诺奖现场40秒视频疯传!评委当场戳破AI最大幻觉:别再吹它像人脑了

大洋彼岸的斯坦福大学实验室里，卡尔·戴瑟罗斯（Karl Deisseroth）正熬夜改着论文。电话铃声突然刺破深夜的寂静

电话来自瑞典斯德哥尔摩几小时后，2026年诺贝尔生理学或医学奖正式揭晓，戴瑟罗斯与德国科学家彼得·黑格曼（Peter Hegemann）、格奥尔格·纳格尔（Georg Nagel）的名字亮在大屏幕上。他们用一束光，造出了控制活体大脑神经元的“精准开关”。

然而在发布会后半段，一段仅有40秒的问答切片随即引发了广泛热议。

台下一位记者接过话筒，抛出了一个当下最时髦的问题：这项破解人脑神经机制的诺奖级突破，能不能帮我们搞懂AI神经网络的黑盒子里到底发生了什么？甚至把这套技术直接迁移给人工智能？

台上，诺贝尔委员会评委停顿片刻，并未顺着提问展开宏大的跨界展望，给出的回答格外冷静：

“AI中使用的神经网络与人脑之间的相似性，大概不应被夸大。”

短短十几个英文单词，像一盆混着冰碴的斯德哥尔摩冷水，顺着网线浇进了狂热的硅谷。

▲ 科技评论博主Rohan Paul转发发布会40秒问答片段，配文直指诺奖委员会喊停“AI像人脑一样工作”的过度炒作

01.一边是泥塘里的绿藻，一边是硅谷最昂贵的话术

把时针拨回发布会现场在这场被美联社完整记录的25分钟直播里，两条截然不同的探索路径，在那个提问瞬间迎头相撞。

第一条线，始于三十年前水塘里的一团单细胞绿藻。

早年间，黑格曼对一个看似无聊的自然现象着了迷：衣藻（Chlamydomonas）连眼睛都没有，为什么一见光就会往亮处游？ 他和纳格尔一路顺藤摸瓜，在藻类的细胞膜上揪出了一种神奇的蛋白质，通道视紫红质（channelrhodopsin）。

你可以把这种蛋白质想象成一扇只认光线的全自动感应门。平时大门紧闭；只要特定波长的光一照，大门瞬间弹开，带电离子哗啦啦涌进细胞，直接触发电信号。

▲ 诺贝尔奖官网新闻稿用一句话点透这项发现：“追光的藻类，给了我们一个控制神经细胞的开关”

正是这扇从水藻身上借来的“光控小门”，被戴瑟罗斯装进了哺乳动物的大脑，催生了震惊神经科学界的光遗传学（Optogenetics）。

而就在生物学家在显微镜下摆弄藻类蛋白的这二十年里，地球另一端的科技行业，正在全力构建另一套构想：把冷冰冰的数学矩阵，包装成“人造大脑”。

打开如今任何一场科技发布会的PPT，“像人脑一样思考”“深度神经网络模拟神经元连接”几乎是标配台词。尤其在2024年杰弗里·辛顿（Geoffrey Hinton）等人因人工神经网络基础贡献拿下诺贝尔物理学奖后，大众更是深信不疑：既然都叫“神经网络”，既然都能写诗画画，那机房里的AI和我们头骨里的肉脑，底层逻辑肯定是一回事。

直到2026年10月5日，那位记者试图把这两条线拧成一股绳。而研究活体大脑的诺奖评委，当场握住剪刀，咔嚓一声剪断了这种联想。

▲ 诺奖官方发帖配发光遗传学疾病模型示意图，展示该技术在解析大脑记忆、情感与精神疾病回路中的应用

02.毫秒级开关的“因果刀”，切不开硅基大模型的黑箱

为什么评委拒绝顺着记者的话头往下聊？只要看懂今年诺奖到底干了什么，你就会明白这两者差得有多远。

人脑重约1.3公斤，像一团温热的豆腐，里面密密麻麻塞着数百亿个神经细胞。过去一百多年里，脑科学家最头疼的事，就是分不清“凑巧同时发生”与“确凿的因果关系”。

比如一只小鼠看到天敌害怕发抖，仪器测出它脑子里A区和B区同时亮了。到底是A区命令它害怕，还是害怕之后顺便激活了A区？传统的电极刺激就像往池塘里扔手榴弹，一炸一大片，根本没法精准挑出某几个细胞来单独测试。

光遗传学是怎么破局的？简单得像三步拼图：

第一步，从绿藻里提取那扇“光控感应门”的基因；第二步，利用无害病毒当快递员，把基因精准送进小鼠大脑里某一种特定类型的神经元，让这些细胞表面长出感光门；第三步，插进一根比头发丝还细的光纤，啪地打一束蓝光。

蓝光亮起，只有装了感应门的神经元瞬间通电放电；蓝光熄灭，细胞立刻安静 精度高达毫秒级，指哪打哪，绝不误伤邻居。

▲ 诺奖官方通俗介绍材料指出，科学家通过光敏感藻类蛋白获得了控制神经细胞的开关，得以用光脉冲探索活体大脑回路

靠着这个开关，人类第一次在活体大脑里拿到了铁板钉钉的因果律。科学家在小鼠脑中按一下光开关，本来喝饱水的小鼠会突然疯狂找水喝；再按一下另一条回路，创伤记忆带来的恐惧瞬间消退。在临床上，医生甚至把这套光敏基因装进失明患者的视网膜细胞，帮视网膜病变患者重新捕捉到了光影。

▲ 《自然》杂志头版报道指出，这项技术让神经科学从“观察相关”跨越到了“毫秒级因果检验”

现在，再回头看那位记者的提问：这套技术能平移到AI神经网络里吗？

答案是：连下刀的地方都没有

生物神经科学之所以能用光遗传学破案，是因为真实的大脑有着极其精密的细胞分工，管口渴的、管恐惧的、管视觉边缘的，各司其职，结构分明。

可硅谷机房里的AI“神经网络”呢？这个名字源于1943年麦卡洛克与皮茨提出的极度简化的数学模型。正如《量子杂志》（Quanta Magazine）在专栏长文《AI根本不像大脑，这没关系》中毫不留情指出的那样：人工神经网络里的一个“节点”，仅仅是一个简单的数字乘加运算；而人脑里的一个真实神经元，本身就是一台拥有复杂树突结构、受数十种化学递质调控的微型生物计算机。

▲ 《量子杂志》深度长文直言“AI一点也不像大脑”，拆解了人工节点与真实生物神经元之间的巨大鸿沟

更明确的反思来自麻省理工学院（MIT）。曾有研究认为，AI在学习走迷宫时能自发长出类似哺乳动物大脑“网格细胞”的导航模式。MIT团队测试了大量网络后指出：一旦抽离人类工程师预设的人工限制条件，AI并不会自发形成这种网格结构。

许多看似重合的类脑表现，根源依然是算法设计者事先拟定的规则约束。

03.20瓦的湿润肉脑，正在嘲笑吞电如饮水的兆瓦机房

如果说算法和结构的差异还只是“形似神不似”，那么一旦算起物理账和能源账，AI与人脑的差别，简直就是手摇拖拉机和曲率飞船的距离。

我们不妨做一道最直观的小学算术题。

你此刻正在阅读这篇文章，你的大脑正在同时处理高清文字视觉、理解复杂的科学隐喻、调动过往记忆，顺便还指挥着呼吸、心跳和手指滑动屏幕。完成这一切，你的大脑消耗了多少功率？

20瓦 仅仅相当于卫生间里一盏昏暗的小夜灯，或者老式手机充电器的功率。

而为了支撑ChatGPT或Claude这样的大模型回答你一个问题，背后的数据中心正在发生什么？单块顶级AI加速芯片的满载功耗就高达400瓦到1000瓦；训练一个前沿大模型，需要上万张显卡连轴转几个月，瞬时功率动辄达到数十兆瓦（MW），耗电量以千万度计，还得配套庞大的抽水冷却塔给发烫的硅片退烧。

为什么一团1.3公斤的“湿件”（Wetware），能用一盏灯泡的电量，在能效上把硅谷兆瓦级的钢铁怪兽按在地上摩擦？

这里藏着三个底层物理铁律的代差：

第一，AI在搞“春运式搬家”，人脑在搞“原地办公”。现代芯片遵循的是冯·诺依曼架构，计算核心和内存是分家住的。显卡做矩阵乘法时，高达80%到90%的电量，根本没用在算数上，而是浪费在把海量数据从内存条里搬出来、塞进计算单元、算完再搬回去的路上。而人脑是极致的“存算一体”神经科学家西蒙·劳克林等人早已证明，大脑里的每一个突触，既是存放记忆的硬盘，又是当场处理信号的CPU。生物大脑彻底摆脱了数据总线的搬运损耗，信息在哪儿存，就在哪儿算。

第二，AI是“全员广播体操”，人脑是“特种兵暗夜接力”。你问大模型一句“早上好”，显卡内部的全局时钟滴答一响，成百上千亿个参数必须整整齐齐、全员列队做一遍密集的浮点矩阵乘法。但人脑是稀疏异步、事件驱动的在任何一个瞬间，你脑子里95%以上的神经元都在“摸鱼”休眠，几乎不耗电；只有当外界刺激越过阈值，那1%到5%对应回路的神经元才会按需发射一串毫秒级的电脉冲。

第三，AI在用高电压“对抗物理”，人脑在“顺应物理”。神经形态工程学之父卡弗·米德曾一针见血地指出：数字芯片为了保证0和1绝对不出错，必须用高电压强行压制热力学噪声，这叫跟物理定律硬刚；而生物神经元恰恰相反，它直接利用分子热运动、离子跨膜扩散的自然趋势来做模拟计算。今年诺奖表彰的光遗传学通道蛋白，正是这种顺应电化学梯度的纳米级杰作。

一个是靠兆瓦级电力强行堆出来的暴力统计学奇迹，一个是经受了数亿年饥荒演化、把每一分热量都算计到骨子里的热力学艺术品。硬把这两者画上等号，既委屈了显卡，也太小看了生命。

04.拆掉“人造大脑”的招牌，科学才能各归其位

诺奖评委那句短短的提醒传开后，全球社交网络上迅速分成了好几派接力。

有人直接把窗户纸捅破科技博主“极客奶爸”一针见血地评论道：“神经网络”从头到尾都只是一个松散的比喻，科技公司之所以死抱住“大脑类比”不放，不过是为了给冷冰冰的软件产品披上一层充满魔法感的营销外衣。

▲ 网友评论直指核心：把AI比作大脑，更多是为了让产品在商业宣传中听起来更神奇

也有理性的技术派给出了精准的切分。账号Teneo Protocol写道：“神经网络可以产出像大脑一样的结果，但它完全不必是一个像大脑一样的系统。” 另一位评论者gmsturm则反感把严肃科学扯进舆论混战：这项诺奖的核心成果是用光控制特定神经元，硬把它往硅基生命的话题上拽，只会把扎实的医学突破降格成争论的谈资。

▲ 高赞回复指出：产生类似大脑的输出结果，不代表系统内部结构与大脑相同

▲ 评论者提醒公众关注光遗传学本身的科学价值，而非陷入硅基与碳基的口水战

坦然承认“AI不像人脑”，恰恰给予了人工智能研究更大的探索自由。

回看人类科技史，两百年前的人们为了造出飞行器，曾痴迷于模仿鸟类扇动翅膀，结果造出一堆摔得粉碎的扑翼机。直到莱特兄弟彻底放弃“像鸟一样扑腾”的执念，转而深耕空气动力学与固定翼螺旋桨，飞行时代才得以正式开启。

飞机不需要长满羽毛，也能飞跃太平洋；潜水艇不需要长出鱼鳃，也能潜入马里亚纳海沟。

今天的人工智能也是一样大模型在代码生成、文献总结和数学推理上展现出的惊人威力，靠的是高维空间里的向量变换与概率预测，这是一条独立于碳基生物演化的硅基智能路径。它不需要靠碰瓷那团20瓦的湿润肉脑来证明自己的伟大。

至于我们头骨里那团1.3公斤的神秘器官，正如弗吉尼亚·伍尔夫曾感叹的那样，它装着我们的童年记忆、白日梦与无尽的悲欢。多亏了黑格曼、纳格尔与戴瑟罗斯从绿藻里借来的那束光，人类终于拿到了探索这座迷宫的第一把因果钥匙。

凯撒的归凯撒，硅谷的归硅谷把吹了八十年的泡沫轻轻戳破，科学探索才刚刚开始。