<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>脉冲神经网络 on AI内参</title>
    <link>https://www.neican.ai/tags/%E8%84%89%E5%86%B2%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C/</link>
    <description>Recent content in 脉冲神经网络 on AI内参</description>
    <generator>Hugo</generator>
    <language>zh-cn</language>
    <lastBuildDate>Mon, 08 Sep 2025 20:10:05 +0800</lastBuildDate>
    <atom:link href="https://www.neican.ai/tags/%E8%84%89%E5%86%B2%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>类脑大模型“瞬悉”：中国GPU赋能下的AI范式重构与超长上下文潜能</title>
      <link>https://www.neican.ai/insights/gpuai-20250908201005701-0/</link>
      <pubDate>Mon, 08 Sep 2025 20:10:05 +0800</pubDate>
      <guid>https://www.neican.ai/insights/gpuai-20250908201005701-0/</guid>
      <description>中国科学院自动化研究所发布的“瞬悉1.0”类脑大模型，通过模仿大脑信息处理机制，实现了线性复杂度并全流程运行在国产GPU上。这一技术突破在超长序列处理上实现了百倍速度提升和显著能效优化，预示着AI架构可能从当前的Transformer模式转向“基于内生复杂性”的新范式，并为中国在AI核心技术领域实现自主可控提供了关键支撑。</description>
    </item>
    <item>
      <title>超越冯·诺依曼：神经形态计算如何重塑AI的能源未来</title>
      <link>https://www.neican.ai/insights/article-20250616163004/</link>
      <pubDate>Mon, 16 Jun 2025 16:30:04 +0800</pubDate>
      <guid>https://www.neican.ai/insights/article-20250616163004/</guid>
      <description>面对当前人工智能巨大的能耗危机，科学家正大力发展神经形态计算，以期模仿人脑的极低功耗和高效率来驱动下一代AI。这项技术通过模拟生物神经元和突触，实现事件驱动和内存计算，有望彻底改变AI的计算范式，解决能源困境，并加速通用人工智能的到来，尽管其仍面临技术和生态系统成熟度的挑战。</description>
    </item>
  </channel>
</rss>
