类脑计算作为突破现有计算架构的重要路径，在政策引领、产业突破与生态培育的协同驱动下，正从技术探索期迈入产业化布局的新阶段。尽管面临从理论基础到产业应用的转化瓶颈，但类脑计算与传统计算的深度融合、专用场景的持续突破以及创新体系的协同演进，有望影响自动驾驶、医疗健康等关键领域的发展路径。此进程不仅需要保持战略定力，更需要构建开放协同的创新生态，其发展成效将深刻影响未来全球科技格局与产业竞争力。

类脑计算试图模拟生物神经系统信息处理模式和结构，被视为突破传统计算架构在能效与智能处理方面瓶颈的重要路径之一。其瞄准低功耗、高效率的智能计算，正成为全球科技竞争的前沿领域，当前产业发展呈现出政策布局、产业突破、生态构建三重驱动的鲜明特征。

①顶层设计与地方实践结合的政策体系。我国类脑计算产业的发展，得益于国家级战略与地方产业配套的协同推进。在顶层设计方面，我国自“十三五”规划起将“脑科学与类脑研究”列为国家重大科技项目，并在“十四五”规划和2035年远景目标纲要中进一步明确要推动类脑智能等未来产业的孵化，随后工信部等七部门具体提出要在脑机融合、类脑芯片等关键技术和核心器件上取得突破，并探索在医疗康复、无人驾驶等典型领域的应用。在地方性产业配套方面，北京发布脑机接口、医药健康、具身智能等领域的行动计划，前瞻布局类脑计算与脑机融合、神经计算与编解码等前沿研究；上海杨浦区重点探索“一平台、一联盟、一园区、一基金+基金矩阵、一生态”的模式，通过公共技术平台与基金矩阵推动技术转化与企业集聚；杭州则针对类脑产业的创新研发、集聚发展与生态建设提出专项支持措施，重点聚焦低功耗类脑计算芯片、类脑传感器、类脑异构融合计算框架等关键技术。

②技术创新矩阵引领的产业突破。从底层硬件芯片、核心算法模型，到系统平台与关键软件，一条自主可控、紧密衔接的技术链条正在形成。一是在算法模型领域开展创新研究，中科院自动化所打造的基于内生复杂性的类脑脉冲大模型“瞬悉1.0”，陆兮科技发布全球最大规模760亿参数量级原生类脑AI模型，清华大学推出类脑形态树突网络计算模型Dendristor，彰显出通过架构创新、规模突破和器件仿生等不同路径拓宽类脑计算的技术边界。二是在平台系统领域构建关键基础设施，浙江大学发布全球规模最大的神经拟态类脑计算机Darwin Monkey（悟空），广东省智能院发布百亿类脑融合超算系统，复旦大学推出首个基于数据同化方法开发的全脑规模数字孪生脑平台，共同为脑仿真、通用AI、高维复杂图网络计算等前沿探索任务提供综合算力支撑。三是在工具软件领域形成多元化技术布局，北京大学推出脑动力学仿真和类脑计算的通用编程框架BrainPy并开源了脉冲神经网络深度学习框架SpikingJelly（惊蜇），中科院自动化所打造全脉冲神经网络的类脑认知智能引擎BrainCog（智脉），北京理工大学等机构联合开发低能耗大规模脉冲神经网络训练和运行框架SNNGrow，正逐步为类脑计算的研究与应用构建日益完善的工具链基础。四是在硬件芯片领域取得多项重大突破，清华大学先后推出异构融合的类脑计算芯片“天机芯”系列和仿人眼双通路类脑感知芯片“天眸芯”，浙江大学研制支持超过235万脉冲神经元与亿级神经突触的“达尔文3”类脑芯片和晶圆级超集成芯片DarwinWafer，灵汐科技研发全球首款量产异构融合类脑芯片KA200，在能效比和异构集成方面的突破正推动类脑计算从实验室走向实际应用场景。

③支撑体系驱动的生态构建。通过确立标准范式、构建平台网络、引导资本活水，类脑计算产业正系统性地构筑其创新生态的基础支撑。首先是标准体系引领产业有序发展， 全国智能计算标准化工作组正在起草《类脑计算 参考架构》，国家类脑智能创新平台通过构建覆盖从基础软件、芯片设计到系统集成、应用使能的关键创新链提供完整的测试验证环境，旨在降低产业链上下游的协作成本，保障技术应用的可靠性，为类脑计算产品的规模化商用与市场准入铺平道路。其次是通过平台与联盟打通创新链与产业链，上海率先成立类脑智能创新联盟，聚集百余家会员单位，致力于推动类脑智能在智能网联汽车、智能医疗终端、具身智能机器人等领域的应用。同时，各地积极建设概念验证中心、中试平台等共性技术服务平台，为技术从实验室走向市场提供关键支撑。最后是资本与资源发挥引导放大作用，以上海未来产业基金为代表的资本，通过直接投资+子基金投资模式，构建赋能型投资生态，不仅提供资金，还主动参与项目遴选和资源对接。此外，通过建设专业园区和提供租金补助等方式，为类脑智能企业集聚提供物理空间保障，加速产业要素流动。

技术前沿的背后，是产业化道路上重重阻碍。类脑计算受脑科学启发、突破传统计算范式的潜力令人振奋，但从实验室走向产业化，类脑计算面临着远比技术本身更复杂的挑战，这些挑战根植于技术范式、标准生态与市场逻辑等之间的深层矛盾之中，构成其商业化道路上必须逾越的鸿沟。

一是标准体系的结构性缺失。类脑计算产业面临的标准化挑战，不仅体现在技术层面，更深刻地影响着整个产业的发展效率与协同能力。首先是互操作标准的缺位导致产业生态严重碎片化，各类脑计算平台采用完全不同的编程模型、数据格式和接口规范，形成多个互不兼容的技术孤岛，大幅增加软件开发成本，阻碍创新成果的快速推广和复用。其次是评估基准的不统一制约技术评测与迭代，与传统计算芯片拥有明确性能指标不同，类脑芯片在能效比、实时性、鲁棒性等多个维度各有所长，却缺乏统一的度量体系，使得技术研发缺乏明确导向，影响整个领域的技术进步效率。最后是应用层规范的缺失直接阻碍产业化进程，在医疗、工业等对可靠性要求较高的领域，缺乏统一的部署、运维和安全标准，显著增加用户的采用成本和风险，成为技术落地的重要障碍。

二是技术可行性与工程实用性的鸿沟。当前类脑计算面临的核心矛盾在于其神经形态原理的创新性与现有工程体系的成熟度之间存在显著落差。在系统集成层面，类脑芯片的事件驱动、异步通信等特性，与基于全局时钟同步的现有计算基础设施难以兼容，导致其难以作为标准组件被嵌入主流系统；在软硬协同层面，从脉冲神经网络算法设计到异构硬件映射需要跨越多个抽象层次，缺乏高效的编译器和系统级设计工具，抬高创新门槛和优化成本。

三是市场验证的循环困境。类脑计算正陷入典型的创新者窘境：缺乏成熟应用场景就难以迭代优化，而没有经过充分迭代的技术又无法满足实际应用需求。从采纳意愿看，企业受制于现有AI技术栈的成熟生态，在现有框架下通过边际改进即可获得稳定收益，难以承担转向类脑计算所需的技术栈重构成本；从市场表现看，类脑计算尚未在关键场景中展现出不可替代的价值优势，其性能优势与易用性之间尚未找到最佳平衡点，导致市场对其整体价值认知存在滞后。

来源: 中移科协