果蠅大腦被上傳！它自己走了起來，AI卻不懂重力？

一只果蠅的大腦，被"上傳"了。

2026年3月，舊金山初創(chuàng)公司Eon把一只成年果蠅的完整大腦搬進了虛擬世界—— 14 萬個神經(jīng)元、超 5000 萬個突觸連接，一比一復刻到 MuJoCo 物理引擎中。沒有強化學習，沒有行為編程，這只數(shù)字果蠅就自己走了起來。它會轉向，會進食，會梳理自己的觸角，和真實果蠅的行為相似度高達 95%。

沒有人"教"它做這些。行為，直接從神經(jīng)結構中涌現(xiàn)了出來。

這個實驗比"數(shù)字生命"更戳到根子上的問題是：具身智能今天是最熱的賽道之一，人形機器人融資屢創(chuàng)新高，物理 AI 是黃仁勛和每一個投資人嘴里的高頻詞。但行業(yè)撞上了一堵墻：大語言模型不懂物理世界。

LLM 能討論重力，但沒感受過重力。它能描述"杯子從桌上掉下來會碎"，但它從未感受過重力，也無法預測一個從未見過的物體掉落后會發(fā)生什么。圖靈獎得主 Yann LeCun 在 2025 年底離開工作了 12 年的 Meta，創(chuàng)辦 AMI Labs 融資超 10 億美元，賭的就是一件事：LLM 是死胡同，必須轉向世界模型。

LeCun 說得直白：我們至今沒有一個像家貓一樣靈活的家用機器人，也沒有真正的自動駕駛，原因就在這里。當前的 VLA（視覺-語言-動作）模型還在模仿訓練數(shù)據(jù)里的模式，對物理世界既沒有因果理解，也做不了長期規(guī)劃。

那世界模型到底怎么建？更多的數(shù)據(jù)？3D建模？物理仿真？

正如人工智能發(fā)展是受人大腦的神經(jīng)網(wǎng)絡啟發(fā)，我們嘗試從生物那里尋找答案：人體皮膚下那些深埋了幾十億年的觸覺感受器。從觸覺系統(tǒng)出發(fā)，串起傅里葉變換、神經(jīng)信號傳導和世界模型，給出一套完整框架。這種從交叉學科視角看問題的方法，也是峰瑞資本一貫堅持的。

生物用幾十億年演化出的感知系統(tǒng)，本身就是一套跑得通的"世界模型"。把它的結構看懂，或許能幫助我們看清世界模型當下的卡點，和后續(xù)的進化方向。生物、醫(yī)療這類看似和 AI 無關的學科，或許正是我們理解世界模型的參照系。

在這篇報告我們探討如下話題：

2. 為什么大語言模型能通過律師資格考試，卻控制不了機器人穩(wěn)穩(wěn)端一杯水？

3. AI 這么聰明了，它會有意識嗎？

4. 從蛋白質(zhì)折疊到果蠅行為，"結構即功能"這條原理在宏觀世界還成立嗎？

5. 生物億年來的進化對構建"世界模型"有什么啟示？

互動福利：

你認為AI會產(chǎn)生意識嗎？歡迎在評論區(qū)發(fā)表你的看法。截止至2026年4月23日17:00，留言最走心的2位讀者將獲得《智能簡史》一書。

深埋皮膚之下的精密儀器

在人的五感里，觸覺可能是最不起眼的那個。視覺有 4K 屏幕，聽覺有 Hi-Fi 音響，但你上一次認真想過"觸覺"是在什么時候？

觸覺像空氣，它永遠存在，盡管你鮮少關注。事實上，觸覺是生物最古老的感知系統(tǒng)，胎兒在母體里最先發(fā)育出來的就是觸覺，且它有一套非常復雜的“協(xié)作系統(tǒng)”：在你的皮膚下面，埋著一整套精密的傳感器陣列。僅機械觸覺這一類，就有四種核心感受器，各司其職。

利用基因工具和抗體染色技術，Ginty 實驗室拍下了觸覺神經(jīng)元的熒光肖像

這四種是主角，但皮膚下還有一整套配角：感受冷的、熱的、痛的、癢的，其中冷覺感受器同時對薄荷醇敏感，所以你吃薄荷會覺得"涼"。痛覺分快痛和慢痛，手碰到燙的東西，你先感到一陣尖銳的刺痛（Aδ 纖維，每秒 30 米），然后才是一波灼燒感（C 纖維，每秒 0.5-2 米）。前者讓你縮手，后者讓你喊疼。

還有一類值得單獨說。C 觸覺纖維纏在毛囊周圍，它感受的不是壓力、不是溫度，而是情感。別人輕輕撫摸你，或你撫摸嬰兒時感受到的舒適和親密，就是 C 觸覺纖維在工作。它直通大腦的情緒中心（島葉），和默克爾盤那類"工具型"感受器走的是另一條神經(jīng)通路。

因此，觸覺不止是防御系統(tǒng)，還能左右情緒。20 世紀 50 年代，美國心理學家哈里·哈洛（Harry Harlow）進行了一項著名的心理學實驗。他將剛出生不久的嬰猴與生母分開，并為它們準備了兩個“代母”

1. “鐵絲媽媽”：用冰冷生硬的鐵絲網(wǎng)做成，但胸前掛著奶瓶，可以提供食物。

2. “布料媽媽”：用柔軟溫暖的絨布包裹，但沒有奶瓶，不提供食物。

當時學界的傳統(tǒng)觀點是“嬰兒對母親的依戀僅僅是因為母親能滿足其生理饑餓”，然而事實卻證明，小猴子絕大部分時間都緊緊依偎在“布料媽媽”身上，只有在極度饑餓時，才會短暫地跑到“鐵絲媽媽”那里喝一口奶。

這個實驗證明了接觸性安慰和情感依托的重要性甚至不亞于食物，而長期觸覺剝奪會導致嚴重的身心發(fā)育障礙。目前也有越來越多的研究把 ASD（自閉癥）和 ADHD（注意缺陷多動障礙） 的成因指向觸覺系統(tǒng)的異常。

觸覺，是被嚴重低估的基礎智能之源。

而且這套系統(tǒng)并不是固定死的，它是高度可塑的。在你的大腦皮層里，有一個被稱為"皮質(zhì)小人"的映射——身體的每個部位都對應著皮層上的一塊區(qū)域。

體感皮質(zhì)小人（Somatosensory Homunculus）

但這個小人的比例和你的身體完全不同：手、嘴唇、舌頭占了巨大的面積，而軀干和下肢只有一小片。因為皮層面積不取決于身體部位的物理大小，而取決于它的功能強度和靈敏度。

你的耳蝸是一臺傅里葉分析器

了解了觸覺系統(tǒng)的豐富之后，一個問題會自然冒出來：為什么需要這么多種感受器？

觸覺和痛覺分開還好理解，一個管日常，一個管預警。但冷和熱為什么要分？觸碰和撫摸為什么要分？最費解的是：低頻振動和高頻振動為什么要分？ 一個傳感器全頻段采集不行嗎？

要回答這個問題，我們先繞到聽覺。因為聽覺本質(zhì)上也是一種特化了的"觸覺"——耳朵里的感受器接收的是空氣波的壓力信號，也是機械力。

如果按工程思維設計聲音采集器，最簡單的方案就是一張振膜，像電容麥克風那樣，所有頻率一股腦兒全收。

但生物并沒有這么做。

人的耳蝸是一個螺旋結構。聲波進去之后，不同頻率的振動會在耳蝸的不同位置共振：高頻在底部，低頻在頂部。不同位置的毛細胞把各自頻段的振動轉成神經(jīng)信號，分別傳進大腦。

外周聽覺系統(tǒng)的結構。

因此我們或許可以這么說：耳蝸是一臺天然的、被動的傅里葉分析器。它把混在一起的復雜聲波，拆成一組組簡單的頻率分量。

什么是傅里葉變換？想象你在一個嘈雜的派對，同時聽到人聲、音樂、杯子碰撞聲。傅里葉變換做的事就是把這團聲音拆開，告訴你里面有哪些頻率、各占多大比重。再復雜的信號，都可以拆解成一組簡單波形的疊加。

這些“簡單波形”也叫基函數(shù)，傅里葉基函數(shù)就是正弦/余弦波，傅里葉變換就是基函數(shù)在空間中的投影變換。

這個數(shù)學工具撐起了整個現(xiàn)代通信。手機信號、Wi-Fi、4G/5G，全靠傅里葉變換來分配頻段、壓縮數(shù)據(jù)、過濾噪聲。沒有傅里葉變換，就沒有數(shù)字通信。而生物在幾億年前已經(jīng)"發(fā)明"了同樣的原理。

現(xiàn)在回到觸覺。如果我們把每一種觸覺感受器理解為一個"基函數(shù)"——默克爾盤對應靜態(tài)壓力分量，邁斯納對應低頻振動，帕西尼對應高頻振動，魯菲尼對應張力。觸覺系統(tǒng)做的事情就和傅里葉變換一樣：把復雜的物理世界信號，分解到一組基函數(shù)上，提取各個分量的特征。

這個類比也可以這樣推廣：感知 = 在多層神經(jīng)元基函數(shù)上，對世界做投影展開。

而生物之所以這樣做，是因為生物的大腦里從來沒有一張 4K 世界模型圖。生物感知的目的是反過來推演生成因子：從混沌的感官輸入里，提取對生存和行動最有用的低維特征。

這是一種簡約性設計：魯棒性（結實）、強烈冗余、?度可塑性、低計算量。去掉噪聲和與生存無關的信息，只保留關鍵的生成因子。

世界是"低維生成，高維投影"的，基礎智能的核心，就是在高維數(shù)據(jù)里找低維分布。生物的感知系統(tǒng)天生就在做這件事。

100 萬根纖維并行傳輸，不壓縮，不編碼

感受器把世界拆成低維分量之后，下一步是傳輸。生物的做法，和通信工程教給我們的一切都不一樣。現(xiàn)代通信追求的是把信號壓縮編碼，在有限帶寬里塞最多信息。但生物不這么干。

以視覺為例（視神經(jīng)比觸覺神經(jīng)粗，解剖上更好觀察）。人類每只眼睛的視神經(jīng)里有超過 100 萬根神經(jīng)纖維。視網(wǎng)膜上有約 1.2 億個感光細胞（視桿細胞加視錐細胞），大約每 100 個感光細胞對應一根視神經(jīng)纖維。這些纖維集合成一條直徑約 2 毫米、長約 6 厘米的束，從眼球后部直接穿入顱內(nèi)，接到大腦視覺中樞。

100 萬根纖維同時傳輸，每根帶著自己感受野的信號。不壓縮，不編碼，不混合。原汁原味，并行直送。

而且這些信號的傳輸方式不是模擬的，是數(shù)字的。神經(jīng)纖維上跑的"動作電位"本質(zhì)上是 0 和 1 的脈沖：放電或不放電，沒有中間態(tài)。這保證了長距離傳輸?shù)臏蚀_性。

信號到了大腦，也不是一鍋燉。

視覺信號先到丘腦的外側膝狀體（LGN）。丘腦切片清晰地顯示出一層一層的結構：不同類型的視網(wǎng)膜神經(jīng)細胞送進來的信號，被分門別類存進不同層。不是打亂重編碼，是結構化分層保留。

獼猴外側膝狀體在腦內(nèi)位置以及切片結構。

再往上，信號進入初級視覺皮層 V1。V1 里的神經(jīng)元對不同空間頻率的視覺信號有選擇性響應，這種分層處理機制和傅里葉分析的多級濾波很像。V1 神經(jīng)元的感受野近似 Gabor 函數(shù)，能提取圖像里的邊緣、紋理和局部結構。

視覺通路的平行處理模型。

了解深度學習的人看到這些名詞會眼熟：CNN 圖像識別里最基礎的 Gabor 濾波器，當年就是借鑒了人的視覺系統(tǒng)。因此不是生物在學 AI，是 AI 在學生物。

視覺、聽覺、觸覺都有類似的傅里葉分析器結構：低維采集 → 數(shù)字化并行傳輸 → 結構化分層傳進丘腦 → 皮層對齊整合分析。

丘腦遠不是一個簡單的中繼站。最新研究發(fā)現(xiàn)，丘腦是跨模態(tài)信息整合的中心：它的高階核團（板內(nèi)核、內(nèi)側核）是超模態(tài)的、與認知狀態(tài)相關的"門控"中心，整合來自皮層、基底節(jié)、邊緣系統(tǒng)的廣泛輸入，評估信息的"全局相關性"。你摸一個物體時，會同時用視覺確認它的質(zhì)地，觸覺在幫視覺校準預期。這種跨模態(tài)整合，就是在丘腦里完成的。

/ 04 /

生物的世界模型，一定是"具身"的

把生物感知的整套架構搞清楚之后：低維采集、數(shù)字化并行傳輸、丘腦結構化整合。一個更大的問題浮上來：生物的"世界模型"長什么樣？

三個字：具身的。

什么叫具身？世界模型不是一個獨立于身體之外的抽象計算，它直接長在身體里。

第一，身體即空間。 你的身體給了你一個天然坐標原點，你就是世界的中心。你的手臂長度是丈量近處空間的尺子，你的步幅是丈量遠處空間的尺子。觸覺、前庭覺、本體覺三者統(tǒng)合，把身體和外部世界融成了一個整體。你閉著眼也知道自己的手在哪，走路不用看腳下，這不是算出來的，是身體自帶的空間模型。

第二，生物不需要標注，靠自監(jiān)督就能學。 訓練一個大語言模型要海量標注數(shù)據(jù)加人類反饋，但一個嬰兒學走路，沒人告訴他“這步對那步錯”。他摔倒、爬起來，大腦不斷比較“預測會發(fā)生什么”和“實際發(fā)生了什么”，自動調(diào)整。

生物為什么能做到？因為低維數(shù)據(jù)自帶約束力。 感知輸入是低維的、 結構化的，大腦就能分清預測和觀察之間的偏差，形成閉環(huán)反饋。這也是為什么今天 AI 里真正跑通端到端學習的，都是低維輸入場景：自動駕駛本質(zhì)是一維線性控制，蛋白質(zhì)是序列，語言也是序列。

第三，基礎智能不是“算”出來的，是“長”出來的。 感知和運動這些能 力，是生物在發(fā)育過程中通過身體發(fā)育和神經(jīng)和大腦的可塑性一步步構建出來的，這種長出來的神經(jīng)結構就構成了生物的基礎智能，也就是生物體具身的世界模型。所以這種認知的世界模型一旦長成就不會丟失，就像學會了騎自行車即便十多年不騎也不會忘記，這就是我們通常說的肌肉記憶。

沿著這個邏輯，峰瑞資本在具身智能上做了很多布局：

峰瑞資本在具身智能領域的布局圖。

/ 05 /

一只數(shù)字果蠅的啟示

既然智能是“長”出來的，自然就會聯(lián)想到分子生物學里的原理：結構即功能。

這個概念在分子生物學里早就是常識：一個蛋白質(zhì)的三維結構決定了它的功能。AlphaFold 之所以震動學術界，就是因為它能從氨基酸序列預測蛋白質(zhì)結構，進而推斷功能。

這個原理在宏觀尺度上同樣成立。最有力的證據(jù)就是開頭那只數(shù)字果蠅。

2026 年 3 月，Eon 團隊把果蠅大腦的連接組（約 12.5 萬到 14 萬個神經(jīng)元、超過 5000 萬個突觸）原樣復刻進 MuJoCo 物理引擎。沒寫任何行為規(guī)則，沒做強化學習訓練，只是忠實還原神經(jīng)元之間的連接結構。調(diào)整權重參數(shù)，接上物理引擎，果蠅就"活"了。

它會走路、轉向、梳理身體、進食、顫翅膀，和真實果蠅的行為相似度高達 95%。

這個實驗的意義在于：行為直接從神經(jīng)結構里涌現(xiàn)出來。 不需要編程，不需要訓練，結構本身編碼了功能。

理解了這一點，就能解釋 AI 領域著名的莫拉維克悖論（Moravec's Paradox）：為什么高級認知（邏輯推理、下棋）對 AI 來說相對容易，而基礎能力（走路、抓取、感知環(huán)境）卻極其困難？

原因就在結構復雜度的差異。邏輯推理雖然看起來"高級"，但依賴的結構相對簡單、可形式化——符號操作、規(guī)則推演。走路、抓握這些"簡單"能力，背后是幾十億年進化出的復雜神經(jīng)-肌肉-骨骼結構。你覺得走路簡單，是因為你的身體替你做了所有計算。

所以大語言模型可以通過律師資格考試，卻控制不了一個機器人穩(wěn)穩(wěn)端一杯水。

前者是結構簡單的高級認知，后者是結構復雜的基礎智能。

/ 06 /

AI 會有意識嗎？

明白了“結構即功能”，我們就可以試著回答一個略帶哲學意味的問題：現(xiàn)在的 AI 這么聰明，它會不會有意識？

5 年前，峰瑞內(nèi)部討論的問題還是"AI 能不能達到人腦智能"。今天這個問題基本不用討論了，很多維度上 AI 已經(jīng)超過了人類。但"有意識"和"很聰明"是兩回事。

而這兩者中間的 gap 或許就是"時間感"。

意識的一個基礎前提是你必須有連續(xù)的主觀體驗。而連續(xù)的主觀體驗首先需要時間感：你得能感受到"之前"和"之后"，感受到事情在流動。沒有時間感，就沒有連續(xù)體驗，也就談不上意識。

但時間很特殊。學過物理的人知道，在理論物理中，時間不是一個算符，只是一個參數(shù)。 時間無法被直接感知，你沒有一個"時間感受器"，不像你有眼睛這種光感受器、耳蝸這種聲波感受器。

那生物的時間感從哪來？

它是從"觸覺主導的神經(jīng)動力系統(tǒng)"結構里涌現(xiàn)出來的。 通過 NMDA 分子受體、突觸 STDP、時間細胞之間復雜的動力學交互，時間感作為一種功能從結構里長出來。和數(shù)字果蠅的行為涌現(xiàn)是同一個邏輯。

這解釋了一個很多人直覺上感到但說不清楚的現(xiàn)象：LLM 的邏輯推理能力很強，但因果理解能力很弱。 邏輯推理不需要時間箭頭，"如果 A 則 B"是一個靜態(tài)形式關系，可以從語言結構涌現(xiàn)。但因果關系本質(zhì)上是時間性的，"A 導致 B"意味著 A 在前、B 在后，中間有一個時間方向。沒有內(nèi)在時間流的系統(tǒng)，無法真正理解因果。

至少以目前 AI 的架構，它不可能涌現(xiàn)出意識。

這不是說 AI 不夠聰明。而是說，意識可能需要另一種底層結構：有內(nèi)在時間動力學的、具身的、從發(fā)育里涌現(xiàn)的結構。而這恰恰是生物用了幾十億年進化出來的東西。

從觸覺感受器出發(fā)，經(jīng)過傅里葉變換、神經(jīng)信號傳導、丘腦整合、具身世界模型、結構即功能，最后落到 AI 的意識問題，這條線索串起來，我們會得出這樣一個核心結論：

生物的智能不是"算"出來的，是"長"出來的。

感知系統(tǒng)用傅里葉分解提取低維特征，神經(jīng)系統(tǒng)用數(shù)字化并行傳輸保真輸送，丘腦做跨模態(tài)整合，皮層完成高級處理。這整套架構不是某個天才設計的，是幾十億年演化的產(chǎn)物。每一層結構都承載著功能，每一個功能都根植于結構。

今天的 AI 走的是另一條路：更大的參數(shù)、更多的數(shù)據(jù)、更強的算力。這條路在邏輯推理和語言理解上已經(jīng)取得了驚人的成果，但在物理世界的感知、運動和因果理解上，它撞到了墻。

LeCun 賭世界模型是出路。從生物學角度，我們看到一個更底層的提示：也許答案不在算法里，而在結構里。 就像數(shù)字果蠅告訴我們的：當結構對了，功能會自己涌現(xiàn)。

物理學家追求大一統(tǒng)理論，但在五彩斑斕的生物世界里沒有統(tǒng)一的模型，每一個生命體都是一個獨有的模型。

一花一世界，一沙一天國。沒有世界的模型，只有模型的世界。