生物看不上他用新聞稿做科學的姿態，Neuralink 屬於“工程領先、科學取巧”。
從 DC 開了三個小時車過來，我原以為是敘舊，沒想到聊了一下午的腦機接口、AI 和存儲焦慮。
她們拿融資之後能夠自己設計芯片，去歐洲代工廠訂做 22 奈米的版本。22 奈米是低功耗模擬芯片的黃金節點，能在 0.5V 下工作，特別適合做植入式神經記錄。
目前在研究減肥針是怎麼作用於大腦的。現在沒人知道不同的減肥針藥物，如何影響大腦抑制食欲，下丘腦和大腦的獎賞回路(多巴胺通路)具體是怎樣的。於是她們在老鼠腦袋上開洞、接入芯片，需要實時測量神經信號的變化。
因為數據量大到離譜，頻率非常高，所以她們需要 10000 個 TB，也就是 10 個 PB 的存儲。
我第一次聽到存儲用 PB 這個單位！
神經信號要以 3 萬赫茲的頻率採樣(每個電極每秒測 3 萬次)，才能捕捉到只持續 1 毫秒的神經脈衝。每個數據點才 2 字節,但你乘上幾百個電極、再乘上 24 小時不停，一個探針一小時就是 80GB。
她說一塊 1PB 的企業級磁碟比她一個月工資還貴，長期維護的 PB 級存儲，五年下來要百萬美金。研究室沒那麼多經費，只能每次買 1 個 PB，精打細算地用。
給個尺度感，哈佛和 Google 把 1 立方毫米的人腦做到全分辨率，就是 1.4 個 PB。一整個老鼠腦，估計要一個 EB(1000 個 PB)。倒不是因為單次數據大，是頻率太高。
而且，存儲焦慮也不是生物醫學獨有的。
天文學界，SKA 射電望遠鏡一年要存 700 個 PB。CERN 的對撞機已經在用 EB 級別處理數據。存儲，決定著前沿科學的天花板。
數據一大，通信傳輸會影響效率。所以我們聊到了光通信。
芯片連接材料最早用鋁，1997 年 IBM 把它換成銅(電阻低 40%)，現在又在從銅換成光。這正好和黃仁勳在 GTC 上講的呼應，2025 年 3 月,英偉達發布了硅光子 + 共封裝光學(CPO)的交換機,為了把 AI 數據中心擴展到百萬卡級別。
為什麼銅必須讓位給光呢？
因為速度越快,銅能傳的距離就越短(高頻下銅的趨膚效應和損耗急劇上升)。到了 1.6Tb/s,一根銅線連一個機櫃的高度都跨不過去。所以信號只能變成激光。
除了存儲，實驗室動物成本也是很高的。
一隻實驗室猴子,買進來要 3.5 萬到 5 萬美金，算上多年的特殊飼養、手術、獸醫和機構管理費,一隻猴子全周期下來輕鬆超過 10 萬美金。一隻老鼠 80 美金，買的是它基因純度。
我問：為什麼用老鼠和猴子,不用兔子？她說，老鼠有一整套基因工具箱(2.4 萬種現成品系、基因敲除、光遺傳學)，猴子是因為大腦結構最接近人類。兔子智商中等兩頭都不沾,所以不用。
現在很多 AI 公司在挖她們這種做腦醫學研究的人，原因有兩個。
第一層是效率。人腦是地球上最省電的計算機。大腦做著視覺、語言、運動、推理,全部並行,只耗 20 瓦，大概一個暗燈泡。而一塊高端 AI 芯片就要 300–700 瓦,訓練大模型動辄幾兆瓦、幾吉瓦。
差別在於，計算機底層是二進制(0/1),晶體管在 GHz 頻率上瘋狂開關。而大腦是模擬的、稀疏放電的,神經元只在需要時才點亮、才耗能。AI 公司想偷師這種效率。所以，現在 AI 公司最搶手的崗位是神經科學家。
第二層更微妙：我們其實根本看不懂大腦是怎麼運作的，而 AI 現在面臨一模一樣的處境。
Anthropic 發現，AI 在回答你的時候,其實在內部想了一套自己的東西,而它說出來的理由，未必誠實。
舉個例子：研究員偷偷給 Claude 塞一個錯誤答案當「提示」,它會順著這個答案編出一套像模像樣的推導,只有 25% 到 39% 的概率承認自己用了提示。
Anthropic CEO 說，當 AI 總結一份文件時,“我們並不知道,在具體而精確的層面上,它為什麼做出這些選擇。”AI 的思想是個黑盒子。他們的目標是給 AI 做一台”核磁共振”,到 2027 年，希望能看懂裡面在發生什麼。
最後又聊到做手術。
由於大腦本身是沒有痛覺的，所以人可以清醒著被開顱。老鼠被開顱、植入芯片、再縫合,可以繼續正常活幾個月。她笑著說可以幫我開腦，但希望我永遠用不上。
聊完一整個下午，我最大的感受是：
目前我們對人腦、對 AI,其實都了解得太少了。
但也正因為如此，我越來越覺得，我們活在最好的時代。
真正的無人駕駛已經在路上跑、量子計算在飛速進步、人類在認真籌備第一次登上火星、腦機接口真的開始讀懂大腦……
我今天在紐約街頭連著撞見好幾塊 AI 和加密行業的廣告：出租車頂上寫著「It’s happening with Ripple」，公交廣告是貝萊德的比特幣 ETF，站台是 OpenAI 的 Codex。
以前根本無法想象的事，都在同時發生在美國。而我們，剛好生在這個最好的時代。

BTC1.85%

查看原文