人工智能（AI）技术的飞速发展正在深刻改变社会的方方面面，其影响力绝不亚于一次工业革命。然而，以深度神经网络为根基的AI模型具有本质的瓶颈和局限，存在可解释性弱、数据依赖强、开放环境鲁棒性差、决策不可靠精准等问题。因此，尽管深度网络大模型更快成熟带来应用变革，迈向通用人工智能却可能需要全新颠覆性的智能体系。生物大脑是目前已知的宇宙中唯一具有通用智能的智能体，是大自然亿万年进化的结构。类脑智能旨在以生物大脑为样板，通过模拟大脑的结构和功能，以神经动力学为基础建立新型认知计算体系，构建从人脑思维到机器思维的桥梁，被认为是实现通用人工智能的另一条途径。

当前AI技术的蓬勃发展，以大模型的使用为核心驱动力。特别是近年来，GPT系列为代表的大语言模型取得了显著成功，展现出众多出人意料的能力，甚至初步具备了推理能力。这些大模型的成功昭示了一个道理：智能行为的涌现，需要模型达到足够大的规模。尽管大脑的能耗率和高级认知功能远超当前AI，但类脑智能领域尚未出现可与AlphaGo、ChatGPT等相媲美的杀手级应用，其中一个核心因素在于，类脑智能领域尚未研发出相应的大模型。大模型对类脑智能的重要性也可以从脑认知功能的实现过程得到印证。神经科学研究表明，高级认知功能，比如工作记忆这一大脑在线信息加工的基础功能，通常都需要多个乃至全脑区的协同参与。因此，无论是从AI的发展经验，还是脑功能的机制来看，认知计算大模型的发展都是类脑智能取得重大突破的关键。

在本报告中，我将简要介绍我们课题组在构建认知计算大模型方面的一些努力，包括研发了大尺度脑动力学仿真的高效编程工具，系统研究脑认知信息表达的基本功能模块，研发了高效大尺度脑网络的在线训练算法，以及在简单模式动物全脑仿真上的尝试等。