把一只果蝇的脑子搬进电脑，里面还剩多少「它」？（完整版·雄性果蝇全中枢连接组）

把一只果蝇的脑子搬进电脑，里面还剩多少「它」？（完整版）

*雄性果蝇全中枢神经连接组深度研究 · 四路检索交叉验证 · 2026-09-15*

2026 年 9 月初，Janelia 与剑桥的团队在 Cell 上发表了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"？

结论先放这儿：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。

所有数字均标注口径与可信度（A=论文/官方，B=权威媒体，C=二手转述，D=未证实）。

四个核心数字：

• 166,700 — 已注释神经元（含感觉轴突；有连接者 166,483）
• 1.242 亿 — 突触连接（每处接触点各算一个）
• 2,558 万 — 神经元之间的有向边（进 Minecraft 的就是这个数）
• 11,710 — 细胞类型（8,069 种雌雄共用）

---

壹 · 事实层：七年，66 块，44 人年

三个最容易以讹传讹的事实

第一，这不是 FlyWire 团队做的。 2024 年 Nature 那组论文完成的是雌性果蝇全脑（FAFB 数据集 + FlyWire 分割，139,255 个神经元、5,450 万突触，Princeton 的 Murthy / Seung 团队主责）。这次的雄性版出自 Janelia FlyEM + MRC LMB / 剑桥（Gregory Jefferis & Gerald Rubin 团队），正式论文 *Berg et al., Cell 189(18):5504–5526，2026-09-03*，DOI 10.1016/j.cell.2026.08.015，开放获取【A】。

第二，覆盖范围是「整条中枢神经」——中央脑 + 双侧视叶 + 腹神经索（VNC），经颈部连续成一体，从眼睛到腿尖可以一路追踪【A】。雌性这边对应的全 CNS 数据集（BANC，约 16 万神经元，2026-06 发表于 Nature）也在今年补齐。至此，同一个物种、同一种动物，雌雄两套完整中枢神经线路图都有了——生物学史上第一次。

第三，数字要看口径。 新闻标题里的「1.25 亿突触」，正式版正文写的是 124.2M；而后续工程演示里跑的 25,582,938，是神经元-神经元之间的边数（同一对神经元之间不管接触多少处，只算一条边）。两者相差近 5 倍，说的是同一只果蝇。

这张图是怎么来的

注意最后那条：「完整的连接组」≠「每一条连接都被校对过」。图是完整的，但其中约六成突触连接的两端归属仍带着自动分割的不确定性。这不是贬低——44 人年已是史诗级工程——而是后文所有论证的前提：我们讨论的"它"，本身还是一张带噪点的图。

果蝇连接组编年史

雄性版真正的科学增量在性二态：约 95% 的脑细胞类型雌雄共用，雄性约 <5% 的神经元是性特异或二态的（多表达 fruitless / doublesex 基因），但就是这不到 5%，让雄性脑 12% 的神经元出现接线差异（雌性仅 4%）；约 100 种雄性特异中间神经元构成高度互连的网络，支撑求偶等雄性专属行为【A/B】。

线路的差异，就是行为的差异。 这一点本身就是"连接组承载信息"的活证据——记住它，第五节要用。

---

贰 · 接口层：Minecraft 里的果蝇，有几分是真的

论文上线一周内（2026-09-03 正式发表，09-04 起），社区开始把 MaleCNS 塞进游戏。逐个查过一手证据，结论是：确有其事，但比传说弱得多——而且最有价值的信息，恰恰是作者们自己承认的那部分。

• 2026-09-04 · 推文：Evan Sinclair Smith（@evnsnclr）称 MaleCNS v1.0 已在 Minecraft 里跑起来，全部 166,700 神经元、25,582,938 条边；自述"借助 GPT-6 Astra"（该说法无一手佐证，D）【B：IBTimes 转述】
• 2026-09-06 · GitHub：NeuroCraft Fly 仓库上线，附 2 分 27 秒演示视频。但 README 明说：代码尚未发布，仓库只是落地页【A】
• 同日 · DOOMFLY：Alex Wormuth 的 Doom 版，完整开源。README 原话："live experimental training, not demonstrated learned survival"——截至报道已跑 6,385 回合，未通过视觉、条件化、生存三道验证门【A/B】
• 2026-09-07 · YouTube：Ro0oney《I Put A Fly's Conscious Brain into Minecraft》，三天 24 万播放。用的是 FlyWire 雌性模型（另一套数据集）；自述需人工编写反应、早期版本没启用转向神经元【C】
• 更早 · Beat Saber：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】

最要害的一条，作者自己写的

NeuroCraft Fly 的 README 里有一句罕见的老实话：「权重打乱（shuffled）后，响应依然存在——这是一个需要报告的发现。」

翻译一下：把 1.24 亿个突触的布线随机洗牌，那只"果蝇"在 Minecraft 里照样有反应。这句话有两种读法，都成立：

1. 这个演示远没有"果蝇活在了游戏里"那么硬； 2. 更深刻的一种——行为的某些方面可能长在架构和规则里，而不长在具体线路上。

同一时期，严肃得多的工作在别处：Eon Systems（旧金山）2026 年 3 月发布了具身全脑模拟——不是游戏，是给 LIF 全脑模型配了一个 MuJoCo 物理身体（NeuroMechFly v2，87 关节），演示了趋食、因灰尘停步梳理再继续进食。其底座是真正经过同行评议量化验证的 Shiu et al. 2024（Nature） 全脑模型。但 Eon 自己声明：这"不应被解释成结构单独足以恢复果蝇全部行为谱"，且目前无自发神经调质、无学习、无激素状态，视觉输入"基本是装饰性的"【A】。

---

叁 · 方法论：你拿到的是网表，不是固件

现在回答本题。把 124.2M 突触搬进电脑，你拿到了什么、缺了什么？

连接组确实给了你：

• 拓扑 — 谁连谁，一张 2,560 万条边的有向图
• 连接数 — 每对神经元之间有几处突触接触（可作强度代理）
• 细胞类型 — 11,710 种，97.9% 可与既有数据集交叉匹配
• 预测递质 — CNN 从电镜图推断六类递质，单突触准确率 87%、单神经元 94%【A：Eckstein 2024】

你得自己补进去：

• 突触权重 — 接触数 ≠ 强度：释放概率、受体密度、短期可塑性都不在图里【A：Liu & Jeanne 2021】
• 兴奋 / 抑制 — 电镜看不出正负号，靠递质反推，约 13% 单突触判错
• 神经调质 — 多巴胺、5-HT、章鱼胺。同一条线，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：Curr Biol 评述】
• 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：Lappalainen 2024】
• 身体 — 腿多长、翅膀多重、光照多强，全在脑外

连接组是网表（netlist），不是固件，更不是操作系统。

类比芯片逆向：拿到电路图和元件清单，离"芯片能开机"还差元件参数、供电方案和烧录进去的程序——而最后一层，可能根本不存在于芯片里，而存在于它的使用方式中。

这不是修辞，每一行都能换成数字。突触计数到底是不是强度的可用代理？证据两可：

• 正面：幼虫中突触接触数能较准确预测接触面积，而面积与强度线性相关【A：Barnes & Cardona 2022】；果蝇嗅觉回路里连接间突触数的变异（CV=0.31）远大于树突因素，是强度变异的主要解剖来源【A：Tobin 2017】。
• 反面：要用它预测胞体 PSP 幅度，仍必须叠加生理数据，"纯计数不够"【A：Liu & Jeanne 2021】。

更麻烦的是个体间变异。比较 FlyWire 与 hemibrain（两只不同的雌性果蝇）：只有"\>10 个突触、或占靶细胞输入 \>1%"的连接才算高度保守；蕈状体最常见细胞类型的数量在两脑中差了近一倍；约三分之一的细胞类型无法在另一只脑中可靠重新识别【A：Schlegel 2024】。甚至同一个基因组也能长出不同的图：18°C 发育的果蝇会出现 25°C 下不存在的突触配对【A：Kiral 2021，标题就叫"遗传决定论的极限"】。

---

肆 · 证据对决：结构派 vs 动力派

"连接组里有多少算法"不是我们觉得如何的问题，过去几年已有多个团队用实验裁决过。把两边最强证据摆在一起：

结构派：连接组真的承载信息

• Shiu 2024（Nature）：127,400 神经元 LIF 全脑模型，权重 = 突触数 × 符号，仅 1 个自由参数；164 项可检验预测中 91% 与实验一致；对 SEZ 106 类细胞的无偏筛选预测进食神经元，准确率 >90%【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%——起作用的是真实布线，不是模型形式【A】
• Creamer 等（Nature）：连接组约束的动力学模型拟合线虫全脑光遗传数据，达数据自身可重复性上限的 92%；打乱连接组性能大降，额外加边无益【A】
• 行为对照：求偶回路——雄性特异接线对应雄性特异行为（见第一节），这是结构-行为因果的天然实验【A/B】

动力派：结构之外，才是行为

• Lappalainen 2024（Nature）：用连接组约束训练视觉模型，与 26 项实验吻合——但 50 个训练出的网络里，同一连接组能长出不同机制，T4c 细胞有一簇完全丧失方向选择性；去掉连接强度只留拓扑，预测显著下降【A】
• 线虫的教训：直接用解剖权重建模，"跑不出正确行为"，必须重新学习权重【A/B：Kunert 2014；Choi & Kim】
• 学习改写一切：果蝇一次联想学习，相关突触强度平均下降 约 80%【A：Hige & Turner 2015】——静态连接组更接近"训练前的初始化"
• 方法论警钟：Jonas & Kording 把全套连接组学方法用在 6502 微处理器上，"能看到结构，但无法有意义地刻画信息处理的层级"【A：PLoS CB 2017】；Brette："解剖连接性对功能的告知非常有限"【A/B】

两边不矛盾，拼起来正好是答案：Shiu 的成功靠的是"拓扑 + 极简动力学 + 实验者给定的输入"，恰好绕开了所有缺失项；动力派的每个反例都出现在"需要自发动态、需要学习、需要调质"的地方。

连接组的信息量，足够约束"回路会算什么"，不足以决定"回路正在怎么算"。

一个漂亮的注脚：早期重建因分辨率只识别了约 50% 的 T4 输入突触，导致 2013 年的方向选择性结论在 2017 年高分辨率重建下无法复现【A：Takemura 2017】——图的保真度本身，就是一张会咬人的变量。

顺带纠正一个流传很广的说法

中文圈常引"Lechner 用线虫连接组约束 RNN，发现起作用的是拓扑而非权重"。经两路独立核查：该论文真实标题为 *Neural circuit policies enabling auditable autonomy*（Nature Machine Intelligence 2020），用 19 个控制神经元、253 个突触的线虫式拓扑做了自动驾驶控制，但所有权重是端到端训练出来的，文中并未做"拓扑 vs 权重"的消融；"Designing and optimizing nervous systems with RNNs"这个标题查无此文。

真正的"拓扑 vs 权重"证据，应引 Shiu 的打乱实验（支持拓扑）与 Lappalainen 的多机制现象（支持"拓扑不定行为"）。【A】

---

伍 · 概念层：自然选择"训练"的究竟是什么？

题目里那个"反转"——AI 在学物理世界，而自然选择已经训练了很久——听起来漂亮，但要经得起推敲，得先回答：进化的训练产物，存在哪儿？

答案藏在 Zador 那篇题目就叫得很直白的论文里：*A critique of pure learning*（Nature Communications 2019）。核心概念叫基因组瓶颈（genomic bottleneck）：动物行为大量由先天结构决定，但布线图太复杂、不可能逐条写进基因组——于是进化不存"权重表"，只存一套高度压缩的布线规则【A】。

自然选择没有把 1.24 亿个突触一个个写进 DNA。它写的是一套压缩算法——

所以你扫描回来的连接组，既不是"训练好的权重"，也不全是"随机初始化"，

而是"架构 + 强初始化 + 一套可塑性规则"的快照。

权重表在 DNA 里根本放不下；放得下的，是生成权重表的程序。

三条证据把这件事钉死：

1. 学习能瞬间改写连接组不给你的那部分。 果蝇一次联想学习，气味编码到输出的突触强度平均掉 80%（Turner 原话："that's huge"）【A】。一次经历就能改写八成——那静态图里的"权重"含金量几何，可想而知。 2. 同一基因组长出不同的图。 Kiral 2021：发育温度不同，突触配对不同【A】。图本身有相当部分是发育噪声。 3. 最"先天"的回路，也只给了支架。 果蝇头部方向细胞（E-PG 环形吸引子）是神经科学里最接近"硬编码导航仪"的东西——但 bumps 与外部地标的对应关系是任意的，果蝇每到一个新环境都要靠可塑性重新校准罗盘【A】。连这块最硬的骨头，连接组也只给了转轴，没给读数。

被所有人忽略的第三者：身体

把果蝇的线路接进 Minecraft，最大的隐变量是换身体。形态计算与具身认知的文献讲得很清楚：感知-回路的统计特性与身体的几何是共同进化的（Pfeifer & Bongard："某些过程由身体完成，否则就得由大脑完成"）【A】。抽掉翅膀和 87 个关节的力学，把视觉换成 Minecraft 的像素流、把输出接到几个"脚本化的身体程序"上——输入输出分布全变了，原线路即使完整，也运行在与进化目标完全不同的物理上。

这就是为什么 Minecraft 演示里"感官映射是建模的、readout 是人工挑的"不是细节，而是本质：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。

---

陆 · 对照：一笔账

同样做"找到路、别撞墙"这一件窄事，两边的账本差距是数量级式的：

来源：Lu & Webb, arXiv:2601.16806（爱丁堡，embodied agent 于 Habitat point-goal 基准）【A：预印本】；Loihi 环形吸引子功耗估算【A：PMC8881593】。

须如实披露两处局限：Lu & Webb 的跨试次记忆固化用了依赖最短路径长度的门控（agent 理论上不该知道该信息，已受质疑【D】），且该规则在确定性仿真中会陷入局部极小。

另一头的对照：多模态大模型的空间推理（VSI-Bench）——人类 79.2 分，最强的 GPT-5 只有 55.0，早期的 Gemini-1.5 Pro 是 45.4【A】。顺带修正一个 2024 年的流行说法：模型"不如随机水平"已不再成立，2025 年复评显示其在物体/房间尺寸估计上已接近人类；真正的短板在视角转换与综合推理。

还有已经上真机的积累：果蝇 LPLC2 视觉通路模型嵌入微型机器人 Colias，70 KB 内存跑出 96.1% 的碰撞检测率【A：arXiv 2509.13827】；蝗虫 LGMD 避撞网络已上无人机验证（EU STEP2DYNA）【B】。

这些是"连接组学之前"的生物启发——用的是回路原理而非全图——但方向一致：生物给的不是数据，是架构先验。

---

柒 · 拍板：三条结论，与一个更好的问法

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、预测递质是真实的、可复用的（Shiu 的 91% 与打乱实验是铁证）；但权重、极性细节、调质、内在属性、学习状态不在图里——而且其中"权重"那一层，本来就有一大半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。 2. 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。 真正的"算法"分三层：架构先验（连接组给了，而且给得很好）、可塑性规则（连接组没给，写在基因与突触的分子机制里）、当下权重（连接组只给了某个时刻的快照）。Minecraft 演示跑的是第一层 + 大量人工补件；"打乱权重仍有响应"恰恰说明演示的成色要打折——也说明某些鲁棒性确实长在架构里。 3. 对 AI 的真实价值不在"搬"，在"抄"。 已落地的生物启发工程（64K 参数零预训练的导航 agent、18.6 μW 的罗盘、70KB 的避撞）共同提示：值钱的不是那 1.24 亿个突触的清单，而是回路原理——环形吸引子、侧抑制、稀疏编码、蘑菇体式的"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，把题目的问题升级一下。"里面已经留下了多少算法"预设了算法是"留下"的、静态的、可搬运的。四路证据合在一起指向另一个表述：

连接组里留下的不是算法，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，从未被扫描。

所以与其问"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。

这就是这次连接组登顶真正给 AI 时代留下的东西：不是一只活在 Minecraft 里的果蝇，而是历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，但没有图纸的时代，人们连大厦该有几根梁都在争论。

---

附录一：数字口径速查（引用前先看这里）

附录二：主要来源（按可信度）

[A] 论文与官方

• Berg et al. *Sexual dimorphism in the complete Drosophila male CNS connectome.* Cell 189(18):5504–5526 (2026). doi:10.1016/j.cell.2026.08.015 · 预印本 bioRxiv 2025.10.09.680999 · male-cns.janelia.org
• Google Research Blog: *A connectomics milestone* (2026-09-03) · UKRI / MRC LMB / 剑桥新闻稿（66 块、7 台电镜、44 人年）
• Dorkenwald et al. Nature 634:124–138 (2024) 雌性全脑 · Schlegel et al. 634:139–152（注释/细胞分型/个体间变异）· Azevedo et al. 631:360–368（FANC/VNC）· Winding et al. Science 379:eadd9330（幼虫）
• Shiu et al. Nature 634:210–219 (2024) 全脑 LIF 模型 · Eckstein et al. Cell 187:2574 (2024) 递质预测 · Lappalainen et al. Nature 634:1132–1140 (2024) 连接组约束视觉模型 · Creamer, Leifer & Pillow, Nature（线虫全脑活动）
• Liu & Jeanne, Curr Biol (2021) 突触计数与强度 · Barnes & Cardona, PLoS ONE (2022) · Tobin et al. eLife (2017) · Hige & Turner, Neuron (2015) 学习后突触强度降 80% · Kiral et al. Cell Reports (2021) 基因相同接线不同 · Zador, Nat Commun (2019) genomic bottleneck
• Jonas & Kording, PLoS Comput Biol (2017) 6502 · Lechner et al. Nat Mach Intell 2:642 (2020) NCP · Lu & Webb arXiv:2601.16806 昆虫启发导航 · PMC8881593 Loihi 功耗 · arXiv:2509.13827 LPLC2/Colias · arXiv:2412.14171 & 2508.13142 VSI-Bench
• NeuroCraft Fly: github.com/evnsnclr/neurocraft-fly-public（README 自述，代码未发布）· DOOMFLY: github.com/nftechie/doomfly（开源，未过验证门）· Eon Systems: eon.systems/updates/embodied-brain-emulation

[B] 权威媒体

• IBTimes UK（游戏实验汇编）· TweakTown（Doom 6,385 回合）· Ars Technica (2026-09-05) · Wired (2017) Mikula 对 6502 论文的反驳 · Curr Biol 评述（缝隙连接不可辨认）

[C] 二手转述

• GIGAZINE（Doom 输入映射细节）· mcfun.cc / Yahoo Tech（Ro0oney 用 FlyWire 雌性模型）

[D] 未证实（本报告不作论据）

• "GPT-6 Astra 参与开发"（仅作者自述）· thefrontrunners.io（投机性来源，含加密币营销，不采）· 单人预印本 "Embodied Drosophila"（数字自相矛盾，不采）

---

*深度研究 · 四路检索交叉验证 · 拍板整合于 2026-09-15 · zhichai.net* *文中所有数字均给出口径；可信度存疑处已在正文标明，未证实传言一律不作为论据。*