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2 0 2 5 年 4 月CEIC 中国电科目 录CONTENTS类脑计算的背景与优势类脑计算的布局和成果三 类脑计算与大模型融 电力领域类脑应用五 类脑电网智能体合四一、类脑计算的背景与优势CHINA ELECTRONICS TECHNOLOGY GROUP CORPORATION 3CEIC 中 国 电 科大数据、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 的能源消耗输入 / 输出 中央处理器 存储器控利总线地址总找散据总线CEIC 中 国 电 科冯 · 诺依曼架构瓶颈当前现状：高计算量和能源消耗口高算力需求 ( 每两个月翻一番 ) 口现有窄人工智能局限一、类脑计算的背景与优势口 80% 非结构化口变化快、关联多、多样性来 源 ： IDC 白皮书《数据时代 2025 》 CHINAELECTRONICS ITCHNOLOGY GROUP 口存储墙、功耗墙瓶颈 口摩尔定律失效5400 个美国家庭 1 年用电 1800 辆汽车 1年排放人工智能高速发展数字信息爆炸57.9 兆干瓦时电量训练一次GPT46300 万美元9000 吨碳强物理直觉知识 被动接受训 好奇心驱使的主动学习 练当 前 人 工 智 能 与 生 物 智 能 还 有 很 女 的 距 离 ECHNOLOGY GROUPCORPORATION 5生物智能一、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-tPnot.KO1zanouLIZATioM强自然环境适应 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 性当前人工智能 生物智能物理理解缺失(Sora 视频生成失败案例 )当前人工智能极小样本可运作口狭义类脑计算 (Brain-like computing): 侧重 对生物脑网络形态的模拟 (neuromorphiccomputing), 比如脉冲神经网络 (SNN) 、 脑 仿真 、 STDP learning 等。卡口广义类脑计算 (Brain-inspired Computing):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...
