“一位七旬科学家的“神经形态”突围。

自古以来，研制智能机器一直是人类梦寐以求的目标。计算机的诞生让这一梦想的曙光骤然炽烈，然而很快人们便意识到：尽管它拥有强大的存储能力和闪电般的运算速度，却无法感知世界，也难以产生灵感。

如今，人工智能正站在新的十字路口——旧有范式日渐疲态，有学者提出了第三代人工智能。这种新型人工智能已不再仅仅是工具，而是无限逼近人类智慧的存在。如果说当前的AI犹如一位勤奋的“做题家”，那么被誉为“下一代人工智能”的类脑智能则更像一位“悟道者”。它从人脑结构和神经机制中汲取灵感，致力于打造更贴近人类思维方式的智能系统。

实际上，这一研究方向在学术界已有探讨，但在实际应用中却鲜有落地。数据猿在成都发现了一支团队——一位退休的科学院科学家，因军工光电跟踪领域“环境瞬变、目标瞬失”的行业难题，选择在退休后再次创业。起初，他们仅希望解决军事领域的问题，但随着研究的深入，发现“类脑”技术的研发犹如推开了一扇更为广阔的大门，其在各行各业皆有望成为新的生产力引擎。

“为什么人眼可以，机器不行？”

70旬科学家all in“类脑”技术

凌晨4点的成都，街灯依然闪烁，一位年逾七旬的老人已悄然打开电脑，开始伏案工作——他就是吴钦章，中国科学院光电技术研究所的退休研究员。退休后，他依然10年如一日坚持这样的作息，虽已退休，却又毅然重返技术前沿，投身创业，执着追求“类脑”技术。

追溯吴钦章的职业生涯，他出生于山东，后来到四川成都，在中国科学院光电技术研究所任职，曾担任光电探测技术研究室主任、中国科学院研究生院（今中国科学院大学）兼职教授及博士生导师，主要研究方向涵盖计算机应用技术、光电系统集成以及高速图像获取与处理等领域。

吴钦章长期深耕于光电探测技术领域，在其职业生涯中，他敏锐发现了技术一大痛点，即在很多领域“卡脖子”的问题：在光电跟踪测量设备的研制过程中，环境变化常常导致无法对目标进行实时提取与识别。无论是雨天、雾天还是强光干扰，这些因素都会使机器“眼睛”失效，从而严重影响军事、航天和高端制造等领域的发展。

光电跟踪测量设备

2017年，怀揣着让光电跟踪设备在任何环境下都能像人眼一样精准锁定目标的执念，吴钦章毅然决然地踏上了创业之路。他在成都创立了康吉笙科技。该公司的成立初衷，正是致力于研究在各种复杂环境下均能稳定可靠地提取和识别目标的技术，以实现光电装备对目标的自动跟踪测量。

“最初，我们以为优化算法就能解决问题。但现实很残酷——无论怎么调整参数，机器还是认不出复杂环境下的目标。”吴钦章在采访时提到，自己是为何一步步走到“类脑”技术的研究方向。

“最初，我们的认知较为浅显，走了不少弯路，仅限于对现有算法进行综合分析与改进，并反复进行了大量试验，但始终未能达到预期效果，无法自动适应瞬息万变的环境。”十年间，吴钦章自述承受了巨大压力，公司前期运转资金全靠身边朋友筹措，由于一直未能实现科研项目目标，吴钦章一度心灰意冷，心生放弃的念头。

迷茫之际，他开始思考如何找到一种能够适应各种环境变化的机制。“直到有一天，我问了自己一个问题：‘为什么人眼可以，机器不行？’这一思考改变了我们的研究方向。于是，我们转向研究人脑的视觉机制。”

吴钦章说，人眼不依赖海量数据训练，却能瞬间识别目标，靠的是大脑的“应变神经网络”——它能在微观层面处理光量子信息，自动适应环境变化。如果能把这个机制赋予机器，问题不就迎刃而解了吗？

为此，团队开始对人眼与大脑如何在复杂环境下识别各类目标进行长期深入研究。“我们强烈感觉到在大脑中存在一种针对空间的神经网络，这种神经网络能够自动适应空间变化。空间变化，神经网络也将随之做出相应的变化。”

眼睛与大脑之间的关系（供图来自受访者）

仿人的大脑空间神经网络应变机制，是目前卡脖子技术，该技术模拟人的眼睛与大脑，对微观的各种能量波，进行量化为高维度能量量子，再将这些能量量子投射到大脑空间神经网络上，大脑空间神经网络就会在相应区域形成凸凹起伏的能量场，大脑识别这些能量场，就产生了对三维空间的各种物体的感知。

正如眼睛与大脑的紧密关系。

采访中，吴钦章以桌上的茶杯为例，阐述了眼睛面对的是高维空间的各种能量波。当这些不同维度的能量波传递到眼睛时，眼睛会将它们进行量化，转化为具体的能量值，即我们今天所说的“量子”。随后，眼睛将这些能量量子传递至大脑的空间神经网络。在大脑空间神经网络的相应区域，便会呈现出凹凸起伏的变化，这些变化区域形成了不同的能量场，而这些能量场共同构建了物体的三维空间。因此，可以认为大脑的空间神经网络成功连接了微观与宏观世界，在大脑中建立起一个有序的三维空间体系。

研发“类脑”自适应视觉图像处理技术

让机器“像人一样思考”

在吴钦章看来，视觉空间的真正智能并非源自“大数据喂养”，而在于具备“像人一样思考”的能力——这正是康吉笙的核心技术，也是它致力于攻克的难题。

那么，问题来了，如何将眼睛与大脑对视觉空间的处理方法赋予机器？据吴钦章介绍，公司效仿大脑的空间神经网络，研究了一种基于空间神经网络的应变机制，经反复试验该机制能够适应外界复杂环境的变化，公司将此技术称为：“类脑”自适应视觉图像处理技术。

相比来看，传统的普遍性应用技术存在局限性，比如，目前普遍应用的技术是基于“神经网络”的深度学习和大模型技术，局限性是不能适应运动目标在各种环境下的变化，尤其对于弱小目标、低对比度、复杂环境多目标的情况。尤其是在视觉图像领域，若运动目标的环境瞬息万变，很难获得各种情况下的高质量训练样本，又比如，视觉图像随机变化，没有固定规律可循，很难训练出能适应各种“随机变化”的模型。

而现有的技术，无需训练：直接模拟人脑的先天识别能力，军事、安防等敏感领域无须再担心数据泄露。其次，算力极低，仅需一块FPGA芯片即可运行，功耗仅为传统AI的万分之一，并且能够在复杂环境下进行适应和对物体进行锁定。

实现逻辑：微观空间能量波——眼睛——能量量子——空间神经网络——能量场——大脑——三维空间物体

那么，基于对大脑的“自然智能生成机制”的分析。康吉笙的研究便是构造了仿大脑的物体本征生成机制。研究出了“类脑”自适应视觉图像处理技术。经实验证明，该技术类似于人的眼睛，在“类脑"的指控下，对各种环境的视觉图像都能快速、准确地找到目标。

将算法固化至低功耗神经形态芯片中，

有望降低AI模块的功耗与成本

采访中，吴钦章提到，其“类脑”自适应视觉图像处理技术已完成算法开发，算法的正确性已在计算机上得到验证。后续将移植至单板机或芯片，植入各类机器，构建真正的“机器脑”。这项技术未来有望在多个领域释放巨大价值，涵盖军事装备、工业检测、智能驾驶等领域。

根据2025年7月26日最新消息，国家知识产权局信息显示，四川康吉笙科技有限公司成功获得“基于类脑处理的视觉图像处理方法”的专利。

实际上，“类脑”是第三代人工智能中一条备受关注的演进路线，核心思想是借鉴人脑的结构和信息处理机制，构建更接近生物智能的新型计算系统。“类脑”（brain-inspired）并不是完全模拟人脑的所有细节，而是从大脑的神经系统中获得灵感，设计出更高效的算法和硬件结构。正如北京大学信息科学技术学院教授黄铁军所说：“我们造飞机时也不完全懂鸟类飞行的原理，但可以借鉴其结构”。

此前，中国科学院院士，清华大学教授张钹在2023年世界人工智能大会（WAIC 2023）上指出，当前深度网络在军事等高风险领域的最大致命缺陷在于“黑箱”——即不可解释、不可验证。他强调，下一代人工智能必须引入统计物理和脑认知机制，构建可解释、可自适应的新一代理论与方法，否则将无法将AI真正应用于关键决策，“第三代人工智能路线”的概念也应用而生。

此前，在纪念《中国科学》创刊70周年的专刊中，张钹曾撰写以《迈向第三代人工智能》为题的署名文章。在这篇文章中，张钹指出，人工智能在60多年的发展历史中，一直存在两个相互竞争的范式，即符号主义与连接主义。符号主义（即第一代人工智能）到上世纪80年代之前一直主导着AI的发展，而连接主义（即第二代人工智能）从上世纪90年代逐步发展，到本世纪初进入高潮，大有替代符号主义之势。但今天看来，这两种范式只是从不同的侧面模拟人类的心智（或大脑），具有各自的片面性，不可能触及人类真正的智能。他提出，为了建立一个全面反映人类智能的AI，需要建立鲁棒与可解释的AI理论与方法，发展安全、可信、可靠与可扩展的AI技术，即第三代人工智能。

张钹提出，第三代人工智能的发展思路是，把第一代的知识驱动和第二代的数据驱动结合起来，通过同时利用知识、数据、算法和算力等4个要素，构造更强大的AI，同时实现可解释性和自适应能力，从而真正摆脱深度网络的“黑箱困境”。

如果按照这样的理论来说，康吉笙正在研发的“类脑应变机制”，正是在张钹提出的“第三代人工智能”路线图上的一种验证。值得一提的是，将算法固化至低功耗神经形态芯片中，的确有望降低AI模块的功耗与成本。目前在业界，也有一些团队也在做相关研究。比如国内最早进行类脑计算研究的清华大学团队，如今已经将研究成功应用在了自动驾驶领域进行路测。

但外界对于“类脑”有一些争议。外界普遍认为，张钹院士的倡议“方向正确、道路艰难”，学界普遍认同拐点已至，军工、医疗等高门槛场景有望率先实现落地。也有声音说，“类脑”被认为可能是通向通用人工智能的关键路径，但也有专家指出：人脑机制尚未完全理解，盲目“类脑”可能陷入盲目仿生等等。

未来，AI的发展潜力是否终将触及天花板？随着对类脑智能的不断探究，是否会给产业和人类生活带来颠覆式的改变？值得拭目以待。但值得肯定的是，创始人以70岁高龄重返一线，将退休生活全然押注于尚未完全成熟并验证的技术路径——无论最终成败，其胆识与决心均为中国创新生态中罕见的样本。