果蝇、小鼠、人：全脑模拟还差多远？用 Mac mini 实测算一笔账
果蝇、小鼠、人：全脑模拟还差多远？用 Mac mini 实测算一笔账
「科学家上传了一只果蝇的大脑」之后，下一个问题几乎总是：那人脑呢？
这篇用一个具体的办法回答：拿我们在 Mac mini 上真实跑过的果蝇全脑模拟做基准，照同样的模型和算法，把规模放大到小鼠和人，看看会撞上哪几堵墙。先说结论：
- 神经元数量差了五六个数量级。 果蝇脑 139,255 个，小鼠 7,089 万个（约 500 倍），人 861 亿个（约 62 万倍）。
- 第一堵墙是测绘。 迄今完整画出来的最大神经系统是果蝇；哺乳动物只画完了小鼠 1 立方毫米的皮层，约占整只小鼠脑的四百分之一。
- 第二堵墙是校对。 果蝇全脑的人工校对花了约 33 人年。线性外推，小鼠要约 1.7 万人年。
- 第三堵墙是算力和内存。 果蝇在 Mac mini 上模拟 1 秒要 12.6 秒；外推到小鼠约 41 小时、1.4 TB 内存，人脑约 5.7 年、1.7 PB 内存。
- 第四堵墙最根本：接线图本身不够。 我们实测，现有的果蝇全脑模型不给输入时一个脉冲都不发；它没有学习、记忆，也没有神经调质。
三种大脑有多大
| 物种 | 神经元 | 完整接线图 | 出处 |
|---|---|---|---|
| 秀丽隐杆线虫 | 约 300 | 1986 年画完 | Dorkenwald 2024 引 White 1986 |
| 果蝇幼虫 | 约 3,000 | 2023 年画完 | 同上，引 Winding 2023 |
| 成年果蝇（脑） | 139,255 | 2024 年，FlyWire | Dorkenwald et al. 2024, Nature |
| 成年果蝇（脑 + 腹神经索） | 166,700 | 2026 年，MaleCNS | Berg et al. 2026, Cell |
| 小鼠 | 7,089 万 | 只画完 1 mm³ 皮层 | Herculano-Houzel et al. 2006, PNAS |
| 人 | 861 亿 | 远未开始 | Azevedo et al. 2009 |
人脑「1,000 亿个神经元」是个流传很广的说法。2009 年 Azevedo 等人用「各向同性分离法」（把脑组织打成均匀的细胞核悬液再计数）实际数了一遍，得到的是 861 亿 ± 81 亿。
第一堵墙：测绘
画接线图的第一步是用电镜把整块组织以纳米精度拍下来。看看已经拍过的体积：
| 数据集 | 成像体积 | 规模 |
|---|---|---|
| 果蝇脑（FlyWire 的神经纤维网） | 0.0175 mm³ | 13.9 万个神经元 |
| 果蝇全中枢（MaleCNS） | 0.082 mm³ | 16.7 万个神经元，7 台电镜拍了 13 个月 |
| 小鼠视觉皮层（MICrONS） | 1 mm³ | 20 多万个细胞、约 5 亿个突触 |
| 整只小鼠脑 | 约 400 mm³（脑重 0.42 克） | 7,089 万个神经元 |
| 人脑 | 约 120 万 mm³ | 861 亿个神经元 |
MICrONS（2025 年发表在 Nature）是目前最大的哺乳动物连接组之一，但它只是整只小鼠脑的约四百分之一。
如果用 MaleCNS 的成像速度（7 台电镜 13 个月拍 0.082 mm³）去拍一整只小鼠脑，要大约 5,000 年。这当然是个过于朴素的算法——电镜在变快，可以开更多台，MICrONS 用的也是另一套成像方案——但它说明了量级：小鼠脑的体积是果蝇全中枢的约 5,000 倍。
第二堵墙：校对
拍下来只是开始。AI 自动分割会犯两类错：把两个神经元粘在一起，或把一个神经元断成几截。这些错只能靠人改：
- FlyWire（果蝇脑）：3,013,513 次人工修改，约 33 人年。
- MaleCNS（果蝇全中枢）：29 名专业校对员做了 3 年，约 44 人年。
如果校对效率不变，按神经元数线性放大，小鼠要约 1.7 万人年，人脑要约 2,000 万人年。
这个外推的意义不在于具体数字，而在于说明：下一步的瓶颈是 AI 分割的准确率，不是电镜的速度。 只有让 AI 犯的错少上几个数量级，哺乳动物全脑才有可能。
（细节见果蝇大脑地图是怎么画出来的。）
第三堵墙：算力和内存——用 Mac mini 实测外推
基准：果蝇在 Mac mini 上要多久
我们在 Mac mini M4（10 核 CPU、24 GB 内存）上跑过 Shiu 2024 的果蝇全脑 LIF 模型（Brian2 C++ 后端）：
- 模型：138,639 个神经元、15,091,983 条连接；
- 模拟 0.1 秒脑时间耗时 1.26 秒，即 1 秒脑时间约 12.6 秒（不含首次约 8 秒的编译）；
- 权重矩阵按稀疏格式存，约 121 MB（每条连接按 8 字节估算）。
如果加上膜噪声、适应电流和全脑监视，会再慢到实时的 18～24 倍（见自发行为实测）。这里取最快的 12.6 倍做基准。
外推
假设：
- 计算量和内存与连接数成正比。 稀疏矩阵运算的主要开销就在逐条连接上，这个近似对 LIF 模型大体成立。
- 哺乳动物每个细胞约 2,500 个突触，取自 MICrONS 的「20 多万个细胞、约 5 亿个突触」。因为体积边缘的细胞分支被截断，这个比例偏低；哺乳动物两个神经元之间通常只有少数几个突触，所以这里直接把突触数当连接数用，量级上不会差太远。
- 神经元模型、放电率和算法都和果蝇一样，同一台 Mac mini。
| 果蝇（实测） | 小鼠（外推） | 人（外推） | |
|---|---|---|---|
| 神经元 | 13.9 万 | 7,089 万 | 861 亿 |
| 连接（条） | 1,509 万 | 约 1,800 亿 | 约 215 万亿 |
| 相对果蝇 | 1 倍 | 约 1.2 万倍 | 约 1,400 万倍 |
| Mac mini 模拟 1 秒脑时间 | 12.6 秒 | 约 41 小时 | 约 5.7 年 |
| 权重矩阵内存 | 约 121 MB | 约 1.4 TB | 约 1.7 PB |
注意最后一行：人脑的接线图光存进内存就要 1.7 PB，大约是一台 24 GB 内存的 Mac mini 的 7 万倍。换成超级计算机，算力可以并行堆上去，但这么大的稀疏矩阵在几十万个处理器之间传递脉冲，通信本身就会成为瓶颈。
这张表里的数字是数量级估计，不是预测。真正决定成本的还有神经元模型的复杂度：LIF 是最简单的一种，换成考虑树突形态的多房室模型，计算量还要再乘几个数量级。
第四堵墙：接线图不等于大脑
前三堵墙都是工程问题，迟早会被技术进步推倒。第四堵墙不一样。
我们用同一套果蝇全脑模型做过实测：不给任何输入，它一个脉冲都不发。 这和 Shiu 等人论文里写的一致——模型中每个神经元的基线放电率是 0 Hz。真实的果蝇放进空盒子里会走、会停、会梳理；这颗「复刻」出来的脑不会。我们加上膜噪声和放电适应之后，它才开始自己动，但节奏和片段长短很大程度上由加进去的参数决定。
缺的东西还有很多，Eon Systems 在他们的技术文章里也承认了：
- 没有可塑性：LIF 模型没有任何学习规则，「这只果蝇目前不能形成长期记忆」；
- 没有内部状态：饥饿、饱足、唤醒、交配状态、神经调质都会改变真实果蝇的反应，模型里基本缺失；
- 连接强度是猜的：用突触数量代替真实的突触强度，正负号来自 AI 对神经递质的预测；
- 没有身体以下的部分：FlyWire 只有脑，到运动神经元那一段要靠人手写（MaleCNS 补上了腹神经索）。
所以，即使有一天人脑的接线图完整了、算力也够了，「上传」出来的也只是一张结构图上跑着的简化动力学，离「那个人」还差着学习、记忆和化学状态这些目前根本测不出来的东西。（详见果蝇大脑真的被上传了吗。）
那果蝇的意义在哪
全脑模拟在果蝇身上已经能做有用的事。Shiu 等人用这个只有一个自由参数的 LIF 模型，对进食和梳理回路做了 164 条可以实验检验的预测，91% 与实验结果一致。我们自己跑通官方模型后，一次沉默一个神经元，也找到了一个模型预测会给进食「踩刹车」的下行神经元（见果蝇大脑怎么下载）。
果蝇是第一个规模够大、又能完整画出来的「试验场」：在它身上弄清楚「接线图能解释多少行为、还缺什么」，比直接去想人脑实际得多。
常见问题
果蝇的大脑有多少个神经元？
FlyWire 统计的成年雌果蝇大脑是 139,255 个（含视叶）；MaleCNS 统计的雄果蝇整个中枢神经系统（大脑 + 腹神经索）是 166,700 个。Shiu 2024 全脑模型实际用的是 138,639 个。
什么是全脑模拟（Whole Brain Emulation）？
指把一个大脑的结构完整扫描下来，再在计算机里重建并运行它的动力学，让它表现出和原来的大脑一样的功能。这个概念在 2008 年 Sandberg 和 Bostrom 的报告《Whole Brain Emulation: A Roadmap》里被系统阐述过。果蝇是目前离这个目标最近的动物，但正如上文所说，也只做到了结构这一层。
人脑什么时候能上传？
没有可靠的时间表。从这笔账看，测绘、校对、算力三堵墙都差了好几个数量级，而第四堵墙——学习、记忆和化学状态怎么测——目前还没有可行的方法。
我能自己跑一个果蝇全脑模拟吗？
能。官方模型和数据都是公开的，普通电脑就行，步骤见果蝇大脑怎么下载、在自己电脑上跑；想先玩，可以在数字果蝇实验室里用浏览器开一只物理仿真的果蝇。
参考
- Dorkenwald et al. 2024, Neuronal wiring diagram of an adult brain, Nature. doi:10.1038/s41586-024-07558-y
- Berg et al. 2026, Sexual dimorphism in the complete Drosophila male central nervous system connectome, Cell. doi:10.1016/j.cell.2026.08.015
- MICrONS Consortium 2025, Functional connectomics spanning multiple areas of mouse visual cortex, Nature. doi:10.1038/s41586-025-08790-w
- Herculano-Houzel, Mota & Lent 2006, Cellular scaling rules for rodent brains, PNAS. doi:10.1073/pnas.0604911103
- Azevedo et al. 2009, Equal numbers of neuronal and nonneuronal cells make the human brain an isometrically scaled-up primate brain, J. Comp. Neurol. doi:10.1002/cne.21974
- Shiu et al. 2024, A Drosophila computational brain model reveals sensorimotor processing, Nature. doi:10.1038/s41586-024-07763-9
- Sandberg & Bostrom 2008, Whole Brain Emulation: A Roadmap, Future of Humanity Institute
