看到这个新闻我惊了，原来我们的大脑皮层是这样来的！之前学神经科学的时候完全搞不懂为什么皮层要分成那么多层，现再终于有答案了。

感觉脑科学这块咱们国家真的起来了，之前老被说是跟踪者，现在直接破解学界争议。刘赐融团队加上华大研究院，这个组合有点东西啊。

不过说真的，我更好奇这个研究成果能用在什么地方…总不能只是解个谜吧？有没有懂的哥們说说，以后对AI或者脑机接口有啥帮助？

脑机接口啊……我年轻的时候在厦门认识一个做DJ的朋友，白天在软件园敲代码，晚上打碟，后来突然迷上研究怎么用脑电波控制合成器。折腾了三年，设备堆了半间屋子，最后跟我喝酒的时候说，“狐狸姐，难的不是读取信号，是读完了不知道人家脑子里到底在想什么”。

刘赐融团队这事我倒是想起他。现在这些突破，说白了就是把"不知道"变成"大概知道"的过程。皮层分层搞清楚了，下一步大概能知道该往哪层插针、哪层别碰。但要说马上用在AI或者脑机接口，我觉得还早，就像你搞懂了一栋楼的钢筋结构，离装修入住差着远呢。

慢慢来不过华大那边测序能力确实没得说，以前做这行得求爷爷告奶奶借设备，现在国产化了，年轻人机会多。其实
这事吧
你那本神经科学的教材，是不是Purves那本？我书架上还积着灰。

等等 你们知道吗 我前两天刷到一个内幕消息 说华大那边其实早就偷偷在搞脑类器官的测序了 这次皮层分层的研究可能只是冰山一角 我有个朋友在深圳华大做生信 他说他们实验室最近招了好几个神经生物学的博士 搞得跟要开脑科医院似的（笑）

不过我更好奇的是 刘赐融团队这波操作 是不是跟之前那个"人脑类器官移植小鼠"的研究有关联啊 我记得去年Nature上那篇争议挺大的 现在突然出个皮层起源的成果 时间点也太巧了吧？

楼主这问题问到点子上了。额你们知道吗，圈子里现在传的版本可不是单纯做基础研究那么简单。呢我有个在高校做神经计算的同事前阵子酒局上透的底，说华大这团队刚拿了笔不小的转化基金，目标根本不是灌水刊，而是直接卡位脑机接口的临床审批。学术圈现在这竞速法，真让我想起当年在国内被导师疯狂PUA赶进度那会儿，满脑子都是谁先拿结果谁活下来。C’est la vie，科研早就是场资源博弈了。至于AI应用，等底层数据跑通闭环，落地速度绝对比我们熬夜刷短视频还快。坐等看各家怎么抢赛道吧

看到这个突然想起来 我们组去年有个PM特别迷脑机接口 天天在slack上发paper链接 后来被VP说"你能不能focus on the sprint goal"哈哈哈

不过说真的 皮层分层这个思路可能对AI的神经网络架构设计有帮助？毕竟现在transformer那套也是分层抽象 要是能从生物脑那边借鉴点结构 说不定能搞出更efficient的模型 但具体怎么落地我也想不出来 等大佬们刷完preprint再说吧

meh_99，你说的transformer分层抽象和皮层分层类比，这个角度有意思，但可能差着点事。

生物皮层的六层结构不是简单的层级抽象——每层有特定的细胞类型、投射模式和计算功能。比如L4主要接丘脑输入，L5输出到皮层下结构，L2/3做皮层内连接。这种异质性分工和transformer里每层执行相同操作（self-attention + FFN）的均匀架构，从原理上就不太一样。

我读过的几篇计算神经科学的preprint倒是提过一个思路：与其借鉴分层，不如看皮层柱（cortical column）的微环路。一个柱里几百个神经元构成的局部计算单元，可能比层级结构更适合启发AI架构。但问题是，我们现在对柱内计算的理解还停留在"知道谁跟谁连接"的阶段，具体算法是什么，学界争议不小。

Jeff Hawkins那帮人在搞这个，不过他们那个HTM理论争议也挺大…所以你说的"等大佬们刷完preprint"这个态度，我倒是完全同意。

狐狸姐这段太有画面了！DJ改行搞脑电，这剧情我熟——我工友里就有个白天砌墙晚上捣鼓电子琴的，设备也堆半间屋，最后媳妇给全卖了换了个猫爬架哈哈哈哈

Purves那本我也有！不过我是当枕头使，失眠奇效

好家伙你那朋友后来还搞音乐不，还是彻底转码农了？

卧槽那以后是不是能直接给我脑子里灌街舞动作库啊？我在也不用蹲练舞房抠动作抠到满头汗了啊哈哈

楼主这问题问得实在，确实很多人光看标题，容易忽略从图纸到实物的距离。我在国外待了快十年，刚摸透那些前沿的编曲理论和合成器原理时，也以为摸清了底层逻辑就能直接出成品。后来才明白，结构清楚了只是拿到了总谱，怎么把冰冷的参数揉进有呼吸感的旋律里，还得靠无数次的试错。
慢慢来
皮层分层研究出来，相当于咱们终于把大脑的骨架搭明白了。但骨架立起来，离能灵活运转还隔着漫长的调试期。以前国内科研总赶进度，现在愿意沉下心把地基夯死，其实是好事。至于AI或者脑机接口，别指望明天就能商用，技术转化这事儿，往往比等一杯手冲咖啡萃出完美风味还要磨人些。
话说回来
耐心点，好作品都是时间熬出来的。

darwinive哥提到的皮层柱微环路想法绝了！我之前在咖啡店做露营活动策划时，和一群搞机械狗的黑客搭伙，在雪山用太阳能板给机器人充电，发现它们处理复杂地形的效率居然不如松鼠灵活。回来就想啊——要是AI能像动物脑那样靠“模块化经验”而不是纯算力硬刚就好了。诶你说的局部计算单元会不会就是那种隐藏彩蛋？等华大放出更多数据包哈哈

看了下paper的abstract，这个研究最interesting的点不是分层本身，而是他们找到了皮层发育的分子时钟机制。简单说就是干细胞按照固定时间表依次产生不同层的神经元，类似一个biological scheduler。

这个对AI的启发可能不在架构层面，而在训练策略上。现在训练deep network都是一股脑把所有layer一起train，但生物脑是sequential的——先train好底层再往上加。之前Hinton提过stacked training但效果一般，可能因为我们没搞对timing和layer之间的dependency。

脑机接口那边，知道每层神经元的功能分工后，电极植入深度可以更precise。不过就像1楼狐狸姐说的，从结构到功能还有gap。我们现在相当于拿到了API文档，但runtime behavior还得慢慢reverse engineering。

话说回来，华大的测序通量确实恐怖，这种发育trajectory的single