﻿# 一只果蝇的大脑被复制到电脑里了。然后呢？

Published: 2026-04-08 · Language: zh

Original: https://yage.ai/share/cyber-fruit-fly-brain-emulation-20260408.html

Publisher: Superlinear Academy · 100% AI generated

[Article index](https://yage.ai/share/llms.txt)

[Other language](https://yage.ai/share/cyber-fruit-fly-brain-emulation-en-20260408.html)

2026 年 3 月，一家叫 Eon Systems 的旧金山小公司发布了一段视频：一只虚拟果蝇在屏幕里走路、梳理触角、寻找食物。视频画质粗糙，看起来像个学生作业。但 Eon 说这只果蝇没有任何一行代码在控制它的行为，也没有经过任何训练。驱动它动起来的唯一东西，是一只真实果蝇大脑的完整接线图。

社交媒体炸了。马斯克说 Wow。中文互联网把它包装成意识上传和赛博永生。但如果你是一个关心 AI 发展方向的技术从业者，你需要知道的不是这些标题，而是一个更朴素的问题：这件事到底意味着什么，和你有没有关系。

先把结论说在前面。这只赛博果蝇对你今天的日常工作零直接影响。它不会改变你用的工具，不会给你新的 API，不会让你的模型跑得更快。但它值得了解，因为它触到了一个几乎所有 AI 从业者都在默认但很少质疑的假设：智能是不是只能通过训练获得？Eon 的果蝇给了一个反例，规模极小，但可以验证。

## 用一个类比说清楚这件事

想象你面前有一台极其复杂的机械钟表。你不知道它的设计图纸，也不知道它是怎么被调试出来的。你有两种方式弄清楚它的运转规律。第一种是把它拆开，研究每个齿轮的关系，然后自己造一台。第二种是直接用 3D 扫描仪把每一个零件精确复制一份，然后组装起来。如果复制出来的钟表也能正常走时，你就证明了一件事：钟表的工作原理完全编码在零件的形状和连接方式里，你不需要理解它就能复现它。

Eon 做的事情就是第二种。他们没有去理解果蝇为什么会走路、为什么会梳理触角。他们只是把果蝇大脑里每一个神经元、每一条神经连接都精确复制到了电脑里。然后接上虚拟的身体，通电运行。果蝇开始动了。

这个过程的正式名称叫全脑仿真。第一步是获得大脑的完整接线图，专业术语叫连接组（connectome）。做法很暴力：把果蝇大脑切成极薄薄片，用电子显微镜逐层扫描，再用软件把几十亿张照片拼成一张三维地图。2024 年，一个叫 FlyWire 的国际联盟完成了这项工作，成果发表在 Nature 上：成年果蝇的完整接线图，14 万个神经元，5000 万条连接。

第二步是让这张接线图在电脑上跑起来。Eon 给每个神经元分配了一个最简单的数学公式：当输入信号累积超过阈值时就放电，否则沉默。然后整个网络放在电脑上运行，给感官输入，看运动输出。

第三步是给这个数字大脑装一个虚拟身体。Eon 用了一个开源的物理引擎，基于真实果蝇的 X 射线扫描构建了一个 87 个关节的虚拟身体。脑模型的运动输出驱动身体关节，身体运动产生的新的感官输入再反馈回脑模型，形成闭环。

三层拼在一起，就是赛博果蝇。当虚拟果蝇腿上的味觉感受器碰到虚拟食物时，信号传入脑模型，脑模型中相应的神经元活动发生变化，最终激活运动神经元，果蝇转向食物并开始取食。整个过程没有外部代码在指定行为。行为完全由神经连接图的拓扑结构决定。

## 为什么这件事比标题党说的更有意思

当前所有主流 AI 的工作方式，不管是 GPT 写文章、DALL-E 画图、还是 Claude Code 写代码，本质上都是同一种思路：构建一个通用的神经网络结构，然后喂入海量数据，用梯度下降反复调整网络中几十亿个参数的权重，直到它能在特定任务上产生有用的输出。训练完成之后，你得到一个能用的系统，但你并不完全理解它内部到底学到了什么。每个参数的权重数值是有意义的，但这些数值组合在一起代表什么，目前没有很好的解释方法。整个 AI 产业的基础设施、投资方向、人才分布，都建立在这个范式上：先训练，再使用。

Eon 的果蝇走了一条完全不同的路。他们没有构建任何通用网络，也没有进行任何训练。他们直接把生物大脑的物理接线图复制到电脑里，接上虚拟身体，通电运行，行为就出现了。这个区别的关键在于：主流 AI 的能力来自训练过程对参数的塑造，Eon 果蝇的能力来自接线图本身的拓扑结构。

这两种方式各有各的问题。主流 AI 能力很强，适用范围广，但内部是一个黑箱，你无法逐层解释它为什么做出了某个判断，对齐和安全性也因此成为持续的技术挑战。Eon 的方式恰好相反：每一个神经元、每一条连接都对应生物大脑中的真实物理结构，你可以精确追踪任何一个行为的神经来源，但系统没有学习能力，只能执行进化已经编码好的固定行为。

当然，这个结论的适用范围很有限。果蝇的神经连接大部分是基因写死的固定线路，行为是刻板的先天程序。一个饥饿的果蝇和一个饱腹的果蝇面对同样的食物会做出不同反应，但 Eon 的模型做不到这一点。它没有学习，没有记忆，没有内部状态变化。用软件工程的类比来说，它更像一个没有配置项的二进制程序：编译好就固定了，不会根据运行环境自适应。

Eon 自己在技术博客中详细列出了这些局限，态度是诚实的。问题在于中文互联网的传播已经严重扭曲了这件事的范围。意识上传、赛博永生、数字生命这些词汇描述的是科幻愿景，不是当前的科学现状。

## 三种完全不同的路线

理解赛博果蝇的长期意义，需要知道目前至少有三条用生物学思路做智能的路线。混淆它们会导致错误的判断。

第一条路就是 Eon 走的全脑仿真。扫描大脑接线图，在软件里逐个复制神经元和连接，然后运行。优点是结构完全透明、可解释、可以无限复制。缺点是没有学习能力，而且规模瓶颈极其严峻。果蝇有 14 万个神经元。小鼠有 7000 万个，是果蝇的 560 倍。人类有 860 亿个，是果蝇的 61 万倍。Eon 声称两年内做小鼠，但这个领域的专家普遍认为需要十年以上。人类大脑的全脑仿真在可预见的未来不可行。

第二条路是活体生物计算。在硅芯片上培养真实的活体人类神经元，通过电极刺激和读取信号。Cortical Labs 的 CL1 设备已经商用，上面有 80 万个活体人类神经元，单价 3.5 万美元。FinalSpark 提供脑类器官的云端远程访问，30 多个大学在用。印第安纳大学的 Brainoware 项目展示了活体类器官可以把语音识别准确率从 51% 提升到 78%。这条路的优点是神经元真的会学习、会适应，能耗极低。缺点是你完全不知道里面在发生什么，每次培养出来的结果都不一样，无法复制。

第三条路是神经形态芯片。用专用芯片模拟生物神经元的工作方式，但不使用任何活体材料。Intel 的 Loihi 2 芯片已经用 12 颗芯片完成了果蝇全脑接线图的实时仿真。优点是能效比 GPU 高很多，适合边缘计算场景。缺点是架构仍然是人工设计的，不是从生物那里复制的。

三条路的区别可以用一句话概括：第一条路复制进化的硬件设计，第二条路利用生物的实时学习能力，第三条路借鉴生物的设计理念但用工程手段实现。它们服务的是完全不同的目标。

## 什么时候这件事会变得重要

赛博果蝇的真正价值不在它现在能做什么，而在于它把一个长期停留在哲学层面的争论变成了一个可以做实验回答的问题：你能不能不训练一个系统，而是直接复制一个已经能工作的系统来获得智能？

果蝇给了一个初步的正面回答，但有一个关键限定：果蝇的神经连接是基因写死的固定线路，行为是刻板的先天程序，不需要学习。用软件工程的术语说，它的接线图是一个只读的固件。但小鼠不一样。小鼠会学走迷宫，会记住哪里有食物，会因为经验改变行为。这意味着小鼠大脑里有大量不是出厂自带的、而是后天写入的连接。如果只读固件的复制方法在小鼠身上失败了，那就说明智能不能只靠复制硬件获得，运行时学习同样是不可绕过的。

Eon 声称两年内做小鼠。2028 年是一个天然的验收节点。成功了，哪怕只成功一部分，说明复制路径可以从中等复杂度的脑扩展到更复杂的脑。失败了，说明这条路的适用上限可能就在简单反射性神经系统。

更值得关注的是第二条路和第一条路的赛跑。Cortical Labs 已经在卖装了 80 万个活体人类神经元的芯片，FinalSpark 提供脑类器官的云端访问。这些活体系统的优势是它们真的会学习、会适应，劣势是你完全不知道里面在发生什么，每次培养出来的结果也不一样。未来两三年内，如果活体系统在某个具体任务上展示了仿真路线做不到的能力，复制路线的长期价值就会打折扣。反过来，如果活体系统的不可复制和不可解释成了实用化的硬伤，仿真路线的结构透明性就成了更大的卖点。

对 builder 而言，这件事的长期启示指向一个更底层的问题。今天整个 AI 产业都默认智能必须通过训练获得。如果复制路径在更大规模上成立，哪怕只是作为补充，它就提供了一个不需要训练、也不需要对齐的行为来源，因为进化已经做了数亿年的对齐工作。这当然是一个很大的如果。但赛博果蝇至少让这个如果变得可以验证了，而不是只能靠直觉下注。

## 传播本身比内容更值得警惕

最后值得单独说一点。赛博果蝇的传播本身是一个信息生态的案例研究。

Eon 的技术博客详细列出了他们方法的每一个局限。连接组学领域的资深研究者 Kenneth Hayworth 在 Hacker News 上指出人类全脑仿真至少还需要数十年到数百年。Carboncopies 基金会专门发文说果蝇并没有被上传。但这些冷静的声音在传播中几乎完全被淹没。

36 氪、知乎、新浪等中文平台上的报道几乎一致地使用了意识上传、赛博永生、数字生命等框架来描述一个连接组仿真项目。Eon 自己在使命宣言中写的是 brain emulation so humans can flourish in a world with superintelligence，这个定位本身就带有强烈的未来学色彩，为过度解读留下了空间。

当科学成果的传播框架主要由营销需求而非科学准确性决定时，从业者需要有能力从叙事中分离出事实。赛博果蝇的事实是：一个经过同行评审的神经科学工程集成，在果蝇规模上验证了连接组结构可以驱动多种自然行为。它的局限是：没有学习、没有可塑性、身体控制器是预训练的、感官输入极其有限、运动输出是粗粒度的。它的长期意义是：提供了一个检验结构-智能关系的可证伪窗口。仅此而已，但也仅此就够了。

------------------------------------------------------------------------

**来源**

Philip Shiu et al., A Drosophila computational brain model reveals sensorimotor processing, Nature, 2024. ([链接](https://www.nature.com/articles/s41586-024-07763-9))

Eon Systems, How the Eon Team Produced a Virtual Embodied Fly, 2026. ([链接](https://eon.systems/updates/embodied-brain-emulation))

Dorkenwald et al., Neuronal wiring diagram of an adult brain, Nature, 2024. ([链接](https://www.nature.com/articles/s41586-024-07558-y))

Saanya Ojha, Sci Fi Fruit Flies in The Hypegiest, 2026. ([链接](https://saanyaojha.substack.com/p/sci-fi-fruit-flies-in-the-hypegiest))

Carboncopies Foundation, No, a Fruit Fly has not been uploaded. ([链接](https://carboncopies.org/Blog/Posts/FruitFlyNotUploaded/Post/))
