智源社區@2050 | 從大腦到代碼，你真能被上傳嗎？

來源：智源社區

2026年4月25日下午，杭州云棲小鎮，2050大會·前沿交叉論壇如約開場。這場以《從大腦到代碼，你真能被上傳嗎？》為主題的學術對話。

備受關注的"數字果蠅"研究顯示，基于約12.5萬個神經元、5000萬突觸的完整神經連接圖，大腦模型已可接入虛擬身體，形成"感知—決策—行動"的閉環——行為從結構中自然產生。這一突破引發廣泛熱議：這是否屬于意識上傳？行為相似就能等同于自我存在嗎？科學家們觀點不一，或審慎觀望，或持樂觀態度，但共識已然明確：數字生命無法一步實現，但其 “分步逼近” 的發展路徑已清晰可循。

引導報告：兩條路，一個目標

在引導報告中，智源研究院研究員、AI+神經科學方向負責人雷博梳理了人類在數字生命與大腦仿真領域探索的兩條基本路徑。

路徑一：自底向上，用數學復刻大腦。從歐洲腦計劃、美國腦計劃，到Google的大腦環路重構，科學家試圖用電子顯微鏡逐一成像神經元及其連接，建構"虛擬大腦"。這是一條"解剖式"的路徑——把大腦打開看清楚，再照著圖紙重建。

路徑二：數據驅動，用輸入輸出擬合大腦。以Meta近期發布的工作為代表，不再執著于理解大腦的內部結構，而是收集"大腦看到刺激時產生的響應"，用大模型直接模擬這一映射關系——輸入一段文字，預測大腦的fMRI信號。中間是黑盒，但足量的輸入輸出數據，可以讓模型在功能層面無限逼近真實大腦。

兩條路各自面臨瓶頸。自底向上建模的問題是神經科學知識永遠不完備，大模型建模的核心困難在于不唯一性——同一個輸入輸出，可以由無數種內部結構實現，模型復刻的往往是一類人，而非一個人。

雷博介紹，智源在這一背景下提出了新的融合方案——Brainu模型。該模型將不同來源的腦信號——包括fMRI、腦電、腦磁、雙光子等——統一Token化編碼，與語言、圖像共享同一套表征空間。

"我們來到了一個關鍵節點——可以用大模型、用代碼方案來完成對大腦的復刻。它可以預測我們看到任何事情的大腦響應，也可以根據腦信號判斷我們的性格、決策、未來可能患的疾病。"

引導報告結束，六位嘉賓落座。雷博的開場問題簡短而鋒利：

"數字生命、大腦上傳，相比人工智能發展的歷史節點，我們現在究竟走到了哪里？是1956年達特茅斯會議剛提出AI的時候，還是1980年代BP算法問世的階段，抑或已來到了GPT-1.0或ChatGPT的時刻？"

智源研究院理事長、北京大學教授黃鐵軍認為 數字生命有兩條技術路徑：一條是結構驅動——把大腦的神經元完整復刻出來；另一條是數據驅動——用大模型擬合人的輸入輸出行為。他表示這兩條路都不需要走到100%，就能產生巨大價值。

“飛機不是靠把鳥的每一根肌肉都仿出來才飛起來的。兩個不撲扇的翅膀，靠滑翔就能讓人類飛得比任何鳥都高。”

他提到一個更近的起點：今年很火的“龍蝦”，就是數字永生的第一步。它不需要完美，它只需要開始像你。他給出了一個具體的畫面：

“你每天戴的耳機、眼鏡，有一個設備以第一視角記錄你所見所聞、所聽所感。再加上你的心跳、腦電信號。它不用你說話，就知道你緊張了、認出誰了、該做什么了。一天天下來，它越來越像你。一開始70%，然后80%、90%、98%?！?/blockquote>

這個邏輯的顛覆性在于：數字永生不是一次性的“上傳”，而是一輩子的“并行生長”。 你不是在某一天突然被復制到一個硅基載體上。而是從今天開始，你的數字分身和你一起生活、一起成長。它的訓練數據就是你每天的呼吸、心跳、眼神、語氣。

陳國璋：連接組只能給我25%的約束自由度

北京大學計算機學院研究員陳國璋指出，連接組本質上是特定時刻的大腦快照——而人腦無時無刻不在變化，認知一個朋友、生一場氣，神經回路都在重塑。連接組數據是"無價"的，且顯著推動了對大腦的建模，但給他認為連接組數據為建模工作最多帶來25%的約束。

"以前我們是盲人摸象，現在我們起碼知道了大象大概在哪個方位。25%聽起來不多，但已經是很大的進步。"

他提出的融合方向頗有建設性：先用連接組結構約束模型的搜索空間，再用基于功能數據的模型比如Brainu補充功能性數據對模型做進一步蒸餾。

關于人類智能與大模型的核心差異，陳國璋給出了一個數據效率的視角：

"人一輩子積累的文本數據不超過5個GB，但大模型訓練動不動幾十TB。然而人可以做小樣本學習，可以舉一反三，可以跳出訓練數據所在的分布——這是大模型目前相對欠缺的能力。"

胡曉林：Perceptron時代，也許是最好的時代

清華大學計算機系副教授、清華-IDG/麥戈文腦科學研究院研究員胡曉林將當前數字生命的進展定標為1960年代的Perceptron——那個只有單層的感知機模型。他解釋：線蟲、果蠅的全腦連接組已經解出，但這些模型究竟能有多大用處，目前并不確定。就像Perceptron當年被提出后很快被遺忘，最終為后來的深度學習奠基。

他的判斷帶著一種平靜的樂觀：

"現在的腦啟發智能可能暫時沒用，但它有可能會為后面的靈長類、猴子，包括人的模擬，做出另一種形式、超越現有大模型的東西。"

關于大模型與生物智能的關系，胡曉林提出了一個具體的"能力互補"圖景：

"大模型對對抗樣本沒有抵抗力——把圖像改動人眼完全看不出來，但模型會把猴子認成飛機，這種錯誤人不會犯。如果你通過生物的方式發展出一條新的智能道路，這種問題就不會有了。"

能耗是另一個維度：養一只貓，不需要幾千萬美元的算力。兩種智能范式在能耗、數據利用效率上的差異，將推動它們在具身智能等場景下形成互補而非替代關系。

張若冰：電鏡是"納米級的照相機"，但不是全部

復旦大學腦智研究院研究員張若冰從技術細節講起。電鏡連接組學的核心，是用30納米甚至更薄的連續切片配合電子顯微鏡成像，分辨率可達2—4納米——這個尺度，足以看清神經元之間的突觸，即神經連接的接合點。他打了個比方：

"電鏡給出的，是大腦連接底層的布線圖。好比我們有了芯片的電路圖——要加上電信號的流動規律，我們才能知道芯片怎么運作。"

然而電鏡方法有天然的局限：通量極低，數據量卻動輒PB級。小鼠全腦約500立方毫米，而目前最先進的工作只發表了1立方毫米，中間是500倍的體積差距。更重要的是，電鏡無法捕捉神經電生理活動與分子信息——這些必須依靠其他手段補充。

張若冰的觀點是：電鏡連接組提供的是磚塊，而要蓋成大樓，還需要在每塊磚上標注其電生理特性，并將它們按藍圖堆疊。從線蟲到果蠅到小鼠到人類，這條路他愿意看到2050年實現。

馬雷：這一切的目的，都是為了帶著文明邁出地球

北京大學大數據與生物醫學人工智能系副主任、智源學者馬雷也分享他對"意識上傳"這件事的結構化思考——他將這個過程拆解為三個步驟：完整讀取一個大腦、將其在硅基載體上完整復現、對兩個系統進行意識等價性驗證。

他最后透露：

"北京大學已于近期發起了'全景數字生命'國際大科學計劃研討會。我們也把數字生命列為多個院系集中攻關的方向。我在前日分享時曾說過一句話：這一切的目的，都是為了帶著文明邁出地球。"

共識：不是100%，而是98%

六位嘉賓背景不同、預測各異，最終在一點上形成了微妙的共識：數字生命不會一步到位，但"分步逼近"的路徑已經清晰可見。

從數字線蟲到 Brainu，從連接組到意識上傳，這場論壇清晰呈現出一個趨勢：大腦數字化不再是玄學，而是正在快速推進的前沿科學。未來，智源研究院將持續深耕 AI 與腦科學交叉領域，聯合全球學者，一步步解開 “人類能否被上傳” 的終極命題。

閱讀最新前沿科技趨勢報告，請訪問21世紀關鍵技術研究院的“未來知識庫”

未來知識庫是 “21世紀關鍵技術研究院”建 立的在線知識庫平臺，收藏的資料范圍包括人工智能、腦科學、互聯網、超級智能，數智大腦、能源、軍事、經濟、人類風險等等領域的前沿進展與未來趨勢。目前擁有超過8000篇重要資料。每周更新不少于100篇世界范圍最新研究資料。 歡迎掃描二維碼或訪問https://wx.zsxq.com/group/454854145828進入。

截止到2月28日 ”未來知識庫”精選的百部前沿科技趨勢報告

（加入未來知識庫，全部資料免費閱讀和下載）