BRAIN / BRAIN × AI16 SEP 2026
脑科学与AI①｜模拟一个大脑，缺的不是算力
有人问我一个听起来很简单的问题：如果用计算机模拟一只果蝇的整个大脑，耗掉的能量算作 1，那模拟一个人的大脑要多少？
我们习惯把「模拟大脑」当成一个算力问题：再等几代芯片，总会够的。但把数字摊开看，缺的从来不是算力。COUNTED 01 数出来 | ESTIMATED 02 估出来 | ARCHITECTURE 03 架构 |
我算了一遍，答案是三百万到一千七百万倍。但真正让我停下来的不是这个数字，而是算完之后发现——这个数字其实没多大意义。
BRAIN / 01
一、先看两个数
2024 年 10 月，一个叫 FlyWire 的团队在《自然》上发表了一件事：他们把一只成年雌果蝇的整个大脑，从头到尾数完了。
不是估计，是数。把整个脑做成电镜切片，逐个重建神经元、逐条标注突触连接。最后的数字是 139,255 个神经元，以及大约 5,000 万个化学突触。
人这边呢。
神经元的数量有一个可靠的测量：861 亿个，误差上下约 9%。这个数来自 2009 年的一项研究，它顺带推翻了流传几十年的两个说法——人脑不是「一千亿个神经元」，胶质细胞也不是神经元的十倍。
但突触的数量，人类至今没有测完。
我们手上最硬的一个数，是 2001 年一项用体视学方法做的研究：大脑皮层大约有 164 万亿个突触。样本是五个年轻男性的脑。
注意「皮层」这两个字。上面那项 2009 年的研究里还有一个常被忽略的发现：人脑里只有 19% 的神经元长在大脑皮层，剩下 81% 主要在小脑。
所以那 164 万亿，既不是全脑的数，也不对应那 861 亿个神经元。它是从五分之一的神经元里数出来的。
果蝇的脑，我们数完了。人的脑，我们连它有多少个连接都还不知道。
BRAIN / 02
二、那个倍数
回到最初的问题。
如果假设模拟一个脑的成本正比于要算多少个突触——这是最常用的算法——那 164 万亿除以 5,000 万，是 328 万倍。
这是下界。因为人脑剩下那 81% 的神经元，它们的突触没被算进去。如果假设全脑的突触密度和皮层一样（这个假设偏高，小脑的颗粒细胞每个只接几个输入），上界是 1,730 万倍。
顺带一提，如果只比神经元数量，倍数是 62 万。比突触多出来的那一截，来自密度：果蝇平均每个神经元连出去 359 条，人的皮层神经元大约 1 万条。
规模和密度是两件事，两件事叠在一起，才有那三百万倍。
BRAIN / 03
三、可是这个算法从根上就低估了
「模拟的能量」不只花在算术上，还花在搬数据上。而在大规模下，搬数据那部分会变成主导。
拿一个具体的数看就清楚了。假设每个突触的权重存 4 个字节：
—果蝇全脑：5,000 万 × 4 字节 = 200 MB，一台笔记本装得下—人类皮层：164 万亿 × 4 字节 = 656 TB656 TB 塞不进任何一台机器，必须拆到上万台服务器上。
一旦拆开，神经元之间每一次放电，都从「内存里改一个数」变成「一次跨机器的网络通信」。而在今天的硬件上，把一个数字从一块芯片搬到另一块芯片，耗掉的能量比在芯片内部做一次加法高出几百倍。
换句话说，规模一大，账本就变了：主要成本不再是「算」，而是「搬」。 所以真实倍数会比 328 万更大，大多少取决于网络拓扑，没有可靠估计。
BRAIN / 04
四、还有一件事让这个数完全失效
「模拟」这个词，本身没有定义。
果蝇那个已经跑通的全脑模型，用的是最简单的一种神经元：泄漏积分发放模型。每个神经元就是一个累加器，攒够了电压就放一个脉冲，此外什么都不算。
就这么简单的东西，居然管用。研究者在模型里激活果蝇的糖水味觉神经元，模型预测出哪些运动神经元会跟着放电，然后他们回到真果蝇身上做光遗传学实验，验证对了。
但如果你要的是更真实的模拟——把每个神经元的树突分成几百个小段、每段单独计算离子通道的动力学——同一个脑的计算量会再涨三到六个数量级。
「模拟人脑比模拟果蝇贵多少倍」这个问题，分辨率的选择比物种差异影响还大。你说的是哪一种模拟，答案能差一百万倍。
BRAIN / 05
五、二十瓦
最后一个参照，让前面这些数字有个落点。
人脑自己运转，功率大约二十瓦，跟一只灯泡差不多。而今天的大型超算功率在兆瓦级，也就是十万倍以上——却刚刚才勉强模拟出一只果蝇的脑。
这个差距不是「工程还没跟上」，再等几代芯片就能补。它来自两种东西的底层结构不同：
生物突触既是存储又是计算，数据不用搬。数字计算机把存储和计算分开放，所以每一步都在付搬运的代价。
这就是为什么我说那个「三百万倍」意义不大。它回答的是「按现在这条路走，要多贵」，而真正的问题是这条路本身对不对。
一个被放进「等算力」筐里的问题，和一个被放进「换架构」筐里的问题，投入方向完全不同。前者让你去买更多芯片，后者让你去问：有没有一种硬件，能让存储和计算待在同一个地方。
缺的不是算力，是架构。而在此之前，我们甚至还没把要模拟的那个东西测量完。