Eon用LIF“上傳”果蠅腦,中國團隊直接上精細神經元和跨身體平臺

2026年8月22日 20:35
Eon用LIF“上傳”果蠅腦,中國團隊直接上精細神經元和跨身體平臺
站內 AI 整理稿

將真實場景重建為持續更新、可計算的4D數字世界。允中 發自 凹非寺 | 公眾號 QbitAI 一隻數字果蠅剛把“上傳大腦”推上熱搜,中國團隊就把矛頭對準了它最難補的三塊:不滿足於LIF簡化神經元,不滿足於預設物理仿真場景,更不滿足於只做一隻會動的數字動物。他們要把精細腦模型、真實場景形成的數字世界和跨身體接口直接打通。今年3月,Eon Systems公佈了一隻會在虛擬環境中覓食、梳理觸角的“數字果蠅”。它以成年果蠅連接組為基礎,涉及約14萬個神經元和5000萬條突觸連接,再接入具有87個獨立關節的生物力學身體,讓神經活動、身體運動和環境反饋第一次形成了完整迴路。

視頻一齣,“果蠅大腦被上傳了”的說法迅速出圈。但Eon Systems自己也相當剋制:目前採用的是簡化的洩漏積分發放神經元模型,腦與身體之間的部分映射仍由人工設定,只覆蓋少量感覺輸入和行為。這更像一個極具衝擊力的研究平臺與概念驗證,而不是一隻被完美複製的生物果蠅。也正是在這個節點上,中國團隊知躍空間智能發佈了DeepSoma(知躍靈物)。它並沒有把產品定義為“又一隻數字動物”,而是試圖搭建一套更底層的全腦仿真基礎平臺:把真實世界變成可計算環境,把生物約束和全腦連接結構變成可運行模型,再把模型接入不同的身體。

一句話概括:Eon Systems展示了“簡化的果蠅腦,如何驅動一副物理仿真的虛擬身體”。DeepSoma展示了一個更激進的結果:把完整還原的果蠅大腦,直接放到真實的世界、真實的身體裡去運行。所以,它真是Eon Systems的“加強版”嗎?簡化的數字果蠅已經足夠令人興奮,但對於DeepSoma而言,這並不是終點,而是把矛頭對準了它最難補的三塊。模型層: Eon的公開方案是連接組約束的LIF果蠅腦;DeepSoma強調精細神經元生物物理建模。Eon以洩漏積分發放(LIF)模型承載約14萬個神經元和5000萬條突觸連接,用相對簡化、高效的神經動力學搭起了果蠅腦—身體閉環。

DeepSoma則從單個神經元內部繼續向下建模:樹突、胞體、膜電位、離子通道和突觸等生物物理機制,都被轉化為可求解、可觀測的計算狀態,再沿connectome連接成神經迴路和全腦網絡。前者讓果蠅大腦的線路跑了起來;後者想進入線路中的每一個計算單元,找到智能究竟是怎樣被算出來的。世界層: Eon的果蠅在物理仿真環境中完成感知—動作閉環;DeepSoma則先將真實場景重建為持續更新、可計算的4D數字世界。Eon的公開演示依託MuJoCo物理引擎和虛擬果蠅身體,在預設的仿真環境中接收感覺輸入、產生動作並獲得反饋。

DeepSoma則並不滿足於仿真,它更強調如何從真實的世界中還原幾何、語義、時空與物理信息,為大腦提供更加逼真的訓練場。平臺層: Eon展示的是極具衝擊力的數字果蠅案例;DeepSoma則將真實世界建模、精細全腦求解、跨本體Agent接入,作為一套完整平臺打通。DeepSoma把這條鏈路歸納為Build Worlds、Run Brains、Embody Intelligence: 世界層提供可交互的環境,腦層運行從精細神經元到全腦connectome的動力學,Agent層再把同一套腦模型映射到數字動物、生物實驗系統、機械臂或人形機器人。

身體的行動改變世界,世界的新狀態再次進入大腦,最終閉合Environment → Brain → Agent → Environment。當然,平臺邊界更大、神經元建模更細,也意味著更高的驗證門檻。平臺能否穩定運行更大規模的全腦網絡?仿真結果與真實神經活動有多高的一致性?腦—身映射是否能減少人工規則?跨身體遷移能否在公開任務中復現?這些都需要知躍空間這家年輕的公司逐步地探索出更準確的答案。Physical AI,也許真的需要自己的“PyTorch時刻” 今天,Physical AI正在成為AI產業的新方向。

如果智能真正進入物理世界,它需要的不是一個更大的模型、更多的數據,而是全新的AI技術範式!知躍空間智能把創造新的技術範式這件事,交給了DeepSoma。DeepSoma的定位概括為:Build Worlds.Run Brains.Embody Intelligence,讓世界可計算,讓大腦可運行,讓智能可遷移。這讓人很容易想到PyTorch。PyTorch 是目前深度學習最常用的開發框架之一,它並沒有規定神經網絡必須長什麼樣,卻為定義、訓練和運行模型提供了共同底座。DeepSoma想做的類似,只是計算對象從數字世界中的網絡,擴展到了物理環境、生物腦結構和智能體構成的閉環。

結語 當大模型越來越會說、會看、會推理,下一道真正難的題,已然不是繼續讓它在屏幕裡答得更漂亮,而是讓它在一個不斷變化的世界中持續穩定地工作,這看起來是生物最基礎的生存能力,卻考驗著AI。而在這個時刻,有越來越多的團隊從生物大腦中探索Physical AI 的智能密碼。Eon Systems用一隻數字果蠅,把“腦上傳”推到了公眾面前;DeepSoma則押注,未來真正重要的不是上傳某一顆腦,而是造出一套能讓世界、大腦與身體共同演化的計算系統。如果這條路線跑通,Physical AI的下一次躍遷,可能不只來自更大的模型和更多的數據,還會來自一個更古老、也更高效的計算原型——生命本身。

版權所有,未經授權不得以任何形式轉載及使用,違者必究。

Related

相關文章

阿里達摩院推出肝癌AI模型,精準識別1釐米微小腫瘤

8月24日消息,阿里巴巴達摩院聯合中國醫科大學附屬盛京醫院等機構研發出肝癌診斷AI模型DAMO LiON 8月24日消息,阿里巴巴達摩院聯合中國醫科大學附屬盛京醫院等機構研發出肝癌診斷AI模型DAMO LiON,可通過CT影像識別微小的肝臟癌變病灶。在兩個月的真實世界前瞻臨床試驗中,該AI模型發現了15例原本被遺漏的惡性腫瘤,絕大部分為1釐米左右的病灶,幫助患者得到及時的手術或藥物治療。

剛剛

WRC 2026|原生全模態世界模型:從模擬世界到交互世界

世界機器人大會期間,智象未來創辦人梅濤於「物理AI引領者論壇」發表演講,提出原生全模態世界模型從「模擬世界」走向「交互世界」的觀點。他強調即使AI模型智商接近140,高IQ不代表全能,需具備在真實物理世界中穩定完成任務的能力,此為Physical AI發展的關鍵。論壇聚焦通用物理智慧的技術演進與產業路徑,匯聚眾多專家參與。

剛剛

阿里巴巴達摩院推出肝癌 AI 模型:可精準識別 1 釐米微小腫瘤

作者:遠洋 責編:遠洋 評論: 感謝網友 HH_KK 的線索投遞!8 月 24 日消息,阿里巴巴達摩院聯合中國醫科大學附屬盛京醫院等機構研發出肝癌診斷 AI 模型 DAMO LiON,可通過 CT 影像識別微小的肝臟癌變病灶。在兩個月的真實世界前瞻臨床試驗中,該 AI 模型發現了 15 例原本被遺漏的惡性腫瘤,絕大部分為 1 釐米左右的病灶,幫助患者得到及時的手術或藥物治療。

剛剛
何夕2077研究與前沿

棋類模型可解釋

在人工智慧研究領域,模型的可解釋性一直是備受關注的課題。近期有觀點指出,棋類模型具備可解釋的特性,這意味著此類模型的決策過程與內部運作機制,能夠被研究者或使用者以相對直觀的方式理解與分析。相較於許多深度學習模型常被視為「黑箱」,棋類模型在處理圍棋、象棋等棋類遊戲時,其每一步的選擇與策略推演,往往能透過棋譜或演算法邏輯加以回溯,從而為AI的透明化提供了一個具體的觀察窗口。

9 小時前