去年7月，一名运动功能障碍患者在大脑皮层顶部植入脑虎科技设计的256通道柔性脑机接口。经过两周训练，患者可通过意念操作社交媒体应用并控制智能轮椅；同年12月，一名语言功能障碍患者植入同款设备，经过训练，实现了普通话交流，速度达每分钟50字（约为普通人语速的三分之一），延时小于100毫秒。
这两个案例是国际上首次实现汉语普通话的实时解码，填补了国内相关领域的空白。
人脑，一个复杂且精密的系统，蕴藏着智能运作的终极密码，也是诸多科学家探索数字孪生脑与类脑智能的核心原型。
孪生脑和类脑智能有什么区别？目前的研究进展如何？孪生脑和类脑智能对人类的意义何在？有哪些应用场景？在2025年世界人工智能大会（WAIC 2025）上，一场关于脑科学的思辨会就此展开，来自中国科学院、复旦大学、浙江大学等研究机构的专家就这些议题展开探讨，展示了一幅充满无限可能的脑科学研究未来蓝图。
对于人类而言，这不仅意味着脑疾病诊疗可能迎来“数字实验”与精准干预的新范式，如通过孪生脑模拟病理状态优化治疗方案，也预示着类脑智能将以更高效、更贴近生物智慧的方式服务于生活的方方面面。
孪生大脑，将“大脑”分成50万份
人脑虽然只有三斤重，能耗仅相当于超级计算机的数万分之一，却由860亿个神经元组成，每个神经元又连接着另外1000多个神经元，称得上是最复杂和神秘的神经系统。
“如果我不能创造它，我就不能理解它。”这是美国著名物理学家理查德·费曼的一句名言，放在脑科学研究领域同样适用。
历经7年攻关，复旦大学特聘教授、博士生导师，信息通讯专家郑奇宝所在的研究团队构建了一个全人脑尺度大脑模拟平台数字孪生脑（DTB，Digital Twin Brain）。
数字孪生脑能够帮助研究人员理解信息在大脑中传播和处理的过程，在郑奇宝看来，数字孪生脑的本质就是模拟人的大脑，主要是为了促进人工智能的发展和提升脑疾病诊疗水平。
一个数字孪生脑是如何形成的？
郑奇宝介绍，先用可收集的最精细的大脑影像数据，建立一个介观尺度的大脑模型。所谓介观尺度，就是把大脑影像分成23000块，每块大概是边长为3毫米的立方体。然后利用核磁共振技术获取的脑影像数据，把这些“小块”之间的连接弄清楚。
光有这些数据还不够，每个立方体里有几十万甚至上百万个神经元，它们之间的细微连接和连接强度，以现在的技术水平还很难实现完整获取，所以研究团队又通过数学里的数据同化方法，在一定程度上解决了这个问题，推动数字孪生脑的构建。
此前，团队进行了视觉实验和听觉实验，数字孪生脑与人类大脑活动的皮尔逊系数(该系数用于量化数字孪生脑与人类大脑活动之间的相似性，数值越高，说明两者的活动模式越接近)达0.63，听觉实验达0.57。这意味着，数字孪生脑的活动模式与人类大脑存在较高的相似性，其对视觉和听觉信息的处理反应已在一定程度上贴近真实大脑的活动状态。
郑奇宝透露，团队已启动“3.0 版本”研发，计划把大脑影像的切割精度提高到1毫米。“之前分成的23000块可能会变成50多万块，分得更细，模拟在认知表现上也会更好。另一方面是完善动力学机制，目前的模拟虽然有显著的大脑功能，比如把一张图片输入大脑的视觉皮层，能得到和生物大脑类似的时间序列，但不给刺激，这个数字大脑就是‘死’的。”郑奇宝说，如果某天能让整个大脑通过身体反馈，再结合视觉、听觉、触觉等感知世界，那才是真正完整的数字孪生脑。
类脑研究，像人脑一样低功耗高智能
想象一下，当你对计算机说出“有点冷”时，它能明白你想开暖气；而当你朝它喷洒杀虫剂时，它能反馈“有毒气体”，这就是计算机具备类似人脑的“思考能力”。
如果数字孪生脑追求的是“像脑”，那么类脑智能更关注“用脑的智慧”。但是，当前人工智能系统普遍面临能耗过高的问题，动辄需要成千上万块GPU支撑运行，而生物脑仅用低能耗就能实现复杂的认知功能，这种巨大差距正是类脑智能需要突破的关键方向。
自2012年起，浙江大学计算机学院教授、脑机智能全国重点实验室主任潘纲带领团队致力于类脑计算机研究，先后研发出达尔文一代、二代类脑芯片，2023年进一步研制成功国际上单芯片神经元规模最大的达尔文三代类脑芯片。
在他看来，生物脑的部分机制可能并非智能核心，例如大脑中90%的能耗用于静息态活动，若完全复刻反而会增加系统冗余。类脑智能的关键在于提炼生物脑的高效特性，如稀疏连接、动态激活等，而非机械模仿，“就像人类大脑在处理信息时，只有少数神经元会被激活，这种‘按需工作’的稀疏模式既保证了效率又降低了能耗，类脑智能就要借鉴这种思路，跳出对生物脑细节的盲目复制，专注于提取那些真正支撑智能的核心机制，让人工智能系统在能耗和性能上实现更优平衡。”
做大规模模拟要集中大量计算资源，也未必能产生最好的效果。但生物进化却很神奇，生物脑能耗特别低，能力却很强。这让人思考是不是要改变现有的计算方式，有没有更高效的计算体系。
中国科学院自动化研究所，国家杰出青年基金会获得者李国奇也认为，类脑智能需要吸收大脑在结构和功能上的特点，构建更高效的模型，但也不是大脑所有东西都能用得上。
“生物脑的神经元具有多样性和动力学特性，而现有大模型的计算单元却高度同质化。”李国奇团队正尝试设计具有“脉冲通信”特性的网络，仅让一小部分神经元处于激活状态，大幅降低能耗。
既要“模拟活大脑”，还要在“交互中进化”
目前，跨物种脑研究正在成为脑科学研究的重要突破口，不同生物脑的机制探索为智能模型提供更丰富的“进化参考”。虽然低等生物的脑结构相对简单，但其神经环路机制可为人类脑模型提供“简化版参考”，比如斑马鱼的推理能力、蛇对自身身体的认知，都隐藏着智能的基础逻辑。
“真正的具身智能不应止步于动作控制，而是要像生物一样，通过身体感知与环境互动，实现系统自身的动态重构。”郑奇宝团队已启动斑马鱼数字孪生脑研究。
无论是数字孪生脑还是类脑智能，说到底，其最终目的都是帮助人类更深入地理解大脑的奥秘，同时推动人工智能技术突破现有瓶颈，更好地服务于医疗、科研等领域。
郑奇宝表示，数字孪生脑已展现出精准医疗潜力。比如针对帕金森病患者，其团队通过输入患者数据，模拟出其基底核（大脑深部的一组灰质核团）特有的病理贝塔波（大脑神经元活动产生的一种脑电波），这是一种异常的脑电波，进而在数字空间中测试深部脑刺激等治疗方案，为临床精准干预提供靶点参考。“这相当于为脑疾病治疗打造‘数字实验室’，能大幅降低临床试错成本，也能更有针对性地进行治疗。”郑奇宝说。
在与会专家看来，数字孪生脑被视为连接生物智能与人工智能的桥梁，下一步目标是实现“活的模拟”，让数字孪生脑摆脱对外部刺激的依赖，具备自主思考能力，而类脑智能的发展，则更强调与环境的“交互进化”。
春秋战国时期，铜器演变为铁器，工具的革新推动了农业、手工业的飞跃发展。“现在，脑科学的发展还处在类似春秋战国阶段，也会带来社会的巨大进步，将重塑我们认识世界和自身的方式。”李国奇说。
本文来自微信公众号“IT时报”（ID：vittimes），作者：潘少颖，编辑：郝俊慧 孙妍，36氪经授权发布。
