12月6日，中国电力科学研究院联合科研及产业合作伙伴，在专家现场见证下发布了电力行业首个类脑计算平台及智能体，该创新成果采用异构融合类脑技术路线，提出了可自主进化的电力类脑智能体计算架构与学习机制，构建了内嵌电力时序多模态、在线连续学习等专用算子的国产化类脑计算框架，研发了具备事件驱动能力的电力边缘类脑计算模型，可支撑面向电力全景巡视、设备运检、电网调控等多场景应用。 类脑计算是从生物脑科学原理出发、融合计算机科学的新型计算范式，把计算机算得快、算得准和人脑善于学习、记忆、分析、归纳有机结合起来，通过引入生物脑计算特性实现超低功耗并行计算，结合脑启发智能机理实现类人脑的学习能力，被国际半导体协会确定为后摩尔时代两大颠覆性计算技术之一。电力异构融合类脑计算在传统人工智能平台中引入类脑计算范式，通过系统级模仿大脑多脑区分工协作机制，有望摆脱模型性能对大计算量、大参数量、大数据量的巨大依赖，提升电力场景多模态感知、生成式认知、自主化决策能力。 本次发布的电力异构融合类脑计算平台，旨在突破传统冯·诺依曼计算体系和深度学习范式的限制，结合生物脑的计算特性和脑启发的智能机理，形成了“逼近脑”的芯片架构和“模仿脑”的算法模型。
据悉，电力异构融合类脑计算平台是当前电力人工智能研究中的一项开创性工作。平台由中国电力科学研究院、中国电子科技南湖研究院、清华大学、中国科学院自动化研究所和北京灵汐科技有限公司等多家机构联合研发，支持包括电力全景巡视、设备运维和电网调控在内的多场景应用。
“平台支持深度神经网络、脉冲神经网络及混合神经网络的高效计算，其中类脑硬件的单位焦耳能效相对于目前主流GPU提升3-5倍。”该项目负责人周飞表示，平台包含4320万个人工神经元和43.2亿个突触，具备4072万亿次每秒浮点运算能力，具有内嵌电网运行机理的时序多模态、在线连续学习等电力专用算子，满足电力行业高精度、低延时的智能分析需求。未来项目团队计划将类脑计算范式引入大模型训练，有望进一步降低神经网络参数规模和计算复杂度，支持大模型向电力边端类脑计算装置的轻量化部署和低功耗推理。