BRAIN / BRAIN × AI17 SEP 2026
脑科学与AI②｜控制不在大脑里
上一篇我说，模拟一个大脑，缺的不是算力，是架构。
多出来的那两万七千个，不在脑子里。而它们恰恰是这篇要讲的东西。166,700 01 神经元 | 44 02 人年校对 | 8,069 03 雌雄同构 |
那时候我手上只有一个数：果蝇全脑 139,255 个神经元。今年八月，这个数字被换掉了——一只雄果蝇被从头数到尾，166,700 个。
BRAIN / 01
一、先说清楚，为什么两个数不一样
2024 年那次数的是脑。今年这次数的是整个中枢神经系统——脑、视叶、脖子里的连接，还有腹神经索。
腹神经索，你可以理解成昆虫的脊髓。它从胸部一直延伸到腹部，控制着六条腿、两只翅膀、整个躯干。
所以这不是两个打架的数据，是两次不同的测量。前一次数的是司令部，这一次把整条指挥链都数完了。
这件事的规模值得停一秒：七台增强型聚焦离子束电镜，连续扫了十三个月，得到一个 160 万亿体素的三维图像，分辨率是 8 纳米。然后从这堆图像里重建出 166,700 个神经元、11,710 种神经元类型。
这是人类第一次在突触分辨率上，把一只成年动物从头到尾的物理接线全部摸清。
BRAIN / 02
二、那 44 个人年
Google 的算法在里面干了主要的活：沿着神经突起的边缘一个体素一个体素地识别，把被切断的轴突和树突拼回去。
但算法的输出不能直接用。它切出来的东西充满断裂、粘连和错判——两根不相干的神经元被粘成一根，或者一根完整的被切成三段。
把这堆半成品修成可用的图谱，团队花了相当于 44 个人年的人工校对。
这个数字值得盯着看一会儿。它的意思是：几十位顶尖的神经生物学专家，坐在屏幕前，用肉眼一根一根对照切片，手动纠正错误的连接。折算下来，一个人不吃不喝干四十四年。
我不觉得这是在说 AI 不行。恰恰相反，没有那套算法，这件事根本做不到——人不可能手工处理 160 万亿个体素。
但它精确地标出了今天 AI 的能力边界在哪：它能把不可能变成可能，却没能把昂贵变成便宜。 最后那一段——需要判断「这两根到底是不是同一根」的那一段——仍然只能由懂这件事的人来做。
这对任何一个"AI 将自动完成科学发现"的叙事，都是一个具体的、可称量的反例。不是因为它否定了前景，而是因为它给出了那前景当下的真实价格。
BRAIN / 03
三、控制不在大脑里
现在说这篇真正的发现。
在工程师的直觉里，大脑是中央处理器，身体是执行机构。信息从感官进来，大脑做决策，命令再发下去驱动肌肉。
这只果蝇的完整接线图，不支持这个模型。
控制腿部抓握、翅膀振动、躯干姿态的那些回路，主要不在大脑里，它们在腹神经索。来自腿和身体的机械感觉反馈，大部分直接在局部形成闭环——信号根本没有上到脑子就已经被处理掉了。
一只果蝇在飞行中撞上一股乱流，负责在几毫秒内调整翅膀的，不是它的大脑。大脑发出的是"往前飞"这种粗糙的模式指令，具体怎么协调六条腿、怎么补偿阻抗、怎么调整时序，全部交给身体各处的局部回路自己解决。
这就把上一篇那个"架构"的问题，推进了一层。
上一篇说的架构问题是存储和计算分开放，所以每一步都要付搬运的代价。这一篇说的是另一件事：控制本身就不该集中。
而当前具身智能的主流做法，恰恰是反着来的——把所有控制收进一个跑在大算力芯片上的大模型，让中央控制器去微观管理每一个关节的角度。
演化用几亿年得出的答案是另一个：在真实的物理世界里，鲁棒的控制必须是分布式的。 因为集中式控制有一个绕不过去的硬伤——延迟。信号来回跑一趟中央的时间，乱流已经把你掀翻了。
BRAIN / 04
四、雌雄之别，只有几根线
还有一个发现，我觉得比前面几条更耐琢磨。
研究团队把雄性和雌性的神经系统做了突触级的比对，结果是：8,069 种细胞类型在两性中完全一致，而有性别差异的——包括二态的、雄性特有的、雌性特有的——加起来不到 500 种。
也就是说，看东西的方式、闻气味的能力、控制六条腿走路的底层硬件，雌雄果蝇用的是完全同一套零件。
可是雄果蝇的求偶舞步、振翅鸣唱、面对同类的攻击行为，和雌性差别巨大。这些差别从哪来？
答案是：几个高级脑区里的局部改道。
演化没有为两性各建一套大脑。它只是在信息流的几个交叉路口，插进去极少数特异的神经元，或者给现有的分支多接几根突触——像铁路网里换了几个道岔，同样的列车就开去了完全不同的方向。
这件事的一般含义是：在一个高度复杂的系统里，宏观行为的巨大改变，不一定需要底层的大规模重写。 找对那几个控制点，改动可以非常小。
反过来说也成立：如果你发现自己必须大规模重写才能改变行为，那多半说明你还没找到控制点在哪。
BRAIN / 05
五、两种架构观
把这几条放在一起，浮出来的是一套和当前主流相当不同的思路。
主流的路径是：堆参数，堆数据，堆显卡。 用一个没有物理结构的巨大黑箱，在概率空间里拟合出聪明的应答。
而这只果蝇给出的是另一条：16 万个神经元，针尖大小的脑，微瓦级的功耗，却能在三维空间里悬停飞行、在乱流中定位气味、在几分钟内形成对危险的记忆。
它靠的不是参数量，是结构。每个神经元的解剖位置、每束轴突的粗细和分叉、每个突触用的是哪种递质，本身就构成了计算逻辑。演化没有给它海量参数去从零拟合世界，而是用几亿年雕了一张精确的接线图。
我不想把这句话说得太满——这两条路解决的问题不完全是同一个，语言模型要处理的开放域任务，和果蝇要处理的飞行控制，难度结构不一样。把"果蝇很省电"直接推成"大模型走错了路"，是偷换。
但有一个事实摆在那里：今天我们用兆瓦级的超算，刚刚才能勉强模拟一只果蝇的脑，而那只果蝇自己只用微瓦。
十个数量级的差距，不是工程还没跟上，是两种架构的底层不同。
上一篇的结论是：缺的不是算力，是架构。
这一篇要补的是：架构也不只是芯片怎么设计，还包括控制放在哪里。
而在这两个问题之前，还有一件更朴素的事——我们花了十三个月扫描、44 个人年校对，才刚刚把一只苍蝇的接线图画完。
人的那张，还没开始。