機器中的幽靈已然蘇醒。

若此刻有人告訴你，能將意識上傳至電腦實現(xiàn)賽博永生，你會作何選擇？

這并非科幻，而是可能的現(xiàn)實。

3月7日，美國初創(chuàng)公司Eon Systems在X平臺發(fā)布了一個堪稱賽博奇跡的Demo：他們把一只成年果蠅的12.5萬個真實神經(jīng)元連線搬進計算機，過程中既未編寫任何行為代碼，也未用海量數(shù)據(jù)訓(xùn)練模型……

神奇的是，這只“數(shù)字果蠅”在屏幕里“活”了過來——會走位、清理觸角，甚至能尋找食物，與真實果蠅別無二致。

▲ The First Multi-Behavior Brain Upload，Dr. Alex Wissner-Gross@X

在無數(shù)科幻作品中，人類曾無數(shù)次幻想上傳大腦以實現(xiàn)賽博永生。

如今，這一夢想有了初步實踐。

Eon Systems用43秒視頻，將塵封已久的“全腦仿真（Whole-Brain Emulation, 簡稱WBE）”夢想重新推向公眾視野。

這次突破或許會顛覆現(xiàn)有大模型構(gòu)建AGI的路徑，催生出更貼近生命本質(zhì)的全新智能形式。

長期遇冷的全腦仿真

全腦仿真，更通俗的說法是“意識上傳”。

該概念最早出現(xiàn)于20世紀(jì)50年代科幻小說，艾薩克·阿西莫夫、阿瑟·克拉克等科幻作家都曾提及相關(guān)設(shè)定。

后來馮·諾依曼在《計算機與人腦》中從數(shù)學(xué)和計算機角度探討機器模擬人腦的可能性，為其提供了理論基礎(chǔ)。

但這一技術(shù)路徑長期停留在設(shè)想階段，直到2008年牛津大學(xué)人類未來研究院的桑德伯格和波斯特洛姆在《全腦仿真：一份路線圖》中正式提出“全腦仿真（WBE）”術(shù)語與工程框架，才將其從科幻想象推進為具有明確技術(shù)路徑的跨學(xué)科研究方向。

簡單來說，大模型試圖通過模擬“智能”發(fā)生過程實現(xiàn)AGI，而全腦智能則通過還原大腦結(jié)構(gòu)復(fù)制已有智能。

這一想法看似可行，卻在過去近二十年里淪為科研“冷板凳”。

原因很簡單：實現(xiàn)全腦仿真的技術(shù)難度極高。

全腦仿真不像大模型能通過堆算力和語料庫快速見效，它需要在納米級成像、超大規(guī)模計算、生物動力學(xué)和物理仿真四個維度同時達到“臨界點”。

▲Whole Brain Emulation:A Roadmap，推動全腦仿真（WBE）關(guān)鍵技術(shù)發(fā)展的技術(shù)驅(qū)動力

比如，實現(xiàn)全腦仿真需先對大腦進行納米級切片并用電鏡掃描；再將海量圖像中的神經(jīng)纖維重新連接，構(gòu)建完整三維神經(jīng)連接圖；接著分析突觸間的信號傳遞和神經(jīng)活動規(guī)律；最后在計算機中模擬這些結(jié)構(gòu)和信號，重建大腦運行過程。

但2010年前后，掃描1立方毫米腦組織（約一只蒼蠅大腦的體量）往往需要多臺顯微鏡連續(xù)工作數(shù)年。之后人工手動“描線”連接神經(jīng)元，又要消耗數(shù)十萬個工時。更不用說后續(xù)解碼神經(jīng)信號、動態(tài)模擬生物信號，難度只會更高。

不過近年隨著相關(guān)技術(shù)跨越式發(fā)展，這些曾看似不可能的任務(wù)正逐步變得可行。

例如多束電子顯微鏡技術(shù)成熟，使掃描速度提升數(shù)百倍，原本按“年”計算的周期可壓縮到“周”；Google的FFN算法等計算機視覺技術(shù)進步，大幅推進了神經(jīng)元自動分割和追蹤；機器學(xué)習(xí)及MuJoCo等高性能物理引擎的開源優(yōu)化，也是Eon Systems取得突破的關(guān)鍵。

具體而言，Eon Systems的突破建立在2024年《Nature》發(fā)表的FlyWire項目基礎(chǔ)上——該項目通過電鏡掃描精準(zhǔn)重建了果蠅大腦約12.5萬個神經(jīng)元及超5000萬個突觸連接。

研究人員利用模型根據(jù)突觸形態(tài)特征，以極高準(zhǔn)確率推斷出每個連接的“屬性”；最后借助MuJoCo等物理引擎，讓數(shù)字生命擁有了足夠真實的“數(shù)字訓(xùn)練場”。

感知、決策、行動的閉環(huán)首次在虛擬環(huán)境中跑通，這正是Eon此次突破的核心：研究人員在數(shù)字世界幾乎1:1還原了成年果蠅的“靈魂”。

沒有程序員教它走路，數(shù)字果蠅卻自發(fā)行走、清理觸角，甚至表現(xiàn)出找食物的傾向。這些復(fù)雜行為并非事先編程，而是從真實生物結(jié)構(gòu)中自然涌現(xiàn)。

從果蠅到人腦：隔著重重技術(shù)與倫理鴻溝

果蠅全腦仿真成功后，人們自然會問：既然果蠅可以，人類也行得通嗎？

明確答案是：理論上可以，但目前不行，未來很長時間可能也不行。

原因不復(fù)雜：果蠅與人類并非簡單“規(guī)模擴大”，而是隔著巨大工程鴻溝。

此次成功的果蠅僅有約12.5萬個神經(jīng)元，而人類大腦約有860億個神經(jīng)元，數(shù)量是果蠅的近70萬倍。

目前全腦仿真還處于“從昆蟲邁向哺乳動物”階段。此前學(xué)界僅完成線蟲大腦仿真（僅302個神經(jīng)元），果蠅剛超過線蟲，再往上技術(shù)就遇到瓶頸。

比果蠅更大的實驗體是小鼠（約7000萬個神經(jīng)元），這已接近當(dāng)前技術(shù)能力邊界。因此，實現(xiàn)比小鼠復(fù)雜得多的人腦1:1全腦仿真仍相當(dāng)遙遠。

技術(shù)卡住的首要原因是數(shù)據(jù)規(guī)模急劇膨脹。

神經(jīng)元數(shù)量每提升一個量級，掃描、存儲和處理的數(shù)據(jù)量幾乎呈爆炸式增長。

果蠅全腦數(shù)據(jù)量約數(shù)百TB，小鼠完整掃描的原始圖像數(shù)據(jù)可能達數(shù)個PB，而人類大腦數(shù)據(jù)規(guī)?；虮平?ZB。

很多人對1ZB沒有概念：1ZB等于10億TB，若1TB相當(dāng)于一車沙子，1ZB可填平太平洋。而IDC預(yù)測2025年全球數(shù)據(jù)總量也不過175ZB左右。

這意味著，僅看清并存儲一個人腦，就需單獨建設(shè)一套頂級數(shù)據(jù)中心。

即便獲取了數(shù)據(jù)，第二道難關(guān)是讓“神經(jīng)地圖”真正運行。

大腦不是靜態(tài)電路圖，而是持續(xù)進行電化學(xué)活動的動態(tài)系統(tǒng)。人腦中約100萬億個突觸每秒都在傳遞和調(diào)節(jié)信息。

若依靠傳統(tǒng)馮·諾依曼架構(gòu)計算機逐一模擬，即使是當(dāng)今最強超級計算機，模擬人腦一秒活動也可能需要幾天時間。

更深層的難題不僅是算力，還有我們對大腦本身的理解有限。連接組學(xué)能告訴我們“誰和誰相連”，卻未必能解釋這些連接傳遞什么信息、如何調(diào)節(jié)，以及為何產(chǎn)生特定認(rèn)知和意識狀態(tài)。

果蠅實驗?zāi)芡黄?，關(guān)鍵原因是研究者對部分神經(jīng)遞質(zhì)功能做出了有效推斷。

說白了就是“猜”，且猜中了（小規(guī)模數(shù)據(jù)下有效）。但進入更復(fù)雜的哺乳動物大腦，這種方法就困難得多。

因為大腦不僅依賴“有線連接”，還存在大量“無線式”化學(xué)調(diào)制。如多巴胺、血清素等神經(jīng)調(diào)制物質(zhì)會在腦內(nèi)擴散，影響大范圍神經(jīng)活動，這些機制無法僅通過電鏡掃描直接觀察。

這意味著，未來成熟的全腦仿真不僅要復(fù)制連線圖，還需理解電信號、化學(xué)調(diào)制和動態(tài)活動間的復(fù)雜關(guān)系。

即便技術(shù)問題都解決，人類還會面臨更棘手的倫理問題。

若某天人類大腦被1:1仿真出來，這個系統(tǒng)究竟是什么？是高度逼真的行為模擬器，還是擁有主觀體驗、情感甚至自我意識的存在？

如果它能感受痛苦，關(guān)閉模擬器是否等同于“殺人”？如果它擁有記憶和身份連續(xù)性，是否應(yīng)擁有法律地位？

這些并非科幻設(shè)想，而是WBE逼近人類階段時無法回避的現(xiàn)實挑戰(zhàn)。屆時人類或許不僅需要新技術(shù)標(biāo)準(zhǔn)，還需一整套數(shù)字倫理與法律框架。

因此，果蠅全腦仿真的意義，不在于“人類全腦上傳近在眼前”，而在于它第一次讓這條技術(shù)路線不再完全虛無。

它證明復(fù)雜生物的大腦在一定程度上可被掃描、重建并運行。

但從果蠅走向人類，仍橫亙著小鼠這道工程紅線，以及數(shù)據(jù)規(guī)模、算力瓶頸、化學(xué)機制和倫理邊界等真正的大山。對如今的WBE而言，果蠅是重要里程碑，卻遠非終點。

全腦仿真：從科幻走向現(xiàn)實的智能新路徑

既然距離實現(xiàn)人類級智能仍遙遠，為何現(xiàn)在要討論全腦仿真？畢竟有人預(yù)測AGI可能在未來幾年出現(xiàn)。

答案是，規(guī)模法則在某種程度上也適用于全腦仿真。

果蠅實驗的真正意義，不僅是完成了一次驚艷的技術(shù)展示，更首次證明了一條完整技術(shù)路徑可跑通：掃描、重建、仿真，再到具身行為出現(xiàn)，形成了可驗證的閉環(huán)。

一旦路徑被證明可行，問題就從“是否可能”轉(zhuǎn)向“如何擴展”——如何提高掃描通量、改進物理模擬、處理更龐大的數(shù)據(jù)規(guī)模。

更重要的是，WBE并非大模型路線的簡單延伸，它在關(guān)鍵維度代表著完全不同的智能路徑。

最突出的差異是能效。

此前有人說，AI問題本質(zhì)是能源問題。一張頂級AI顯卡如NVIDIA H100功耗接近700瓦，訓(xùn)練或運行GPT-4級別模型往往需要成千上萬張GPU同時工作，連同散熱和基礎(chǔ)設(shè)施，整體功耗以兆瓦計，足以支撐一座小型城鎮(zhèn)用電。

但人腦完成感知、記憶、推理、學(xué)習(xí)和運動控制，僅需約20瓦功耗，相當(dāng)于一盞昏暗燈泡或路由器待機的耗電水平。

兩者差距不僅是效率問題，更像是架構(gòu)代差。

正因如此，果蠅全腦仿真成功意味著AI研究可能出現(xiàn)新范式：從依賴海量數(shù)據(jù)訓(xùn)練的“黑盒模仿”，逐漸走向復(fù)刻生物結(jié)構(gòu)的“白盒還原”。

若這一方向持續(xù)發(fā)展，對人工智能行業(yè)影響將十分深遠。

首先，它為具身智能提供了更接近終局的思路。如今機器人系統(tǒng)的核心問題是缺乏常識和自然物理理解。

而生物經(jīng)數(shù)億年進化形成的感知與運動能力，很大程度編碼在神經(jīng)連接結(jié)構(gòu)中。只要結(jié)構(gòu)還原足夠精確，機器就可能獲得更接近生物的靈活性。

其次，它在某種程度上驗證了“結(jié)構(gòu)即智能”的假設(shè)。智能不一定只能通過海量數(shù)據(jù)堆疊，也可能是可計算、可復(fù)制的結(jié)構(gòu)結(jié)果。

若這一思路成立，整個AI架構(gòu)都可能被重新審視。

例如，以Transformer為核心的大模型架構(gòu)是否真的是通向更高階智能的唯一道路？未來計算系統(tǒng)是否會轉(zhuǎn)向更接近生物神經(jīng)系統(tǒng)的設(shè)計，如脈沖神經(jīng)網(wǎng)絡(luò)、稀疏連接結(jié)構(gòu)和事件驅(qū)動計算？

因此，現(xiàn)在關(guān)注WBE，并非因為它明天會取代大模型，也不是因為人類全腦上傳近在眼前，而是它正從遙遠的科幻路徑，逐漸變成擁有清晰技術(shù)棧和階段性成果的現(xiàn)實路線。

大模型代表通過數(shù)據(jù)逼近智能的方式，WBE則代表通過結(jié)構(gòu)重建智能的路徑。兩條路線未必相互取代，但它們的競爭與融合，很可能決定下一代人工智能的最終走向。

正如Eon團隊所言：“Ghost is no longer in the machine. The machine is becoming the ghost.（幽靈不再隱于機器，機器正在成為幽靈。）”

當(dāng)這只數(shù)字果蠅在屏幕上笨拙邁開第一步時，它跨越的不僅是虛擬與現(xiàn)實的邊界，更是碳基生命與硅基生命的鴻溝。未來已來，只是分布尚不均勻。

本文來自微信公眾號“有界UnKnown”，作者：有界UnKnown，36氪經(jīng)授權(quán)發(fā)布。

本文僅代表作者觀點，版權(quán)歸原創(chuàng)者所有，如需轉(zhuǎn)載請在文中注明來源及作者名字。

免責(zé)聲明：本文系轉(zhuǎn)載編輯文章，僅作分享之用。如分享內(nèi)容、圖片侵犯到您的版權(quán)或非授權(quán)發(fā)布，請及時與我們聯(lián)系進行審核處理或刪除，您可以發(fā)送材料至郵箱：service@tojoy.com