AI要几万张图才能认猫，你的一个神经元就够了

AI和人脑的差距，最直观的对比是学习效率：大模型认猫需要几万张标注图片，一个两三岁的孩子看过几只猫就认得了。过去解释这个差距，通常说“人脑有860亿个神经元，连接更复杂”。但2026年10月的一项研究，把这个解释往前推了一层：差距可能不在“神经元之间”，在“单个神经元之内”。

第一层，单个神经元本身就是一台计算机。中科院脑智卓越中心团队在小鼠的听觉抉择实验中，用双光子显微镜观察听觉皮层神经元，发现神经元的顶端树突负责编码“推断出来的抽象规则”，胞体负责接收感官信号，两套信息在同一个细胞里完成比对运算——相当于一边提出猜想，一边接收现实，当场判断猜想成不成立。这项研究2026年10月16日在线发表在《科学》上，结论很直接：单个神经元的树突，本身就是一台执行认知计算的“超级计算机”，原本以为需要多台计算机联网才能完成的工作量，一台“树突”就完成了。

第二层，这改写了AI的模仿对象。现在的AI，本质上模仿的是神经元之间的“突触连接”——用参数和权重来逼近“连接强度”的变化。但如果高级认知计算可以发生在单个神经元内部，那么AI的底层架构就漏掉了一个层级：它模仿了“网络”，没有模仿“节点内部的运算”。研究团队的判断是，如果能把神经元内部的计算机制融入算法，就有望做出“快速提出假设、少量样本就能推理新规律”的新一代AI。这恰好对应了当前大模型最被诟病的地方：不是不够聪明，是学得太慢、吃数据太多。

第三层，观测工具在同步跟上。2026年10月，清华戴琼海团队与解放军总医院合作研制出重量仅1克的无线介观显微镜Airscope，可以在6毫米视场内以单细胞分辨率记录小鼠大脑皮层神经活动，单只小鼠同时记录8500多个神经元。能看见单个细胞在做什么，才谈得上理解“单个细胞里的计算”是怎么发生的。果蝇的全脑仿真也在同一年推进——基于完整大脑物理结构做数字化还原，而不是用算法“模拟”行为。

三条线放在一起，科技科普的落点很清楚：AI的下一步突破，可能不在于把模型做得更大，在于把“一个神经元里发生了什么”这件事，真正弄明白，并且装进芯片和算法里。

2万测，科技科普不背“神经网络”这个词，看科学家正在拆开哪个被我们当成黑箱的东西。