果蝇大脑被“数字化”了吗？先别急着叫它脑上传

120 字摘要

果蝇大脑并没有被完整“上传”，但 connectome 重建、全脑模型、具身身体模拟与任务控制正在快速汇合。本文梳理 2024 至 2026 年研究，解释哪些是扎实进展、哪些属传播概念外溢，并指出这条路线为何值得 AI 与神经科学读者关注。

公众号封面

封面图 1：1 方图

封面图 2.35:1 横图

最近一周，关于“果蝇大脑被上传”“第一只数字果蝇诞生”“脑上传第一次实现多行为”的说法，在 AI 圈和科技媒体里刷了一轮屏。

最醒目的标题，来自 2026 年 3 月 12 日的一篇 Substack 文章：The First Multi-Behavior Brain Upload。紧接着，EON 在 2026 年 3 月 10 日发布的技术解读页也用了非常高调的表述，把它描述成一次“embodied brain emulation”的里程碑式整合。

问题不在于这些工作不重要。恰恰相反，它们非常重要。问题在于，一旦把 connectome 重建、细胞类型注释、简化神经动力学模型、具身物理模拟、强化学习控制器 全部揉成一句“果蝇大脑已经被数字化”，读者很容易误以为：我们已经在计算机里得到了一只能够完整生活、适应、学习、记忆，甚至“拥有原版脑状态”的数字果蝇。

[!NOTE] 一句话纠偏
今天更准确的说法是：果蝇研究正在快速打通“结构重建 -> 计算近似 -> 具身模拟”三层，但离“完整生命体意义上的数字分身”还有明显距离。

图 1：把“数字化”拆成四层，才看得清夸大往往发生在哪一步。

零、如果你直接看原始来源，会发现它们根本不是同一种语气

这一波讨论里，最值得补的一步，其实不是再听别人转述，而是直接看原文。

1. Substack 的语气，是明显的发布式叙事

2026 年 3 月 7 日，Substack 文章 The First Multi-Behavior Brain Upload 用的标题本身就非常激进。

文中直接把这项演示描述成：

“world’s first embodiment of a whole-brain emulation”

它还把这件事往“不是程度问题，而是性质变化”的方向推，并强调这不是 reinforcement learning policy，而是从生物 connectome 出发的整脑模拟。

这类写法当然能吸引眼球，但它更接近 发布叙事，不等于论文意义上的保守表述。

2. EON 官方技术页的语气，其实比二手传播克制得多

2026 年 3 月 10 日，EON 官方技术页 How the Eon Team Produced a Virtual Embodied Fly 一开头就承认：

“still very much a work-in-progress”

而且它没有把系统写成“完整数字生命”，反而很明确地交代了今天到底是怎么拼起来的：

更关键的是，它专门写了“这只 embodied fly 还不是什么”。原文非常值得直接看，因为限制写得很直白：

换句话说，连项目方自己的技术文都没有把话说到“脑上传已完成”那么满。

3. Nature 原始论文说的是“可检验的 sensorimotor 预测”，不是“完整上传”

2024 年 10 月发表在 Nature 的 Shiu et al. 摘要语气非常克制。它说的是：

原文摘要最后一句尤其重要：它强调的是，仅用突触级连接与递质身份建模，也能生成可实验验证的假设，并描述完整的感觉到运动转换。

这和“已经把一只果蝇完整数字化”不是一个意思。

4. Schlegel et al. 做的是全脑注释与细胞类型图谱，这是结构层里程碑

同样在 2024 年 10 月，Nature 的 Schlegel et al. 摘要写得也很清楚：

这一步非常重要，但重要之处在于：结构地图终于足够系统，后续全脑建模才开始变得有根有据。

5. 连 2026 年的 FlyGM 原文都明确写了 embodied reinforcement learning

2026 年 2 月的 arXiv 论文 FlyGM 摘要第一句就点明了它的定位：

“embodied reinforcement learning”

它研究的是：能不能把成年果蝇全脑 connectome 的静态结构，变成 whole-body locomotion control 的图控制器。

这对 AI 很有价值，但也恰好提醒我们：\ 一旦你进入 task control、policy learning、sample efficiency 这些叙事，就已经是在讨论“connectome 作为结构先验”，而不再是原教旨意义上的“生物脑逐神经元复刻”。

一、先别把“数字化”当成一个动作，它至少分四层

很多传播上的混乱，来自把不同层级的工作混成了一个词。

第一层是结构层。
它回答的是：这只果蝇脑里，谁连着谁，细胞大致是什么类型，信息流可能从哪里经过。2024 年 10 月，Nature 上围绕成体果蝇脑 connectome 连发多篇重磅工作，标志着这张“全脑接线图”终于接近可系统使用的阶段。其中，Schlegel et al. 给出了约 14 万个神经元、8453 个注释细胞类型的系统图谱。

第二层是动力学近似层。
只有连线图，还不等于“会动的脑”。研究者会在 connectome 约束下，给每个神经元或节点指定简化动力学规则，例如 leaky integrate-and-fire，或者图神经网络式的消息传递。2024 年 10 月发表在 Nature 的 Shiu et al. 就是这一路线的代表：它在超过 12.5 万个神经元、5000 万个突触连接的尺度上，构建了一个 connectome-constrained 的全脑计算模型，用来预测进食、清洁等感觉运动处理。

第三层是具身层。
脑模型要真正“表现出行为”，还得接上身体和物理世界。2024 年的 NeuroMechFly v2 为成体果蝇提供了更可用的神经力学身体模型；EON 的技术页则明确写到，其具身演示整合了 MuJoCo 和带有 87 个独立关节的果蝇身体模型。

第四层才是完整生命层。
这一层要求的不只是“结构像”“短时行为像”，而是学习、可塑性、神经调质、激素状态、饥饿睡眠、生殖状态、长期适应，乃至个体差异都被纳入。到了这一步，大家才有资格认真讨论“数字分身”或“脑上传”之类的大词。

网上很多夸张说法，本质上就是把前三层的快速推进，直接跳读成第四层已经实现。

二、研究综述：这条路线最近到底推进到了哪一步

如果把近两年的关键工作串起来看，真实图景其实非常精彩，而且比“已经上传大脑”更值得认真看。

图 2：2024 到 2026 年，果蝇“数字化”相关研究的关键推进，集中发生在结构、动力学与具身三条线的汇合。

1. 2024 年 10 月：成体果蝇全脑 connectome 进入可系统使用阶段

2024 年 10 月，Nature 上围绕成体果蝇脑 connectome 的一组论文几乎可以视为一个分水岭。

这一步的意义很大，因为没有接近完整的结构脚手架，后面的动力学建模和具身控制都只能在局部回路上打转。

2. 2024 年 10 月：connectome-constrained 全脑模型开始能预测特定感觉运动过程

Shiu et al. 的重要性不在于“它已经是完整数字果蝇”，而在于它证明了一件更科学、也更扎实的事：

在接近全脑尺度的结构约束下，简化神经动力学模型已经能对某些感觉运动处理给出可检验的预测。

这篇工作使用的是 leaky integrate-and-fire 模型，而不是高保真的多分室生物物理模型。它能预测的是特定回路与行为起始，比如进食和触觉相关清洁动作，而不是“这只果蝇从此拥有完整自然行为库”。

3. 2024 年：身体模拟的底座也成熟起来了

同样不能忽略的是身体侧的推进。
NeuroMechFly v2 代表的是另一条非常关键的线：如果没有高质量的身体模型，再好的脑模型也只能停在“脑内 activity 的想象”。

这一层的价值，是让神经模型第一次能够在 身体、关节、接触、重力、反馈 的约束下接受检验。

4. 2025 年：整只果蝇的物理模拟更像“可运行的身体”

2025 年发表在 Nature 的 Vaxenburg et al. 进一步展示了整只果蝇在物理模拟器中的行走与飞行控制能力。

但这里必须特别强调： 高保真的整身物理模拟，不等于 connectome 派生的全脑模拟。
这项工作使用的是 data-driven、end-to-end reinforcement learning 路线，它证明的是“身体和控制可以做得很强”，不是“果蝇原始神经系统已经被逐神经元复制”。

5. 2026 年 2 月：FlyGM 把 connectome 当成控制器的结构先验

2026 年 2 月提交到 arXiv 的 FlyGM 非常值得 AI 研究者关注。
它做的不是“忠实重放一只真实果蝇脑的全部动态”，而是把 全脑 connectome 的静态结构 变成一个控制器的图结构先验，再结合 imitation learning 和 PPO 等强化学习方法，去完成具身 locomotion 任务。

这条路线的价值在于：它让我们看到 connectome 不只是“给神经科学家看的地图”，也可能成为具身智能控制器的一种归纳偏置。
但它同样说明了另一件事：一旦进入任务优化和强化学习阶段，你看到的就已经不是纯粹意义上的“原脑拷贝”了。

6. 2026 年 3 月：EON 的亮点更像“整合演示”，不是终局

EON 的技术页本身其实比二手传播克制得多。
它一方面强调这是一个把现有脑模型、身体模型和仿真环境整合起来的进展；另一方面又明确写了很多限制，例如：

换句话说，连主张方自己都没有把它写成“完整数字生命已经诞生”。真正把话说满的，往往是传播链路。

三、今天真正做到了什么

如果必须给一个积极但克制的总结，我会说：我们已经拥有了一个快速成形的“果蝇数字研究栈”。

图 3：当前最有价值的进展，不是单点突破，而是结构数据、计算模型、身体模拟和任务控制开始被接成闭环。

它至少已经做到四件事：

第一，结构脚手架已经非常强。
接近全脑尺度的 connectome、细胞类型图谱和配套注释，已经让研究者不再只是猜“这条回路可能怎么连”。

第二，结构约束开始产生功能预测。
像 Shiu 这样的工作说明，哪怕还是简化动力学，connectome 也已经能对感觉运动过程给出可检验的预测。

第三，脑模型终于可以放进身体里看。
具身仿真让“这个模型有没有行为意义”不再只靠脑内 activity 指标，而可以看运动、反馈和环境耦合。

第四，connectome 可能成为具身智能的一种归纳偏置。
这一点对 AI 尤其重要。FlyGM 这类工作暗示，生物神经结构不只是研究对象，也可能成为控制器设计的结构先验。

这已经是很大的突破。它意味着果蝇研究正从“静态地图时代”，走向“闭环仿真时代”。

四、真正还没做到什么

但如果把这些进展直接翻译成“脑上传”，问题就来了。

图 4：真正的分界线不在“有没有全脑结构图”，而在于有没有把生命体级别的状态与适应过程纳入模型。

1. 还没有高保真的神经元和突触生物物理

今天大多数全脑尺度模型，仍然依赖简化神经元、简化突触，或者图消息传递近似。
这非常有用，但它和“把真实细胞逐一还原”是两回事。

2. 还没有把内部状态和长期适应真正放进去

饥饿、睡眠、激素、神经调质、学习、经验依赖的可塑性、长期状态漂移，这些都是行为是否像“活物”的关键变量。
EON 自己也明确承认，这些成分目前大多缺失。

3. 还没有覆盖完整自然行为谱系

就算某个演示里提到“95% 准确率”，那也是针对特定运动预测或任务指标，而不是对果蝇全部自然行为的全覆盖复现。 任务内高分，不等于生命体层面的完整重建。

4. 还没有证明“原版个体”被保留了下来

“脑上传”这个词最容易让人联想到的是：记忆、偏好、个体差异、持续身份被复制。
而今天的这些系统，离这个层次还非常远。它们更像 科学研究平台，而不是“把某只果蝇本人转存到电脑里”。

五、为什么 AI 圈特别容易把这件事说大

这一波传播之所以会跑偏，不只是因为标题党，而是因为它正好踩中了几个容易被混淆的点。

第一，神经科学里的“whole-brain”常常指覆盖全脑结构，不是覆盖完整心智。

第二，AI 圈天然偏爱一句话总结。
“结构图 + 模型 + 身体 + 行为演示”很容易被压缩成一个最刺激的叙事：脑上传终于来了。

第三，跨学科整合会制造错觉。
connectomics、神经动力学、物理仿真、强化学习本来就是四条线；一旦被一个项目整合在一起，外部读者很容易误以为“所有层都同样成熟了”。

第四，最克制的话往往写在论文和技术页里，最夸张的话往往活在转述里。

六、一个更专业、也更有价值的判断

如果你关注 AI / 神经科学，这件事真正值得兴奋的地方，不是“奇点已经在果蝇身上降临”，而是：

我们开始拥有一个由 connectome 支撑、能进入身体和任务闭环的果蝇研究栈。

它的重要性在于：

所以，比“果蝇大脑已经被数字化”更准确的说法应该是：

我们已经能在相当大尺度上重建果蝇脑的结构，并基于这些结构做出简化动力学模型、具身仿真和任务控制；这是一项重要的系统神经科学与具身智能里程碑，但还不是完整数字生命，更不是严格意义上的脑上传。

别把一座正在快速封顶的脚手架，叫成已经拎包入住的数字生命。

参考资料