简介
本论坛是 CNCC2026 特色专题论坛，已连续举办七届，本届脑启发计算论坛聚焦 “世界模型：算法与算力” 核心方向。当前通用人工智能快速迭代，世界模型成为实现智能感知、推理与预测的关键底座，但存在计算量大、实时性要求高等挑战，其落地需要突破架构创新、软硬协同、算法优化、算力适配等瓶颈难题，本论坛尝试连通模型创新与算力突破，推动建立世界模型高效计算体系。 本论坛邀请了世界模型前沿探索和神经形态计算研究的五位专家（排名不分先后）：朱军、朱政、黄岩三位专家聚焦世界模型核心算法创新、脑启发学习范式、模型轻量化与通用能力优化；杨玉超、许晓欣两位专家深耕智能算力体系，围绕新型算力架构、存算协同、算力适配优化等关键技术展开深入研讨。 论坛Panel旨在剖析世界模型研发痛点与技术趋势，探索脑启发计算赋能世界模型的可行路径，助力通用人工智能技术与生态的高质量发展。
简介为官网原文，部分内容可能未写完。
人员
主席
- 黄铁军 · 北京大学
嘉宾
- 朱军 · 清华大学
- 朱政 · 北京极佳视界科技有限公司
- 黄岩 · 中国科学院自动化研究所
- 杨玉超 · 北京大学
- 许晓欣 · 中科院微电子所
- 赵地 · 中国科学院计算技术研究所
报告安排
引导发言
黄铁军 · 北京大学
通用世界模型：第一性原理与路线图
朱军 · 清华大学
世界模型：解锁无限的物理AGI生产力
朱政 · 北京极佳视界科技有限公司
简介
世界模型的研究热潮正在席卷学术界和工业界，并在具身智能基础模型中得到了广泛的关注，但还有诸多问题尚待解决，包括数据来源、模型架构、训练方法。本报告将从视频生成在物理世界的应用切入，系统介绍其在数据引擎、策略环境、世界动作模型方面的潜力和最新进展，并探讨极佳视界在GigaWorld具身世界模型、GigaBrain具身基础模型、DriveDreamer自动驾驶世界模型上的探索和应用
具身世界模型统一框架
黄岩 · 中国科学院自动化研究所
简介
具身世界模型借助视频基础模型的操作知识迁移，并在大规模操作视频上进行预训练，从而有效降低传统视觉-语言动作模型（VLA）对训练数据量的依赖。当前，具身操作研究领域主要形成两条主流路径——世界动作模型（WAM）与动作条件世界模型（AC-WM），二者在联合训练与行为校验中均发挥着关键作用。本报告将在梳理现有研究进展的基础上，重点探讨如何从增强三维空间理解与物理结构一致性两方面提升具身世界模型，并尝试将这两类模型统一至同一框架，实现彼此协同增强。最后，将简要展望未来发展趋势。
基于忆阻器的神经动力学芯片
杨玉超 · 北京大学
简介
随着人工智能技术发展，非结构化海量数据产生，计算任务越来越体现出不同的特点，大量任务从计算密集型向数据/访存密集型转变，在此背景下，亟需在传统集成电路技术基础上引入进一步的器件创新、架构创新，以满足后摩尔时代指数增长的信息处理和存储需求。面向后摩尔时代集成电路科技前沿和国家重大需求，我们围绕基于大生产平台的忆阻器规模化集成技术、存算一体化智能芯片、高性能类脑器件与智能系统等方面开展系列研究，有助于推动后摩尔时代集成电路技术的创新发展，满足人工智能、大模型等新型应用对于计算技术的更高需求。神经动力学系统将神经网络的表达能力与微分方程的连续演化机制相结合，在物理世界建模、计算成像等领域具有广泛用途，自神经动力学系统诞生半个世纪以来，如何在保持高精度连续建模能力的同时实现低延迟实时计算，始终是制约该类系统走向实际应用的核心瓶颈。研究团队成功研制出全球首个基于相变忆阻器的毫秒级神经动力学系统芯片，突破了相变型忆阻器长期面临的“可控存内计算”国际难题，首次将神经动力学系统的单步运算时延压缩至2.12毫秒。相关实验结果表明，在执行相同神经动力学运算时，该系统较当前最先进的专用加速器（ASIC）实现3.82~36.27倍速度提升以及11.75~24.73倍功耗降低；在脑皮层表面重建等高保真脑建模任务中，较NVIDIA A100 GPU提速达50.38~478.18倍。这一成果标志着在神经动力学系统实时计算方面取得关键突破，它不仅将原本需要离线运行的复杂建模方法推向毫秒级实时在线操作，也为下一代脑机接口、脑数字孪生、神经导航和神经退行性疾病智能诊疗提供了全新的硬件底座。
面向稀疏认知的高能效存内计算架构与训练策略
许晓欣 · 中科院微电子所
简介
摩尔定律趋缓，传统芯片在功耗与成本上面临硬约束，而边缘智能亟需以极低功耗实时融合视觉、听觉等多模态信息，完成类脑级的复杂认知。受生物感知系统中“稀疏激活”与“经验调制”启发，我们提出基于Ta/TaOx/Ta2O₅可重构Mem-Selector器件的存内剪枝‑计算架构：阈值开关阵列作为动态门控，依据任务复杂度自适应剪枝29.3%~89.5%的输入数据，仅将关键信息送入阻变计算阵列，实现“按需计算”，大幅削减无效能耗。 面对RRAM非理想特性带来的模型部署鸿沟，我们开发了边缘剪枝拓扑优化的随机权重训练框架——摒弃对电导精度的依赖，利用forming过程固有随机性生成真随机权重，同时通过网络剪枝提取高性能子网络。在语音分类任务中，该框架达到98.1%准确率，编程操作减少超99.9%，推理能耗较GPU降低67.9%。 该系列工作从物理器件、稀疏计算到随机化训练，构建了类脑稀疏编码与高效推理的软硬协同路径，为世界模型在资源受限边缘端的高能效实现提供底层支撑，推动算法与算力在脑启发框架下的深度耦合。
Panel Discussion
赵地 · 中国科学院计算技术研究所
简介
总结发言（在线），罗敏敏，北京脑科学与类脑研究所所长、北京天坛医院科创副院长（兼）