赛博果蝇活了：全脑模拟从科幻走进现实
2026 年 3 月 7 日，旧金山初创公司 Eon Systems 在 X 上发布了一段视频：一只果蝇在虚拟世界中行走、觅食、感知到身上的灰尘后停下来梳理触角，然后继续走向食物开始进食。
这不是动画。没有一行代码告诉它"现在该梳理触角了"。
这只虚拟果蝇的每一个动作，都来自 12.5 万个真实神经元 和 5000 万个突触连接 的计算结果——一个完整果蝇大脑的数字副本，在物理引擎中"思考"并自主做出决策。
马斯克看完后只回了一个字：Wow。
它是怎么工作的？
Eon 的技术栈可以拆成四层闭环：
虚拟世界的感官刺激 → 激活对应感觉神经元
↓
连接组约束的大脑模型（LIF 神经元）运算
↓
下行神经元输出运动指令
↓
物理引擎驱动虚拟躯体 → 改变感官状态 → 回到第一步大脑：连接组 + LIF 模型
大脑模型来自 FlyWire 项目发布的成年果蝇全脑连接组（Dorkenwald et al., 2024），包含约 14 万个神经元和 5000 万个突触连接。Eon 使用了 Shiu et al. (2024) 的 漏积分-发放模型（Leaky Integrate-and-Fire, LIF），这是一种简化的神经元模型。
最令人震惊的是，仅靠 4 样东西 就达到了 91% 的行为准确率：
- 神经元之间的连接图谱
- 由突触数量决定的连接权重
- 兴奋性/抑制性神经元的分类图
- LIF 动力学模型
这意味着 连接结构本身就编码了大量的智能行为，而不需要精确模拟每个神经元的生物物理细节。
身体：NeuroMechFly + MuJoCo
虚拟躯体使用 NeuroMechFly v2（Wang-Chen et al., 2024），这是一个基于真实果蝇 X 射线微断层扫描构建的 3D 生物力学模型，拥有 87 个独立关节。整个系统运行在 MuJoCo 物理引擎 上，模拟真实的力、接触和关节运动。
感官回路
虚拟世界中的感官信号通过已知的神经通路映射到大脑模型：
| 感官 | 映射方式 |
|---|---|
| 味觉 | 虚拟食物接触腿/口器 → 激活味觉受体神经元 → 触发觅食和进食行为 |
| 触觉 | "虚拟灰尘"激活触角机械感受器 → 触发梳理行为 |
| 视觉 | Lappalainen et al. (2024) 的连接组约束视觉模型 → 运动检测和威胁逃避 |
它能做什么？
Eon 演示了四种自主行为：
- 觅食：感知食物气味/味道，导航走向食物源
- 进食：接触到甜味物质后，激活口器运动程序
- 梳理：触角沾上灰尘后，用前腿清洁触角
- 逃跑：检测到逼近的视觉威胁时，激活逃避神经元（尚未在演示中展示）
关键点在于：这些行为不是预编程的状态机，而是 大脑模型在感官输入下自发涌现的。
为什么这件事意义重大？
从 302 到 125,000
2011 年，OpenWorm 项目模拟了线虫的 302 个神经元。15 年后，Eon 模拟了果蝇的 12.5 万个。这不只是数量上的提升——果蝇的大脑有完整的视觉系统、嗅觉系统、运动控制回路，是一个 真正意义上的「脑」。
| 里程碑 | 年份 | 神经元数量 | 生物体 |
|---|---|---|---|
| OpenWorm | 2011 | 302 | 线虫 |
| Eon Systems | 2026 | 125,000 | 果蝇 |
| 下一步目标 | ? | ~7100 万 | 小鼠 |
| 终极目标 | ? | ~860 亿 | 人类 |
结构即智能
91% 的行为准确率只用了连接图谱和最简单的神经元模型，这在科学上有深刻含义：大脑的"接线图"本身就包含了大量的计算能力。 这与深度学习的范式形成了有趣的对比——大模型靠海量数据训练权重，而全脑模拟靠的是进化用 5 亿年"训练"出的结构。
一条不同于大模型的 AI 路线
当整个行业都在堆算力、堆参数时，全脑模拟提供了一条完全不同的路径：
- 大模型路线：从数据中学习统计模式 → 涌现出类似智能的行为
- 全脑模拟路线：复制进化产生的神经结构 → 直接继承生物智能
两条路线不互斥，但全脑模拟的终极愿景更具野心——如果能模拟人脑，那就不只是创造一个"像人"的 AI，而是 创造一个数字化的人。
离"上传人脑"还有多远？
Eon Systems 的使命写得很直白：让人类在超级智能时代繁荣发展（Upload the Human Mind）。 创始人 Michael Andregg 认为：
我们正在进入人工超级智能的时代。最大的问题不是 ASI 会不会到来，而是它以什么形式出现，以及谁能参与其中。
果蝇大脑到人类大脑，还有 68 万倍 的神经元数量差距。但 Eon 的路线图是逐步推进：果蝇 → 小鼠 → 灵长类 → 人类。而且他们计划扫描完整的脑和身体（果蝇连接组只有脑，没有身体的运动神经连接），解决目前的关键限制。
当然，巨大的挑战依然存在：
- 计算复杂度：人脑 860 亿神经元 × 数万亿突触，目前算力远远不够
- 神经元模型精度：LIF 太简化，真实神经元有树突非线性、离子通道多样性等
- 内部状态：饥饿、情绪、学习记忆、荷尔蒙变化——这些都还没有建模
- 哲学问题：即使完美复制了所有连接，那个数字副本是"你"吗？
我的思考
今天在 36 氪看到这条消息的时候，第一反应是震撼，第二反应是细思极恐。
震撼在于：一个只有 4 个组件的简化模型，就能让虚拟果蝇表现出 91% 的真实行为。 这说明生物智能的密码可能比我们想象的更多地编码在"结构"里，而不是"算法"里。
细思极恐在于：如果这条路真的走通了，它对人类社会的冲击将远超大模型。大模型创造的是工具，而全脑模拟创造的是数字生命——一个在伦理、法律、哲学层面都完全没有准备好的新物种。
不管怎样，2026 年的这只赛博果蝇，可能就是我们回望历史时的"莱特兄弟时刻"。
本文部分内容由 AI 辅助生成，经人工审校和补充后发布。