作者｜黃楠
編輯｜袁斯來
探尋大模型的起源，始于 2017 年那篇谷歌的《Attention Is All You Need》論文。其造性地提出了具備處理局部和長程依賴關系能力、契合 GPU 對大規模數據進行并發處理的 Transformer 架構（以下簡稱：T 架構），一舉推動了 GPT 的問世。
但其盛名之下，不少人也忽略了 T 架構的兩大缺陷：其一，運算機制過度依賴 " 矩陣乘法 "，算力消耗過大；二是單次運算需調用所有計算單元，算力與存儲消耗過大。
這意味着，無論是訓練或推理，面對大量數據集與長輸入序列時，T 架構需無數次重複檢索大模型權重（記憶體）中已有信息，将新數據與既有數據的相對距離進行逐一比對。這種 " 逐字逐句翻書本，從封面翻到封底 " 的處理機制，既賦予了其 " 精準捕獲長距離依賴 " 的能力，也帶來了巨額的算力與存儲開銷。
在 T 架構性能表現日趨老化的背景下，一些 AI 大模型公司開始探索非 T 架構研發，并在技術、産業、應用與合規層面實現突破。硬氪近日接觸到的「陸兮科技」，正是一家專注從零開始搭建自研類腦架構的大模型公司。
「陸兮科技」CTO 周芃告訴硬氪，類腦大模型采用了模仿人腦結構和功能的 " 類腦算法 " 路線，又稱 " 腦啓發算法 " 路線。與 Transformer 架構和泛 GPT 類模型相比，人腦的運算與存儲機制效能明顯更高。
運算時，人腦采用 " 稀疏計算 " 機制，僅需調取與當次計算直接相關的神經元，其餘閑置神經元均處于休眠狀态。在存儲時，人腦無需重複 " 翻書 "，對比新舊數據時隻需調用高保真壓縮後的記憶體，信息本身則處于 " 隐狀态 " 中。
" 直觀來說，T 架構驅動的大模型要實現大規模部署，所消耗的算力預計需占滿幾百甚至上千平米的機房，所消耗的電力需由多做水電站共同驅動。對比之下，人腦完成同樣難度的計算，靠我們每天吃進去的米飯、饅頭、蔬菜、肉類即可驅動。" 周芃解釋到。
基于這一思考下，「陸兮科技」提出了 "NEURARK 類腦架構 "，通過複刻人類大腦高保真、輕量化、低功耗、零延遲的運算與存儲機制，通過簡化底層運算機制，運用 " 點乘 + 加法 " 等低能耗運算，來替代 " 矩陣乘法 " 的高能耗預算模式。
同時，「陸兮科技」還搭建了與人腦存儲模式近似的 " 隐狀态管理 " 機制，可以在大模型推理過程中，僅需調用記憶體，而無需調用既有數據集的方法，将數據存儲占用降至極低。
目前，「陸兮科技」"NEURARK 類腦架構 " 已同信息産業頭部國央企達成合作簽約，在通用醫療大模型、糖尿 + 甲乳專病大模型等領域開展共同研發與産品推廣。其中，類腦醫療大模型已于國内某中部省份多家三甲醫院、醫聯體網絡醫院與重點科室實現預部署。
此外公司還同金融、教育、氣象、水利、政務、網絡安全等基礎設施行業的政府單位、國央企與頭部廠商也已與其達成合作意向，部分已完成簽約。多家智能設備主機廠商、芯片廠商正同「陸兮科技」在積極接洽中，希望在大模型芯片适配、端側智能操作系統研發、智能設備定制化設計等領域運用類腦架構與類腦大模型。
硬氪了解到，由「陸兮科技」自主研發的類腦大模型，已于今年 8 月獲得國家網信辦《生成式人工智能服務備案》，這也是國内首個取得該項備案的自研架構大模型、非 Transformer 架構大模型和采用 " 腦啓發算法 " 技術路線的大模型，其非 T 架構大模型即将正式上線。
