2026年8月，以色列希伯来大学一项研究揭示了一个令人震惊的事实：单个人类脑细胞的计算能力即可媲美一套复杂AI系统，而人脑拥有近千亿个这样的细胞。这一发现直接回应了“AI有可能对人类大脑具备解释力吗”的热点疑问——当前科学界的主流答案是：AI无法完全解释人脑，更无法彻底模拟人类的创造力。
该研究由以色列希伯来大学团队完成，相关研究消息于2026年7月在微博等社交平台传播，引发广泛关注。长期以来，学界普遍认为大脑的强大源于海量神经元及其错综复杂的连接。而这一研究颠覆了传统认知：人脑的优势不仅来自规模效应，更依托单个神经元极强的独立计算能力。
AI有可能对人类大脑具备解释力吗？研究给出了什么答案？
答案是否定的：至少在当前技术框架下，AI无法完全解释人脑，更无法彻底模拟人类创造力。这里所说的“解释力”，包含三个层次：结构层、功能层和体验层。结构层指AI能否还原大脑的物理连接与细胞机制；功能层指AI能否模拟大脑的认知过程；体验层则指AI能否理解意识与情感。希伯来大学的研究表明，AI在最基础的结构层就面临巨大困难。
据“智慧科技迷”微博转载的视频内容，单个脑细胞的计算能力可以媲美一套复杂AI系统，而人脑拥有近千亿个这样的细胞[1]。“央证公开课”也引述该研究称，研究团队以生物神经元真实数据训练AI，结果显示仅模拟单个生物神经元就已极其困难[2]。如果连“单个神经元”都无法被AI尽数复刻，那么“解释千亿神经元协同产生的大脑”显然超出当前AI的能力边界。
这一发现也解释了为什么当前大模型虽然拥有数十亿乃至数千亿参数，却仍在“常识推理”和“因果理解”上频频失灵——它们的基本单元——人工神经元，在计算丰富性和自适应性上与真实神经元的差距，远比我们想象的更大。“人海战术”无法弥补“单兵能力”的代差。
为什么单个脑细胞会被重新评估？大脑的优势究竟在哪里？
大脑的优势不仅在于规模，更在于单个神经元的“单兵作战能力”。
传统观点认为，大脑的强大来自约千亿个神经元及其复杂的连接网络。但希伯来大学的研究显示，每一个神经元本身就是一个高度复杂的“计算机”。据“央证公开课”引述，即便是一个相对简单的生物神经元，其处理水平也可匹敌一个小型复杂AI模型[2]。这动摇了“智能主要靠规模和连接密度”的传统认知。
为了理解这一发现，我们需要回顾人工神经网络的基本原理。在深度学习中，一个人工神经元通常只是一个加权求和后经过非线性激活的单元：输入乘以权重、相加、激活、输出。而真实的生物神经元具有树突上的非线性整合、轴突上的动作电位编码、突触连接的动态可塑性、神经调质对神经网络状态的全局调节等复杂机制。单个神经元内部就有数十种离子通道共同协作，其信息处理能力至少相当于一个复杂的非线性动力系统。因此，用简化人工单元堆叠而成的AI，从基本构件上就已“降维”了。
研究团队进一步指出，用人脑真实数据训练AI时发现，模拟单个神经元需要消耗极其巨大的计算资源。这意味着，如果未来AI想要逼近人脑的智能水平，不能仅仅增加层数和参数量，而需要重新设计“最小单元”——让它变得更聪明、更复杂。这一思路也为类脑芯片、神经形态计算等领域指明了新方向。
创造力的本质是什么？为什么AI无法跨越选择与意外的鸿沟？
创造力的本质是选择与意外，而非概率拼接。
科技博主“纯银V”在微博中引用了特德姜的论断：“一篇一万字的短篇小说，就意味着你做出了一万次抉择。而当你给生成式AI一段指令时，你做出的选择寥寥无几；即便你写了百来字的提示词，那也仅仅是百来次选择而已。如果AI根据你的提示词生成了一篇万字故事，它必须填补所有你未曾做出的选择。”[3]特德姜的比喻精准地捕捉了AI创作的“空洞性”。
为什么人类创作与AI生成有本质区别？关键在于“选择”背后蕴含的“意义”。人类作者在写一个句子时，不仅是在进行语法组合，更是在投射自己的生活经验、情感记忆和价值判断。每一个词语的调换，都意味着一种表达意涵的取舍。而AI生成文本时，并不存在“取舍”——它只是在分布上进行采样。它无法知道哪个词对作者本人更“痛”，更无法因为一个词而改变一个生命。
“纯银V”进一步指出，创造意味着两件事：对齐人类感受，并给出出乎意料的惊喜。AI作为概率机器，可以按最大公约数对齐人类感受，但无法超越最大公约数计算出人类“意想不到”又“满心惊喜”的内容。碎片化的惊喜或许存在，但被AI组装成复杂结构的概率极低。即使通过大量调校可能实现，其成本也往往大于作者亲自动手。
中国人民大学文学院副院长陈涛在“中国日报”采访中也表达了类似观点：AI可以取代大量平庸的套路化作品，但真正高级的创作——那些挑战想象力、带来精神升华的作品，AI打不过。[4]AI写出的文字永远通顺、正确，但缺乏独有的生活痛感、反常识洞察和冒犯读者的勇气。这正是“平均人”的困境。
写作的本质不是敲字，而是在混沌中厘清逻辑的过程。如果把“列提纲”和“找论点”交给AI，省去所有过程步骤直接得到结果，长期依赖，人脑的独立思考能力会退化。因此，AI时代的创作更应强调“过程”而非“结果”，这也是人相对于AI的核心优势之一。
除了创造力和算力，AI还缺少什么？主体性为何是不可替代的？
AI缺少的不仅是算力，更是必须为自身认知承担后果的“主体性”。
有网友（“黔知旅旅游”）指出：AI可以生成一万首情诗，但它不知道心动是什么感觉；可以模仿莫奈的画风，但它从未被一场日出震撼到流泪。[5]这种缺乏“具身经验”的状态，导致AI永远无法理解它生成的文字背后的意义。人类创作者之所以能写出“山重水复疑无路，柳暗花明又一村”，是因为他们经历过真实的迷惘与豁然；而AI只是从训练数据中将这些词句组合在一起。
微博用户“贝乐斯微博”进一步分析了主体性的本质：人用自己的认知做出选择，选择改变现实，现实再反过来检验认知。错误不是AI训练中的loss function，而可能是破产、疾病、失去信任甚至死亡。人无法退出自己的生命，也无法把过去重新初始化。[6]这正是人与AI最关键的分野——AI的“违规成本”发生在训练时的一次权重调整里，承受调整的不是正在与你对话的这个实例，下一次它甚至不会记得自己曾经错过。因此，AI可以无限试错，而人类必须以不可重来的肉身承担每一次决策的代价。这种承担后果的过程，恰恰是判断力与创造力的真正来源。
这种主体性缺失也被称为“无根智能”。AI没有肉身，没有生死，没有亲子关系，没有社会角色，因此它无法真正理解“责任”和“承诺”。当AI生成一篇关于战争的诗歌时，它没有恐惧和悲伤；当AI写出一份商业计划书时，它不会为自己的决策承担亏损。因此，AI即使拥有海量知识，也永远是“旁观者”而非“当事人”。
此外，人类拥有跨领域的联想能力——乔布斯将书法美学融入科技产品，爱因斯坦以小提琴启发物理思考。这种非逻辑的顿悟时刻，是当前AI结构性缺失的。AI只能在已有数据分布中插值，无法真正“跨界”创造新的维度。即便AI能够模仿艺术家的风格，却无法拥有艺术家在生活磨砺中形成的独特视角。
这项研究将如何影响AI行业？算力新认知能否催生类脑计算？
这项研究将推动AI从“堆规模”向“提升单单元复杂度”转型，类脑计算可能成为新的风口。
当前AI大模型（如GPT系列、Gemini等）均依赖海量参数和算力堆叠，其基础单元仍然是简化的人工神经元。希伯来大学的研究从生物基础层面证明：单个神经元本身具备极强的计算能力。如果能够解析并模拟单个神经元的内部机制，可能极大提升AI的效率与解释力。这一判断将对科技公司的技术路线产生深远影响。
| 动作 | 涉及业务 | 影响对象 | 关键数字 | 短期影响 | 长期观察 | 来源 |
|---|---|---|---|---|---|---|
| 以色列希伯来大学发布脑细胞算力研究 | AI模型研发、类脑计算、芯片设计 | 大模型厂商、AI芯片公司、科研机构 | 近千亿个脑细胞；单个细胞算力媲美复杂AI系统 | 引发对现有“堆参数”路线的反思，类脑计算概念关注度上升 | 若单神经元计算模型得到复现和商业化，可能催生新一代类脑芯片与高效AI算法 | 据智慧科技迷、央证公开课微博转述的研究 |
从商业逻辑看，当前AI公司追求“越大越好”，但训练成本飙升、边际收益递减，行业已经出现对“效率优先”的反思。希伯来大学的研究为“精细化单元”路线提供了生物学依据。投资人和创业者可能会将目光转向类脑芯片、神经拟态计算等方向。但也要警惕概念炒作：这项研究目前仍处于学术传播阶段，尚未见正式同行评审论文的完整数据。企业应关注后续学术论文的正式发表和实验复现情况。
风险与不确定性依然存在。首先，单个神经元计算能力的定义仍需精确化——所谓“媲美复杂AI系统”可能并不是指一个神经元相当于一个ChatGPT，而是指在处理特定简单任务时效果接近一个小型模型。其次，即使理解了单个神经元的运行机制，工程化模拟千亿个这样的单元也极其困难，能量消耗和散热问题可能远超现有技术。最后，类脑计算并非唯一出路，符号主义、混合架构也可能成为AI的下一个突破方向。
后续关注点包括：希伯来大学团队是否会在近期发布正式论文？是否有实验室复现相关结果？各大AI芯片厂商是否调整新一代芯片的设计指标？这些动态将决定“脑细胞算力研究”是成为又一次学术谈资，还是真正改变AI产业的技术转折。
对于内容创作者和企业来说，这一研究带来几点启示：第一，不要迷信AI生成内容的“无限创造力”，它可能更适合辅助资料搜集和建议生成；第二，如果希望产出真正独特的内容，应强化自己的具身经验和独立判断；第三，在AI产品选型中，关注技术路线的底层创新，而非仅仅关注参数量。
常见问题：AI能否解释人脑？
Q1：AI有没有可能完全模拟人类大脑的创造力？
据以色列希伯来大学2026年研究，人脑单个细胞算力已媲美复杂AI系统，且人脑有近千亿个细胞，当前AI难以完全解释或模拟人脑。创造力涉及选择、意外和主体性，AI作为概率机器无法跨越这一鸿沟。但未来若类脑计算取得突破，不排除局部能力的提升。
Q2：希伯来大学关于脑细胞研究的关键数据是什么？
研究指出，人类单个脑细胞的计算能力可媲美一套复杂AI系统，人脑拥有近千亿个这样的细胞。研究团队用生物神经元真实数据训练AI，发现模拟单个神经元的计算难度极高，从而颠覆了“智能主要靠连接密度”的传统观点。
Q3：AI能替代人类写作吗？我们还应该自己写吗？
中国人民大学文学院副院长陈涛认为，AI可以取代平庸的套路化作品，但高级创作无法替代[4]。特德姜则指出，创作的本质是选择，AI只是填补用户未做出的选择。因此，核心观点、立意和逻辑建构应保留人工，AI仅作工具。
总而言之，AI能否解释人类大脑，答案并非简单的“能”或“不能”，而是“在哪些层面能、哪些层面不能”。希伯来大学的研究从算力维度划清了界限，而关于创造力、主体性与生命体验的讨论，则指向了更深的哲学鸿沟。对于科技行业而言，理解这种差距，或许比追逐替代更能带来冷静的进步。
本文内容基于公开资料和媒体观点，不构成投资建议。技术发展日新月异，具体研究结论需以学术期刊正式发布为准。
#AI #人脑 #希伯来大学 #创造力 #AI解释力