓展，通过众创联动、资源整合，与开发者、投资方和消费方共同构建产业生态和发展生态。\n记者：作为中国神经科学学会理事长，您觉得学会在促进学科交叉方面怎样发挥作用？\n张旭：学会是非常重要的智库平台，在推动学科交叉方面扮演着重要角色。学会通常不受单位利益、个人利益束缚，做事公正透明，是真正的科技人员之家。同时，学会的学术氛围平等开放，大家可以自由探讨技术路线与解决方案，是交叉创新的重要载体。\n这些年，中国神经科学学会在中国科协的支持下，产出了大量关于类脑智能等的研究建议与产业路线图。例如，中国神经科学学会已组织编写《类脑智能产业与技术发展路线图》《脑机接口产业技术路线图》等系列报告，为国家决策提供重要支撑。\n但对标国际优秀学会，我认为国内学会还有两个方面需要提升。一是要加强国际化，吸引更多不同国家的学者参与学术会议，通过跨国的思想碰撞拓宽研究视野，提升学术会议的国际影响力。二是要吸引更多年轻人参与。当前不少青年科研人员过度聚焦自身的论文产出，缺少参与行业交流的意识。希望学会加强对青年人的扶持，培养年轻人跨学科的创新思路，拓宽学术视野，这对青年人才的长期发展至关重要。\n记者：对这一领域的青年科研人员，您有什么建议？\n张旭：类脑智能是全新的赛道，有大量待开拓的方向，对青年科研人员来说是难得的机遇。做研究不要只盯着自己手里的几篇论文、几组数据，要主动走出去，多参与跨学科学术交流，多接触前沿成果，睁眼看世界。\n交叉领域的创新，往往来自不同学科思想的碰撞。年轻人要保持开放的心态，尊重不同领域的研究思路，多向他人学习，在解决重大共性问题的过程中实现自身成长。\n智能科技的未来要靠青年一代去开拓，我希望青年一代能扎根基础、面向应用，在全新的赛道上作出属于自己和团队的贡献。","excerpt":"中国科学院院士张旭：类脑智能有望5年内走进千家万户\n来源：科技日报\n科技日报记者 代小佩\n多款类脑智能产品在2026世界人工智能大会上发布，引发关注；上海市杨浦区发布《杨浦区关于促进类脑智能产业发展的若干措施》……近年来，类脑智能的热度不断上升。《中国未来产业科技创新发展报告（2026年）》蓝皮书显示，我国类脑智能领域投融资总额已突破30亿元。\n热度不断上升的类脑智能具备哪些核心优势？其产业化之路面临哪些挑战？如何促进类脑智能产业快速发展？\n日前，科技日报记者专访了中国科学院院士、中国神经科学学会理事长张旭，围绕类脑智能的概念边界、技术发展趋势、产业化路径等话题展开了交流。\nAI突破瓶颈需要类脑智能\n记者：当前，人工智能与神经科学的交叉融合受到越来越多的关注，二者是什么关系？\n张旭：人工智能与神经科学形成了一个双向促进的闭环。一方面，神经科学的发展为人工智能提供了仿生思路与理论参考。另一方面，人工智能已成为神经科学研究的核心工具。\n过去十年，生物医学领域积累了海量的数字化研究数据，仅靠传统分析手段，很难挖掘出这些数据的深层价值。人工智能的系统性、综合性分析能力，能帮助科研人员发现此前难以察觉的规律，并识别出潜在的应用场景。\n如今，人工智能已经成为科研人员、临床医生的必备工具。甚至可以说，不了解AI for Science（人工智能驱动的科学研究）的应用逻辑，就会落后于时代。\n记者：脑科学与人工智能交叉领域，先后出现了“脑智”与“类脑智能”等重要概念。这两个概念有什么区别？\n张旭：“脑智”与“类脑智能”并非同一概念。“脑智”是脑科学与人工智能的交叉融合，是连接脑科学与人工智能的桥梁。现在的人工智能发展主要依托计算机、数学、统计学等学科，和现代神经科学的前沿进展衔接并不紧密，二者之间存在明显的研究鸿沟。2014年，我牵头设立“上海脑—智工程”研究计划的初衷就是弥合鸿沟，填补这一空白。\n随着人工智能与脑科学的交叉融合加深，以及相关技术迭代发展，“类脑智能”的概念应运而生。\n类脑智能是受脑科学启发的智能科学与技术，属于技术科学范畴。其核心在于借鉴人脑感知认知神经网络原理及工作机制，工程化地实现受脑信息处理机制启发的智能框架、算法模型和智能计算系统。\n相比脑智，类脑智能这一概念更加清晰准确，产业化路径也更加明确。如今，我们已经明确：类脑智能是面向未来的全新人工智能理论与技术体系。\n记者：为什么说类脑智能是下一代人工智能的重要突破方向？\n张旭：人工智能从上世纪五六十年代就吸收了脑科学的基础发现，但后来主要靠互联网大数据、数学及统计学、计算机技术推动，如今进入了技术瓶颈——过度依赖以图形处理器（GPU）为代表的主流人工智能算力和海量数据，导致能耗高、成本高、存在数据安全隐患等。\n而类脑智能则另辟蹊径，模拟生物脑的神经元及其神经网络计算体系。与传统人工智能算力方案相比，其硬件规模、能耗需求、使用成本和算力建设成本大幅降低，可保障数据安全、实现专有多模态模型训练和推理，特别适用于人工智能应用技术的开发者和使用者，以及相关企业和科研机构、医院等，可以作为智能体、智能机器人、具身智能的基础。\n这里我说一个直观的对比：人类大脑有860亿个神经元，能耗只有20瓦；而相同规模的人工智能系统，能耗高达8兆瓦。这种巨大的差异背后，隐藏着下一代智能技术变革的钥匙。\n记者：能否具体说说类脑智能有哪些核心优势？\n张旭：从技术底层来看，传统冯·诺依曼架构的计算机，仅靠3D堆叠、先进封装等工程手段，只能小幅降低能耗、提升算力，无法解决存储与计算分离的根本问题。而类脑智能是底层架构的根本性变革，它依托仿生神经单元、类脑神经网络架构，从根源上破解了大模型高能耗的难题，同时具备透明可解释的特点，能避免传统大模型的幻觉问题。\n在隐私保护方面，类脑智能也具有显著优势。当前大模型追求公众化、标准化，而类脑智能支持本地化、私有化训练——个人健康数据、家庭数据、企业数据等都可完全保留在本地，在实现高度个性化的同时，能保障个人隐私安全和企业安全。\n类脑智能产业前景广阔\n记者：当前类脑智能产业化面临的共性堵点有哪些？\n张旭：经过研究者多年努力，类脑智能领域已逐渐形成贯通的创新链条：从脑感知、认知神经网络基础研究，到脑机接口编解码、调控技术，再到算法模型、芯片器件、计算系统开发等，每个环节都能催生对应企业，创新链与产业链高度吻合，类脑智能技术正逐步从研究端向应用端迈进。\n当前，类脑智能产业化最突出的堵点，在于技术体系新、综合门槛高，相关人才短缺，尚未完成行业普及。技术落地需要大量工程师掌握类脑计算技术，为不同行业开发适配的专用设备、算法模型与应用场景，这需要一定的发展周期。\n记者：如何看待类脑智能的未来发展趋势？\n张旭：可以肯定的是，类脑智能发展前景非常广阔。其核心价值主要体现在两方面：一是实现智能算力的普惠化——未来普通家庭、中小型实验室和科研机构、大小医院、中小企业都可以部署轻量化的类脑智能计算设备，自主开发适配自身需求的垂直大模型，真正把智能算力交到大众手中；二是技术将深度渗透社会各行各业，催生大量全新的智能应用场景，同时保障数据隐私与核心技术安全。\n记者：听说您正在广东培育类脑领域企业。\n张旭：是的。2014年到2020年是脑科学与人工智能融合产业的起步阶段，诞生了寒武纪、联影医疗等一批标志性企业。2020年之后，具备明确类脑智能属性的企业不断涌现。\n此前，我们在上海推动“上海脑—智工程”研究计划，孵化了一批标杆企业。目前，我们正在上海和广东积极构建类脑智能产业生态，也孵化了多家类脑领域企业，覆盖类脑算法软件、高端智能硬件等赛道。\n类脑智能属于典型的高端制造业，有自身的发展规律。当前相关企业正处于快速爬升阶段，发展势头良好，社会价值潜力巨大。\n记者：后续团队的重点攻坚方向是什么？\n张旭：类脑智能的研发已经从早期的单一方向转向全方位布局，但我们始终聚焦底层基础理论、核心技术这类根本性问题攻关，这是科研机构的核心职责。\n类脑计算系统的系统性、交叉性极强，研发周期长，最终必须落地为实体产品，通过实际运行验证理论上的算力优势，再反向迭代优化基础研究。后续我们也会联合行业主体，推进类脑技术与现有产业智能系统的适配，解决应用层面的实际问题。\n记者：您提到最终要落地为实体产品、反向迭代优化基础研究。在打通基础研究与成果转化全链条方面，您有哪些实践经验？\n张旭：首先，基础研究和应用研究并不矛盾。“从0到1”的原始创新决定了行业能否实现技术引领，“从1到100”的集成创新同样有巨大的产业价值。\n我们做成果转化主要有两条路径。一是围绕底层技术自主孵化全新科创企业，打造全新的产业链。二是赋能传统产业，改造现有技术体系，让传统CPU在类脑算法框架下，就能充分释放算力优势。\n打通基础研究与应用研究之间的链条，首先要从源头开始就瞄准转化。科学研究不能只停留在发表论文、申请专利的层面，必须从科研项目立项之初就坚持问题导向，关注产业和社会发展的重大共性问题。比如，当前人工智能面临高能耗、高算力成本等行业痛点，这些就是我们攻关的核心方向。\n怎么找问题？我觉得，提炼前沿科学问题离不开跨学科的交流碰撞。我是学医出身，在中国科学院上海分院工作期间接触了计算机、数学、物理等多领域的优秀科学家。正是这种多学科交叉拓展了我的研究思路。\n培养年轻人跨学科思维\n记者：面向未来，类脑智能产业怎样才能真正实现突破？\n张旭：类脑智能当前发展的最大挑战，并非单纯来自现在主流人工智能算力竞争，而是神经科学、脑机接口、数学、计算机科学、芯片制造等多学科的深度交叉与范式协同不足。类脑智能要真正实现突破，需要打通涵盖脑认知机理、算法模型、芯片和系统的全链条。\n如果抓住这一轮技术变革机遇，中国有望在下一代人工智能的某些领域占据上风，实现从“跟随”到“引领”的跨越。\n当前，我国在类脑智能领域已具备“换道超车”的基础条件，关键在于把握时代机遇，坚持自主创新与开放合作并重，推动技术成果转化为惠民利民的产业实践。这不仅是科技竞争的需要，更是服务国家高质量发展、满足人民美好生活向往的战略选择。\n记者：类脑智能将很快走进千家万户吗？\n张旭：是的，我预计不会很久远。保守估计，我认为5年内，类脑智能个人计算机（BI PC）将走进千家万户。当然，底层的理论研究、技术研发还需要持续投入相当长的时间，但技术迭代的速度会非常快。\n推动类脑智能行业发展，不能只靠科研经费投入，核心要抓两个方向。\n第一是搭建应用生态，智能技术必须有场景、有用户才能持续迭代，需要政府、科研院所、企业、产业基金多方协同，低成本搭建多元化应用场景，完善产业生态。第二是强化创新链与产业链的全链条衔接，科研资助不能只侧重单一环节，要打通从基础研究、器件开发到产业落地的全链路，避免科研成果脱离创新链、无法转化。\n我认为，类脑智能需要在现有人工智能技术体系基础上错位拓展，通过众创联动、资源整合，与开发者、投资方和消费方共同构建产业生态和发展生态。\n记者：作为中国神经科学学会理事长，您觉得学会在促进学科交叉方面怎样发挥作用？\n张旭：学会是非常重要的智库平台，在推动学科交叉方面扮演着重要角色。学会通常不受单位利益、个人利益束缚，做事公正透明，是真正的科技人员之家。同时，学会的学术氛围平等开放，大家可以自由探讨技术路线与解决方案，是交叉创新的重要载体。\n这些年，中国神经科学学会在中国科协的支持下，产出了大量关于类脑智能等的研究建议与产业路线图。例如，中国神经科学学会已组织编写《类脑智能产业与技术发展路线图》《脑机接口产业技术路线图》等系列报告，为国家决策提供重要支撑。\n但对标国际优秀学会，我认为国内学会还有两个方面需要提升。一是要加强国际化，吸引更多不同国家的学者参与学术会议，通过跨国的思想碰撞拓宽研究视野，提升学术会议的国际影响力。二是要吸引更多年轻人参与。当前不少青年科研人员过度聚焦自身的论文产出，缺少参与行业交流的意识。希望学会加强对青年人的扶持，培养年轻人跨学科的创新思路，拓宽学术视野，这对青年人才的长期发展至关重要。\n记者：对这一领域的青年科研人员，您有什么建议？\n张旭：类脑智能是全新的赛道，有大量待开拓的方向，对青年科研人员来说是难得的机遇。做研究不要只盯着自己手里的几篇论文、几组数据，要主动走出去，多参与跨学科学术交流，多接触前沿成果，睁眼看世界。\n交叉领域的创新，往往来自不同学科思想的碰撞。年轻人要保持开放的心态，尊重不同领域的研究思路，多向他人学习，在解决重大共性问题的过程中实现自身成长。\n智能科技的未来要靠青年一代去开拓，我希望青年一代能扎根基础、面向应用，在全新的赛道上作出属于自己和团队的贡献。","extraction":{"state":"ok","confidence":0.9,"error":null,"explanation":"High confidence: full text extraction produced 4399 characters.","diagnostics_url":"/api/diagnose?url=https%3A//finance.sina.cn/2026-09-24/detail-iniswrrm4933921.d.html%3Fvt%3D4","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 4399 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":4399,"summary_length":4399,"usable_text_length":4399,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":4399,"summary_length":4399}}},"display_formats":["compact","card","full","digest_section","json"]},"daily_stack_record":{"title":"中国科学院院士张旭：类脑智能有望5年内走进千家万户 - finance.sina.com.cn","url":"https://finance.sina.cn/2026-09-24/detail-iniswrrm4933921.d.html?vt=4","summary":"中国科学院院士张旭：类脑智能有望5年内走进千家万户\n来源：科技日报\n科技日报记者 代小佩\n多款类脑智能产品在2026世界人工智能大会上发布，引发关注；上海市杨浦区发布《杨浦区关于促进类脑智能产业发展的若干措施》……近年来，类脑智能的热度不断上升。《中国未来产业科技创新发展报告（2026年）》蓝皮书显示，我国类脑智能领域投融资总额已突破30亿元。\n热度不断上升的类脑智能具备哪些核心优势？其产业化之路面临哪些挑战？如何促进类脑智能产业快速发展？\n日前，科技日报记者专访了中国科学院院士、中国神经科学学会理事长张旭，围绕类脑智能的概念边界、技术发展趋势、产业化路径等话题展开了交流。\nAI突破瓶颈需要类脑智能\n记者：当前，人工智能与神经科学的交叉融合受到越来越多的关注，二者是什么关系？\n张旭：人工智能与神经科学形成了一个双向促进的闭环。一方面，神经科学的发展为人工智能提供了仿生思路与理论参考。另一方面，人工智能已成为神经科学研究的核心工具。\n过去十年，生物医学领域积累了海量的数字化研究数据，仅靠传统分析手段，很难挖掘出这些数据的深层价值。人工智能的系统性、综合性分析能力，能帮助科研人员发现此前难以察觉的规律，并识别出潜在的应用场景。\n如今，人工智能已经成为科研人员、临床医生的必备工具。甚至可以说，不了解AI for Science（人工智能驱动的科学研究）的应用逻辑，就会落后于时代。\n记者：脑科学与人工智能交叉领域，先后出现了“脑智”与“类脑智能”等重要概念。这两个概念有什么区别？\n张旭：“脑智”与“类脑智能”并非同一概念。“脑智”是脑科学与人工智能的交叉融合，是连接脑科学与人工智能的桥梁。现在的人工智能发展主要依托计算机、数学、统计学等学科，和现代神经科学的前沿进展衔接并不紧密，二者之间存在明显的研究鸿沟。2014年，我牵头设立“上海脑—智工程”研究计划的初衷就是弥合鸿沟，填补这一空白。\n随着人工智能与脑科学的交叉融合加深，以及相关技术迭代发展，“类脑智能”的概念应运而生。\n类脑智能是受脑科学启发的智能科学与技术，属于技术科学范畴。其核心在于借鉴人脑感知认知神经网络原理及工作机制，工程化地实现受脑信息处理机制启发的智能框架、算法模型和智能计算系统。\n相比脑智，类脑智能这一概念更加清晰准确，产业化路径也更加明确。如今，我们已经明确：类脑智能是面向未来的全新人工智能理论与技术体系。\n记者：为什么说类脑智能是下一代人工智能的重要突破方向？\n张旭：人工智能从上世纪五六十年代就吸收了脑科学的基础发现，但后来主要靠互联网大数据、数学及统计学、计算机技术推动，如今进入了技术瓶颈——过度依赖以图形处理器（GPU）为代表的主流人工智能算力和海量数据，导致能耗高、成本高、存在数据安全隐患等。\n而类脑智能则另辟蹊径，模拟生物脑的神经元及其神经网络计算体系。与传统人工智能算力方案相比，其硬件规模、能耗需求、使用成本和算力建设成本大幅降低，可保障数据安全、实现专有多模态模型训练和推理，特别适用于人工智能应用技术的开发者和使用者，以及相关企业和科研机构、医院等，可以作为智能体、智能机器人、具身智能的基础。\n这里我说一个直观的对比：人类大脑有860亿个神经元，能耗只有20瓦；而相同规模的人工智能系统，能耗高达8兆瓦。这种巨大的差异背后，隐藏着下一代智能技术变革的钥匙。\n记者：能否具体说说类脑智能有哪些核心优势？\n张旭：从技术底层来看，传统冯·诺依曼架构的计算机，仅靠3D堆叠、先进封装等工程手段，只能小幅降低能耗、提升算力，无法解决存储与计算分离的根本问题。而类脑智能是底层架构的根本性变革，它依托仿生神经单元、类脑神经网络架构，从根源上破解了大模型高能耗的难题，同时具备透明可解释的特点，能避免传统大模型的幻觉问题。\n在隐私保护方面，类脑智能也具有显著优势。当前大模型追求公众化、标准化，而类脑智能支持本地化、私有化训练——个人健康数据、家庭数据、企业数据等都可完全保留在本地，在实现高度个性化的同时，能保障个人隐私安全和企业安全。\n类脑智能产业前景广阔\n记者：当前类脑智能产业化面临的共性堵点有哪些？\n张旭：经过研究者多年努力，类脑智能领域已逐渐形成贯通的创新链条：从脑感知、认知神经网络基础研究，到脑机接口编解码、调控技术，再到算法模型、芯片器件、计算系统开发等，每个环节都能催生对应企业，创新链与产业链高度吻合，类脑智能技术正逐步从研究端向应用端迈进。\n当前，类脑智能产业化最突出的堵点，在于技术体系新、综合门槛高，相关人才短缺，尚未完成行业普及。技术落地需要大量工程师掌握类脑计算技术，为不同行业开发适配的专用设备、算法模型与应用场景，这需要一定的发展周期。\n记者：如何看待类脑智能的未来发展趋势？\n张旭：可以肯定的是，类脑智能发展前景非常广阔。其核心价值主要体现在两方面：一是实现智能算力的普惠化——未来普通家庭、中小型实验室和科研机构、大小医院、中小企业都可以部署轻量化的类脑智能计算设备，自主开发适配自身需求的垂直大模型，真正把智能算力交到大众手中；二是技术将深度渗透社会各行各业，催生大量全新的智能应用场景，同时保障数据隐私与核心技术安全。\n记者：听说您正在广东培育类脑领域企业。\n张旭：是的。2014年到2020年是脑科学与人工智能融合产业的起步阶段，诞生了寒武纪、联影医疗等一批标志性企业。2020年之后，具备明确类脑智能属性的企业不断涌现。\n此前，我们在上海推动“上海脑—智工程”研究计划，孵化了一批标杆企业。目前，我们正在上海和广东积极构建类脑智能产业生态，也孵化了多家类脑领域企业，覆盖类脑算法软件、高端智能硬件等赛道。\n类脑智能属于典型的高端制造业，有自身的发展规律。当前相关企业正处于快速爬升阶段，发展势头良好，社会价值潜力巨大。\n记者：后续团队的重点攻坚方向是什么？\n张旭：类脑智能的研发已经从早期的单一方向转向全方位布局，但我们始终聚焦底层基础理论、核心技术这类根本性问题攻关，这是科研机构的核心职责。\n类脑计算系统的系统性、交叉性极强，研发周期长，最终必须落地为实体产品，通过实际运行验证理论上的算力优势，再反向迭代优化基础研究。后续我们也会联合行业主体，推进类脑技术与现有产业智能系统的适配，解决应用层面的实际问题。\n记者：您提到最终要落地为实体产品、反向迭代优化基础研究。在打通基础研究与成果转化全链条方面，您有哪些实践经验？\n张旭：首先，基础研究和应用研究并不矛盾。“从0到1”的原始创新决定了行业能否实现技术引领，“从1到100”的集成创新同样有巨大的产业价值。\n我们做成果转化主要有两条路径。一是围绕底层技术自主孵化全新科创企业，打造全新的产业链。二是赋能传统产业，改造现有技术体系，让传统CPU在类脑算法框架下，就能充分释放算力优势。\n打通基础研究与应用研究之间的链条，首先要从源头开始就瞄准转化。科学研究不能只停留在发表论文、申请专利的层面，必须从科研项目立项之初就坚持问题导向，关注产业和社会发展的重大共性问题。比如，当前人工智能面临高能耗、高算力成本等行业痛点，这些就是我们攻关的核心方向。\n怎么找问题？我觉得，提炼前沿科学问题离不开跨学科的交流碰撞。我是学医出身，在中国科学院上海分院工作期间接触了计算机、数学、物理等多领域的优秀科学家。正是这种多学科交叉拓展了我的研究思路。\n培养年轻人跨学科思维\n记者：面向未来，类脑智能产业怎样才能真正实现突破？\n张旭：类脑智能当前发展的最大挑战，并非单纯来自现在主流人工智能算力竞争，而是神经科学、脑机接口、数学、计算机科学、芯片制造等多学科的深度交叉与范式协同不足。类脑智能要真正实现突破，需要打通涵盖脑认知机理、算法模型、芯片和系统的全链条。\n如果抓住这一轮技术变革机遇，中国有望在下一代人工智能的某些领域占据上风，实现从“跟随”到“引领”的跨越。\n当前，我国在类脑智能领域已具备“换道超车”的基础条件，关键在于把握时代机遇，坚持自主创新与开放合作并重，推动技术成果转化为惠民利民的产业实践。这不仅是科技竞争的需要，更是服务国家高质量发展、满足人民美好生活向往的战略选择。\n记者：类脑智能将很快走进千家万户吗？\n张旭：是的，我预计不会很久远。保守估计，我认为5年内，类脑智能个人计算机（BI PC）将走进千家万户。当然，底层的理论研究、技术研发还需要持续投入相当长的时间，但技术迭代的速度会非常快。\n推动类脑智能行业发展，不能只靠科研经费投入，核心要抓两个方向。\n第一是搭建应用生态，智能技术必须有场景、有用户才能持续迭代，需要政府、科研院所、企业、产业基金多方协同，低成本搭建多元化应用场景，完善产业生态。第二是强化创新链与产业链的全链条衔接，科研资助不能只侧重单一环节，要打通从基础研究、器件开发到产业落地的全链路，避免科研成果脱离创新链、无法转化。\n我认为，类脑智能需要在现有人工智能技术体系基础上错位拓展，通过众创联动、资源整合，与开发者、投资方和消费方共同构建产业生态和发展生态。\n记者：作为中国神经科学学会理事长，您觉得学会在促进学科交叉方面怎样发挥作用？\n张旭：学会是非常重要的智库平台，在推动学科交叉方面扮演着重要角色。学会通常不受单位利益、个人利益束缚，做事公正透明，是真正的科技人员之家。同时，学会的学术氛围平等开放，大家可以自由探讨技术路线与解决方案，是交叉创新的重要载体。\n这些年，中国神经科学学会在中国科协的支持下，产出了大量关于类脑智能等的研究建议与产业路线图。例如，中国神经科学学会已组织编写《类脑智能产业与技术发展路线图》《脑机接口产业技术路线图》等系列报告，为国家决策提供重要支撑。\n但对标国际优秀学会，我认为国内学会还有两个方面需要提升。一是要加强国际化，吸引更多不同国家的学者参与学术会议，通过跨国的思想碰撞拓宽研究视野，提升学术会议的国际影响力。二是要吸引更多年轻人参与。当前不少青年科研人员过度聚焦自身的论文产出，缺少参与行业交流的意识。希望学会加强对青年人的扶持，培养年轻人跨学科的创新思路，拓宽学术视野，这对青年人才的长期发展至关重要。\n记者：对这一领域的青年科研人员，您有什么建议？\n张旭：类脑智能是全新的赛道，有大量待开拓的方向，对青年科研人员来说是难得的机遇。做研究不要只盯着自己手里的几篇论文、几组数据，要主动走出去，多参与跨学科学术交流，多接触前沿成果，睁眼看世界。\n交叉领域的创新，往往来自不同学科思想的碰撞。年轻人要保持开放的心态，尊重不同领域的研究思路，多向他人学习，在解决重大共性问题的过程中实现自身成长。\n智能科技的未来要靠青年一代去开拓，我希望青年一代能扎根基础、面向应用，在全新的赛道上作出属于自己和团队的贡献。","source":"finance.sina.com.cn","date":"2026-09-23T23:27:52+00:00","content":"中国科学院院士张旭：类脑智能有望5年内走进千家万户\n来源：科技日报\n科技日报记者 代小佩\n多款类脑智能产品在2026世界人工智能大会上发布，引发关注；上海市杨浦区发布《杨浦区关于促进类脑智能产业发展的若干措施》……近年来，类脑智能的热度不断上升。《中国未来产业科技创新发展报告（2026年）》蓝皮书显示，我国类脑智能领域投融资总额已突破30亿元。\n热度不断上升的类脑智能具备哪些核心优势？其产业化之路面临哪些挑战？如何促进类脑智能产业快速发展？\n日前，科技日报记者专访了中国科学院院士、中国神经科学学会理事长张旭，围绕类脑智能的概念边界、技术发展趋势、产业化路径等话题展开了交流。\nAI突破瓶颈需要类脑智能\n记者：当前，人工智能与神经科学的交叉融合受到越来越多的关注，二者是什么关系？\n张旭：人工智能与神经科学形成了一个双向促进的闭环。一方面，神经科学的发展为人工智能提供了仿生思路与理论参考。另一方面，人工智能已成为神经科学研究的核心工具。\n过去十年，生物医学领域积累了海量的数字化研究数据，仅靠传统分析手段，很难挖掘出这些数据的深层价值。人工智能的系统性、综合性分析能力，能帮助科研人员发现此前难以察觉的规律，并识别出潜在的应用场景。\n如今，人工智能已经成为科研人员、临床医生的必备工具。甚至可以说，不了解AI for Science（人工智能驱动的科学研究）的应用逻辑，就会落后于时代。\n记者：脑科学与人工智能交叉领域，先后出现了“脑智”与“类脑智能”等重要概念。这两个概念有什么区别？\n张旭：“脑智”与“类脑智能”并非同一概念。“脑智”是脑科学与人工智能的交叉融合，是连接脑科学与人工智能的桥梁。现在的人工智能发展主要依托计算机、数学、统计学等学科，和现代神经科学的前沿进展衔接并不紧密，二者之间存在明显的研究鸿沟。2014年，我牵头设立“上海脑—智工程”研究计划的初衷就是弥合鸿沟，填补这一空白。\n随着人工智能与脑科学的交叉融合加深，以及相关技术迭代发展，“类脑智能”的概念应运而生。\n类脑智能是受脑科学启发的智能科学与技术，属于技术科学范畴。其核心在于借鉴人脑感知认知神经网络原理及工作机制，工程化地实现受脑信息处理机制启发的智能框架、算法模型和智能计算系统。\n相比脑智，类脑智能这一概念更加清晰准确，产业化路径也更加明确。如今，我们已经明确：类脑智能是面向未来的全新人工智能理论与技术体系。\n记者：为什么说类脑智能是下一代人工智能的重要突破方向？\n张旭：人工智能从上世纪五六十年代就吸收了脑科学的基础发现，但后来主要靠互联网大数据、数学及统计学、计算机技术推动，如今进入了技术瓶颈——过度依赖以图形处理器（GPU）为代表的主流人工智能算力和海量数据，导致能耗高、成本高、存在数据安全隐患等。\n而类脑智能则另辟蹊径，模拟生物脑的神经元及其神经网络计算体系。与传统人工智能算力方案相比，其硬件规模、能耗需求、使用成本和算力建设成本大幅降低，可保障数据安全、实现专有多模态模型训练和推理，特别适用于人工智能应用技术的开发者和使用者，以及相关企业和科研机构、医院等，可以作为智能体、智能机器人、具身智能的基础。\n这里我说一个直观的对比：人类大脑有860亿个神经元，能耗只有20瓦；而相同规模的人工智能系统，能耗高达8兆瓦。这种巨大的差异背后，隐藏着下一代智能技术变革的钥匙。\n记者：能否具体说说类脑智能有哪些核心优势？\n张旭：从技术底层来看，传统冯·诺依曼架构的计算机，仅靠3D堆叠、先进封装等工程手段，只能小幅降低能耗、提升算力，无法解决存储与计算分离的根本问题。而类脑智能是底层架构的根本性变革，它依托仿生神经单元、类脑神经网络架构，从根源上破解了大模型高能耗的难题，同时具备透明可解释的特点，能避免传统大模型的幻觉问题。\n在隐私保护方面，类脑智能也具有显著优势。当前大模型追求公众化、标准化，而类脑智能支持本地化、私有化训练——个人健康数据、家庭数据、企业数据等都可完全保留在本地，在实现高度个性化的同时，能保障个人隐私安全和企业安全。\n类脑智能产业前景广阔\n记者：当前类脑智能产业化面临的共性堵点有哪些？\n张旭：经过研究者多年努力，类脑智能领域已逐渐形成贯通的创新链条：从脑感知、认知神经网络基础研究，到脑机接口编解码、调控技术，再到算法模型、芯片器件、计算系统开发等，每个环节都能催生对应企业，创新链与产业链高度吻合，类脑智能技术正逐步从研究端向应用端迈进。\n当前，类脑智能产业化最突出的堵点，在于技术体系新、综合门槛高，相关人才短缺，尚未完成行业普及。技术落地需要大量工程师掌握类脑计算技术，为不同行业开发适配的专用设备、算法模型与应用场景，这需要一定的发展周期。\n记者：如何看待类脑智能的未来发展趋势？\n张旭：可以肯定的是，类脑智能发展前景非常广阔。其核心价值主要体现在两方面：一是实现智能算力的普惠化——未来普通家庭、中小型实验室和科研机构、大小医院、中小企业都可以部署轻量化的类脑智能计算设备，自主开发适配自身需求的垂直大模型，真正把智能算力交到大众手中；二是技术将深度渗透社会各行各业，催生大量全新的智能应用场景，同时保障数据隐私与核心技术安全。\n记者：听说您正在广东培育类脑领域企业。\n张旭：是的。2014年到2020年是脑科学与人工智能融合产业的起步阶段，诞生了寒武纪、联影医疗等一批标志性企业。2020年之后，具备明确类脑智能属性的企业不断涌现。\n此前，我们在上海推动“上海脑—智工程”研究计划，孵化了一批标杆企业。目前，我们正在上海和广东积极构建类脑智能产业生态，也孵化了多家类脑领域企业，覆盖类脑算法软件、高端智能硬件等赛道。\n类脑智能属于典型的高端制造业，有自身的发展规律。当前相关企业正处于快速爬升阶段，发展势头良好，社会价值潜力巨大。\n记者：后续团队的重点攻坚方向是什么？\n张旭：类脑智能的研发已经从早期的单一方向转向全方位布局，但我们始终聚焦底层基础理论、核心技术这类根本性问题攻关，这是科研机构的核心职责。\n类脑计算系统的系统性、交叉性极强，研发周期长，最终必须落地为实体产品，通过实际运行验证理论上的算力优势，再反向迭代优化基础研究。后续我们也会联合行业主体，推进类脑技术与现有产业智能系统的适配，解决应用层面的实际问题。\n记者：您提到最终要落地为实体产品、反向迭代优化基础研究。在打通基础研究与成果转化全链条方面，您有哪些实践经验？\n张旭：首先，基础研究和应用研究并不矛盾。“从0到1”的原始创新决定了行业能否实现技术引领，“从1到100”的集成创新同样有巨大的产业价值。\n我们做成果转化主要有两条路径。一是围绕底层技术自主孵化全新科创企业，打造全新的产业链。二是赋能传统产业，改造现有技术体系，让传统CPU在类脑算法框架下，就能充分释放算力优势。\n打通基础研究与应用研究之间的链条，首先要从源头开始就瞄准转化。科学研究不能只停留在发表论文、申请专利的层面，必须从科研项目立项之初就坚持问题导向，关注产业和社会发展的重大共性问题。比如，当前人工智能面临高能耗、高算力成本等行业痛点，这些就是我们攻关的核心方向。\n怎么找问题？我觉得，提炼前沿科学问题离不开跨学科的交流碰撞。我是学医出身，在中国科学院上海分院工作期间接触了计算机、数学、物理等多领域的优秀科学家。正是这种多学科交叉拓展了我的研究思路。\n培养年轻人跨学科思维\n记者：面向未来，类脑智能产业怎样才能真正实现突破？\n张旭：类脑智能当前发展的最大挑战，并非单纯来自现在主流人工智能算力竞争，而是神经科学、脑机接口、数学、计算机科学、芯片制造等多学科的深度交叉与范式协同不足。类脑智能要真正实现突破，需要打通涵盖脑认知机理、算法模型、芯片和系统的全链条。\n如果抓住这一轮技术变革机遇，中国有望在下一代人工智能的某些领域占据上风，实现从“跟随”到“引领”的跨越。\n当前，我国在类脑智能领域已具备“换道超车”的基础条件，关键在于把握时代机遇，坚持自主创新与开放合作并重，推动技术成果转化为惠民利民的产业实践。这不仅是科技竞争的需要，更是服务国家高质量发展、满足人民美好生活向往的战略选择。\n记者：类脑智能将很快走进千家万户吗？\n张旭：是的，我预计不会很久远。保守估计，我认为5年内，类脑智能个人计算机（BI PC）将走进千家万户。当然，底层的理论研究、技术研发还需要持续投入相当长的时间，但技术迭代的速度会非常快。\n推动类脑智能行业发展，不能只靠科研经费投入，核心要抓两个方向。\n第一是搭建应用生态，智能技术必须有场景、有用户才能持续迭代，需要政府、科研院所、企业、产业基金多方协同，低成本搭建多元化应用场景，完善产业生态。第二是强化创新链与产业链的全链条衔接，科研资助不能只侧重单一环节，要打通从基础研究、器件开发到产业落地的全链路，避免科研成果脱离创新链、无法转化。\n我认为，类脑智能需要在现有人工智能技术体系基础上错位拓展，通过众创联动、资源整合，与开发者、投资方和消费方共同构建产业生态和发展生态。\n记者：作为中国神经科学学会理事长，您觉得学会在促进学科交叉方面怎样发挥作用？\n张旭：学会是非常重要的智库平台，在推动学科交叉方面扮演着重要角色。学会通常不受单位利益、个人利益束缚，做事公正透明，是真正的科技人员之家。同时，学会的学术氛围平等开放，大家可以自由探讨技术路线与解决方案，是交叉创新的重要载体。\n这些年，中国神经科学学会在中国科协的支持下，产出了大量关于类脑智能等的研究建议与产业路线图。例如，中国神经科学学会已组织编写《类脑智能产业与技术发展路线图》《脑机接口产业技术路线图》等系列报告，为国家决策提供重要支撑。\n但对标国际优秀学会，我认为国内学会还有两个方面需要提升。一是要加强国际化，吸引更多不同国家的学者参与学术会议，通过跨国的思想碰撞拓宽研究视野，提升学术会议的国际影响力。二是要吸引更多年轻人参与。当前不少青年科研人员过度聚焦自身的论文产出，缺少参与行业交流的意识。希望学会加强对青年人的扶持，培养年轻人跨学科的创新思路，拓宽学术视野，这对青年人才的长期发展至关重要。\n记者：对这一领域的青年科研人员，您有什么建议？\n张旭：类脑智能是全新的赛道，有大量待开拓的方向，对青年科研人员来说是难得的机遇。做研究不要只盯着自己手里的几篇论文、几组数据，要主动走出去，多参与跨学科学术交流，多接触前沿成果，睁眼看世界。\n交叉领域的创新，往往来自不同学科思想的碰撞。年轻人要保持开放的心态，尊重不同领域的研究思路，多向他人学习，在解决重大共性问题的过程中实现自身成长。\n智能科技的未来要靠青年一代去开拓，我希望青年一代能扎根基础、面向应用，在全新的赛道上作出属于自己和团队的贡献。","confidence":0.9,"diagnostics_url":"/api/diagnose?url=https%3A//finance.sina.cn/2026-09-24/detail-iniswrrm4933921.d.html%3Fvt%3D4","quality_bucket":"high","failure_kind":"none","retryable":false,"quality_reason":"High confidence: full text extraction produced 4399 characters.","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 4399 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":4399,"summary_length":4399,"usable_text_length":4399,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":4399,"summary_length":4399}},"tags":[]},"fallback_formats":["markdown","json","html"],"actions":{"read":"/item/89175","export_markdown":"/api/items/89175/export?format=markdown","export_json":"/api/items/89175/export?format=json","diagnose":"/api/diagnose?url=https%3A//finance.sina.cn/2026-09-24/detail-iniswrrm4933921.d.html%3Fvt%3D4"},"formats":{"full":{"id":89175,"title":"中国科学院院士张旭：类脑智能有望5年内走进千家万户 - finance.sina.com.cn","url":"https://finance.sina.cn/2026-09-24/detail-iniswrrm4933921.d.html?vt=4","source":"finance.sina.com.cn","author":null,"published_at":"2026-09-23T23:27:52+00:00","locale":"zh","topic":"ai","tags":[],"excerpt":"中国科学院院士张旭：类脑智能有望5年内走进千家万户\n来源：科技日报\n科技日报记者 代小佩\n多款类脑智能产品在2026世界人工智能大会上发布，引发关注；上海市杨浦区发布《杨浦区关于促进类脑智能产业发展的若干措施》……近年来，类脑智能的热度不断上升。《中国未来产业科技创新发展报告（2026年）》蓝皮书显示，我国类脑智能领域投融资总额已突破30亿元。\n热度不断上升的类脑智能具备哪些核心优势？其产业化之路面临哪些挑战？如何促进类脑智能产业快速发展？\n日前，科技日报记者专访了中国科学院院士、中国神经科学学会理事长张旭，围绕类脑智能的概念边界、技术发展趋势、产业化路径等话题展开了交流。\nAI突破瓶颈需要类脑智能\n记者：当前，人工智能与神经科学的交叉融合受到越来越多的关注，二者是什么关系？\n张旭：人工智能与神经科学形成了一个双向促进的闭环。一方面，神经科学的发展为人工智能提供了仿生思路与理论参考。另一方面，人工智能已成为神经科学研究的核心工具。\n过去十年，生物医学领域积累了海量的数字化研究数据，仅靠传统分析手段，很难挖掘出这些数据的深层价值。人工智能的系统性、综合性分析能力，能帮助科研人员发现此前难以察觉的规律，并识别出潜在的应用场景。\n如今，人工智能已经成为科研人员、临床医生的必备工具。甚至可以说，不了解AI for Science（人工智能驱动的科学研究）的应用逻辑，就会落后于时代。\n记者：脑科学与人工智能交叉领域，先后出现了“脑智”与“类脑智能”等重要概念。这两个概念有什么区别？\n张旭：“脑智”与“类脑智能”并非同一概念。“脑智”是脑科学与人工智能的交叉融合，是连接脑科学与人工智能的桥梁。现在的人工智能发展主要依托计算机、数学、统计学等学科，和现代神经科学的前沿进展衔接并不紧密，二者之间存在明显的研究鸿沟。2014年，我牵头设立“上海脑—智工程”研究计划的初衷就是弥合鸿沟，填补这一空白。\n随着人工智能与脑科学的交叉融合加深，以及相关技术迭代发展，“类脑智能”的概念应运而生。\n类脑智能是受脑科学启发的智能科学与技术，属于技术科学范畴。其核心在于借鉴人脑感知认知神经网络原理及工作机制，工程化地实现受脑信息处理机制启发的智能框架、算法模型和智能计算系统。\n相比脑智，类脑智能这一概念更加清晰准确，产业化路径也更加明确。如今，我们已经明确：类脑智能是面向未来的全新人工智能理论与技术体系。\n记者：为什么说类脑智能是下一代人工智能的重要突破方向？\n张旭：人工智能从上世纪五六十年代就吸收了脑科学的基础发现，但后来主要靠互联网大数据、数学及统计学、计算机技术推动，如今进入了技术瓶颈——过度依赖以图形处理器（GPU）为代表的主流人工智能算力和海量数据，导致能耗高、成本高、存在数据安全隐患等。\n而类脑智能则另辟蹊径，模拟生物脑的神经元及其神经网络计算体系。与传统人工智能算力方案相比，其硬件规模、能耗需求、使用成本和算力建设成本大幅降低，可保障数据安全、实现专有多模态模型训练和推理，特别适用于人工智能应用技术的开发者和使用者，以及相关企业和科研机构、医院等，可以作为智能体、智能机器人、具身智能的基础。\n这里我说一个直观的对比：人类大脑有860亿个神经元，能耗只有20瓦；而相同规模的人工智能系统，能耗高达8兆瓦。这种巨大的差异背后，隐藏着下一代智能技术变革的钥匙。\n记者：能否具体说说类脑智能有哪些核心优势？\n张旭：从技术底层来看，传统冯·诺依曼架构的计算机，仅靠3D堆叠、先进封装等工程手段，只能小幅降低能耗、提升算力，无法解决存储与计算分离的根本问题。而类脑智能是底层架构的根本性变革，它依托仿生神经单元、类脑神经网络架构，从根源上破解了大模型高能耗的难题，同时具备透明可解释的特点，能避免传统大模型的幻觉问题。\n在隐私保护方面，类脑智能也具有显著优势。当前大模型追求公众化、标准化，而类脑智能支持本地化、私有化训练——个人健康数据、家庭数据、企业数据等都可完全保留在本地，在实现高度个性化的同时，能保障个人隐私安全和企业安全。\n类脑智能产业前景广阔\n记者：当前类脑智能产业化面临的共性堵点有哪些？\n张旭：经过研究者多年努力，类脑智能领域已逐渐形成贯通的创新链条：从脑感知、认知神经网络基础研究，到脑机接口编解码、调控技术，再到算法模型、芯片器件、计算系统开发等，每个环节都能催生对应企业，创新链与产业链高度吻合，类脑智能技术正逐步从研究端向应用端迈进。\n当前，类脑智能产业化最突出的堵点，在于技术体系新、综合门槛高，相关人才短缺，尚未完成行业普及。技术落地需要大量工程师掌握类脑计算技术，为不同行业开发适配的专用设备、算法模型与应用场景，这需要一定的发展周期。\n记者：如何看待类脑智能的未来发展趋势？\n张旭：可以肯定的是，类脑智能发展前景非常广阔。其核心价值主要体现在两方面：一是实现智能算力的普惠化——未来普通家庭、中小型实验室和科研机构、大小医院、中小企业都可以部署轻量化的类脑智能计算设备，自主开发适配自身需求的垂直大模型，真正把智能算力交到大众手中；二是技术将深度渗透社会各行各业，催生大量全新的智能应用场景，同时保障数据隐私与核心技术安全。\n记者：听说您正在广东培育类脑领域企业。\n张旭：是的。2014年到2020年是脑科学与人工智能融合产业的起步阶段，诞生了寒武纪、联影医疗等一批标志性企业。2020年之后，具备明确类脑智能属性的企业不断涌现。\n此前，我们在上海推动“上海脑—智工程”研究计划，孵化了一批标杆企业。目前，我们正在上海和广东积极构建类脑智能产业生态，也孵化了多家类脑领域企业，覆盖类脑算法软件、高端智能硬件等赛道。\n类脑智能属于典型的高端制造业，有自身的发展规律。当前相关企业正处于快速爬升阶段，发展势头良好，社会价值潜力巨大。\n记者：后续团队的重点攻坚方向是什么？\n张旭：类脑智能的研发已经从早期的单一方向转向全方位布局，但我们始终聚焦底层基础理论、核心技术这类根本性问题攻关，这是科研机构的核心职责。\n类脑计算系统的系统性、交叉性极强，研发周期长，最终必须落地为实体产品，通过实际运行验证理论上的算力优势，再反向迭代优化基础研究。后续我们也会联合行业主体，推进类脑技术与现有产业智能系统的适配，解决应用层面的实际问题。\n记者：您提到最终要落地为实体产品、反向迭代优化基础研究。在打通基础研究与成果转化全链条方面，您有哪些实践经验？\n张旭：首先，基础研究和应用研究并不矛盾。“从0到1”的原始创新决定了行业能否实现技术引领，“从1到100”的集成创新同样有巨大的产业价值。\n我们做成果转化主要有两条路径。一是围绕底层技术自主孵化全新科创企业，打造全新的产业链。二是赋能传统产业，改造现有技术体系，让传统CPU在类脑算法框架下，就能充分释放算力优势。\n打通基础研究与应用研究之间的链条，首先要从源头开始就瞄准转化。科学研究不能只停留在发表论文、申请专利的层面，必须从科研项目立项之初就坚持问题导向，关注产业和社会发展的重大共性问题。比如，当前人工智能面临高能耗、高算力成本等行业痛点，这些就是我们攻关的核心方向。\n怎么找问题？我觉得，提炼前沿科学问题离不开跨学科的交流碰撞。我是学医出身，在中国科学院上海分院工作期间接触了计算机、数学、物理等多领域的优秀科学家。正是这种多学科交叉拓展了我的研究思路。\n培养年轻人跨学科思维\n记者：面向未来，类脑智能产业怎样才能真正实现突破？\n张旭：类脑智能当前发展的最大挑战，并非单纯来自现在主流人工智能算力竞争，而是神经科学、脑机接口、数学、计算机科学、芯片制造等多学科的深度交叉与范式协同不足。类脑智能要真正实现突破，需要打通涵盖脑认知机理、算法模型、芯片和系统的全链条。\n如果抓住这一轮技术变革机遇，中国有望在下一代人工智能的某些领域占据上风，实现从“跟随”到“引领”的跨越。\n当前，我国在类脑智能领域已具备“换道超车”的基础条件，关键在于把握时代机遇，坚持自主创新与开放合作并重，推动技术成果转化为惠民利民的产业实践。这不仅是科技竞争的需要，更是服务国家高质量发展、满足人民美好生活向往的战略选择。\n记者：类脑智能将很快走进千家万户吗？\n张旭：是的，我预计不会很久远。保守估计，我认为5年内，类脑智能个人计算机（BI PC）将走进千家万户。当然，底层的理论研究、技术研发还需要持续投入相当长的时间，但技术迭代的速度会非常快。\n推动类脑智能行业发展，不能只靠科研经费投入，核心要抓两个方向。\n第一是搭建应用生态，智能技术必须有场景、有用户才能持续迭代，需要政府、科研院所、企业、产业基金多方协同，低成本搭建多元化应用场景，完善产业生态。第二是强化创新链与产业链的全链条衔接，科研资助不能只侧重单一环节，要打通从基础研究、器件开发到产业落地的全链路，避免科研成果脱离创新链、无法转化。\n我认为，类脑智能需要在现有人工智能技术体系基础上错位拓展，通过众创联动、资源整合，与开发者、投资方和消费方共同构建产业生态和发展生态。\n记者：作为中国神经科学学会理事长，您觉得学会在促进学科交叉方面怎样发挥作用？\n张旭：学会是非常重要的智库平台，在推动学科交叉方面扮演着重要角色。学会通常不受单位利益、个人利益束缚，做事公正透明，是真正的科技人员之家。同时，学会的学术氛围平等开放，大家可以自由探讨技术路线与解决方案，是交叉创新的重要载体。\n这些年，中国神经科学学会在中国科协的支持下，产出了大量关于类脑智能等的研究建议与产业路线图。例如，中国神经科学学会已组织编写《类脑智能产业与技术发展路线图》《脑机接口产业技术路线图》等系列报告，为国家决策提供重要支撑。\n但对标国际优秀学会，我认为国内学会还有两个方面需要提升。一是要加强国际化，吸引更多不同国家的学者参与学术会议，通过跨国的思想碰撞拓宽研究视野，提升学术会议的国际影响力。二是要吸引更多年轻人参与。当前不少青年科研人员过度聚焦自身的论文产出，缺少参与行业交流的意识。希望学会加强对青年人的扶持，培养年轻人跨学科的创新思路，拓宽学术视野，这对青年人才的长期发展至关重要。\n记者：对这一领域的青年科研人员，您有什么建议？\n张旭：类脑智能是全新的赛道，有大量待开拓的方向，对青年科研人员来说是难得的机遇。做研究不要只盯着自己手里的几篇论文、几组数据，要主动走出去，多参与跨学科学术交流，多接触前沿成果，睁眼看世界。\n交叉领域的创新，往往来自不同学科思想的碰撞。年轻人要保持开放的心态，尊重不同领域的研究思路，多向他人学习，在解决重大共性问题的过程中实现自身成长。\n智能科技的未来要靠青年一代去开拓，我希望青年一代能扎根基础、面向应用，在全新的赛道上作出属于自己和团队的贡献。","full_text":"中国科学院院士张旭：类脑智能有望5年内走进千家万户\n来源：科技日报\n科技日报记者 代小佩\n多款类脑智能产品在2026世界人工智能大会上发布，引发关注；上海市杨浦区发布《杨浦区关于促进类脑智能产业发展的若干措施》……近年来，类脑智能的热度不断上升。《中国未来产业科技创新发展报告（2026年）》蓝皮书显示，我国类脑智能领域投融资总额已突破30亿元。\n热度不断上升的类脑智能具备哪些核心优势？其产业化之路面临哪些挑战？如何促进类脑智能产业快速发展？\n日前，科技日报记者专访了中国科学院院士、中国神经科学学会理事长张旭，围绕类脑智能的概念边界、技术发展趋势、产业化路径等话题展开了交流。\nAI突破瓶颈需要类脑智能\n记者：当前，人工智能与神经科学的交叉融合受到越来越多的关注，二者是什么关系？\n张旭：人工智能与神经科学形成了一个双向促进的闭环。一方面，神经科学的发展为人工智能提供了仿生思路与理论参考。另一方面，人工智能已成为神经科学研究的核心工具。\n过去十年，生物医学领域积累了海量的数字化研究数据，仅靠传统分析手段，很难挖掘出这些数据的深层价值。人工智能的系统性、综合性分析能力，能帮助科研人员发现此前难以察觉的规律，并识别出潜在的应用场景。\n如今，人工智能已经成为科研人员、临床医生的必备工具。甚至可以说，不了解AI for Science（人工智能驱动的科学研究）的应用逻辑，就会落后于时代。\n记者：脑科学与人工智能交叉领域，先后出现了“脑智”与“类脑智能”等重要概念。这两个概念有什么区别？\n张旭：“脑智”与“类脑智能”并非同一概念。“脑智”是脑科学与人工智能的交叉融合，是连接脑科学与人工智能的桥梁。现在的人工智能发展主要依托计算机、数学、统计学等学科，和现代神经科学的前沿进展衔接并不紧密，二者之间存在明显的研究鸿沟。2014年，我牵头设立“上海脑—智工程”研究计划的初衷就是弥合鸿沟，填补这一空白。\n随着人工智能与脑科学的交叉融合加深，以及相关技术迭代发展，“类脑智能”的概念应运而生。\n类脑智能是受脑科学启发的智能科学与技术，属于技术科学范畴。其核心在于借鉴人脑感知认知神经网络原理及工作机制，工程化地实现受脑信息处理机制启发的智能框架、算法模型和智能计算系统。\n相比脑智，类脑智能这一概念更加清晰准确，产业化路径也更加明确。如今，我们已经明确：类脑智能是面向未来的全新人工智能理论与技术体系。\n记者：为什么说类脑智能是下一代人工智能的重要突破方向？\n张旭：人工智能从上世纪五六十年代就吸收了脑科学的基础发现，但后来主要靠互联网大数据、数学及统计学、计算机技术推动，如今进入了技术瓶颈——过度依赖以图形处理器（GPU）为代表的主流人工智能算力和海量数据，导致能耗高、成本高、存在数据安全隐患等。\n而类脑智能则另辟蹊径，模拟生物脑的神经元及其神经网络计算体系。与传统人工智能算力方案相比，其硬件规模、能耗需求、使用成本和算力建设成本大幅降低，可保障数据安全、实现专有多模态模型训练和推理，特别适用于人工智能应用技术的开发者和使用者，以及相关企业和科研机构、医院等，可以作为智能体、智能机器人、具身智能的基础。\n这里我说一个直观的对比：人类大脑有860亿个神经元，能耗只有20瓦；而相同规模的人工智能系统，能耗高达8兆瓦。这种巨大的差异背后，隐藏着下一代智能技术变革的钥匙。\n记者：能否具体说说类脑智能有哪些核心优势？\n张旭：从技术底层来看，传统冯·诺依曼架构的计算机，仅靠3D堆叠、先进封装等工程手段，只能小幅降低能耗、提升算力，无法解决存储与计算分离的根本问题。而类脑智能是底层架构的根本性变革，它依托仿生神经单元、类脑神经网络架构，从根源上破解了大模型高能耗的难题，同时具备透明可解释的特点，能避免传统大模型的幻觉问题。\n在隐私保护方面，类脑智能也具有显著优势。当前大模型追求公众化、标准化，而类脑智能支持本地化、私有化训练——个人健康数据、家庭数据、企业数据等都可完全保留在本地，在实现高度个性化的同时，能保障个人隐私安全和企业安全。\n类脑智能产业前景广阔\n记者：当前类脑智能产业化面临的共性堵点有哪些？\n张旭：经过研究者多年努力，类脑智能领域已逐渐形成贯通的创新链条：从脑感知、认知神经网络基础研究，到脑机接口编解码、调控技术，再到算法模型、芯片器件、计算系统开发等，每个环节都能催生对应企业，创新链与产业链高度吻合，类脑智能技术正逐步从研究端向应用端迈进。\n当前，类脑智能产业化最突出的堵点，在于技术体系新、综合门槛高，相关人才短缺，尚未完成行业普及。技术落地需要大量工程师掌握类脑计算技术，为不同行业开发适配的专用设备、算法模型与应用场景，这需要一定的发展周期。\n记者：如何看待类脑智能的未来发展趋势？\n张旭：可以肯定的是，类脑智能发展前景非常广阔。其核心价值主要体现在两方面：一是实现智能算力的普惠化——未来普通家庭、中小型实验室和科研机构、大小医院、中小企业都可以部署轻量化的类脑智能计算设备，自主开发适配自身需求的垂直大模型，真正把智能算力交到大众手中；二是技术将深度渗透社会各行各业，催生大量全新的智能应用场景，同时保障数据隐私与核心技术安全。\n记者：听说您正在广东培育类脑领域企业。\n张旭：是的。2014年到2020年是脑科学与人工智能融合产业的起步阶段，诞生了寒武纪、联影医疗等一批标志性企业。2020年之后，具备明确类脑智能属性的企业不断涌现。\n此前，我们在上海推动“上海脑—智工程”研究计划，孵化了一批标杆企业。目前，我们正在上海和广东积极构建类脑智能产业生态，也孵化了多家类脑领域企业，覆盖类脑算法软件、高端智能硬件等赛道。\n类脑智能属于典型的高端制造业，有自身的发展规律。当前相关企业正处于快速爬升阶段，发展势头良好，社会价值潜力巨大。\n记者：后续团队的重点攻坚方向是什么？\n张旭：类脑智能的研发已经从早期的单一方向转向全方位布局，但我们始终聚焦底层基础理论、核心技术这类根本性问题攻关，这是科研机构的核心职责。\n类脑计算系统的系统性、交叉性极强，研发周期长，最终必须落地为实体产品，通过实际运行验证理论上的算力优势，再反向迭代优化基础研究。后续我们也会联合行业主体，推进类脑技术与现有产业智能系统的适配，解决应用层面的实际问题。\n记者：您提到最终要落地为实体产品、反向迭代优化基础研究。在打通基础研究与成果转化全链条方面，您有哪些实践经验？\n张旭：首先，基础研究和应用研究并不矛盾。“从0到1”的原始创新决定了行业能否实现技术引领，“从1到100”的集成创新同样有巨大的产业价值。\n我们做成果转化主要有两条路径。一是围绕底层技术自主孵化全新科创企业，打造全新的产业链。二是赋能传统产业，改造现有技术体系，让传统CPU在类脑算法框架下，就能充分释放算力优势。\n打通基础研究与应用研究之间的链条，首先要从源头开始就瞄准转化。科学研究不能只停留在发表论文、申请专利的层面，必须从科研项目立项之初就坚持问题导向，关注产业和社会发展的重大共性问题。比如，当前人工智能面临高能耗、高算力成本等行业痛点，这些就是我们攻关的核心方向。\n怎么找问题？我觉得，提炼前沿科学问题离不开跨学科的交流碰撞。我是学医出身，在中国科学院上海分院工作期间接触了计算机、数学、物理等多领域的优秀科学家。正是这种多学科交叉拓展了我的研究思路。\n培养年轻人跨学科思维\n记者：面向未来，类脑智能产业怎样才能真正实现突破？\n张旭：类脑智能当前发展的最大挑战，并非单纯来自现在主流人工智能算力竞争，而是神经科学、脑机接口、数学、计算机科学、芯片制造等多学科的深度交叉与范式协同不足。类脑智能要真正实现突破，需要打通涵盖脑认知机理、算法模型、芯片和系统的全链条。\n如果抓住这一轮技术变革机遇，中国有望在下一代人工智能的某些领域占据上风，实现从“跟随”到“引领”的跨越。\n当前，我国在类脑智能领域已具备“换道超车”的基础条件，关键在于把握时代机遇，坚持自主创新与开放合作并重，推动技术成果转化为惠民利民的产业实践。这不仅是科技竞争的需要，更是服务国家高质量发展、满足人民美好生活向往的战略选择。\n记者：类脑智能将很快走进千家万户吗？\n张旭：是的，我预计不会很久远。保守估计，我认为5年内，类脑智能个人计算机（BI PC）将走进千家万户。当然，底层的理论研究、技术研发还需要持续投入相当长的时间，但技术迭代的速度会非常快。\n推动类脑智能行业发展，不能只靠科研经费投入，核心要抓两个方向。\n第一是搭建应用生态，智能技术必须有场景、有用户才能持续迭代，需要政府、科研院所、企业、产业基金多方协同，低成本搭建多元化应用场景，完善产业生态。第二是强化创新链与产业链的全链条衔接，科研资助不能只侧重单一环节，要打通从基础研究、器件开发到产业落地的全链路，避免科研成果脱离创新链、无法转化。\n我认为，类脑智能需要在现有人工智能技术体系基础上错位拓展，通过众创联动、资源整合，与开发者、投资方和消费方共同构建产业生态和发展生态。\n记者：作为中国神经科学学会理事长，您觉得学会在促进学科交叉方面怎样发挥作用？\n张旭：学会是非常重要的智库平台，在推动学科交叉方面扮演着重要角色。学会通常不受单位利益、个人利益束缚，做事公正透明，是真正的科技人员之家。同时，学会的学术氛围平等开放，大家可以自由探讨技术路线与解决方案，是交叉创新的重要载体。\n这些年，中国神经科学学会在中国科协的支持下，产出了大量关于类脑智能等的研究建议与产业路线图。例如，中国神经科学学会已组织编写《类脑智能产业与技术发展路线图》《脑机接口产业技术路线图》等系列报告，为国家决策提供重要支撑。\n但对标国际优秀学会，我认为国内学会还有两个方面需要提升。一是要加强国际化，吸引更多不同国家的学者参与学术会议，通过跨国的思想碰撞拓宽研究视野，提升学术会议的国际影响力。二是要吸引更多年轻人参与。当前不少青年科研人员过度聚焦自身的论文产出，缺少参与行业交流的意识。希望学会加强对青年人的扶持，培养年轻人跨学科的创新思路，拓宽学术视野，这对青年人才的长期发展至关重要。\n记者：对这一领域的青年科研人员，您有什么建议？\n张旭：类脑智能是全新的赛道，有大量待开拓的方向，对青年科研人员来说是难得的机遇。做研究不要只盯着自己手里的几篇论文、几组数据，要主动走出去，多参与跨学科学术交流，多接触前沿成果，睁眼看世界。\n交叉领域的创新，往往来自不同学科思想的碰撞。年轻人要保持开放的心态，尊重不同领域的研究思路，多向他人学习，在解决重大共性问题的过程中实现自身成长。\n智能科技的未来要靠青年一代去开拓，我希望青年一代能扎根基础、面向应用，在全新的赛道上作出属于自己和团队的贡献。","reading_time_min":1,"extraction":{"state":"ok","confidence":0.9,"error":null,"explanation":"High confidence: full text extraction produced 4399 characters.","diagnostics_url":"/api/diagnose?url=https%3A//finance.sina.cn/2026-09-24/detail-iniswrrm4933921.d.html%3Fvt%3D4","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 4399 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":4399,"summary_length":4399,"usable_text_length":4399,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":4399,"summary_length":4399}}},"quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 4399 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":4399,"summary_length":4399,"usable_text_length":4399,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":4399,"summary_length":4399}},"actions":{"read":"/item/89175","export_markdown":"/api/items/89175/export?format=markdown","export_json":"/api/items/89175/export?format=json","diagnose":"/api/diagnose?url=https%3A//finance.sina.cn/2026-09-24/detail-iniswrrm4933921.d.html%3Fvt%3D4"}},"digest":{"id":89175,"title":"中国科学院院士张旭：类脑智能有望5年内走进千家万户 - finance.sina.com.cn","url":"https://finance.sina.cn/2026-09-24/detail-iniswrrm4933921.d.html?vt=4","source":"finance.sina.com.cn","topic":"ai","published_at":"2026-09-23T23:27:52+00:00","excerpt":"中国科学院院士张旭：类脑智能有望5年内走进千家万户 来源：科技日报 科技日报记者 代小佩 多款类脑智能产品在2026世界人工智能大会上发布，引发关注；上海市杨浦区发布《杨浦区关于促进类脑智能产业发展的若干措施》……近年来，类脑智能的热度不断上升。《中国未来产业科技创新发展报告（2026年）》蓝皮书显示，我国类脑智能领域投融资总额已突破30亿元。 热度不断上升的类脑智能具备哪些核心优势？其产业化之路面临哪些挑战？如何促进类脑智能产业快速发展？…","quality_bucket":"high","quality_reason":"High confidence: full text extraction produced 4399 characters.","reading_time_min":1,"cluster_id":null},"card":{"display_title":"中国科学院院士张旭：类脑智能有望5年内走进千家万户 - finance.sina.com.cn","subtitle":"finance.sina.com.cn · 2026-09-23","summary":"中国科学院院士张旭：类脑智能有望5年内走进千家万户 来源：科技日报 科技日报记者 代小佩 多款类脑智能产品在2026世界人工智能大会上发布，引发关注；上海市杨浦区发布《杨浦区关于促进类脑智能产业发展的若干措施》……近年来，类脑智能的热度不断上升。《中国未来产业科技创新发展报告（2026年）》蓝皮书显示，我国类脑智能领域投融资总额已突破30亿元。…","badges":["quality:high"],"links":{"read":"/item/89175","original":"https://finance.sina.cn/2026-09-24/detail-iniswrrm4933921.d.html?vt=4","diagnose":"/api/diagnose?url=https%3A//finance.sina.cn/2026-09-24/detail-iniswrrm4933921.d.html%3Fvt%3D4"},"quality_warning":null},"export":{"title":"中国科学院院士张旭：类脑智能有望5年内走进千家万户 - finance.sina.com.cn","url":"https://finance.sina.cn/2026-09-24/detail-iniswrrm4933921.d.html?vt=4","summary":"中国科学院院士张旭：类脑智能有望5年内走进千家万户\n来源：科技日报\n科技日报记者 代小佩\n多款类脑智能产品在2026世界人工智能大会上发布，引发关注；上海市杨浦区发布《杨浦区关于促进类脑智能产业发展的若干措施》……近年来，类脑智能的热度不断上升。《中国未来产业科技创新发展报告（2026年）》蓝皮书显示，我国类脑智能领域投融资总额已突破30亿元。\n热度不断上升的类脑智能具备哪些核心优势？其产业化之路面临哪些挑战？如何促进类脑智能产业快速发展？\n日前，科技日报记者专访了中国科学院院士、中国神经科学学会理事长张旭，围绕类脑智能的概念边界、技术发展趋势、产业化路径等话题展开了交流。\nAI突破瓶颈需要类脑智能\n记者：当前，人工智能与神经科学的交叉融合受到越来越多的关注，二者是什么关系？\n张旭：人工智能与神经科学形成了一个双向促进的闭环。一方面，神经科学的发展为人工智能提供了仿生思路与理论参考。另一方面，人工智能已成为神经科学研究的核心工具。\n过去十年，生物医学领域积累了海量的数字化研究数据，仅靠传统分析手段，很难挖掘出这些数据的深层价值。人工智能的系统性、综合性分析能力，能帮助科研人员发现此前难以察觉的规律，并识别出潜在的应用场景。\n如今，人工智能已经成为科研人员、临床医生的必备工具。甚至可以说，不了解AI for Science（人工智能驱动的科学研究）的应用逻辑，就会落后于时代。\n记者：脑科学与人工智能交叉领域，先后出现了“脑智”与“类脑智能”等重要概念。这两个概念有什么区别？\n张旭：“脑智”与“类脑智能”并非同一概念。“脑智”是脑科学与人工智能的交叉融合，是连接脑科学与人工智能的桥梁。现在的人工智能发展主要依托计算机、数学、统计学等学科，和现代神经科学的前沿进展衔接并不紧密，二者之间存在明显的研究鸿沟。2014年，我牵头设立“上海脑—智工程”研究计划的初衷就是弥合鸿沟，填补这一空白。\n随着人工智能与脑科学的交叉融合加深，以及相关技术迭代发展，“类脑智能”的概念应运而生。\n类脑智能是受脑科学启发的智能科学与技术，属于技术科学范畴。其核心在于借鉴人脑感知认知神经网络原理及工作机制，工程化地实现受脑信息处理机制启发的智能框架、算法模型和智能计算系统。\n相比脑智，类脑智能这一概念更加清晰准确，产业化路径也更加明确。如今，我们已经明确：类脑智能是面向未来的全新人工智能理论与技术体系。\n记者：为什么说类脑智能是下一代人工智能的重要突破方向？\n张旭：人工智能从上世纪五六十年代就吸收了脑科学的基础发现，但后来主要靠互联网大数据、数学及统计学、计算机技术推动，如今进入了技术瓶颈——过度依赖以图形处理器（GPU）为代表的主流人工智能算力和海量数据，导致能耗高、成本高、存在数据安全隐患等。\n而类脑智能则另辟蹊径，模拟生物脑的神经元及其神经网络计算体系。与传统人工智能算力方案相比，其硬件规模、能耗需求、使用成本和算力建设成本大幅降低，可保障数据安全、实现专有多模态模型训练和推理，特别适用于人工智能应用技术的开发者和使用者，以及相关企业和科研机构、医院等，可以作为智能体、智能机器人、具身智能的基础。\n这里我说一个直观的对比：人类大脑有860亿个神经元，能耗只有20瓦；而相同规模的人工智能系统，能耗高达8兆瓦。这种巨大的差异背后，隐藏着下一代智能技术变革的钥匙。\n记者：能否具体说说类脑智能有哪些核心优势？\n张旭：从技术底层来看，传统冯·诺依曼架构的计算机，仅靠3D堆叠、先进封装等工程手段，只能小幅降低能耗、提升算力，无法解决存储与计算分离的根本问题。而类脑智能是底层架构的根本性变革，它依托仿生神经单元、类脑神经网络架构，从根源上破解了大模型高能耗的难题，同时具备透明可解释的特点，能避免传统大模型的幻觉问题。\n在隐私保护方面，类脑智能也具有显著优势。当前大模型追求公众化、标准化，而类脑智能支持本地化、私有化训练——个人健康数据、家庭数据、企业数据等都可完全保留在本地，在实现高度个性化的同时，能保障个人隐私安全和企业安全。\n类脑智能产业前景广阔\n记者：当前类脑智能产业化面临的共性堵点有哪些？\n张旭：经过研究者多年努力，类脑智能领域已逐渐形成贯通的创新链条：从脑感知、认知神经网络基础研究，到脑机接口编解码、调控技术，再到算法模型、芯片器件、计算系统开发等，每个环节都能催生对应企业，创新链与产业链高度吻合，类脑智能技术正逐步从研究端向应用端迈进。\n当前，类脑智能产业化最突出的堵点，在于技术体系新、综合门槛高，相关人才短缺，尚未完成行业普及。技术落地需要大量工程师掌握类脑计算技术，为不同行业开发适配的专用设备、算法模型与应用场景，这需要一定的发展周期。\n记者：如何看待类脑智能的未来发展趋势？\n张旭：可以肯定的是，类脑智能发展前景非常广阔。其核心价值主要体现在两方面：一是实现智能算力的普惠化——未来普通家庭、中小型实验室和科研机构、大小医院、中小企业都可以部署轻量化的类脑智能计算设备，自主开发适配自身需求的垂直大模型，真正把智能算力交到大众手中；二是技术将深度渗透社会各行各业，催生大量全新的智能应用场景，同时保障数据隐私与核心技术安全。\n记者：听说您正在广东培育类脑领域企业。\n张旭：是的。2014年到2020年是脑科学与人工智能融合产业的起步阶段，诞生了寒武纪、联影医疗等一批标志性企业。2020年之后，具备明确类脑智能属性的企业不断涌现。\n此前，我们在上海推动“上海脑—智工程”研究计划，孵化了一批标杆企业。目前，我们正在上海和广东积极构建类脑智能产业生态，也孵化了多家类脑领域企业，覆盖类脑算法软件、高端智能硬件等赛道。\n类脑智能属于典型的高端制造业，有自身的发展规律。当前相关企业正处于快速爬升阶段，发展势头良好，社会价值潜力巨大。\n记者：后续团队的重点攻坚方向是什么？\n张旭：类脑智能的研发已经从早期的单一方向转向全方位布局，但我们始终聚焦底层基础理论、核心技术这类根本性问题攻关，这是科研机构的核心职责。\n类脑计算系统的系统性、交叉性极强，研发周期长，最终必须落地为实体产品，通过实际运行验证理论上的算力优势，再反向迭代优化基础研究。后续我们也会联合行业主体，推进类脑技术与现有产业智能系统的适配，解决应用层面的实际问题。\n记者：您提到最终要落地为实体产品、反向迭代优化基础研究。在打通基础研究与成果转化全链条方面，您有哪些实践经验？\n张旭：首先，基础研究和应用研究并不矛盾。“从0到1”的原始创新决定了行业能否实现技术引领，“从1到100”的集成创新同样有巨大的产业价值。\n我们做成果转化主要有两条路径。一是围绕底层技术自主孵化全新科创企业，打造全新的产业链。二是赋能传统产业，改造现有技术体系，让传统CPU在类脑算法框架下，就能充分释放算力优势。\n打通基础研究与应用研究之间的链条，首先要从源头开始就瞄准转化。科学研究不能只停留在发表论文、申请专利的层面，必须从科研项目立项之初就坚持问题导向，关注产业和社会发展的重大共性问题。比如，当前人工智能面临高能耗、高算力成本等行业痛点，这些就是我们攻关的核心方向。\n怎么找问题？我觉得，提炼前沿科学问题离不开跨学科的交流碰撞。我是学医出身，在中国科学院上海分院工作期间接触了计算机、数学、物理等多领域的优秀科学家。正是这种多学科交叉拓展了我的研究思路。\n培养年轻人跨学科思维\n记者：面向未来，类脑智能产业怎样才能真正实现突破？\n张旭：类脑智能当前发展的最大挑战，并非单纯来自现在主流人工智能算力竞争，而是神经科学、脑机接口、数学、计算机科学、芯片制造等多学科的深度交叉与范式协同不足。类脑智能要真正实现突破，需要打通涵盖脑认知机理、算法模型、芯片和系统的全链条。\n如果抓住这一轮技术变革机遇，中国有望在下一代人工智能的某些领域占据上风，实现从“跟随”到“引领”的跨越。\n当前，我国在类脑智能领域已具备“换道超车”的基础条件，关键在于把握时代机遇，坚持自主创新与开放合作并重，推动技术成果转化为惠民利民的产业实践。这不仅是科技竞争的需要，更是服务国家高质量发展、满足人民美好生活向往的战略选择。\n记者：类脑智能将很快走进千家万户吗？\n张旭：是的，我预计不会很久远。保守估计，我认为5年内，类脑智能个人计算机（BI PC）将走进千家万户。当然，底层的理论研究、技术研发还需要持续投入相当长的时间，但技术迭代的速度会非常快。\n推动类脑智能行业发展，不能只靠科研经费投入，核心要抓两个方向。\n第一是搭建应用生态，智能技术必须有场景、有用户才能持续迭代，需要政府、科研院所、企业、产业基金多方协同，低成本搭建多元化应用场景，完善产业生态。第二是强化创新链与产业链的全链条衔接，科研资助不能只侧重单一环节，要打通从基础研究、器件开发到产业落地的全链路，避免科研成果脱离创新链、无法转化。\n我认为，类脑智能需要在现有人工智能技术体系基础上错位拓展，通过众创联动、资源整合，与开发者、投资方和消费方共同构建产业生态和发展生态。\n记者：作为中国神经科学学会理事长，您觉得学会在促进学科交叉方面怎样发挥作用？\n张旭：学会是非常重要的智库平台，在推动学科交叉方面扮演着重要角色。学会通常不受单位利益、个人利益束缚，做事公正透明，是真正的科技人员之家。同时，学会的学术氛围平等开放，大家可以自由探讨技术路线与解决方案，是交叉创新的重要载体。\n这些年，中国神经科学学会在中国科协的支持下，产出了大量关于类脑智能等的研究建议与产业路线图。例如，中国神经科学学会已组织编写《类脑智能产业与技术发展路线图》《脑机接口产业技术路线图》等系列报告，为国家决策提供重要支撑。\n但对标国际优秀学会，我认为国内学会还有两个方面需要提升。一是要加强国际化，吸引更多不同国家的学者参与学术会议，通过跨国的思想碰撞拓宽研究视野，提升学术会议的国际影响力。二是要吸引更多年轻人参与。当前不少青年科研人员过度聚焦自身的论文产出，缺少参与行业交流的意识。希望学会加强对青年人的扶持，培养年轻人跨学科的创新思路，拓宽学术视野，这对青年人才的长期发展至关重要。\n记者：对这一领域的青年科研人员，您有什么建议？\n张旭：类脑智能是全新的赛道，有大量待开拓的方向，对青年科研人员来说是难得的机遇。做研究不要只盯着自己手里的几篇论文、几组数据，要主动走出去，多参与跨学科学术交流，多接触前沿成果，睁眼看世界。\n交叉领域的创新，往往来自不同学科思想的碰撞。年轻人要保持开放的心态，尊重不同领域的研究思路，多向他人学习，在解决重大共性问题的过程中实现自身成长。\n智能科技的未来要靠青年一代去开拓，我希望青年一代能扎根基础、面向应用，在全新的赛道上作出属于自己和团队的贡献。","source":"finance.sina.com.cn","date":"2026-09-23T23:27:52+00:00","content":"中国科学院院士张旭：类脑智能有望5年内走进千家万户\n来源：科技日报\n科技日报记者 代小佩\n多款类脑智能产品在2026世界人工智能大会上发布，引发关注；上海市杨浦区发布《杨浦区关于促进类脑智能产业发展的若干措施》……近年来，类脑智能的热度不断上升。《中国未来产业科技创新发展报告（2026年）》蓝皮书显示，我国类脑智能领域投融资总额已突破30亿元。\n热度不断上升的类脑智能具备哪些核心优势？其产业化之路面临哪些挑战？如何促进类脑智能产业快速发展？\n日前，科技日报记者专访了中国科学院院士、中国神经科学学会理事长张旭，围绕类脑智能的概念边界、技术发展趋势、产业化路径等话题展开了交流。\nAI突破瓶颈需要类脑智能\n记者：当前，人工智能与神经科学的交叉融合受到越来越多的关注，二者是什么关系？\n张旭：人工智能与神经科学形成了一个双向促进的闭环。一方面，神经科学的发展为人工智能提供了仿生思路与理论参考。另一方面，人工智能已成为神经科学研究的核心工具。\n过去十年，生物医学领域积累了海量的数字化研究数据，仅靠传统分析手段，很难挖掘出这些数据的深层价值。人工智能的系统性、综合性分析能力，能帮助科研人员发现此前难以察觉的规律，并识别出潜在的应用场景。\n如今，人工智能已经成为科研人员、临床医生的必备工具。甚至可以说，不了解AI for Science（人工智能驱动的科学研究）的应用逻辑，就会落后于时代。\n记者：脑科学与人工智能交叉领域，先后出现了“脑智”与“类脑智能”等重要概念。这两个概念有什么区别？\n张旭：“脑智”与“类脑智能”并非同一概念。“脑智”是脑科学与人工智能的交叉融合，是连接脑科学与人工智能的桥梁。现在的人工智能发展主要依托计算机、数学、统计学等学科，和现代神经科学的前沿进展衔接并不紧密，二者之间存在明显的研究鸿沟。2014年，我牵头设立“上海脑—智工程”研究计划的初衷就是弥合鸿沟，填补这一空白。\n随着人工智能与脑科学的交叉融合加深，以及相关技术迭代发展，“类脑智能”的概念应运而生。\n类脑智能是受脑科学启发的智能科学与技术，属于技术科学范畴。其核心在于借鉴人脑感知认知神经网络原理及工作机制，工程化地实现受脑信息处理机制启发的智能框架、算法模型和智能计算系统。\n相比脑智，类脑智能这一概念更加清晰准确，产业化路径也更加明确。如今，我们已经明确：类脑智能是面向未来的全新人工智能理论与技术体系。\n记者：为什么说类脑智能是下一代人工智能的重要突破方向？\n张旭：人工智能从上世纪五六十年代就吸收了脑科学的基础发现，但后来主要靠互联网大数据、数学及统计学、计算机技术推动，如今进入了技术瓶颈——过度依赖以图形处理器（GPU）为代表的主流人工智能算力和海量数据，导致能耗高、成本高、存在数据安全隐患等。\n而类脑智能则另辟蹊径，模拟生物脑的神经元及其神经网络计算体系。与传统人工智能算力方案相比，其硬件规模、能耗需求、使用成本和算力建设成本大幅降低，可保障数据安全、实现专有多模态模型训练和推理，特别适用于人工智能应用技术的开发者和使用者，以及相关企业和科研机构、医院等，可以作为智能体、智能机器人、具身智能的基础。\n这里我说一个直观的对比：人类大脑有860亿个神经元，能耗只有20瓦；而相同规模的人工智能系统，能耗高达8兆瓦。这种巨大的差异背后，隐藏着下一代智能技术变革的钥匙。\n记者：能否具体说说类脑智能有哪些核心优势？\n张旭：从技术底层来看，传统冯·诺依曼架构的计算机，仅靠3D堆叠、先进封装等工程手段，只能小幅降低能耗、提升算力，无法解决存储与计算分离的根本问题。而类脑智能是底层架构的根本性变革，它依托仿生神经单元、类脑神经网络架构，从根源上破解了大模型高能耗的难题，同时具备透明可解释的特点，能避免传统大模型的幻觉问题。\n在隐私保护方面，类脑智能也具有显著优势。当前大模型追求公众化、标准化，而类脑智能支持本地化、私有化训练——个人健康数据、家庭数据、企业数据等都可完全保留在本地，在实现高度个性化的同时，能保障个人隐私安全和企业安全。\n类脑智能产业前景广阔\n记者：当前类脑智能产业化面临的共性堵点有哪些？\n张旭：经过研究者多年努力，类脑智能领域已逐渐形成贯通的创新链条：从脑感知、认知神经网络基础研究，到脑机接口编解码、调控技术，再到算法模型、芯片器件、计算系统开发等，每个环节都能催生对应企业，创新链与产业链高度吻合，类脑智能技术正逐步从研究端向应用端迈进。\n当前，类脑智能产业化最突出的堵点，在于技术体系新、综合门槛高，相关人才短缺，尚未完成行业普及。技术落地需要大量工程师掌握类脑计算技术，为不同行业开发适配的专用设备、算法模型与应用场景，这需要一定的发展周期。\n记者：如何看待类脑智能的未来发展趋势？\n张旭：可以肯定的是，类脑智能发展前景非常广阔。其核心价值主要体现在两方面：一是实现智能算力的普惠化——未来普通家庭、中小型实验室和科研机构、大小医院、中小企业都可以部署轻量化的类脑智能计算设备，自主开发适配自身需求的垂直大模型，真正把智能算力交到大众手中；二是技术将深度渗透社会各行各业，催生大量全新的智能应用场景，同时保障数据隐私与核心技术安全。\n记者：听说您正在广东培育类脑领域企业。\n张旭：是的。2014年到2020年是脑科学与人工智能融合产业的起步阶段，诞生了寒武纪、联影医疗等一批标志性企业。2020年之后，具备明确类脑智能属性的企业不断涌现。\n此前，我们在上海推动“上海脑—智工程”研究计划，孵化了一批标杆企业。目前，我们正在上海和广东积极构建类脑智能产业生态，也孵化了多家类脑领域企业，覆盖类脑算法软件、高端智能硬件等赛道。\n类脑智能属于典型的高端制造业，有自身的发展规律。当前相关企业正处于快速爬升阶段，发展势头良好，社会价值潜力巨大。\n记者：后续团队的重点攻坚方向是什么？\n张旭：类脑智能的研发已经从早期的单一方向转向全方位布局，但我们始终聚焦底层基础理论、核心技术这类根本性问题攻关，这是科研机构的核心职责。\n类脑计算系统的系统性、交叉性极强，研发周期长，最终必须落地为实体产品，通过实际运行验证理论上的算力优势，再反向迭代优化基础研究。后续我们也会联合行业主体，推进类脑技术与现有产业智能系统的适配，解决应用层面的实际问题。\n记者：您提到最终要落地为实体产品、反向迭代优化基础研究。在打通基础研究与成果转化全链条方面，您有哪些实践经验？\n张旭：首先，基础研究和应用研究并不矛盾。“从0到1”的原始创新决定了行业能否实现技术引领，“从1到100”的集成创新同样有巨大的产业价值。\n我们做成果转化主要有两条路径。一是围绕底层技术自主孵化全新科创企业，打造全新的产业链。二是赋能传统产业，改造现有技术体系，让传统CPU在类脑算法框架下，就能充分释放算力优势。\n打通基础研究与应用研究之间的链条，首先要从源头开始就瞄准转化。科学研究不能只停留在发表论文、申请专利的层面，必须从科研项目立项之初就坚持问题导向，关注产业和社会发展的重大共性问题。比如，当前人工智能面临高能耗、高算力成本等行业痛点，这些就是我们攻关的核心方向。\n怎么找问题？我觉得，提炼前沿科学问题离不开跨学科的交流碰撞。我是学医出身，在中国科学院上海分院工作期间接触了计算机、数学、物理等多领域的优秀科学家。正是这种多学科交叉拓展了我的研究思路。\n培养年轻人跨学科思维\n记者：面向未来，类脑智能产业怎样才能真正实现突破？\n张旭：类脑智能当前发展的最大挑战，并非单纯来自现在主流人工智能算力竞争，而是神经科学、脑机接口、数学、计算机科学、芯片制造等多学科的深度交叉与范式协同不足。类脑智能要真正实现突破，需要打通涵盖脑认知机理、算法模型、芯片和系统的全链条。\n如果抓住这一轮技术变革机遇，中国有望在下一代人工智能的某些领域占据上风，实现从“跟随”到“引领”的跨越。\n当前，我国在类脑智能领域已具备“换道超车”的基础条件，关键在于把握时代机遇，坚持自主创新与开放合作并重，推动技术成果转化为惠民利民的产业实践。这不仅是科技竞争的需要，更是服务国家高质量发展、满足人民美好生活向往的战略选择。\n记者：类脑智能将很快走进千家万户吗？\n张旭：是的，我预计不会很久远。保守估计，我认为5年内，类脑智能个人计算机（BI PC）将走进千家万户。当然，底层的理论研究、技术研发还需要持续投入相当长的时间，但技术迭代的速度会非常快。\n推动类脑智能行业发展，不能只靠科研经费投入，核心要抓两个方向。\n第一是搭建应用生态，智能技术必须有场景、有用户才能持续迭代，需要政府、科研院所、企业、产业基金多方协同，低成本搭建多元化应用场景，完善产业生态。第二是强化创新链与产业链的全链条衔接，科研资助不能只侧重单一环节，要打通从基础研究、器件开发到产业落地的全链路，避免科研成果脱离创新链、无法转化。\n我认为，类脑智能需要在现有人工智能技术体系基础上错位拓展，通过众创联动、资源整合，与开发者、投资方和消费方共同构建产业生态和发展生态。\n记者：作为中国神经科学学会理事长，您觉得学会在促进学科交叉方面怎样发挥作用？\n张旭：学会是非常重要的智库平台，在推动学科交叉方面扮演着重要角色。学会通常不受单位利益、个人利益束缚，做事公正透明，是真正的科技人员之家。同时，学会的学术氛围平等开放，大家可以自由探讨技术路线与解决方案，是交叉创新的重要载体。\n这些年，中国神经科学学会在中国科协的支持下，产出了大量关于类脑智能等的研究建议与产业路线图。例如，中国神经科学学会已组织编写《类脑智能产业与技术发展路线图》《脑机接口产业技术路线图》等系列报告，为国家决策提供重要支撑。\n但对标国际优秀学会，我认为国内学会还有两个方面需要提升。一是要加强国际化，吸引更多不同国家的学者参与学术会议，通过跨国的思想碰撞拓宽研究视野，提升学术会议的国际影响力。二是要吸引更多年轻人参与。当前不少青年科研人员过度聚焦自身的论文产出，缺少参与行业交流的意识。希望学会加强对青年人的扶持，培养年轻人跨学科的创新思路，拓宽学术视野，这对青年人才的长期发展至关重要。\n记者：对这一领域的青年科研人员，您有什么建议？\n张旭：类脑智能是全新的赛道，有大量待开拓的方向，对青年科研人员来说是难得的机遇。做研究不要只盯着自己手里的几篇论文、几组数据，要主动走出去，多参与跨学科学术交流，多接触前沿成果，睁眼看世界。\n交叉领域的创新，往往来自不同学科思想的碰撞。年轻人要保持开放的心态，尊重不同领域的研究思路，多向他人学习，在解决重大共性问题的过程中实现自身成长。\n智能科技的未来要靠青年一代去开拓，我希望青年一代能扎根基础、面向应用，在全新的赛道上作出属于自己和团队的贡献。","confidence":0.9,"diagnostics_url":"/api/diagnose?url=https%3A//finance.sina.cn/2026-09-24/detail-iniswrrm4933921.d.html%3Fvt%3D4","quality_bucket":"high","failure_kind":"none","retryable":false,"quality_reason":"High confidence: full text extraction produced 4399 characters.","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 4399 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":4399,"summary_length":4399,"usable_text_length":4399,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":4399,"summary_length":4399}},"tags":[],"format_contract_version":"news_item_formats.v1"}}}