把一只果蝇的脑子搬进电脑，里面还剩多少「它」？——雄性果蝇全中枢连接组深度研究
2026 年 9 月初，Janelia 和剑桥的团队在 Cell 上发了正刊：成年雄性果蝇的完整中枢神经系统连接组——166,700 个神经元、1.242 亿个突触、2,560 万条神经元之间的边【A】。
把一只果蝇的脑子搬进电脑，里面还剩多少「它」？
2026 年 9 月初，Janelia 和剑桥的团队在 Cell 上发了正刊：成年雄性果蝇的完整中枢神经系统连接组——166,700 个神经元、1.242 亿个突触、2,560 万条神经元之间的边【A】。
一周之内，社区有人把它塞进了 Minecraft，有人塞进了 Doom，还有人塞进了 Beat Saber。
大家转发时配的文案都差不多：今天的 AI 还在学怎么理解物理世界，而自然选择已经在真实世界里"训练"生物神经网络五亿年了。于是问题来了——把这些线路扫描下来搬进电脑，里面到底已经装了多少属于这只动物自己的"算法"？
我把这个问题拆成四层，四路检索交叉验证了一遍。结论先放这儿，嫌长的看到这里就可以走：
连接组是网表（netlist），不是固件，更不是操作系统。里面装的是"算法的编译产物的一半"——另一半源代码（可塑性规则）写在基因组瓶颈里，从来没被扫描过。
下面是论证过程。所有数字我都标了口径和可信度（A=论文/官方，B=权威媒体，C=二手转述，D=未证实）。
一、先钉死三个事实
【直引】第一，这次不是 FlyWire 团队干的。2024 年 Nature 那组论文完成的是雌性果蝇全脑（139,255 神经元、5,450 万突触，Princeton 的 Murthy/Seung）。这次的雄性版出自 Janelia FlyEM + MRC LMB/剑桥（Jefferis & Rubin），Berg et al., Cell 189(18):5504–5526，2026-09-03，开放获取【A】。
第二，覆盖范围是整条中枢神经：脑 + 双侧视叶 + 腹神经索，从眼睛到腿尖连续可追【A】。
第三，数字要看口径。新闻里的"1.25 亿突触"，正文写的是 124.2M；而 Minecraft 项目跑的 25,582,938，是"神经元对之间的边数"——同一对神经元碰一百次也只算一条边。差着 5 倍，说的是同一只果蝇。
【小贴士】生产流程值得记一笔：切成 66 块，7 台电镜连轴转一年，8nm 分辨率，Google 的 flood-filling networks 做分割，44 人年人工校对【A/B】。但注意——两端都校对过的突触连接只占 40.1%【A】。"完整的图"不等于"每条线都人工验过"。这个前提后面要用。
顺带说，雄性版真正的科学增量在性二态：95% 的细胞类型雌雄共用，但雄性脑 12% 的神经元接线有性别差异（雌性只有 4%），约 100 种雄性特异中间神经元支撑求偶行为【A/B】。线路的差异就是行为的差异——记住这个，后面要考。
二、Minecraft 里的那只果蝇，有几分是真的
我逐个查了一手证据。确有其事，但比传说弱得多。
- NeuroCraft Fly（Minecraft）：真有 GitHub 仓库、真有演示视频，但 README 明说代码尚未发布。作者自己承认：感官映射是建模出来的，readout（哪些神经元算"前进"）是人工挑的，动作是脚本化的身体程序【A】。
- DOOMFLY：这个倒是全开源。README 原话："live experimental training, not demonstrated learned survival"——跑了 6,385 个回合，没通过视觉、条件化、生存三道验证门【A/B】。
- Beat Saber 版：作者自己澄清，运动系统是过拟合回放录制序列。不是连接组在打节拍，是录音带在播放【B】。
把 1.24 亿个突触随机洗牌，那只"果蝇"照样在 Minecraft 里有反应。这句话有两种读法：
【推论】其一，这个演示远没有"果蝇活在了游戏里"那么硬。其二，更深刻——行为的某些方面可能长在架构和规则里，不长在具体线路上。
同一时期严肃得多的工作是 Eon Systems 的具身全脑模拟（2026-03）：给 LIF 全脑模型配了 MuJoCo 物理身体，能趋食、梳理。但人家自己声明：不含自发神经调质、不含学习，视觉输入"基本是装饰性的"【A】。真正经过同行评议量化验证的，是它的底座——Shiu et al. 2024 Nature 的非具身全脑模型。
三、你拿到的是网表，不是固件
核心问题来了。124.2M 突触搬进电脑，你拿到了什么？
拿到了：拓扑（谁连谁）、连接数、11,710 种细胞类型、预测递质（CNN 从电镜图推断，单突触准确率 87%）【A】。
没拿到，而你得自己补：
- 突触权重——接触数不等于强度。释放概率、受体密度、短期可塑性都不在图里；
- 兴奋/抑制——电镜看不出正负号，靠递质反推，约 13% 判错；
- 神经调质——多巴胺、5-HT、章鱼胺。同一条线路，不同状态，不同输出；
- 电突触——缝隙连接太小，"在连接组用的图像里无法辨认"【B】；
- 内在属性——阈值、时间常数、不应期，原文是"单神经元与单突触属性是未知的"【A】；
- 身体——腿多长、翅膀多重，全在脑外。
还有一个少有人提的坑：个体间变异。比较两只雌性果蝇的连接组，只有">10 个突触或占靶细胞输入 >1%"的连接才算保守；约三分之一的细胞类型无法在另一只脑里可靠重新识别【A】。甚至同一个基因组，18°C 和 25°C 发育出来的突触配对都不一样【A，论文标题就叫"遗传决定论的极限"】。
四、正反对决：结构派 vs 动力派
过去几年，这事已经被实验裁决过好几轮。两边最强证据摆一起：
结构派（连接组真有货）：
- Shiu 2024（Nature）：127,400 神经元的全脑 LIF 模型，权重 = 突触数 × 符号，只有 1 个自由参数。164 项可检验预测，91% 与实验一致【A】。
- 杀手锏消融：同一个模型，打乱突触权重后准确率从 100% 掉到 1%。起作用的确实是真实布线【A】。
- Creamer 等（Nature）：连接组约束的模型拟合线虫全脑光遗传数据，达到数据自身可重复性上限的 92%【A】。
- Lappalainen 2024（Nature）：同样的视觉连接组，训练 50 个网络，能长出不同机制——T4c 细胞有一簇完全丧失方向选择性。同一个图，多种算法【A】。
- 线虫教训：直接用解剖权重建模"跑不出正确行为"，必须重新学权重【A/B】。
- 最狠的一条：果蝇一次联想学习，相关突触强度平均降 80%【A】。一次经历改写八成——静态图里的"权重"含金量，可想而知。
【小贴士】顺带纠正一个流传很广的说法。中文圈常说"Lechner 用线虫连接组约束 RNN，发现起作用的是拓扑而非权重"。两路独立核查：那篇论文真实标题是 *Neural circuit policies enabling auditable autonomy*（Nat Mach Intell 2020），权重全是端到端训练的，文里根本没做"拓扑 vs 权重"的消融。那个结论是讹传。真正的证据应该引 Shiu 的打乱实验。
五、自然选择"训练"的究竟是什么
回到开头那个"反转"：AI 在学物理世界，自然选择已经训练了五亿年。听着漂亮，但得问一句：进化的训练产物存在哪儿？
答案在 Zador 的 *A critique of pure learning*（2019）：基因组瓶颈。布线图太复杂，不可能逐条写进基因组——进化不存权重表，只存一套高度压缩的布线规则【A】。
【判断】所以你扫描回来的连接组，既不是"训练好的权重"，也不是"随机初始化"，而是——架构 + 强初始化 + 一套可塑性规则的快照。
三条证据钉死它：
1. 学习能瞬间改写连接组不给你的那部分（上面那个 80%）； 2. 同一基因组长出不同的图（Kiral 2021）； 3. 最"先天"的回路也只给了支架——果蝇的头部方向细胞（环形吸引子）是最接近"硬编码导航仪"的东西，但它跟外部地标的对应关系是任意的，每到一个新环境都得靠可塑性重新校准罗盘【A】。连这块最硬的骨头，图里也只给了转轴，没给读数。
还有一个被所有人忽略的第三者：身体。把果蝇线路接进 Minecraft，最大的隐变量是换身体。感知回路的统计特性和身体几何是共同进化的——抽掉翅膀和 87 个关节的力学，输入输出分布全变了【A】。所以 Minecraft 演示里"感官映射是建模的、readout 是人工挑的"不是细节，是本质：那台机器跑的不是果蝇在物理世界里的算法，是果蝇线路在另一个世界的、新算法的零号草案。
六、一笔账：果蝇 vs 大模型
同样做"找到路、别撞墙"这一件窄事，两边的账本是数量级式的差距：
- 可训练参数：昆虫启发导航 agent 用 64,000 个（蘑菇体 + 中央复合体），对比端到端 RL 基线的数百万级；
- 预训练帧数：0。首次试验就拿到 SR 0.84 / SPL 0.48（Habitat point-goal 基准，爱丁堡 Lu & Webb，2026 预印本【A】）。基线要 10⁷～10⁹ 帧；
- 功耗：环形吸引子网络跑在 Loihi 上约 18.6 μW，对比 SLAM 专用 FPGA 的 ≥2 W——五个数量级【A】。
真机上的积累也几十年了：果蝇 LPLC2 视觉通路模型嵌进微型机器人，70 KB 内存，96.1% 碰撞检测率【A】。
【判断】注意分寸：这个对比只在"导航"这一件窄事上成立，不是通用智能对比。但它说明的事很硬——生物给 AI 的从来不是数据，是架构先验。
七、拍板
里面有多少"它"？大约一半：全部的接线、一半的强度、几乎为零的当下状态。
1. 拓扑、计数、类型、预测递质是真的、可复用的——Shiu 的 91% 和打乱实验是铁证； 2. 权重、极性细节、调质、内在属性、学习状态不在图里——而且"权重"那一层，一大半本来就不存在于任何一只果蝇的任何时刻，它只存在于"生成规则 + 生活经历"里； 3. 所以搬进电脑的是出厂电路图 + 被生活改写前的初始化，不是那只果蝇。Minecraft 演示跑的是架构 + 大量人工补件；"打乱权重仍有响应"恰恰给演示的成色打了折——也说明某些鲁棒性确实长在架构里； 4. 对 AI 的真实价值不在"搬"，在"抄"。已经落地的生物启发工程（64K 参数零预训练导航、18.6 μW 罗盘、70KB 避撞）值钱的不是突触清单，是回路原理：环形吸引子、侧抑制、稀疏编码、蘑菇体式"先验证后存储"。全连接组的意义，是把这些原理从"猜想"升级成"可查证的图纸"。
最后把问题升级一下。"里面已经留下了多少算法"预设了算法是静态的、可搬运的。四路证据合在一起指向更好的问法：
与其问"图里有多少算法"，不如问"这张图能约束出多少种算法"。
Shiu 的答案：约束得很紧。Lappalainen 的答案：仍不止一种。
这次登顶真正留下的，不是一只活在 Minecraft 里的果蝇，而是史上第一份可以逐突触查证的、感知-行动回路的完整图纸。图纸不等于大厦，但没有图纸的年代，人们连该有几根梁都在争论。
主要来源：Berg et al., Cell 189(18):5504 (2026), doi:10.1016/j.cell.2026.08.015 · male-cns.janelia.org · Shiu et al., Nature 634:210 (2024) · Lappalainen et al., Nature 634:1132 (2024) · Eckstein et al., Cell 187:2574 (2024) · Schlegel et al., Nature 634:139 (2024) · Zador, Nat Commun (2019) · Jonas & Kording, PLoS CB (2017) · Lu & Webb, arXiv:2601.16806 · NeuroCraft Fly: github.com/evnsnclr/neurocraft-fly-public · DOOMFLY: github.com/nftechie/doomfly · Eon Systems 官方技术页。全文口径备忘与可信度标注见完整报告。