“我一度还希望做成的一件事，欧博allbet是在学生第一年进入复旦大学的时候扫描一下大脑，第四年毕业的时候，再扫描一下——由此可以对比观察，四年的大学教育，除了知识之外到底对学生有怎样的影响和改变。”

复旦青年记者 胡莺韵 主笔

复旦青年记者 沈宇萱 报道

复旦青年记者 薛乔涛 何未晞 编辑

2015年5月，复旦大学类脑人工智能科学与技术研究院正式筹建，这是复旦设立的首批实体运行科研机构之一，也是国内高校最早成立的脑科学与类脑前沿交叉研究机构。建院十年以来，从2017年智能读片机Demo在中国国际大数据产业博览会上亮相，到2025年3月“三合一”脑脊接口技术成功帮助第4位瘫痪者再次站立行走，研究院不仅取得了丰硕的科研成果，产业转化也在始终稳步推进。

“既能解决科学问题，同时也能有转化效应，这是最好的科学。”复旦大学类脑科学研究院院长冯建峰教授说。随着产学研成果逐步落地，走向应用，类脑智能技术正在重塑医疗健康、智能制造的未来图景。

冯建峰

复旦大学类脑智能科学与技术研究院院长

主要研究方向为人工智能与大数据、计算系统生物学、脑科学、应用数学

从“沿途下蛋”到“勇攀脑峰”

复旦大学类脑人工智能科学与技术研究院（下文简称“类脑研究院”）建院的总体目标是怎样的？

今年正好是类脑研究院成立十周年，这也是复旦大学设立的第一个实体运行科研机构。中国科技部和国家自然基金委牵头启动的科技创新2030“脑科学与类脑研究”重大专项（下文简称“中国脑计划”）也是在2015年提出的。这是一个投资规模50 亿的大项目，国家非常重视。我们类脑研究院建立之初，就是为了响应国家的这项战略需求，推动中国的脑和类脑科学研究的发展。科学可以做很多高大上的研究，比如卫星上天或者潜艇下海，但我更关心与民众生活直接相关的问题。

我们的目标很有趣，和日常生活息息相关，同时也有更加高远的愿景。一方面，我们对脑科学的研究涉及大量的医学案例，通过分析他们和普通人之间的区别，了解具体身体机能对人脑功能的影响。而长远来讲，如果说在脑疾病领域的各种细分成果是“沿途下蛋”，那么类脑研究院的终极目标就是弄清大脑的运作机制，推动脑科学基础理论的发展。

在技术方面，我们的核心目标是探索未来大脑和类脑智能，建立面向通用人工智能和脑疾病探究应用的数字孪生脑技术。通俗地说，就是利用人工智能把人脑复制出来。我们也在进一步探索如何实现千亿神经元规模、具有真实生物结构的实时模拟，进一步在实验中调控上百亿参数，使得数字大脑能够实现与生物实验观测匹配的动力学行为。

类脑研究院目前有怎样的学科布局与战略规划？

脑和类脑的研究是我们目前的一项重要课题。人脑虽然只有三斤重，能耗仅相当于超级计算机的数万分之一，却由860亿个神经元组成，每个神经元又连接着另外1000多个神经元，称得上是最复杂和神秘的神经系统。在工作原理上，人脑和人工智能也有很大的区别，如果说前者是以理解为基础，后者则更近似于数学上的映射。相较于当前基于大数据训练的人工智能，类脑研究更重视模拟人脑的能效比，即单位能量所能完成的信息处理量，和提取并理解信息的能力。如果我们未来能发展类脑智能，欧博百家乐真正了解人脑是怎么工作的，就能真正实现通用人工智能（AGI）。

我们目前主要在做两个方向的研究，一个是类脑智能，一个是脑机接口。研究院2016年下设的复旦张江国际脑影像中心（ZIC）是世界上最好的脑影像中心之一，拥有世界上最先进、亚洲规模最大的高端科研型磁共振系统。为了顺应国家的战略需求，研究院也在2024年5月成立了神经调控与脑机接口研究中心，聚集了38位数据科学、信息科学、交互芯片、系统集成、临床应用等各个方向的专家，推动学术科研与临床医疗的交叉合作。下一步，我们还是会响应国家的“脑计划”战略，从这两个方向进行突破。

▲复旦张江国际脑影像中心（ZIC）/图源：网络

“做顶天立地的事”

研究院目前在类脑科学方面取得了怎样的成果？

人工智能在医疗领域的广泛应用，对于优质医疗资源的普惠、疾病诊断结果的精准和健康管理效率的提升也具有很重要的意义。从整体上说，在脑科学方面，研究院取得的成果颇为可观。比如2025年1月，我们和复旦大学附属华山医院团队合作的《健康与疾病血浆蛋白质组图谱》作为开年封面文章发表在《细胞》（Cell）上。通过对53,026名个体的血浆蛋白质组数据的深入分析和近15年的中位随访，这项研究纳入了1706种人类疾病与表型，成功建立了全面的蛋白质组图谱，揭示了不同人群在疾病易感性上的差异，发现了26个药物治疗新靶点，为精准医疗和新药开发提供了重要的科学依据。

也是在今年年初，类脑研究院青年副研究员加福民的科研团队联合复旦大学附属中山医院成功完成了首批微创脑机接口的临床验证手术。在过去，脊髓损伤被称为“不治之症”，但现在，技术可以做到将2个直径1毫米左右的电极芯片植入运动脑区，在大脑与脊髓间搭建“神经桥”，给特定神经根进行时空电刺激，让脊髓损伤患者实现自主控制下肢。我们还在讨论下一步的计划，比如是否能够加入外骨骼（可穿戴机械设备），让患者真正实现独立行走。

▲术后12天，微创脑机接口临床概念首例患者在联合团队指导下开展康复训练/图源：央视新闻

我们还做了全世界第一个数字孪生脑，就是以我自己的大脑为样本复制的。数字孪生脑需要使用大量GPU卡（Graphics Processing Unit），一种负责处理与图形和图像相关的计算任务的显卡。我们在由高速网络连接的一万四千零十二张GPU （共计5739 万个核）的超级计算机集群上 ，初步实现了对人脑860亿神经元的模拟计算。后续的研究可以依托这个虚拟“大脑”进一步解析大脑感知觉、学习记忆、情感决策及信息处理等工作机制，为人工智能的原创突破提供实验及理论基础。现在，研究院也在开展数字孪生脑的医用试验，把得到的数据用于抑郁症的治疗，或者脑机接口的研发。

在国际合作方面，未来研究院还希望开展数字孪生脑的国际部署。世界范围内很多研究机构都有很好的资源，比如德国于利希研究中心有欧洲最大的超级计算机，英国国家计算中心也有6000 张GPU卡。如果共同联合成一个大平台，让全世界都可以在这个平台上自由地做研究，就能产出更多对全人类有益的成果。科学是输出而不是输入，我们期望与全球科研团队共同推进脑疾病研究，构建一个完整的人体数字孪生系统，为生命科学研究提供新范式。

类脑研究院目前的产学研融合情况如何？

有哪些成果已经落地？

首先就是蛋白质检测。和基因组检测相比，蛋白质能够更直接地反映人体的生物过程和病理变化，是理解疾病机制和开发新疗法的关键。去年我们在《自然·衰老》（Nature Aging ）上发了一篇题为《血浆蛋白质组学预测健康成年人未来痴呆风险》的文章，利用AI4S（AI for Science）系统解析了1463种血浆蛋白质中隐藏的32个关键生物分子组合，构建了高精度的痴呆风险预测模型，能够实现提前10-15年预测痴呆发病风险。《自然》主刊评价这项研究：“标志着向能在早期无症状阶段检测阿尔茨海默病及其他类型痴呆的血液检测方法迈进了一步”。现在我们也在和企业谈合作，推进这一方面的蛋白质监测。下一步，研究院将围绕我国痴呆风险人群队列开展数据采集和交叉验证，对相关数据作出矫正，开发出最适合我国人群的痴呆风险预测数据模型。

▲Nature主刊同一天以《早期痴呆诊断：血液蛋白标志物识别高风险个体》（Early dementia diagnosis: blood proteins reveal at-risk people）为题对该研究工作进行重点介绍/图源：网络

另外，研究院也在和健康管理机构开展脑体检方面的合作。虽然健康的概念分为身体健康和心理健康，但是我们现在的检查主要还是集中在身体健康。因为心理的健康和大脑有很强的相关性，我们在2023年6月正式启动了"脑认知功能筛查联合实验室"，首次将功能性近红外光谱技术(fNIRS)和静息态脑电监测纳入常规体检。这两项检查能够帮助我们更好地监测大脑的活动变化及活动时氧合血红蛋白和脱氧血红蛋白的变化情况，这一项目也是国内首个将前沿脑科学研究成果转化为常规体检服务的产学研合作。

我自己的小公司也在开发脑卒中智能决策系统“F-STROKE”。作为我国致残致死率最高的急性脑血管疾病，脑卒中一旦发作，抢救时间每延误1分钟，就会导致190万个脑细胞的不可逆性死亡，所以救治时间是非常关键的。传统诊疗需要依赖医生经验判断制定治疗方案，而我们的系统能够自动测算缺血半暗带和梗死核心区域，智能识别病灶位置，量化评估大血管闭塞时侧支循环的供血情况，从而实现精准决策。特别是在患者可能错过抢救黄金时间时，系统能够基于影像数据提供量化治疗建议，辅助医生快速制定溶栓或取栓方案。目前，这项技术已在数百家医疗机构得到临床使用。

我自己一直在跟院里提，我们要做顶天立地的事。“顶天”就是做最好的基础研究，“立地”就是要解决实际问题。既能有科学上的目标，能解决研究问题，同时也能有转化的效应和用处，这就是最好的科学。

“哪里适合你，就去哪里”

研究院对于跨学科人才设立了怎样的培养模式？您最希望学生具备哪些核心能力？

我读大学的时候，虽然本科专业一直是数学，但是我第二年就去旁听了生命科学学院的专业课，后来也在剑桥大学Babraham生物研究所拿了永久职位，所以我自认为也是一个生物学家。复旦现在也在做很多这样的跨学科改革。我觉得今天的文科也好，理科也好，还是要融合，走交叉路，学科的发展才能更有突破。我认识去年诺贝尔物理学奖的其中一个英国得主 ，他连本科物理都不懂，数学也比我们科班出身的数学差远了，最后却因为人工神经网络和机器学习方面的成果拿了诺贝尔奖。还有2024年诺贝尔化学奖的得主戴米斯·哈萨比斯，他本科是学计算机科学的，后来博士研究的是神经科学，他读本科的时候都不懂化学，也不会做实验，最后却开发出了AlphaFold2（蛋白质三维结构预测大模型），也拿了诺贝尔奖。所以我想我们现在可能需要打破一些既有的框架，去实现一些交叉和跨越。

我自己的学生通常分两种，一部分是数理科学出身，数学很精通，另外一部分是生物出身，对生物很精通。我想在我的讨论班上把他们糅合起来，数学专业的学生要去研究一些生物问题，生物专业的学生也要掌握一些人工智能和大数据的知识。不管他们是留在学校也好，出去工作也好，都能多获得一份技能。将来的培养方向之一，就是在人工智能之上再加一些其他领域的基本知识。复旦现在也在往这种文化上转变，我想这是一个有益的方向。

另外一方面，在当今的国际大形势下，我非常鼓励年轻人走出去，不要只待在一个地方。国内和国外有很大的差异，比如在对学生的培养方面，年轻人应该尝试更切身地了解国外的科研文化。文化没有好坏之分，但我认为大家应该出去体验不同的环境。将来如果要去改造世界，至少也要知道应该怎样改造。我对自己学生最大的期望就是，抓紧把研究成果做出来，抓紧到外面的世界去看看，然后，哪里适合你，就去哪里。

您觉得学习AI相关的知识对于学生的未来发展有怎样的意义？

开设AI相关课程对于本科生开展人工智能教育是不可或缺的。从AI 本身的发展历史上说，它有过很多次高潮，也有过很多次低潮。我从 1985 年开始研究AI，大概到 90 年代，大家都不太感兴趣了，现在当然又成为了热点。

我想AI相关课程最重要的一点就是，所有的这些内容怎么能够让学生们 20 年之后回过头看仍然觉得有用，不会让大家觉得这些课程是在浪费时间。什么叫用得上呢？就是它能变成你自己的一部分语言，将来思考问题的时候，能够用得上这门课学到的知识，这才算是真正学会了。比如我自己学数学，如果我去分析一个神经科学问题，我会先建立一个坐标系，再从坐标系的角度出发看待这件事，数学就成为我的语言了。

我一度还希望做成的一件事，是在学生第一年进入复旦大学的时候扫描一下大脑，第四年毕业的时候，再扫描一下——由此可以对比观察，四年的大学教育，除了知识之外到底对学生有怎样的影响和改变。

附文献链接：

https://www.cell.com/cell/fulltext/S0092-8674(24)01268-6

https://www.nature.com/articles/s43587-023-00565-0

*特别鸣谢复旦大学类脑研究院行政管理部马宁宁老师提供的帮助