传统AI靠“训练”学会技能，而数字果蝇却通过“复刻”果蝇大脑的神经结构，在没有预设脚本和强化学习训练的情况下自主表现出多种自然行为，这种截然不同的技术路线，会为AI的发展带来怎样的启示？
一、一段 43 秒的视频：安静的历史时刻
2026 年 3 月 7 日，旧金山初创公司Eon Systems发布了一段视频。画面里，一只果蝇在物理模拟的环境中爬行、转向、抬起前腿搓动——也就是苍蝇特有的梳理身体动作。动作谈不上优美，甚至有点笨拙。
但观看这段视频的数百万人都意识到了一件事：这只果蝇不是动画，不是强化学习训练出来的 AI 角色，也不是预设脚本的傀儡。控制它身体的，是一颗完整生物大脑的数字副本——每一个神经元都对应果蝇真实大脑里的一个神经元，每一条突触连接都逐条复刻。感觉信号流进这颗"数字大脑"，神经活动在复杂的神经网络中传播，运动指令流出来，驱动物理引擎里的虚拟肌肉和关节。
感知‑行动的回路，第一次在全脑仿真的层面上闭合了。
这只数字果蝇没有"学过"走路。没有人教过它怎么迈腿，没有奖励函数，没有梯度下降。它的一切行为，都是从一张大脑的接线图（连接组）里自己"长"出来的。而与真实果蝇行为的相似度，据该公司公开报道高达91%—95%。
这段视频迅速传遍科技界，被很多人称为"数字生命的黎明"。它为什么如此震撼？要理解这一点，我们需要从头讲起——从一只小小的果蝇讲起。
二、为什么是果蝇？
在大脑研究的群星谱系里，果蝇（学名Drosophila melanogaster，黑腹果蝇）是一个奇特的存在。它不是最聪明的模式生物——章鱼、乌鸦、灵长类都远比它"聪明"；它也不是最简单的——秀丽隐杆线虫只有 302 个神经元，果蝇却有将近 14 万个。
但果蝇恰好站在一个完美的平衡点上。
第一，它足够小，小得让人能"一眼看到底"。 人脑大约有 860 亿个神经元，这个数字大到任何研究工程都只能望洋兴叹。而成年果蝇全脑只有约14 万个神经元——放在人脑面前，对比就像：小的是一滴水、大的是一个湖。可就是因为它小得像一滴水，人类才有可能把整个"湖底"摸清。
第二，它足够复杂，复杂到能承载真正的智能。 果蝇会觅食、会求偶、会打架、会学习、会记住气味与危险的关联、会根据昼夜节律调整作息。一只果蝇的神经系统的计算能力，足以让它在复杂多变的环境里生存。这意味着果蝇大脑里装的，不是玩具版的神经线路，而是真正运转的生物智能。一个能飞的机器人能靠多大的"脑子"解决导航问题？果蝇给出的答案是：不到 14 万个神经元，功耗几乎低到测量不出来。
第三，它和人类共享着古老的基因遗产。 果蝇约70%的基因与人类同源。许多在人类身上研究起来极其困难的神经机制——记忆的分子基础、睡眠的调控、多巴胺奖赏回路——最早都是在果蝇身上被揭示的。理解果蝇，某种程度上就是在理解我们自己的神经系统的简化原型。
第四，它的研究工具已被打磨了一百年。 从摩尔根（Thomas Hunt Morgan）在 1910 年代用果蝇建立现代遗传学开始，科学家发展出了极其完备的果蝇研究技术：可以给特定类型的神经元装上"开关"，可以用荧光标记它们的形状，可以记录它们的活动。这为绘完图之后验证模型对不对提供了独一无二的条件。
因此，当科学家开始思考全脑仿真——完整复制一个动物的大脑并让它运转起来——果蝇成了几乎唯一合理的候选者。
三、连接组学简史：从 302 个神经元到 14 万个
要理解果蝇大脑模型，先得理解一个核心概念：连接组（connectome）。它就是大脑的"接线图"：哪个神经元连着哪个神经元，连接在哪里，突触数量与连接方向如何。打个比方，如果你想理解一台收音机，最笨但最彻底的办法不是去猜，而是把它的电路板完整抄下来。连接组学就是对大脑做这件事。
这项事业的历史，是一部"数量级上的长征"：
1986 年，悉尼·布伦纳（Sydney Brenner）团队历经十余年艰苦卓绝的工作，完成了秀丽隐杆线虫（C. elegans，雌雄同体）的完整神经图谱——302 个神经元，约 7000 个化学突触。这是神经科学史上的里程碑，也开启了一个尴尬的局面：地图有了，但线虫只会简单地蠕动，我们依然说不清"接线图"到底能在多大程度上解释行为。而且这幅地图是手工绘制的，工作量之大让所有人相信：更大的脑，想都别想。
2023 年，技术进步让尺度跃升了一个台阶：科学家完成了果蝇幼虫大脑的连接组——3016 个神经元，54.8 万个突触。尽管只是幼虫，它已经是当时最复杂的完整动物大脑图谱，并且立即有了新的科学发现：比如，发现了从感觉神经元直达运动神经元的新回路，解释了幼虫如何靠极少的中介就完成的逃离行为。
2024 年 10 月，《自然》（Nature）杂志同期刊发九篇论文，宣布成年雌性果蝇完整大脑连接组绘制完成。整个工程由FlyWire 联盟牵头——普林斯顿大学神经科学家玛拉·默西（Mala Murthy）和计算神经科学家承现峻（Sebastian Seung）是核心领导者，联合全球五十多个实验室、数百名科学家和志愿者共同完成。
从 302 个神经元到 14 万个，人类走了将近 40 年。而如果把线虫到果蝇看作"每十年一个数量级"的攀升曲线，那么下一个里程碑——小鼠（约 7000 万神经元）和人脑（860 亿神经元）——就不再是纯粹的科幻了。
四、价值连城的"神经地图"是怎么绘成的
FlyWire 连接组，是后来一切模型成功的根基。值得花一点篇幅看看这张地图是如何炼成的。
整个故事的起点，是 2018 年霍华德·休斯医学研究所（HHMI）下属 Janelia 研究园区对一只成年雌性果蝇大脑的纳米级成像。研究人员用聚焦离子束扫描电子显微镜（FIB‑SEM），把果蝇大脑切成了7000 多片、每片仅 40 纳米厚的超薄切片——40 纳米是什么概念？大约是人类头发丝直径的两千分之一。然后对每一片逐张扫描成像，再将得到的海量电镜图像拼接起来，成果就是果蝇整个大脑的"体数据"。
接下来的难题是：在这堆灰度图像里，把每一个神经元的轮廓从密密麻麻的神经元丛林中分割出来，再把同一大脑里已被切成数段的同一个神经元拼回成一个整体。要是放在纯人工时代，据估算一个人要花 33 年。
解决方案是一场"AI+全球众包"的接力。研究团队先用深度学习模型，先对一张张图像做自动分割，再把大规模识别工作交给 AI 算法；然后通过网络平台，把校对任务分发给全球的研究人员和一众志愿者，用人工检查每一处 AI 可能犯错的地方——哪里两个神经元被错误地融合了，哪里一个神经元被切断了。据估算，AI 的自动化处理让整体效率提升了约 500 倍。
最终的成果令人惊叹：
- 139 255 个神经元被完整重建，覆盖了果蝇全脑约 88%的神经元，重建准确率高达 99.2%；
- 约 5450 万个化学突触被逐一标注；
- 8453 种神经元类型被鉴定和分类——这是理解大脑"功能模块"的关键，不同类型的神经元执行不同的计算；
- 全部数据通过网页应用免费开放，任何人都可以在线浏览这只果蝇大脑里任意一个神经元长什么样、连着谁。
这份地图的开放性后来被证明至关重要——它让全世界的团队，包括 Eon Systems 这样的初创公司，都能站在巨人的肩膀上做仿真研究，而不必自己花费数年再去生成基础数据集。
五、给地图通电："结构即智能"的惊人验证
有了静态地图，下一个问题接踵而来：怎么让这张静态的"电路图"运转起来？
真实的神经元是极其复杂的生化机器：膜上有密密麻麻的离子通道，树突上遍布非线性计算，还有神经调质、激素、胶质细胞的参与。逐细胞精确模拟这些细节，计算量将是天文数字。
当时的加州大学伯克利分校博士后菲利普·施尤（Philip K. Shiu，现为 Eon Systems 高级科学家）做了一个出人意料的简洁选择。他和合作者采用了一种叫做LIF（Leaky Integrate‑and‑Fire，漏电积分放电）的神经元模型——这是计算神经科学里最古老的简化模型之一。
每个神经元只遵守三条规则：
- 持续接收来自其他神经元的信号并累积"电荷"；
- 累积的电荷随时间缓慢"漏掉"一部分；
- 当电荷超过某个阈值，神经元"发放"一个脉冲，然后清零，重新开始。
就这三条规则。没有离子通道动力学，没有复杂的树突计算，没有学习与突触可塑性。然后，研究者为每个神经元预测了它释放的神经递质类型（利用机器学习），把连接组转化成"谁兴奋谁、谁抑制谁"的数字电路。
结果震惊了所有人。当他们模拟味觉、触觉等感觉输入时，这个极简模型预测的神经元激活模式与真实果蝇大脑中的实验观测高度吻合，对运动行为的预测准确率达到 95%。然而，整个模型可以在一台笔记本电脑上跑起来。
这个结果的深层含义，怎么强调都不为过。它意味着：果蝇智能的核心秘密，很大程度上藏在神经连接的"拓扑结构"里——谁连着谁，比单个神经元的内在细节重要得多。 Eon Systems 联合创始人亚历克斯·维斯纳‑格罗斯（Alex Wissner‑Gross）一语道破："这表明是架构本身捕获了的信息，而非由神经元模型的复杂度"。
不过，2024 年时的这个模型，还有一个明显的遗憾：它是一个"脱离身体的大脑"。虽然神经活动奔放涌动，产生了运动输出信号，但信号却无处可去——就像造好了一台发动机，只让它在台架上轰鸣，却没有装进一辆汽车中。
六、具身时刻：数字果蝇的诞生
Eon Systems 的突破，就是把这台"发动机"装进了"车身"。2026 年 3 月的演示中，团队整合了几样关键技术：
- FlyWire 连接组：1:1 复刻的完整神经线路；
- 漏电积分放电计算模型：让静态连接组运转起来；
- NeuroMechFly v2：一个解剖学精确的果蝇虚拟身体——它的每一块肌肉、每一个关节都来自真实果蝇的解剖学测量。它由瑞士 EPFL 学术团队开发，可用于生物运动控制仿真；
- MuJoCo 物理引擎：业界著名的开源物理仿真器，负责计算虚拟身体与环境之间的力、碰撞与运动。
闭环是这样形成的：虚拟身体的传感器（模拟的“触觉”、"味觉"）接收环境信号 → 信号流入由十多万神经元组成的数字大脑 → 神经活动按真实连接组的线路传播、汇聚 → 大脑"自发"产生运动指令 → 驱动虚拟肌肉和关节运动 → 而身体动作进入新的环境，新的感觉信号再次输入。
在没有预设行为脚本、没有任何强化学习训练的情况下，这只数字果蝇自主表现出了行走、转向、梳理身体、寻找虚拟食物（香蕉片）并进食等一系列自然行为，与真实果蝇行为的相似度达 91%‑95%。
公司首席执行官迈克尔·安德雷格（Michael Andregg）在展示中强调，这并非传统意义上的"人工智能"，而是"数字化的生物智能"——不是教机器学会思考，而是直接复刻一个已被进化打磨了数亿年的思考器官。
这只果蝇，严格来说更像一个"数字幽灵"——它的身体、食物、环境都是虚拟的。但在"结构复刻"的意义上，它是人类历史上第一个完整的、能驱动身体并产生多种本能行为的成年动物全脑仿真系统。
七、范式：训练出来的，还是长出来的智能？
数字果蝇之所以引发轰动，很大程度上是因为它站在两条技术路线的交叉口，并且给传统路线投下了一个长长的问号。
传统 AI 的路线是"训练"：给模型喂海量数据，让它通过反向传播一遍遍调整参数，最终"学会"技能。今天的大语言模型、图像模型，都是这条路线的产物。它惊人地有效，但也有众所周知的代价：需要天文数字的算力和数据，能耗巨大，训练完成后就"定型"、难以持续学习，而且还没人能真正理解模型内部的运作机制——它是黑箱。
果蝇大脑模型的路线是"复刻"：不喂数据、不训练，直接把进化已经"设计"好的神经结构原样搬进计算机。行为不是被优化出来的，而是从结构中涌现出来的。
生物学背景让这条路线格外有说服力。生物神经网络是稀疏而异步的：绝大多数神经元彼此并不连接，只在膜电位跨越阈值时才发出信号，计算与记忆在同一处完成，不需要像 Transformer 那样在处理单元和存储单元之间来回搬运数据。这正是人类大脑能用约 20 瓦的功率（一个灯泡的零头）完成一切计算的原因。
如果说大语言模型是"从海量数据中蒸馏智能"，那么连接组路线就是"从联结结构中直接继承智能"——复用大自然用亿万年时间做的"预训练"。已有不少研究团队和公司开始沿着这条路探索低功耗的芯片、持续学习的机制，甚至有人把大脑的基本计算单元（如新皮层的皮层柱）当作下一个要被"破译"的通用算法。
当然，两种路线并不是非此即彼。很可能的未来是：结构研究为 AI 提供架构灵感，AI 反过来加速结构研究的绘图与建模——事实上 FlyWire 的 AI 分割环节已然是这种共生的初期示范。
八、果蝇连接组学还在全面加速
数字果蝇并不是这个领域的全部。就在本文写作前后的几个月里，这个领域仍在以惊人的速度推进：
神经索（"果蝇的脊髓"）连接组：2026 年 6 月，哈佛医学院与普林斯顿团队发布了果蝇中枢神经系统的腹神经索——相当于人类脊髓——的完整连接组。大脑加上腹神经索，才算凑齐了果蝇整个中枢神经系统。这对理解"大脑如何向身体下达运动指令"至关重要。
MaleCNS 图谱：近期，首个完整的雄性果蝇中枢神经系统连接组 MaleCNS 发布。为什么要重画一张？因为雌雄果蝇的大脑存在可测量的差异——比如控制求偶行为的回路就高度依赖性别。这提示"单一连接组并不足以代表一个物种"，也为研究"神经环路的性别差异"打开了窗口。
视觉与决策回路：果蝇的视觉系统一直是计算神经科学的最佳试验场。科学家已利用连接组数据构建了果蝇视觉回路的精细模型，复现了运动检测、目标追踪等功能的神经机制，其原理甚至启发了新型视觉算法。
这个领域的节奏感可以从一条新闻标题里读出来：有人统计，谷歌花十年时间画出的果蝇大脑图谱，如今一名硕士生借助 GPT 级别的 AI 工具，两天就能在物理沙盒里让它"起飞"——绘图和仿真，都一同被 AI 本身加速。
九、数字果蝇，还远不是"数字生命"
在一片"数字生命黎明"的欢呼声中，同样值得认真倾听的，是科学界冷静的声音。
Eon Systems 的演示尚未经过同行评议，不少细节只存在于视频和社交媒体帖子中，没有正式论文公开；而即使全部属实，这只数字果蝇离"真正的数字生命"还有明显距离：
神经元模型过度简化。 LIF 模型把神经元简化成了三条规则的累加器。真实神经元的树突上有复杂的非线性计算，有多种离子通道参与的时间动态，有神经调质（如多巴胺、血清素）对整条回路的"宏观调控"。这些被省略的东西，可能就是某些行为差异的来源。
连接组缺少关键变量。 连接组告诉你"谁连着谁"，但突触的实际强度、突触可塑性（连接会随经验增强或减弱）、电突触（缝隙连接）的贡献，在 FlyWire 图谱中要么缺失、要么只能靠算法预测。一个静态的接线图，可能只讲了故事的一半。
神经调质系统几乎是盲区。 果蝇大脑里有大量弥散式的调质神经元，它们的轴突像雾一样散布在大脑上，用"广播"的方式改变其它所有神经元的兴奋性。这类"音量旋钮"式的全局调控，目前的全脑模型基本无法刻画。
身体和环境都被大幅简化。 虚拟身体再精确，也还没有复刻果蝇感受气流的毛状感受器阵列的完整动力学；虚拟环境里的"香蕉片"只是几个触发信号的化身。真实世界对果蝇的感官轰炸，远比仿真环境复杂。
行为相似度的"91%‑95 %"需要更严格的检验。 行为匹配度的测量方法、统计口径，在正式论文发表之前都还有待同行检验。
这些局限并不否定这项工作的价值——恰恰相反，它们指明了下一步的方向：更精细的神经元模型、包含突触权重的连接组、调质系统的建模。
历史经验一直是，每当这类"简化模型"遇到天花板，科学界就会往模型里加一层真实细节，然后重新验证——而这个迭代过程本身，就在持续回答那个最深的问题：智能究竟藏在结构的哪一层里？
十、从小鼠到人：还有多远？
Eon Systems 的愿景毫不掩饰：从果蝇走向小鼠，最终走向人类水平的大脑仿真。
然而这条路有多远？
做个粗略的数量级对比：果蝇约 14 万神经元，小鼠约 7000 万，人脑约 860 亿。从果蝇到小鼠是约 500 倍神经元数的跳跃，从小鼠到人是约 1200 倍。而且大脑的复杂度不是线性增长的：哺乳动物大脑有分层皮层、海量反馈连接、复杂的神经调质系统，"接线图"的信息密度可能随尺度增加是超线性的指数增长。
但另一条曲线也在同时飙升：AI 自动分割和校对的效率、电镜成像的数量、超算与神经形态芯片的算力。"人类让一只果蝇复生"——有科普作者用这样的标题描述这项突破。这个标题当然带着修辞的夸张，但它捕捉到的方向是真实的：2008 年牛津大学哲学家桑德伯格和波斯特洛姆在发布技术报告《全脑仿真：一份路线图》中提出的设想，正在从论文一步步变成工程现实。
通往小鼠的路上，还会有一连串激动人心的里程碑：会是第一个能复现小鼠嗅觉回路的数字嗅球吗？会是 第一个从连接组涌现恐惧记忆的数字海马切片吗……每一步都会同时回答两个问题——生物的智能是怎么来的，以及硅基的智能可以怎么走。
十一、结语：一滴水反映的太阳光辉
回到那只数字果蝇。它爬行时的步态有些笨拙，梳理触角的节奏算不上优雅，面对"香蕉片"的反应简单而直接。它不会写诗，不会下棋，不会与你对话。从任何"聪明"的标准看，它都微不足道。
但它的存在方式本身，就是这个时代最深远的科技叙事之一：人类第一次把一个完整成年动物的大脑，从生物组织搬进硅片，看它自己动了起来——不靠训练，不靠脚本，只靠亿万年进化写就的那张接线图。
果蝇用 13.9 万个神经元做到了飞行、觅食、求偶、学习与记忆。它提醒我们：智能未必需要千亿参数，未必需要烧掉一座水电站的能量。智能可能首先是一种结构的艺术——而结构，是可以被测绘、被复刻、被理解的——这非常非常重要。（大模型由于它是黑箱，已经引发一系列规避人类监控、欺骗人们指令等与人相悖的不可控严重行为。）
一滴水里，人类第一次隐约看见了湖的形状。下一次，当某个数字生物的动作从"笨拙"变得"自然"，当某张连接组从 14 万个节点变成 7000 万甚至更多，我们必然会再次想起 2026 年 3 月那段 43 秒的视频——想起一只虚拟果蝇，和它那颗被原样搬进电脑的大脑。
参考来源：FlyWire 联盟《自然》系列论文（2024）、Eon Systems 公开演示材料（2026 年 3 月）、DeepTech 深科技、麻省理工科技评论、《自然》相关综述等。文中涉及 Eon Systems 的数据均为该公司公布的非同行评议结果，相关结论尚待学术共同体检验。
