麻省理工博士生弃博投身数字人类研究：10年、100亿美元、5万台H100或可实现

【导语：麻省理工学院博士生Isaak Freeman放弃攻读博士学位，投身数字人类研究。他认为人类若保持碳基形态将在智力竞争中被AI淘汰，而将意识迁移到数字基质上是出路，并给出实现数字人类的粗略计算和路线图。】

数字人类：从科幻到现实的可能性

Isaak Freeman认为人工智能发展速度远超人类，人类若保持碳基形态，注定会在智力竞争中被AI淘汰。将意识迁移到数字基质上，是让人类智能实现「指数级扩展」的唯一出路。他指出，通过高分辨率扫描，把现有的智能结构完整地复制出来，实现数字人类的可能性远比大多数人想象的要大。

运行人类大脑所需的算力，大约5万张H100 GPU就足够，而xAI目前已拥有逾20万张H100或更高规格的芯片。在不同假设下，模拟人类大脑所需的算力、内存容量和互联带宽等指标，今天的超算集群已触手可及。

数据采集：数字人类实现的真正瓶颈

数据采集是实现数字人类的真正瓶颈，面临重重难题。需要数百台下一代显微镜持续运行数年，自动化的大规模组织采集与染色流程，约20倍放大率的膨胀显微镜技术，并对30种以上的受体、神经递质与神经肽进行全面的分子染色，还需要X射线显微镜在一年内完成对整个人类大脑的成像。

同时，还需要能够跨越蠕虫、鱼类等动物完整成像脑活动的全脑功能成像设备，以破解「结构 - 功能」的对应关系。研究人员还需开发结构到功能的预测模型、连接组校对模型、严格的评估基准，以及以动物仿真作为概念验证的完整研究框架。

全脑仿真路线图：三大核心支柱协同突破

Isaak撰写的论文《From Worm to Human: Scaling Brain Emulation》详细规划了从线虫到人类的全脑仿真路线图，指出实现数字人类需要结构测绘、功能记录与计算仿真三大核心支柱的协同突破。

结构测绘目前主要依赖电子显微镜，但面临极大的规模化难题，人工校对成本极高。作者提出结合膨胀显微镜和蛋白质条形码等新兴技术，可大幅降低追踪难度，提高AI自动分割模型的准确率。

功能记录方面，由于哺乳动物大脑组织会散射光线，目前光学成像有深度限制。作者找了斑马鱼幼体和线虫作为替代品，已能初步实现全脑、单神经元级别的实时功能记录，为建立「结构 - 功能」映射关系提供真实数据。

计算仿真方面，单纯的计算速度不再是最大绊脚石，真正的挑战在于「内存墙」与「互联带宽」。模拟千亿个神经元和庞大的突触网络，需要约70 PB的内存容量和极高的跨节点通信速度，这是目前AI数据中心需要克服的架构难题。

具身图灵测试：验证数字人类的关键

为证明真的「上传」了一个人类，而不是造了一个只会查表的机器，作者提出了「具身图灵测试」，即把仿真大脑放入虚拟躯体中，看它能否像真实的线虫或老鼠一样觅食、学习和趋利避害。

Isaak估算，实现数字人类绝非几家实验室能完成的零散工作，而是需要一场类似人类基因组计划或阿波罗计划的「大科学」工程，可能需要耗时10到25年，投资50亿到500亿美元。

编辑观点：数字人类的探索虽面临诸多挑战，但Isaak的研究为其提供了可行的路线图。这一领域的发展有望推动人类智能的指数级扩展，改变人类未来。