2026 年 3 月 7 日，一家名為 Eon Systems PBC 的舊金山初創(chuàng)公司發(fā)布了一段視頻。視頻里是一只虛擬果蠅在物理模擬環(huán)境中爬行、轉向、搓“手”，動作談不上優(yōu)美，甚至顯得有些笨。

但這段畫面的意義遠超它的視覺觀感，因為按照該公司聯(lián)合創(chuàng)始人 Alex Wissner-Gross 在社交平臺 X 上的說法，這只虛擬果蠅的一切運動，來自一個完整生物大腦的數(shù)字副本：神經(jīng)元逐個對應，突觸逐條連接，感覺輸入流進去，神經(jīng)活動在連接組網(wǎng)絡中傳播，運動指令流出來，物理仿真的身體執(zhí)行動作。感知到行動的回路，第一次在全腦仿真中閉合了。

圖丨相關推文（來源：X）

許多人可能還記得，在 2024 年 10 月《自然》雜志同期刊發(fā)了九篇論文，宣布了成年果蠅（Drosophila melanogaster）完整大腦連接組（connectome，即所有神經(jīng)元及其突觸連接的結構圖譜）的繪制完成。這一工程由 FlyWire 聯(lián)盟牽頭，普林斯頓大學神經(jīng)科學家 Mala Murthy 和計算神經(jīng)科學家 Sebastian Seung 是核心領導者。

項目起源于 2018 年霍華德·休斯醫(yī)學研究所 Janelia 研究園區(qū)對一只成年雌性果蠅大腦的納米級電子顯微鏡成像。FlyWire 聯(lián)盟隨后花了數(shù)年時間，結合 AI 自動分割和全球數(shù)百名科學家及志愿者的人工校對，最終完成了約 139,255 個神經(jīng)元和超過 5,000 萬個突觸連接的完整映射。這是迄今為止已完成的最大、最完整的成體動物大腦連接組，遠超此前秀麗隱桿線蟲（C. elegans）302 個神經(jīng)元的規(guī)模。

在這組里程碑論文中，有一篇的第一作者是 Eon Systems 的高級科學家 Philip K. Shiu，彼時他還是加州大學伯克利分校的博士后研究員。Shiu 和合作者做了一件看似直覺但執(zhí)行起來極為復雜的事情：他們把 FlyWire 連接組拿來，結合機器學習對神經(jīng)遞質(zhì)類型的預測，構建了一個整個成年果蠅大腦的計算模型，即所謂的 LIF（leaky integrate-and-fire，漏積分放電）模型。這個模型可以在一臺筆記本電腦上運行。

圖丨相關論文（來源：X）

當他們模擬味覺和觸覺感覺輸入時，模型預測的神經(jīng)元激活模式與真實果蠅大腦中的實驗觀測高度吻合，運動行為預測準確率達到 95%。Shiu 在伯克利的新聞采訪中直白地說，這是一個“真正的神經(jīng)網(wǎng)絡”，區(qū)別于 AI 領域所說的人工神經(jīng)網(wǎng)絡。他認為從連接組出發(fā)構建大腦計算模型，代表了一條不同于大型語言模型的通往高級智能的路徑。

但 Shiu 的模型有一個明顯的局限：它是一個脫離身體的大腦。神經(jīng)活動產(chǎn)生了運動輸出信號，信號卻無處可去，沒有物理軀體來接收和執(zhí)行。這就像擁有了一份完整的汽車發(fā)動機設計圖并讓它在臺架上運轉，卻沒有把它裝到一輛車上去跑過。

2026 年 3 月公布的這次演示，試圖填補這個缺口。

根據(jù)已公開的信息，Eon Systems 的新演示整合了三條技術線索。第一條是 Shiu 等人的全腦 LIF 計算模型。第二條是 NeuroMechFly v2，這是瑞士洛桑聯(lián)邦理工學院（EPFL）Pavan Ramdya 實驗室團隊開發(fā)的果蠅神經(jīng)力學仿真框架，于 2024 年底發(fā)表在《自然·方法》（Nature Methods）上。NeuroMechFly v2 為果蠅提供了一個具備視覺、嗅覺、本體感覺的虛擬身體，能在復雜地形上行走，支持多種感覺運動控制的仿真。

第三條是同樣來自 EPFL 的 Pembe Gizem ?zdil 等人關于果蠅梳理行為中身體部位協(xié)調(diào)的中樞腦網(wǎng)絡研究。?zdil 等人的工作揭示了一類中樞化的中間神經(jīng)元和共享的前運動神經(jīng)元如何協(xié)調(diào)頸部、觸角和前腿的同步運動，發(fā)現(xiàn)了兩種耦合的回路基序：促進對側觸角俯仰的遞歸興奮性子網(wǎng)絡，以及抑制同側觸角俯仰的廣播抑制網(wǎng)絡。

Eon Systems 將這些組件連接起來：連接組衍生的全腦模型作為“大腦”，NeuroMechFly v2 和 MuJoCo（Multi-Joint Dynamics with Contact，一個由 Google DeepMind 維護的開源物理仿真引擎）提供“身體”和物理環(huán)境。感覺輸入進入仿真大腦，神經(jīng)活動通過完整連接組傳播，產(chǎn)生運動指令，驅動物理仿真的果蠅身體執(zhí)行動作。據(jù)稱，這只虛擬果蠅表現(xiàn)出了多種不同的自然行為，而這些行為完全由仿真大腦自身的回路動力學驅動。

Eon Systems CEO Michael Andregg 隨后也在 X 平臺發(fā)布了一組補充說明。據(jù)他披露，這只“上傳”果蠅的行為準確率達到 91%，而整個系統(tǒng)僅依賴四樣東西：神經(jīng)元之間的連接圖譜、由突觸數(shù)量決定的連接權重、興奮性與抑制性神經(jīng)元的分類，以及 LIF 神經(jīng)元模型。換句話說，沒有手工調(diào)參，沒有額外的學習算法，連接組本身攜帶的信息加上一個極簡的神經(jīng)元模型，就足以讓虛擬身體產(chǎn)生接近真實的行為輸出。

在這項工作之前，全腦仿真和具身仿真一直是兩條分開的路。

在全腦仿真方向，OpenWorm 項目自 2011 年啟動以來一直致力于模擬秀麗隱桿線蟲（C. elegans）的 302 個神經(jīng)元和 95 塊體壁肌肉。OpenWorm 在國際開源社區(qū)的模式下運作了十多年，開發(fā)了連接組的 NeuroML 模型和流體力學身體仿真引擎 Sibernetic。

2014 年，團隊甚至將線蟲的神經(jīng)網(wǎng)絡“移植”到了樂高機器人上，機器人表現(xiàn)出類似線蟲的觸碰回縮和前進行為。但正如 2024 年發(fā)表的 BAAIWorm 論文在《自然·計算科學》上指出的，OpenWorm 的腦體整合是開環(huán)的，缺乏環(huán)境反饋。而且 302 個神經(jīng)元的行為庫極其有限，線蟲主要就是蠕動前行和回縮。

圖丨OpenWorm（來源：OpenWorm）

在具身運動仿真方向，Google DeepMind 和 Janelia 研究園區(qū)合作開發(fā)的“flybody”項目在 2024 年發(fā)表了果蠅全身物理仿真的預印本（后于 2025 年正式發(fā)表于 Nature）。

他們在 MuJoCo 中構建了一個解剖學精細的果蠅身體模型，包含 67 個身體部件、66 個關節(jié)、102 個自由度，并用深度強化學習（deep reinforcement learning，DRL）訓練人工神經(jīng)網(wǎng)絡控制器來實現(xiàn)逼真的行走和飛行行為。

這只虛擬果蠅能沿復雜軌跡行走和飛行，甚至能用虛擬復眼來導航。但關鍵在于：它的“大腦”是一個經(jīng)過強化學習訓練的人工神經(jīng)網(wǎng)絡，和真實果蠅大腦的生物學結構沒有直接關系。行為是學出來的，不是從連接組長出來的。

Eon Systems 聲稱，他們的演示是第一次將來自生物連接組的完整仿真大腦與物理仿真身體結合，并且產(chǎn)生了多種自然行為。如果這一說法屬實，它確實填補了一個重要的空白：從連接組到行為的完整感覺運動回路，在具身條件下閉合了。而他們的目標是在兩年內(nèi)完成小鼠大腦的完整數(shù)字仿真，并為最終的人類大腦仿真奠定基礎。小鼠大腦約有 7,000 萬個神經(jīng)元，是果蠅的 560 倍。

當然，對這次演示我們?nèi)孕璞Ａ舯匾闹斏鲬B(tài)度。Shiu 等人的全腦模型使用了同質(zhì)的 LIF 神經(jīng)元，每個神經(jīng)元用同一組參數(shù)描述，而真實神經(jīng)元在形態(tài)、離子通道、放電特性上差異巨大。95% 的行為預測準確率說明連接組拓撲和遞質(zhì)類型包含了大量信息，但一個凍結權重、不會學習的大腦副本在多大程度上等同于原始生物體，這個問題從線蟲時代就存在，遠未被回答。

另外，Andregg 坦承，F(xiàn)lyWire 連接組只包含大腦，并未掃描果蠅的身體，因此無法追蹤從大腦到肌肉的實際運動神經(jīng)元通路。團隊的做法是：根據(jù)大腦在執(zhí)行特定運動時產(chǎn)生的已知神經(jīng)活動模式，將其映射到 NeuroMechFly 的虛擬身體上。這意味著“閉合感知-行動回路”這一表述需要打一個折扣，大腦到身體之間存在一段人工搭建的橋接，而非完全由連接組數(shù)據(jù)自然生成的端到端通路。

且這項工作目前尚未以同行評審論文發(fā)表，演示中虛擬果蠅執(zhí)行了哪些具體行為、如何量化、與真實果蠅行為偏差多大，均未披露。全腦仿真領域此前就有過沉痛教訓：2014 年前后，歐盟的“人腦計劃”（Human Brain Project, HBP）在獲得十億歐元資助后因目標過于宏大且管理混亂而遭受嚴厲批評，最終不得不大幅調(diào)整方向。

但如果 Eon 的演示確實實現(xiàn)了宣稱的內(nèi)容，那么它證明了僅憑突觸級連接和神經(jīng)遞質(zhì)類型信息，一個來自生物連接組的仿真大腦就能在具身環(huán)境中產(chǎn)生功能性行為。

回顧連接組學四十年的進程，1986 年 Brenner 繪制線蟲 302 個神經(jīng)元的完整連接圖，2023 年果蠅幼蟲 3,016 個神經(jīng)元，2024 年成年果蠅近 14 萬個神經(jīng)元，數(shù)據(jù)積累和功能轉化的速度都在加快。Shiu 從連接組發(fā)布到全腦計算模型發(fā)表幾乎同期完成，Eon 從全腦模型到具身仿真演示只又過了約一年半。

Shiu 本人在接受伯克利新聞采訪時說過，構建小鼠乃至人類大腦的計算模型提供了一條通往強人工智能的替代路徑，與當前大型語言模型的路徑不同。Eon Systems 所秉持的正是這一信念：不是去訓練一個巨大的人工神經(jīng)網(wǎng)絡來模仿智能，而是去復制一個真實的生物大腦。不過果蠅大腦有十二萬五千個神經(jīng)元，人類大腦有八百六十億個，兩者之間的距離依然相當遙遠。但果蠅的數(shù)字副本邁出了第一步。

參考資料：

1.https://theinnermostloop.substack.com/p/the-first-multi-behavior-brain-upload

2.https://www.nature.com/articles/s41586-024-07763-9

3.https://www.nature.com/articles/s41592-024-02497-y

4.https://www.biorxiv.org/content/10.1101/2024.12.17.628844v1

運營/排版：何晨龍