论坛正式开启后，时松海院士发表开场致辞。他系统梳理了人工智能与神经科学的交融历程：在人工智能诞生初期，神经科学是 AI 发展的核心灵感，从神经元阈值逻辑单元、初代神经网络的发明，再到深度学习初具雏形，其灵感均源于对大脑机制的研究；2015 年，ResNet 实现 AI 视觉能力超越人类，标志着神经启发式 AI 取得重大突破。如今，强大的人工智能又开始反哺神经科学，AI 成为解析大规模、多尺度脑科学数据的核心工具，助力科研人员解读神经元活动、海马体信息处理、视觉感知等复杂脑机制。

同时，人脑超低功耗、持续学习、动态推理、高可解释性等特质，也为突破当前 AI 发展瓶颈指明方向。他以 Digital Fly 虚拟模型为例，介绍了虚实融合的智能新形态，并强调以人为本的 AI是行业长期使命，呼吁全球研究者加强合作，搭建通用研究话语体系，携手探索人脑与人工智能融合的全新可能。

随后，一系列重磅主旨报告依次展开，多位中外专家分享了各自团队的前沿研究成果。

奥地利格拉茨科技大学、欧洲科学院院士Wolfgang Maass围绕大脑启发的具身智能展开分享。他提出认知地图、片段式情景记忆、神经索引三大类源自大脑的核心技术工具，详细讲解了高维认知地图的构建逻辑与应用场景。该结构不仅适用于物理空间导航，还可实现抽象概念的推理与表征，搭配 BTSP 学习规则、海马体神经索引等生物机制，能够打造轻量化、低延迟的智能系统，适配边缘设备运行，摆脱对大型网络的依赖。他还通过实验验证，借鉴大脑在线学习、并行计算的模式，可在降低硬件与计算成本的同时，保障系统运行效率，为具身智能发展提供了全新的生物启发思路。

斯坦福大学 Andreas Tolias 教授聚焦数字孪生脑展开研究分享。他结合猕猴、小鼠的大规模神经电生理与成像实验，介绍了数字孪生脑的构建体系。该模型依托双光子成像等技术采集海量神经数据，结合大模型实现神经元活动预测与模拟，能够开展诸多生物实验难以完成的大规模仿真测试。团队在研究过程中发现了新型神经元类型与特殊神经连接规则，借助数字孪生脑将大脑 “黑盒” 逐步转化为可解析的 “白盒”，为构建更稳健、高效、可信的 AI 系统奠定了生物学基础。

复旦大学彭汉川团队带来多尺度脑图谱与单细胞连接组驱动 BrainAI的相关成果。他指出，当前脑科学已迈入大数据时代，影像、电生理、基因、行为等多模态数据成为主流研究载体，而数据挖掘、知识转化是核心难点。团队先后搭建跨物种神经元形态公共基准库、小鼠单细胞神经元三维结构数据库 Neural Table，依托大模型与 MoE 架构实现脑科学数据开放式智能挖掘。研究团队突破全脑多尺度数据整合技术，首次在全脑范围内完成从宏观脑区到微观突触的全维度分析，并发现神经元 “微环境” 是区分细胞类型、解读神经关联的关键。目前，团队已搭建人脑单细胞数据平台，最终形成集数据标准化、智能分析、知识发现于一体的 BrainAI 技术生态。

复旦大学冯建峰以多尺度脑时空数据挖掘为主题，面向睡眠、抑郁等大众密切相关的研究案例展示 AI 的落地价值。基于 17 万人的长期追踪数据，团队发现不同年龄段人群的最优睡眠时长存在显著差异，睡眠时长、睡眠碎片化程度与抑郁、肥胖、阿尔茨海默病等多种疾病高度相关。团队进一步结合基因、蛋白、转录组数据，定位睡眠相关关键基因，并探索头戴式磁刺激等非侵入式脑机技术用于失眠、抑郁症的干预方案，为脑疾病的筛查、诊疗开辟了新路径。

北京智源研究院雷博介绍了基于世界模型构建神经科学基础模型 Brainμ的研发进展。针对神经数据稀疏、异构、标准化难度大等痛点，团队借助成熟的图像、文本多模态世界模型补齐数据短板，搭建 Brain Token 数据平台，整合人类、猕猴、小鼠三大物种共计 11 类神经模态数据，通过数据合成、统一 Token 化等手段优化数据集。Brainμ 模型可实现脑电、fMRI 等神经信号与文本、图像的双向转换，在小鼠睡眠自动标注、视觉图像重建等任务中表现突出。目前团队还在采集第一视角视觉、脑电、肌电融合数据，探索神经基础模型与具身智能的结合应用。

北京大学陈国璋针对循环神经网络中的信用分配这一行业难题，提出基于动力学临界态的局域在线学习算法。传统 BPTT 算法存在梯度消失、梯度爆炸的缺陷，且与大脑局部学习机制相悖。该算法利用大脑临界态的长程相关特性，通过线性近似完成梯度局部估算，算力消耗较 BPTT 降低十倍，同时适配超长序列任务、脉冲神经网络等场景。其数学逻辑与生物体内 BTSP 神经可塑性规则高度契合，实现了神经机制与 AI 算法的双向贯通。

南方科技大学刘泉聚焦脑机接口基座大模型，提出 2026 年或将成为脑大模型元年。她表示当前脑机大模型面临数据总量不足、跨被试泛化能力弱等挑战，团队通过验证模型的缩放定律，结合神经文献特征注入、个体化微调、在线自适应等技术优化模型性能，依托十万小时睡眠数据打造垂类脑机基座模型。她认为，未来脑信号有望成为继文本、图像之后全新的人机交互模态，打破现有交互壁垒，实现人脑与机器人、智能体的直接互联互通。

中国科学院张铁林以脑图谱启发的类脑大模型为核心，引入网络模体（Motif）分析方法。团队将复杂的全脑网络简化为 13 维特征向量，根据不同脑区的连接模体分布特点设计损失函数，把大脑结构知识嵌入 AI 模型。该方法可针对性优化模型的抗干扰能力、长文本处理能力，已应用于 Mamba、脉冲 Transformer 等主流架构。同时团队完成了从类脑算法到低功耗类脑芯片的全链路研发，实现技术落地。

清华大学贾晓轩围绕视觉皮层信息动态路由展开研究。通过小鼠视觉皮层多脑区同步记录实验，她证实大脑解剖结构约束功能信息流，而视觉刺激类型、动物行为状态、后天学习经验三大因素会动态改变网络路由规则：自然视觉刺激会让网络趋于局部化；动物跑动状态下网络连接强度提升、整体更稀疏；长期学习则会促使神经网络形成稀疏、高权重的稳定结构。该成果为动态类脑网络设计提供了重要的生物学依据。

北京师范大学柳昀哲深耕认知脑机接口，重点探索记忆、思维、规划等高级认知功能的解码与调控。团队借助 fMRI、颅内电极、头皮脑电等多种设备，证实人脑中存在物理空间与抽象概念共用的认知地图、网格细胞等神经表征，实现了睡眠记忆重现、思维规划等神经信号解码。同时，团队利用经颅聚焦超声、声音线索等技术调控人脑记忆活动，在难治性抑郁症、认知障碍等临床场景取得阶段性成果，验证了认知脑机接口在医疗领域的应用潜力。

主旨报告结束后，论坛进入圆桌研讨环节。北京智源研究院研究员雷博、浙江强脑科技有限公司 CTO阿迪斯、清华大学自动化系长聘教授陈峰、清华大学生物医学工程学院副教授戴小川、上海科技大学生物医学工程学院研究员李远宁，以及首都医科大学宣武医院常务副院长唐毅等产学研嘉宾齐聚一堂，围绕脑机接口、具身智能、脑疾病诊疗、类脑算法、数据瓶颈等热点问题展开探讨。

嘉宾们认为，非侵入式脑机接口依托大模型大幅提升解码精度，侵入式电极则是高精度神经数据采集的关键，二者各有应用场景；人脑低功耗、自适应学习的特质，是破解当前具身智能高能耗难题的核心突破口。在脑疾病领域，AI 在早期筛查、疗效预测方面潜力巨大，但仍受限于高质量临床数据短缺、模型可解释性不足等问题。各位嘉宾还共同畅想，未来 5 至 10 年，神经调控设备、高通量脑数据技术将逐步落地，数字生命、脑机直连等前沿应用有望从概念走向现实。

活动最后，北京智源研究院理事长黄铁军带来闭幕演讲《智能之路，吾道以一贯之》。他结合从业三十余年的经历，提出 “结构决定功能、功能塑造结构” 的核心观点，梳理了人工智能与神经科学融合发展的逻辑。

他指出，当前主流大模型以 Transformer 为核心架构，而生物神经网络为 AI 架构创新提供了宝贵参照。从线虫、果蝇等简单生物神经模拟，到人体器官数字孪生，再到未来类人脑超级大脑，是一条清晰的技术演进路线。他预测，依托两大领域的深度融合，预计到 2045 年有望诞生全面超越人类的超级智能。同时他强调，技术探索需要脚踏实地，持续深耕脑数据采集、类脑架构设计、多模态模型优化等基础工作，推动人工智能深度融入物理世界与人类生活。