吴枫：10万亿参数之后，AI从果蝇脑找新路

在2026移动网络大会期间，中国工程院院士、中国科学技术大学信息科学技术学院教授、类脑智能技术及应用国家工程实验室主任吴枫作了主旨演讲，题目是《人工智能的新机遇》。

眼下，以Transformer为底座的大模型参数规模已越过10万亿，可算力、电力与训练数据却在同时收紧。另一头，电子显微镜不断迭代，人类第一次有机会把一立方毫米脑组织里的神经连接看清楚。吴枫结合AI技术在科技场景的应用，讲了从精细生物神经结构出发搭建神经孪生模型的技术路径，也讲了这条路在具身智能、个体智能、脑科学研究和脑机接口上的落点。对人工智能来说，这有助于跳出单一规模路线，补上物理世界里的个体智能。

十万亿参数之后，通用智能该往哪走

说到构建神经孪生模型的技术路径，吴枫表示，以Transformer为基础的大模型最初是为了解决语言问题。模型不断扩展，才被用到多模态生成和AIGC上，下一步被寄予厚望的，是拿它产生一个通用的智能体。

“模型参数如今已经突破10万亿。”吴枫说，规模越大，暴露出的难题也越实在。照人脑的量级来算，模型还得再涨几个数量级，电力供应、芯片储备、数据余量，这些问题全得重新回答。

他抛出一个现实问题：“现在的算力、能源供给能不能满足？对这么大的一个模型，我们有没有足够大的数据来进行训练？”

吴枫认为，这条路最终能否通向类人智能，眼下还没有答案。也正因如此，人脑这个现成的通用智能体又被重新审视。过去100年有25项

吴枫接着说，5.2亿年进化下来，脑容量从最原始的3毫升扩到今天的1250毫升。860亿个神经元靠千万亿个连接彼此配合，几百个脑区同步运转，通信、计算、存储合为一体，功能极强，功耗却极低。相形之下，人脑在计算原理和架构上都与当今计算机不同。同样追求通用智能，一边靠规模和数据进行堆叠，一边经由漫长进化与自然选择筛选，两条路径并不交汇。

一颗果蝇脑，打开类脑神经研究的方向

人工智能为何很少向人脑取经？吴枫把原因归到工具上。早期脑科学的研究重心在功能层面，而人工智能需要的是神经元之间的连接方式。直到本世纪初，神经科学家才提出研究脑的微观连接。

2008年连续切片电子显微镜问世，一立方毫米脑组织只有一颗芝麻大小，成像却要耗上十年。2014年多电子束电镜把这一时间缩短到半年，精细观测连接结构这才第一次具备可行性。

吴枫表示，只要仪器一换，成果就会成串地来。2020年起，

吴枫指出，国际上对这一领域相当重视，成像只是第一步，真正的目标是揭开生物脑智能的奥秘。今年上半年的一项工作就很有意义：果蝇脑包含13.9万个神经元、5400万个突触，研究者用人工智能构建了一个与生物连接一一对应的图神经网络。给这个脑施加刺激，屏幕上成片神经元亮起放电，再把信号映射到虚拟果蝇的触角和脚，它便爬行起来，也开始清洁触角。

吴枫强调，整个过程没有经过学习或训练，全靠生物的神经结构实现，说明生物神经结构本身具备这种功能。能力其实已经写在结构里，而非喂进去的数据里。这带来一个启发：或许能借助精细的生物神经结构来发展人工智能模型。

他把神经孪生与当下的大模型进行对比，认为类脑神经模型规模小、省电、适应性强，一般情况下不需要大数据的学习，主要用武之地是具身智能和个体智能。

从无人机应用到神经孪生

说到无人机的应用，吴枫认为，眼下的无人机都离不开人操控。要是把一颗果蝇脑做成模型装进去，机器就有可能自行感知环境、自行控制，用生物的方式导航，而不必依赖人给它标注的地图去完成各种飞行任务。

不过他同时指出，现实场景里凑不齐那么多标注数据，这正是大模型棘手之处。真要组织无人机群送货，路径规划一类仍可交给云端大模型，每架飞机则靠仿生模型做自我分析、自我回避，两头配合着用。吴枫认为，数字孪生与当前的大模型这两条路径可以相互补充、相互促进，配合起来能完成很多智能任务。他还认为这有三重意义：具身与个体智能这一块能补上，人工智能由此多了一类不靠大模型的任务；神经孪生