中国科学院自动化研究所类脑认知智能研究组历时9年，打造全脉冲神经网络的类脑认知智能引擎(Brain-inspired Cognitive Intelligence Engine，简写为BrainCog，中文名“智脉”)，并进行全面开源开放，助力自然智能的计算本质探索和新一代人工智能的发展。

​

目前，智脉已正式开源部署至OpenI ，欢迎全球的研究人员共同努力、贡献智慧，打造面向未来的人工智能，探索智能的计算本质。

欢迎大家访问智脉开源社区主页链接：

https://openi.pcl.ac.cn/BrainCogLab/braincog

​

智脉详细的使用文档也可访问以下链接：

http://www.brain-cog.network/docs/

一、类脑认知智能引擎“智脉”研究背景：脑模拟与类脑人工智能的交汇

脉冲神经网络（Spiking Neural Network, SNN）作为第三代神经网络，从编码方式、学习法则、信息传递和处理机制等多个角度模拟了生物脑，具有更强的生物可解释性，更加适合建模大脑的各项认知功能。

另一方面，由于脉冲序列的稀疏表征，也使得脉冲神经网络具有潜在的低能耗特征。现有的脉冲神经网络平台有的涉及到精细的生物神经元模型，大规模神经网络模拟，神经网络动力学等较为细节的脑认知功能和结构模拟，有的关注于生物突触可塑性启发的脉冲神经网络建模，有的从深度学习领域借鉴经验来提升深度脉冲神经网络的性能。

已有框架并没有能够更好地整合共性，同时具备面向人工智能的高效学习与决策，以及对脑认知功能建模和脑结构模拟的能力。

而中国科学院自动化研究所类脑认知智能研究组认为，探索智能的计算本质与构建类脑人工智能的科学探索应深度融合，因此构建了类脑认知智能引擎“智脉”。

智脉致力于通过几十年不懈的努力，探索智能的计算本质，为人工智能学者和创新者提供“智能的脉络”，为未来AI打造“智慧的经脉”。

二、智脉：认知智能体系与计算组件

类脑认知智能引擎(BrainCog)“智脉”以多尺度生物可塑性原理为基础，支持全脉冲神经网络建模，具备脑启发的人工智能模型以及脑功能和结构模拟能力。智脉为类脑人工智能和计算神经科学的研究者提供了一套完整的、系统化的接口组件。

智脉涵盖了不同精细程度的神经元模型、多种脉冲编码方式、丰富的突触可塑性学习模型，以这些基本组件为基础，实现了不同脑区及神经环路，并在此基础上实现了不同类型的认知功能、对多个物种的生物脑进行了不同尺度的模拟。

智脉分别从类脑人工智能计算模型（目前发布约20个算法模型及源代码）、脑结构和功能模拟（覆盖鼠脑、猴脑、人脑模拟）方面提供了相当数量的应用案例，这为研发基于脉冲神经网络的人工智能和计算神经科学研究提供了强有力的基础设施。

• 智脉整合不同精细程度的神经元计算模型（IF、LIF、H-H、多房室神经元等）、丰富的类脑学习与可塑性法则（Hebb、STP、STDP、基于代理梯度的反向传播等）、不同类型的神经网络连接模式与编码方式（频率、时序、群体、量子编码等）；

• 基于脉冲神经网络实现感知和学习、决策、运动控制、知识表征和推理、社会认知等五大类面向人工智能应用的智能模型，可以映射到28个关键功能性脑区；

• 类脑学习机制：结合局部和全局可塑性实现了更具生物合理性的类脑可塑性前馈反馈融合模型。基于BrainCog实现的具有生物合理性的时间空间调节算法，理论上与相同结构的人工神经网络相比，只用约3%的能量就能达到有相当竞争力的分类精度。基于BrainCog构建的ANN-SNN转换模型充分结合了反向传播算法与脉冲神经网络的优势，使SNN能以其他算法1/10和1/50的仿真时间几乎无损地完成图像分类和目标检测任务。由BrainCog支持的基于STDP算法的无监督脉冲神经网络模型，借由具有生物可解释性的优化算法和多种自适应机制，达到基于STDP无监督算法中的目前最好性能，同时实现了在极端少量样本下相同模型结构下优于ANN 4%-5%的性能；

• 社会认知脉冲神经网络模型赋能人形机器人通过镜像测试自我感知实验，使智能体帮助其他智能体避免潜在风险，表现出初步类道德行为；

• 对不同类型哺乳动物脑进行多尺度模拟，构建了包含不同类型点神经元的鼠脑模拟器、猴脑模拟器(12.1亿神经元、1.3万亿突触，1/5猴脑规模)、人脑模拟器(规模达8.6亿脉冲神经元，2.5 万亿突触，1/100人脑规模)；

• 基于智脉BrainCog的创生(BORN)人工智能引擎展示基于情感识别的乐曲创作与演奏能力。

​

三、基于“智脉”的类脑人工智能模型

智脉(BrainCog)允许研究者通过调用并连接基础模块，自由地设计所需要的网络以及相应的功能，为实现专用、通用的类脑人工智能模型提供基础支持。在类脑人工智能方面，智脉协同多个脑区形成不同的神经环路，初步实现了五大类认知功能：感知和学习、知识表征和推理、决策、运动控制、社会认知(如心里揣测、认知与情感共情)，发布约20个基于脉冲神经网络的算法模型。这些组件共同形成了与哺乳动物大脑中28个脑区相对应的神经环路。

目前，类脑脉冲神经网络领域缺乏一个公开、公平的平台， 在同一环境下评估算法的性能。智脉集成了丰富的高性能、易修改的SNN模型，并对其在多个静态数据集、神经形态数据集（如DVSGesture, DVSCIFAR10, NCALTECH101, ES-ImageNet等）、以及N-Omniglot神经形态小样本数据集上进行了基准测试。

用户可以在同一环境中评估自己的算法，并与其他方法进行比较。可以使用BrainCog提供的组件轻松实现自己的算法， 并与其他最先进的方法进行公平比较。

​

1、感知和学习

智脉支持多种有监督和无监督的训练法则，如基于突触可塑性的STDP，基于代理梯度的反向传播算法，和基于ANN到SNN的转换算法。同时在小样本以及噪声环境下取得突出的适应性。该引擎还提供了仿照人类进行概念学习的多感觉融合框架。

（1）基于BrainCog完成的前馈连接与反馈连接结合的SNN，通过反馈连接引入全局的误差信号，提升了基于局部优化法则的脉冲神经网络在深层网络结构上的性能与稳定性，达到了与基于反向传播算法训练相抗衡的性能。

（2）基于BrainCog实现的具有生物合理性的时间空间调节算法，能够训练深层的SNN模型，并在MNIST，CIFAR10，ImageNet等图像分类任务上，以及DVS-CIFAR10，DVS-Gesture等事件分类任务上， 与其他的SNN相比， 有先进性能的同时，展现出明显的低能耗。

（3）基于BrainCog构建的ANN-SNN转换模型充分结合了反向传播算法与脉冲神经网络的优势，使SNN能以更少的能耗和更高的效率在图像分类、目标检测和语义分割等任务中完成同ANN相媲美的性能。

（4）使用BrainCog构建的基于STDP算法的无监督脉冲神经网络模型，借由具有生物可解释性的优化算法和多种自适应机制，极大提升了网络性能与效率。实现了在少量样本下相同模型结构下优于ANN的性能。

2、决策

智脉提供了多脑区协同的决策脉冲神经网络、深度强化学习脉冲神经网络、以及自然启发的无人机集群自组织决策脉冲神经网络。

（1）基于BrainCog 实现的具有生物合理性的类脑决策模型在Flappy bird游戏上实现了类人的学习能力，并具备支持无人机在线决策的能力，能够实现类果蝇的线性和非线性决策以及反转学习。

（2）基于BrainCog构建的Spiking-DQN模型实现了深度脉冲神经网路和强化学习的结合，在Atari游戏上的得分超过传统DQN模型。

（3）基于BrainCog实现的奖励调控类脑脉冲神经网络可以赋能无人机集群使其实现基于自然启发的自组织避障。

​

3、运动控制

智脉初步实现了利用脉冲神经网络控制人形机器人运动。受大脑运动控制机制的启发，智脉构建了包括前运动皮层（PMC），辅助运动区（SMA）、基底神经节和小脑功能的多脑区协同机器人运动脉冲神经网络模型，并应用于人形机器人弹奏钢琴。

​

4、知识表征与推理

智脉通过融合多神经可塑性和群体编码机制进行知识表征和推理。利用类脑的音乐记忆和风格创作模型实现了音符序列的知识表征和记忆，可以生成具有不同风格的乐曲。序列生成SNN实现了对符号序列的表征与记忆，并可根据不同的规则对符号序列进行重构。常识表征SNN将常识知识库编码进SNN，可据此网络完成概念化知识生成后续认知任务。因果推理SNN将因果图编码为脉冲神经网络，实现了演绎推理、溯因推理等认知任务。

5、社会认知

智脉支持以人形机器人为载体的自我建模、心理揣测、认知与情感共情等高等认知功能，实现了一种具有生物合理性的脑启发的社会认知脉冲神经网络模型。该模型使得智能体初步地具备了理解自我和他人的能力，能够通过多机器人镜像自我识别测试并且降低了智能体交互过程中的安全风险。前者是社会认知中自我感知的经典实验，后者则是社会认知中思维揣测实验的变体。

​

四、基于“智脉”的脑模拟

智脉可以支持不同尺度的脑结构与认知功能模拟，从而为在局部和全脑尺度计算验证科学猜想和科学解释提供强有力的支持。

1、脑认知功能模拟

BrainCog实现了果蝇线性、非线性决策和PFC工作记忆功能的模拟。

在果蝇线性和非线性决策模拟中，BrainCog验证了非线性抉择环路在两难抉择下的赢者通吃行为，得到了与果蝇生物学实验一致的结论，相应算法还应用到了无人机平台使其获得类脑决策能力。

用BrainCog实现的PFC网络，在不改变网络结构的情况下，使用人类神经元代替啮齿类动物神经元可以显著提高图像输出的准确性和完整性，这证明了生物脑结构的演化不仅仅体现在神经元和脑区尺度连接结构的演化，还体现在神经元这个基本计算单元的信息处理能力方面的优化。

2、脑结构模拟

智脉可以模拟不同规模的生物脑结构，从微环路到皮质柱到全脑结构模拟。从解剖到成像的多尺度连接数据使鼠脑，猴脑和人脑建模更具有生物合理性。

​

3、基于“智脉”的人工智能引擎创生(BORN)

人工智能研究者可以基于“智脉(BrainCog)”平台提供的计算与认知组件实现专用和通用的人工智能模型。

为了进一步说明和验证BrainCog支持人工智能引擎研发的能力，接下来介绍基于BrainCog框架开发的致力于获得通用智能的脉冲神经网络人工智能引擎—创生(BORN)，并展示了BORN引擎实现多项认知功能协同的能力。

​

创生(BORN)的高层架构是整合时空可塑性，使人工智能具备感知与学习、决策、运动控制、工作记忆、长时记忆、注意力和意识、情感、知识表征和推理、社会认知等大脑认知功能。空间可塑性结合了微观、介观和宏观尺度的神经可塑性原理。时间可塑性考虑了处于不同时间尺度的学习、发育和演化可塑性。BORN的学习框架包括多任务连续学习、小样本学习、多模态概念学习、在线学习、终身学习、示教学习、迁移学习等，并致力于在不久的将来实现不同学习模型的深度融合。

为了展示BORN的能力和原理，研究组提供了一个相对复杂的依赖于情感的人形机器人乐曲创作与演奏应用。该应用程序需要人形机器人根据情感识别来进行音乐创作和演奏。该应用要求BORN提供视觉情感识别、序列学习与生成、知识表征与推理、运动控制等认知功能。基于这些功能，BrainCog支持人形机器人实现了视觉（情感）识别、情感依赖的音乐创作模块和人形机器人乐曲演奏。

​

五、BrainCog团队介绍

类脑认知智能研究组（BrainCog Lab）隶属于中国科学院自动化研究所，研究组成立于2013年，是从事类脑人工智能前沿理论和脑与智能交叉创新的研究团队。由脑图谱与类脑智能实验室副主任曾毅研究员担任团队负责人。

类脑认知智能研究组近年来主要围绕类脑脉冲神经网络模型与前沿技术探索为主要研究内容，特别是在类脑脉冲神经网络学习机理与模型、类脑可塑性理论体系、伦理道德的类脑自主学习模型等方面开展研究。

研究组研制的类脑认知智能引擎“智脉（BrainCog）”致力于为新一代人工智能前沿探索打造基于脉冲神经网络的通用智能引擎，服务于人类与人工智能的和谐共生。

BrainCog主要开发团队介绍

曾毅

中国科学院自动化研究所研究员、类脑认知智能研究组负责人、脑图谱与类脑智能实验室副主任、人工智能伦理与治理研究中心主任；中国科学院大学岗位教授、博士生导师；中国人工智能学会心智计算专委会主任；国家新一代人工智能治理专委会委员；联合国教科文组织人工智能伦理特设专家组专家。研究方向为：类脑人工智能、人工智能伦理、治理与可持续发展。其中类脑人工智能研究专注于类脑认知智能基础理论以及类脑脉冲神经网络机理与模型研究，与此相关代表性成果发表在Cell出版社旗下期刊Patterns、iScience，Nature出版社旗下期刊Scientific Data, Scientific Reports, 与Science出版社旗下期刊Science Advances， IEEE Transactions以及国际会议IJCAI、AAAI等。

赵东城

中国科学院自动化研究所类脑认知智能研究组助理研究员。研究方向为类脑脉冲神经网络、类脑深度神经网络。目前已在Scientific Data，Patterns，Neural Networks，Information Sciences，AAAI，IJCAI等发表论文多篇。

赵菲菲

中国科学院自动化研究所类脑认知智能研究组副研究员。研究方向为类脑决策、发育及演化脉冲神经网络。目前已在Patterns、IEEE Transactions on Cognitive and Developmental Systems、Neural Computation、Scientific Reports、Cognitive Computation、Frontiers in Neuroscience等发表论文多篇。

申国斌

中国科学院自动化研究所类脑认知智能研究组2021级博士研究生。主要研究方向为类脑脉冲神经网络可塑性建模。目前已在Patterns，ACM ToMM等发表论文多篇。

董一廷

中国科学院自动化研究所类脑认知智能研究组2020级博士生。研究方向为类脑脉冲神经网络优化方法。目前已在Scientific Data发表论文。

鲁恩萌

中国科学院自动化研究所类脑认知智能研究组研究工程师。主要研究方向为类脑具身认知智能、类脑伦理道德决策等。目前已在AAAI、AI and Ethics、Cognitive Computation、Frontiers in Neurorobotics/Neuroscience/Computational Neuroscience等发表论文多篇。

张倩

中国科学院自动化研究所类脑认知智能研究组副研究员，主要研究方向为记忆、意识的神经计算模拟。目前已经在Scientific Reports，Frontiers in System Neuroscience，Information Sciences等期刊上发表多篇论文。

孙胤乾

中国科学院自动化研究所类脑认知智能研究组2018级博士生。研究方向为类脑感知决策脉冲神经网络。目前已在iScience，Frontiers in Neuroscience上发表多篇论文。

梁倩

中国科学院自动化研究所类脑认知智能研究组副研究员。研究方向为类脑脉冲神经网络，类脑音乐学习，类脑音乐创作。目前已在Frontiers等期刊上发表论文。

赵宇轩

中国科学院自动化研究所类脑认知智能研究组副研究员。研究方向为类脑认知计算建模、高等认知功能模拟。目前已在iScience、Cognitive Computation 、Frontiers in Neuroscience、Frontiers in Neurorobotics等发表论文多篇。

赵卓雅

中国科学院自动化研究所类脑认知智能研究组2019级博士研究生。研究方向为类脑心理揣测模型。目前已在Patterns、Frontiers in Neuroscience发表过论文。

王寓巍

中国科学院自动化研究所类脑认知智能研究组工程师。研究方向为类人概念学习计算模型、类脑脉冲神经网络。目前已在Cognitive Computation, Frontiers in Computational Neuroscience, Frontiers in Systems Neuroscience, IEEE SMC等发表论文多篇。

李杨

中国科学院自动化研究所类脑认知智能研究组2019级博士生。研究方向为类脑脉冲神经网络优化方法。目前已在Scientific Data，Neural Networks，Information Sciences，Frontiers in Computational Neuroscience，IJCAI等发表论文多篇。

杜骋骋

中国科学院自动化研究所类脑认知智能研究组2021级硕士研究生，研究方向为类脑认知计算，基于生物结论的大规模网络建模实现高级认知功能并为人工智能的发展提供启示。

孔庆群

中国科学院自动化研究所类脑认知智能研究组副研究员。研究方向为类脑视觉，连续学习等。目前已在 Neural Networks，Frontiers in Computational Neuroscience 等发表论文多篇。

阮子喆

中国科学院自动化研究所类脑认知智能研究组研究工程师。研究方向为类脑认知智能相关平台构建。

冯慧 

中国科学院自动化研究所类脑认知智能研究组2018级硕博生。研究方向为基于脉冲神经网络的类脑情感共情以及利他行为计算模型。目前已在Frontiers in Computational Neuroscience、Frontiers in Neurorobotics上发表论文多篇。

何翔

中国科学院自动化研究所类脑认知智能研究组2021级硕士生。研究方向为类脑脉冲神经网络模型与优化方法。

王纪航

中国科学院自动化研究所类脑认知智能研究组2021级硕士研究生。主要研究方向为脉冲神经网络中的隐私攻击与隐私保护。

李金东

中国科学院自动化研究所类脑认知智能研究组2022级硕士研究生。主要研究方向为脉冲神经网络硬件加速与神经拟态硬件等。

六、结语

类脑认知智能引擎“智脉(BrainCog)”是支撑研发基于脉冲神经网络的人工智能引擎和脑模拟平台的基础设施。无论是通用人工智能还是全脑神经计算模拟都是长远的愿景并需要持之以恒的科学探索，更重要的是需要学术和产业界持续不断地共同推进。

我们期待与学术界、产业界共同推进揭示智能本质的研究，实现对人类和生态有益的通用人工智能。期待群智的贡献，共同构建人与人工智能和谐共生的未来。

1、BrainCog相关链接

开源主页：

https://github.com/BrainCog-X/Brain-Cog

https://openi.pcl.ac.cn/BrainCogLab/braincog

BrainCog使用文档

http://www.brain-cog.network/docs/

官方网站

http://www.braincog.ai/

Bilibili

https://space.bilibili.com/506818367

YouTube

https://www.youtube.com/@brain-inspiredcognitiveint1490/featured

公众号

智能的本质与未来（团队会定期在公众号分享最新进展）

微信号

BrainCog（添加微信号，会由小助手拉您进入BrainCog研发者群）

2、附录 团队论文发布列表

1. Yang Li, Yiting Dong, Dongcheng Zhao, Yi Zeng. N-Omniglot: a Large-scale Neuromorphic Dataset for Spatio-temporal Sparse Few-shot Learning. Scientific Data, 9(746), Nature Publishing Group, 2022.

2. Feifei Zhao, Yi Zeng, Bing Han, Hongjian Fang, Zhuoya Zhao. Nature-inspired Self-organizing Collision Avoidance for Drone Swarm Based on Reward-modulated Spiking Neural Network, Patterns, Cell Press, 2022.

3. Dongcheng Zhao, Yi Zeng, Yang Li, Jihang Wang, Qian Zhang. Spiking CapsNet: A spiking neural network with a biologically plausible routing rule between capsules. Information Sciences, 2022.

4. Dongcheng Zhao, Yi Zeng, Yang Li. BackEISNN: A Deep Spiking Neural Network with Adaptive Self-Feedback and Balanced Excitatory-Inhibitory Neurons, Neural Networks, Volume 154, 68-77, 2022.

5. Guobin Shen, Dongcheng Zhao, Yi Zeng. Backpropagation with Biologically Plausible Spatiotemporal Adjustment for Training Deep Spiking Neural Networks. Patterns, Cell Press, 2022.

6. Zhuoya Zhao, Enmeng Lu, Feifei Zhao, Yi Zeng, and Yuxuan Zhao. A Brain-Inspired Theory of Mind Spiking Neural Network for Reducing Safety Risks of Other Agents. Frontiers in Neuroscience, 2022.

7. Yang Li, Yi Zeng. Efficient and Accurate Conversion of Spiking Neural Network with Burst Spikes. Proceedings of the 31st International Joint Conferences on Artificial Intelligence (IJCAI-22), 2022.

8. Yuwei Wang, Yi Zeng. Multisensory Concept Learning Framework Based on Spiking Neural Networks. Frontiers in Systems Neuroscience, 16:845177, 2022.

9. Yuwei Wang, Yi Zeng. Statistical Analysis of Multisensory and Text-Derived Representations on Concept Learning. Frontiers in Computational Neuroscience, 16:861265, 2022.

10. Yinqian Sun, Yi Zeng, Tielin Zhang. Quantum Superposition Inspired Spiking Neural Network. iScience, 24(8), 102880, Cell Press, 2021.

11. Yuxuan Zhao, Yi Zeng, Guang Qiao. Brain-Inspired Classical Conditioning Model. iScience, 24(1), 101980, Cell Press, 2021.

12. Qian Liang, Yi Zeng. Stylistic Composition of Melodies based on a Brain-inspired Spiking Neural Network. Frontiers in Systems Neuroscience, 15:639484, 2021.

13. Hongjian Fang, Yi Zeng, Feifei Zhao. Brain Inspired Sequences Production by Spiking Neural Networks With Reward-Modulated STDP. Frontiers in Computational Neuroscience, 15:612041, 2021.

14. Feifei Zhao, Yi Zeng, Aike Guo, Haifeng Su, Bo Xu. A Neural Algorithm for Drosophila Linear and Nonlinear Decision-making. Scientific Reports, 10: 18660, Nature Publishing Group, 2020.

15. Yi Zeng, Yuxuan Zhao, Tielin Zhang, Dongcheng Zhao, Feifei Zhao, and Enmeng Lu. A Brain-Inspired Model of Theory of Mind. Frontiers in Neurorobotics, 2020.

16. Qian Zhang, Yi Zeng, Taoyi Yang. Computational Investigation of Contributions from Different Subtypes of Interneurons in Prefrontal Cortex for Information Maintenance. Scientific Reports, 10: 4671, Nature Publishing Group, 2020.

如有疑问，请在公示期内联系社区工作人员（邮箱：secretariat@openi.org.cn）进行处理。

即日起，OpenI 面向高校在校生招募有想法、有冲劲、有活力的同学作为“启梦之旅”旅长，负责搭建并运营本校AI开源爱好者，与OpenI 共同组织、策划和开展各类学习交流活动，共建有价值的高校AI学习与交流圈子，不断突破与成长！

招募要求

1. 在校学生且是OpenI 注册用户
2. 参加过OpenI “我为开源打榜狂”系列活动并上榜，或获得过OpenI 其他荣誉/奖励
3. 熟悉主流框架，包括但不限于MindSpore/PaddlePaddle/TensorFlow/Pytorch
4. 熟悉校园情况，组织过校园活动，有一定校园资源和影响力的优先
5. 获得OpenI 体验官推荐的优先

任务与职责

1. 搭建本校启梦之旅爱好者交流群并活跃、维护秩序
2. 组织本校AI开源爱好者参与OpenI 相关活动
3. 倾听并收集本校开发者对OpenI的关键需求或产品功能优化建议
4. 推进本校开源爱好者参与开源项目贡献或社区开源生态贡献
5. 搭建并管理本校论坛专区版块内容
6. 协助社区运营其他事务

“启梦之旅“资源支撑

1. 社区提供运营资源（不限于媒体、算力、软硬件设施、专家等资源）
2. 社区提供高校、企业资源对接
3. 社区对优秀活动、成果资源报道
4. 社区对优秀开源项目提供孵化培育机会、对活跃开发者、积极贡献者提供激励

“启梦之旅“旅长权益

1. OpenI 个人主页荣誉勋章展示
2. 在社区“我为开源打榜狂“活动中通过任务获得额外加分
3. 优先获得社区资源体验及运营管理权限
4. 优先参与“OpenI年度优秀开发者”评选及获取社区高额奖励
5. 可受邀参与OpenI 年度开发者大会，或作为邀请嘉宾参与社区重要活动及主题分享等
6. 优先获得OpenI 媒体宣传资源及合作机会等
7. 优先获得社区资深体验官入选资格

加入流程

1. 点击链接：在线填写申请表
2. OpenI 工作组根据信息，安排工作人员或体验官进行回访&审核资质
3. 对申请成功的旅长通过邮件发放Offer。

​​​​​​​

    为肯定 2022年度社区孵化管道的开源项目及社区开源开发者的贡献，鼓励先进、激励创新，即日起，启动2022年度 优秀开源项目及开发者申报与评选工作。任何在 建设及运行中积极提交项目并对项目进行持续维护，开放数据集、项目代码并对代码进行持续维护，以及在项目的更新迭代、孵化、社区开源项目推广和产业化等方面做出突出贡献的开发团队及开发者，都将有机会获得 荣誉称号，并获得相应的物质奖励。2022年年度奖励计划总计不低于200万现金奖励，获奖者按照奖项及贡献度可获得500元至最高10万元现金奖励，本年度设置 优秀项目及优秀开发者的奖项如下：

1. 孵化管道正式项目：2022年度 优秀项目及2022年度 优秀开发者（奖项1）
2. 孵化管道立项项目：2022年度 积极贡献项目及2022年度 优秀开发者（奖项2）
3. 社区开发者：
   • 2022年度社区发展突出贡献者（奖项3）
   • 2022年度积极贡献者（奖项4）
   • 2022年度开源打榜优胜者（奖项5）

    请申报奖项1和奖项2的各项目管理委员会参照附件1《2022年度 优秀开源项目及开发者申报指南》，填写附件2《2022年度 优秀开源项目（开发者）申报表》；请申报奖项3的社区发展突出贡献者参照附件1，填写附件3《2022年度社区发展突出贡献者申报表》于2022年12月10日2023年1月31日前提交至secretariat@openi.org.cn。

获奖名单将于第四届 开发者大会上公布，并为获奖者举行颁奖仪式。

联系人：王老师
电  话：13760436931，邮箱：wangs02@pcl.ac.cn
特此通知。

新一代人工智能开源开放平台OpenI 秘书处
2022年11月15日

附件1：2022年度 优秀开源项目及开发者申报指南

附件2：2022年度 优秀开源项目（开发者）申报表

附件3：2022年度社区发展突出贡献者申报表

如有疑问，请在公示期内联系社区工作人员（邮箱：secretariat@openi.org.cn）进行处理。

如有疑问，请在公示期内联系社区工作人员（邮箱：secretariat@openi.org.cn）进行处理。

或许，千行百业都有这样一个“禾下乘凉梦”。科技探索会为生产与创造带来难以估量的价值，极大改变人们的生活。在AI领域，有一项技术经常让我联想到“禾下乘凉梦”，那就是预训练大模型。在袁隆平院士的梦中，杂交水稻会长得非常高大，带来极高的亩产量；大模型也是在训练数据与模型规模上非常大，在模型能力上形成巨大优势。

从2018年开始，大模型开始作为AI领域重要的技术方向被广泛关注。多年过去，我们对于大模型最大的期待，或许就在于它能不能从实验室和数据集中的“种子”，真正变成一片片赋能行业，普惠经济的稻田。

杂交水稻的发展，离不开精心耕耘的试验田。实现大模型的“禾下乘凉梦”，或许也需要这样的“试验田”挺身而出，为时代探明大模型的前进方向——这个关头，百度站了出来。

9月23日，2022万象·百度移动生态大会在广东珠海召开。会上，百度集团资深副总裁、百度移动生态事业群组（MEG）总经理何俊杰首次对外全面解读百度移动生态战略。其中非常值得注意的一点，是会上详细展示了我们熟悉的百度移动生态，是如何与百度打造的文心系列大模型深度结合，带来搜索、信息流、AIGC等领域的禾木生长。在百度移动生态中，文心大模型的能力可谓能用尽用，应出尽出。

换个角度想，如果我们想知道未来千行百业如何在大模型的禾下乘凉，那么今天百度移动生态的场景坐标，或许正指向着明天智能中国的大模型之路。

大模型3.0阶段，产业转化成为核心

在讨论百度移动生态融合文心大模型能力的重要性之前，我们必须先来了解这背后的技术与产业背景。百度移动生态与大模型融合之所以重要，是因为大模型这项技术本身正处在非常重要的发展节点。

从发展历程上看，从2018年预训练大模型开始受到行业重视算起，大模型的发展可以归纳为三个阶段。第一阶段就是所谓的“大炼模型”。传统的深度模型已经是行业主旋律，而预训练大模型作为一种新兴的技术思路，开始进入萌芽阶段。接下来在第二阶段，大模型的价值得到了产学各界的普遍认同。伴随着资本与社会关注度的广泛注入，谈AI必谈大模型成为风尚，各界也就进入从“大炼模型”到“炼大模型”的转变。在这个阶段中，各种大模型层出不穷，在训练数据参数上的扩张，技术思路的发展带来了大模型技术的繁荣。

当大模型的技术研发储备到一定阶段，新的挑战也随之而来：这么多大模型，到底应该如何与产业应用结合？这个问题如果不能妥善解决，那么大模型的繁荣发展终究是空中楼阁。所以，大模型的3.0阶段，就是从“炼大模型”到“用大模型”的转变。如何实现有效的产业转化，已经变成了目前阶段大模型领域的最核心任务。

想要用好大模型，从技术向产业的转化逻辑上看，需要具备三个前提条件：技术过硬，平台与工具齐备，有清晰明确的场景价值作为示范。而一路深耕文心系列大模型的百度，显然在前两项能力中具备先发优势。

百度自2019年开始深耕预训练模型研发，发布了知识增强文心ERNIE系列模型。2021年12月，百度与鹏城实验室联合发布全球首个知识增强千亿大模型“鹏城-百度·文心”，参数规模达到2600亿，在60多项NLP任务中取得最好效果。2022年5月的Wave Summit深度学习开发者峰会上，百度发布10个大模型，包括融合学习任务知识的知识增强千亿大模型、多任务统一学习的视觉大模型、跨模态大模型、生物计算大模型、行业大模型等，并提出支撑大模型产业落地的3个关键路径：建设更适配场景需求的大模型体系，提供全流程支持应用落地的工具、平台和方法，建设激发创新的开放生态等。

至此，文心大模型已经既包含基础的通用大模型，也包含面向重点任务领域的行业大模型，同时还具备丰富的工具平台。从技术过硬角度看，文心大模型具有知识增强的差异化优势，可以从大规模知识图谱和海量无结构数据中完成学习，从而实现模型效率更高、效果更好，具有良好的可解释性。从平台建设与产业转化上看，文心大模型具有产业级特性，提供全流程支持应用落地的工具和方法，营造激发创新的开放生态。

换言之，清晰的场景化示范价值，是文心大模型推动大模型走向3.0阶段的“最后一公里”。这个时候，百度丰富的产业生态布局，就体现出了关键价值。

百度移动生态，做大模型时代的“试验田”

在科技领域有句话，叫“自己的降落伞自己先跳”。对于希望率先探索大模型应用与产业转化的百度来说，也必须“自己的大模型自己先用”。

好在百度丰富的移动生态布局，不仅是大模型应用的价值沃土，更能以其苛刻的技术要求、清晰的能力展现、具有代表性的应用场景，成为更多开发者与企业的大模型“试验田”。

2022万象·百度移动生态大会中，我们看到了百度移动生态与文心大模型基础能力丰富多元的融合。百度移动生态，向来是百度AI技术落地的“首站”，长期秉持着AI技术能用尽用、能出尽出的原则。

而在与大模型的结合上，我们首先可以看到百度最新发布了面向搜索场景的跨模态大模型“知一”。它可以理解全网文本、图片、视频、结构化信息等形态各异的资源，从而打破资源形态的界限，将最满足用户需求的结果呈现给用户，真正实现大模型技术与搜索、信息流等百度核心业务的深度融合。

而对于更多百度移动生态中的开发者、创作者而言，基于文心大模型打造的“创作者AI助理团”可以带来划时代的AIGC体验。这个AI团队里，有文案、有插画师、有视频制作人，在这些“助理”们的齐心努力下，可以让创作者实现“一个人成为一支队伍”。

基于百度文心大模型，“AI文案助理”可以根据创作者的需求快速产出不同风格的文章标题、内容段落，“AI插画助理”可以根据关键词，自动“画”出十余种不同风格的画作，让创作者实现“配图自由”。相关能力，目前已经可以在百度APP中体验，效果十分突出。

“AI视频制作助理”基于文心大模型的自然语言处理和跨模态AI技术，让创作者的图文自动生成视频，速度可达“分钟级”。这项技术让创作者从图文到视频的创作周期缩短了3倍以上，而且也为创作者带来“一篇内容，两种收益”的效果。

“创作者AI助理团”，可说是全景式展现了大模型的一个应用价值——AIGC（AI Generated Content，人工智能自动生成内容）。基于大模型打造的AIGC能力，可以实现多种多样的AI自主创作，以及形态丰富的创作辅助功能，实现自动生产文案、自动生产图片、图文转视频等一系列技术飞跃。目前，“创作者AI助理团”已经开始邀请内测，将从今年第四季度起陆续向更多创作者开放。

由此我们不难看出，文心大模型带给百度移动生态的能力并不是“锦上添花”的简单能力升级，而是实打实的跨越式创新，甚至可以说解决了移动开发者、创作者长期以来最核心的创作门槛困扰，让创作者聚焦于创作的最核心部分。

这样的能力升级，当然对于百度移动生态的未来发展至关重要。但更重要的，可能是这种结合展示了一种可能，一种大模型走向深度产业应用的可能。

AIGC丰收时，行业转化深耕中：文心大模型的禾下乘凉梦

不久之前，科技部发布了《关于支持建设新一代人工智能示范应用场景的通知》（以下简称《通知》），指出要充分发挥人工智能赋能经济社会发展的作用，打造形成一批可复制、可推广的标杆型示范应用场景。

不难看出，以场景作为先导，快速实现AI技术的行业落地与规模化辅助正在成为目前AI产业发展的主要任务。对于大模型来说也是如此，各行业想要真正理解大模型的价值，应用大模型的能力，首先需要以场景为先导，以示范为坐标。

百度移动生态对于大模型的深入应用，正好可以构成这种迫切为时代所需要的场景示范。从大模型走向产业转化的路径上看，百度移动首先证明了AIGC的可用性。AIGC作为大模型走向产业的重要一站，更多行业可以从百度的经验中消化并吸纳AIGC的价值，从而实现自身的大模型落地。其次，百度移动生态与大模型融合，还证明了大模型与产业需求、产业真实情况的融合价值。百度移动生态拥有着巨大的流量以及多样化的业务，这些条件都是对大模型可用性的考验。

知名经济学家任泽平也在万象大会期间表示：“在AIGC的时代，百度APP作为‘前哨’和‘根据地’，是AIGC应用最广阔的天地，也将成为人人皆可用的AI新基建。这种‘百度搭台，人人唱戏’的模式，将会激发全民更大的创造力，很多新模式、新应用都会破土而出。”

从文心大模型与百度移动生态的结合，到AIGC产业实践的探索，再到更多行业应用大模型的可能，我们可以看到这个路径为大模型的3.0阶段带来了三重价值。

1.自种自证：大模型的技术能力已经趋向饱满

百度移动生态对文心大模型的应用，首先让各行业的开发者看到了大模型能做什么，有着怎样的想象力，而这归其根本来自文心大模型的技术能力。大模型的种子，需要在土壤中证明自己的价值，而AIGC与百度移动生态就提供了这样的土壤。以AI智能写作为例， ERNIE 3.0 Zeus是文心大模型最新发布的融合任务相关知识的千亿大模型，其在学习海量数据和知识的基础上，进一步学习百余种不同形式的任务知识，在各类任务表现出了更强的创作能力。从财经、体育类新闻快讯，再到诗歌、小说等文学创作，AI写作覆盖的领域越来越广，创作形式和内容也变得更加丰富多彩。

今年高考期间，ERNIE 3.0 Zeus 加持的AI数字人度晓晓挑战写高考作文，以40秒40篇的速度，获得了位列总考生前25%的成绩。 ERNIE 3.0 Zeus的智能创作能力目前已经对外开放，各行各业的广大开发者可以在线体验与定制ERNIE 3.0 Zeus的文本创作能力。再说说AI作画，AI作画这样的AIGC应用想要得到保障，背后是文心跨模态大模型的有力支撑，作为全球最大中文跨模态生成模型，文心ERNIE-ViLG参数规模已达100亿，它将「文生成图」和「图生成文」任务融合到同一个模型进行端到端学习，从而增强文本和图像的跨模态语义对齐。而近期文心ERNIE-ViLG文图生成算法迎来升级，通过渐进式扩散模型，生成空间由小及大、生成轮廓由粗到细，同时根据生成阶段自动选择最优生成网络，文本生成图像的效果取得进一步提升。可以说，每一幅AI画作的背后，都有文心大模型技术能力饱满的证明。

2.沃土通衢：产业工具与开发平台逐渐完备

各行业、各领域中的开发者，想要真正用到大模型，就需要针对性的平台与工具，从而降低技术获取门槛，提升产业开发效率。为此，文心大模型在工具化、平台化中进行了丰富的探索。以AI作画为例，文心一格是百度推出的AI艺术和创意辅助平台，是百度依托于飞桨、文心大模型持续的技术创新，在“AI作图”方面发布的产品。面向有设计需求和创意的人群，文心一格可以基于文心大模型智能生成多样化AI创意图片，辅助创意设计，打破创意瓶颈。对便捷性需求更高的开发者，还可以使用文心文图生成大模型ERNIE-ViLG 服务，极速获得沉浸式文图生成大模型的技术体验，更可灵活方便、高效地实现产品集成。这样我们可以看到，对AI作画有不同需求、不同考量的开发者，都有平台和工具来获取自己想要的AIGC能力。这就是大模型走向行业，走向应用的沃土通衢。

3.禾下乘凉：大模型规模化应用的开始

面向更广阔的行业应用前景与产业想象力，文心大模型不仅仅推动与百度业务的结合，更积极探索对外赋能的形式与方法。文心大模型具备的知识增强特性，本身就可以实现在实体问答、知识预测等领域获得更好效果，提升大模型在行业场景中的可用性。同时，文心·行业大模型采用行业知识增强技术对行业特色数据与行业特色知识学习，进而提升大模型对行业应用的适配性。目前文心已经联合国家电网、浦发银行发布知识增强的电力行业NLP大模型“国网-百度·文心”、金融行业NLP大模型“浦发-百度·文心”，已在电力、金融相关任务完成落地应用。在航天领域，文心大模型携手中国航天发布世界上首个航天大模型——“航天-百度·文心大模型”，推进航天领域AI技术应用。

文心大模型早已推出了开发套件、API和内置文心大模型能力的开发平台，可以让不同领域、不同需求的产业开发者以更低成本、更低门槛精准获得大模型赋能，促进人工智能的进一步广泛应用。

文心大模型在产业中加速落地，正在成为推动AIGC发展的新引擎，同时也在成为推动产业智能化的新基座。大模型的规模化应用和落地千行百业，或许就是我们期待的那个智能中国的禾下乘凉梦。

鹏城实验室率先开放大规模高质量中文语料数据集（鹏程·盘古语料数据集-1.1TB高质量中文语料数据、一带一路多语言语料数据集-1TB高质量多语言语料数据），研究人员可在鹏城AI靶场上安全使用数据，但无法带走数据。若用户不愿上传自身数据到鹏城AI靶场，可通过鹏城众智协同计算平台AISynergy使用本地语料数据与鹏城AI靶场数据进行联合训练或微调。

鹏城AI靶场是基于方滨兴院士提出的“数据不动程序动、数据可用不可见、分享价值不分享数据、保留所有权释放使用权”隐私保护新理念，由鹏城实验室新型网络部平台所研发的数据要素流通交易新型基础设施平台。

鹏城AI靶场提出了一个模型加工场的方法，其基本思想是要构造一个可信的执行环境，这个可信的执行环境不完全等同于传统的可信执行环境TEE。传统的可信执行环境是强调计算环境可信，不会被攻击。鹏城AI靶场把一些人为的因素放在里面，把社会工程因素放在里面，以构建一个安全可控的区域。这个安全可控包括人员可控，能落实责任制。如在政府部门或者国企里构造一个安全可控区域，再通过“数据不动程序动”“数据可用不可见”的方法来保证隐私。

在鹏城AI靶场架构中，数据拥有方需要把数据放到模型加工场里，数据所有者可以决定数据是否能够被平台所使用。

鹏城实验室网络智能部高效能云计算所团队与鹏城AI靶场团队联合研制了具有大规模语料数据安全保护功能的鹏城众智AI协同计算平台AISynergy 2.0版，可完成跨多个计算集群的协同计算作业，实现基于中国算力网（C2NET）的全新计算范式和数据隐私安全分布式业务场景，如跨域大模型协同训练与微调、多中心模型聚合、多中心联邦学习等。以下是典型应用场景介绍：

典型场景1：AI靶场上开放语料数据，用户可直接使用或上传数据到AI靶场完成联合训练场景

研究团队从Common Crawl、电子书、百科全书、新闻等广泛的资源中收集了大量的原始数据。

在此基础上，对数据进行多重过滤和清洗，确保处理后的数据具有高质量和多样性。经过复杂的预处理，得到大规模高质量中文语料数据集，这些语料数据集经过预处理后具有重要数据价值，但由于很难保证其中没有涉及敏感或安全隐私的数据内容，直接开放具有较大风险。

通过AI靶场，研究人员可安全使用这些语料数据，但无法带走数据，实现数据不流出，充分发挥语料数据价值，助推自然语言处理等基础研究的协作快速发展。

请参考示例：

【如何上传您自己的语料到靶场，与盘古部分语料进行联合训练？】 

【多语言mPanGu,单机、多卡+单方、多方数据协同训练场景】

典型场景2：AI靶场上语料数据与第三方本地自有数据开展协同计算场景

若研究人员有自有语料数据，但不愿将自有数据上传至AI靶场，可以通过协同计算的方式进行训练。研究人员在AI靶场和本地分别进行模型训练，通过协同计算平台AISynergy，可完成跨多个智算中心的协同计算作业，实现多中心数据价值利用最大化及协同计算应用赋能新范式。

请参考示例：

【如何不上传您自己的语料数据，使用您本地的计算环境与鹏城AI靶场进行远程联网协同训练？】

AI靶场通过调试环境与运行环境分离体系架构以及仿真数据生成、隐私保护前提下的调试等创新技术，确保数据所有权和使用权分离，可以让更多的数据提供方敢于将其数据安全托管，让更多的数据使用方能够充分挖掘真实场景真实数据。

目前AI靶场依托以鹏城云脑为枢纽节点的中国算力网提供的强大算力资源，通过构建可信数据空间，以张榜打靶方式将数据安全开放，进而筛选具有核心竞争力的AI团队, 实现数据应用集智创新。

AI靶场目前已有力支撑了“2022年猛犸杯国际组学数据创新大赛”“昂楷杯第一届数据安全竞赛”“广东省网络安全协会数据挖掘大赛”、“深圳企业高质量发展评价指标体系”、 “腾景AI经济预测”等多个重要领域的数据安全开放。

鹏城AI靶场

大规模高质量中文语料数据集安全开放开源社区

如有疑问，请在公示期内联系社区工作人员（邮箱：secretariat@openi.org.cn）进行处理。

OpenI 就有一群很积极很可爱的开源开发者们。

他们有的在社区开发者交流群内积极发言，并热心帮助用户解疑答惑。有的积极参与社区活动，比如“我为开源打榜狂”，屡次上榜。有的为提升平台体验积极建言献策，小白训练营的任务区总能找到他们贡献Issue的身影。有的仅靠Battle就能引爆全场…

但凡身上闪烁着耀眼光芒的用户，任何一个社区都会将其视若珍宝。

所以~~为了给AI开源领域挖掘更多优秀开源开发者，让大家有一个更好的平台能一展才华，同时帮助OpenI 更好地构建开源生态、提升平台体验、维护社群活跃氛围，OpenI 初次招募5名有活力有经验有技术且乐于助人的开发者们作为资深体验官，共同携手，创造美好开源未来。

截止7月31日，不到一周时间，社区收到了多名活跃用户的踊跃申报，由于名额有限，本次未入选的开发者将作为下一批体验官的候选对象，社区将长期招募体验官，并设计一些列成长路径帮助体验官成长。

经内部审核评议，现公布以下5名开发者作为社区首批资深体验官，他们是清一色的青春在线、活力无限、不脱发、只脱单的小哥哥~

这批体验官除了积极热情的共同特点外，在开源开发方面都有着很强的技能和丰富的经验，对平台的功能也非常熟练，同时也非常乐于帮助开发者们解决各种技术难题。

期待这样一群资深体验官，能给OpenI的开发者们带来更多积极向上的能量以及知识经验的传递，。

那么，大家好奇的可能是，体验官具体会负责社区什么样的工作呢？有什么样的权益和收获怎样的成长呢？

社区为了让体验官们与OpenI能够实现共同成长，在给大家设计合理的体验官任务的同时，也为大家谋取了不少诱人的福利~

大家在OpenI的任一交流群里都可以找到体验官们的身影，对于平台操作或开发方面的困惑与难题都可以找多重经验和技能傍身的体验官们协助解答、相互交流~

希望大家在OpenI友爱的氛围中互帮互助中多结交良友，多提升技术，多收获快乐与经验~话不多说，赶紧入群认识他们，也变成积极得像太阳般的人吧~（如果二维码过期，可以关注公众号，回复1获取最新二维码）