中科院發布類腦大模型瞬悉2.0，打破長序列與低功耗部署核心瓶頸

作者 | 論文團隊

編輯丨ScienceAI

當前，大模型發展正從「參數和數據規模驅動」逐步延展至「上下文能力驅動」。在智能體、代碼理解、長文檔分析等應用中，模型需要處理數十萬甚至百萬級 token。但傳統 Transformer 在長序列處理及資源受限場景下的部署仍面臨諸多痛點。因此，如何以極低成本構建基礎模型，打破 Transformer 在不同序列長度、不同硬件平臺下的能耗瓶頸，成為大模型領域的關鍵探索方向。

近日，中國科學院自動化研究所李國齊、徐波團隊在類腦脈沖大模型「瞬悉 1.0」研究基礎上，針對當前大模型長序列處理與低功耗部署等核心瓶頸，推出 SpikingBrain2.0-5B（簡稱 SpB2.0-5B）模型系列，通過引入更豐富的類腦機制 —— 包括稀疏化記憶建模、更精細化的脈沖激活值編碼等，在瞬悉 1.0 的基礎上實現了全方位升級。

論文地址：https://arxiv.org/abs/2604.22575

開源地址：https://github.com/BICLab/SpikingBrain2.0

此次發布的瞬悉 2.0 以超過瞬悉 1.0 十倍的訓練開銷節省，續訓數據量從瞬悉 1.0 的 150B 降低至瞬悉 1.0 的 14B：即僅需 32 張 A100 顯卡，9 天內即可完成對當前主流 Transformer 架構大模型（如 Qwen3 系列模型）的持續預訓練，通用知識（如 MMLU、ARC-C、BBH 等任務）以及 SFT 后推理能力（如數學推理 GSM8K、MATH，代碼 HumanEval、MBPP 等任務）的表現可與強基線 Qwen3 比肩且實現比瞬悉 1.0 更優綜合性能；并在 4M 序列長度下達到主流 Transformer 模型 Qwen3 的 10.13 倍首 Token 生成加速，FP8 量化路徑下 4M 長度下相比 Qwen3 BF16 基線提速達 15.13 倍，整數 - 脈沖化編碼路徑下，精度損失僅為 0.69%，且脈沖稀疏度高達 64.3%，模擬結果顯示，該方案在測試場景下相比 INT8 矩陣乘法基線，有望使得面向類腦大模型的神經形態芯片面積減小 70.6%，在 250/500MHz 工作頻率下功耗降低 48.1%/46.5%。

瞬悉 2.0 在長序列處理效率、訓練開銷、綜合 Benchmark 性能、跨硬件平臺適配性及應用場景拓展等方面顯著提升，為輕量級、多模態高效脈沖基礎模型的研發提供了可行路徑，為新一代人工智能創新發展注入新動力。

瞬悉 2.0 與 Qwen-3 速度對比演示

架構設計

短序列場景中，Transformer 的計算瓶頸源于大量前饋矩陣乘法；長序列場景中，計算瓶頸則向注意力模塊轉移，導致推理效率大幅下降。瞬悉 2.0 因此對注意力和前饋矩陣乘操作分別做出針對性設計，期望緩解 Transformer 的能耗問題。

（1）雙空間混合稀疏注意力：

瞬悉 2.0 提出雙空間稀疏注意力（Dual-Space Sparse Attention, DSSA），用于在層間混合稀疏 Softmax 注意力 MoBA 與稀疏線性注意力 Sparse State Expansion （SSE）。其中，MoBA 對完整的 KV cache 進行塊級稀疏計算，SSE 則對壓縮式狀態表征進行稀疏計算。這一設計對應類腦化的稀疏記憶機制，實現了優良的長序列性能 - 效率權衡 (圖 2)。

瞬悉 2.0 架構概覽

（2）雙路徑激活值編碼策略：

瞬悉 2.0 采用了包括 FP8 和 INT8-Spiking 兩種對偶激活值編碼路徑（圖 3）：

1.FP8 編碼路徑：利用低比特 Tensor Core 加速矩陣乘運算，該路徑面向工業 GPU 部署（如 NVIDIA Hopper GPU）；

2.INT8-Spiking 編碼路徑：把激活值轉為脈沖序列，可將密集矩陣乘法替換為事件驅動的整數累加，大幅降低部署功耗，該路徑面向異步神經形態芯片部署。

瞬悉 2.0 對偶編碼路徑

轉換訓練流程

瞬悉 2.0 采用比瞬悉 1.0 更高效、模態更廣的架構轉換流程（Transformer-to-Hybrid Conversion），依托極少量開源數據和計算資源，分別為語言模型與多模態模型構建兩條獨立的續訓轉換路徑，大幅降低開發成本（圖 4）。

（1）LLM 轉換路徑：包括短上下文蒸餾、三階段長上下文擴展（最高至 512k）以及兩階段的通用加推理 SFT，同時開展了在策略蒸餾探索。（2）VLM 轉換路徑：包括知識蒸餾與指令微調。本文還同時分享了實踐過程中的關鍵 Takeaways，為社區研究提供參考。

瞬悉 2.0 轉換訓練 Pipeline

模型性能

1. 長序列處理效率顯著提升。（1）在 Huggingface 序列并行框架下，瞬悉 2.0 在 4M 長度相比 Qwen3 實現 10.13 倍的首 token 生成時延（TTFT）加速；（2）在 vLLM 張量并行框架下，512k 長度端到端生成延遲降低 4.3 倍，128k 長度下總吞吐提升 1.57 倍、請求并發數提升 3.17 倍；（3）依托 vLLM 框架，8 卡 A100 即可支持長達 10M 序列的推理，而 Qwen3 基線在 4M 長度時已超出顯存限制，展現出突出的長序列處理優勢。

2. 訓練成本大幅降低。瞬悉 2.0-5B 語言與多模態模型的總轉換開銷低至 7k A100 卡時以下，僅需 32 張 A100，9 天內即可完成對 Qwen3-4B 和 Qwen3-VL-4B 的全部轉換訓練，相較于 SpB1.0，訓練成本減少 10 倍以上（LLM CPT 數據量從 150B 降至 14B），實現了高效低成本的模型開發。

3. 模型性能保持競爭力。（1）瞬悉 2.0 語言模型在通用知識（如 MMLU、ARC-C、BBH 等任務）以及 SFT 后推理能力（如數學推理 GSM8K、MATH，代碼 HumanEval、MBPP 等任務）的表現與強基線 Qwen3 比肩，綜合性能優于 Qwen2.5 和更大規模的瞬悉 1.0-7B 模型。（2）瞬悉 2.0-VL 模型性能實現對 Qwen3-VL 的有效恢復，可與強基線 Qwen2.5-VL 比肩（如圖表推理 AI2D、通用視覺推理 MMStar 等任務），在瞬悉 1.0 的基礎上實現了多模態能力的突破。

4. 跨硬件平臺適配性突出。瞬悉 2.0 可靈活適配不同硬件平臺：（1）采用 FP8 路徑時，精度損失僅為 0.24%；在 H100 上實測顯示，256k 序列長度下 TTFT 提速相比瞬悉 2.0 BF16 版本超 2.5 倍，同時在 4M 長度下相比 Qwen3 BF16 基線提速達 15.13 倍；（2）采用 INT8-Spiking 路徑時，精度損失僅為 0.69%，且脈沖稀疏度高達 64.3%；后仿模擬結果顯示，該方案在測試場景下相比 INT8 矩陣乘法基線，面積減小 70.6%，在 250/500MHz 工作頻率下，功耗降低48.1%/46.5%，有望破解端側部署的功耗瓶頸。

瞬悉 2.0 系列模型的發布，為輕量級、多模態高效脈沖基礎模型的研發提供了可行路徑，進一步驗證了類腦機制與高效模型架構結合的廣闊前景。同時，該模型為端側、資源受限場景的大模型部署提供了高性價比解決方案，也為低功耗神經形態計算的后續研發提供重要參考。研究團隊將繼續秉承類腦大模型技術「概念一致、迭代升級」的理念，持續研發可比肩主流大模型的低功耗神經形態計算。

作者介紹

李國齊，論文通訊作者，中國科學院自動化所研究員，腦認知與類腦智能全國重點實驗室副主任，通用類腦智能大模型北京市重點實驗室主任，國家杰出青年基金獲得者；在 Nature、Nature 子刊、Science 子刊等期刊和 AI 頂會上發表論文 200 余篇。

徐波，論文通訊作者，中國科學院自動化所研究員，中國科學院自動化所所長，科技創新 2030「新一代人工智能」重大項目專家組組長，中國科學院大學人工智能學院院長。

潘昱锜，論文一作，中國科學院自動化研究所博士生，2024 年本科畢業于南京大學匡亞明學院。研究方向為通用類腦大模型與長序列基礎模型架構，瞬悉 SpikingBrain 類腦大模型 1.0/2.0 核心團隊成員，以第一作者在 ICLR 2026、TMLR 2026 等 AI 頂刊頂會上發表多篇論文。