顺为投了一位北大PI，想用AI“解密”人脑

人脑从万维空间中涌现（图源：格原万维）

人脑，是自然界演化出的最复杂的系统之一。

成年人脑只有两个拳头大小，但容纳了近860亿个神经元及同等数量的非神经元细胞，它们彼此连通，织就庞大繁复的脑网络，承载起人类全部的智能、情感、记忆和自我意识。这套系统如此精妙，以至于人脑最大的悖论是，我们的大脑不够聪明去理解如此聪明的大脑。

那么，AI能做得更好吗？

这是卢萌过去15年来一直想做的事。从2011年赴剑桥大学读博,到2024年回国前担任高级研究员，卢萌一直主攻神经退行性疾病研究。遵循传统神经科学研究范式，他搭建了不少细胞模型和分析算法，从分子、细胞层面解析脑疾病与药物的作用机制；也借助过成像技术，追踪疾病进程中或用药后的细胞内部结构变化。

但他随后意识到，这类研究如同手持绣花针，只能锚定极小的微观尺度，难以窥见人脑全貌，更无法还原疾病发生、扩散的完整过程。

卢萌由此产生一个想法：如果能逐层打通分子、细胞、脑区直至全脑的多尺度信息，或许可以搭建一套“完整理解大脑的研究体系”。

这需要海量数据和大规模算力协助完成。因此，2017年左右，卢萌就尝试将AI引入神经科学研究。但彼时的AI能力还停留在计算机视觉阶段，难以支撑跨尺度人脑建模。

直到大语言模型出现后，卢萌惊喜地发现，“Transformer的自注意力机制与生物信息高度契合”。“如果我们把细胞比作长句子，每个基因就是一个词，细胞所处环境就是上下文，而上下文决定了基因表达水平、细胞在组织内的状态。大模型和生物信息底层原理相通，这为搭建跨尺度人脑模型创造了技术机会”。

于是，2024年回北大担任助理教授后，卢萌正式启动这项工作，并担任AI4S公司格原万维（LattixOrigin）的首席科学家。

36氪独家获悉，近期，格原万维已完成近千万美元种子轮融资。投资方包括顺为资本、云沐资本、Xirius和中关村资本。本轮募集资金将用于搭建干湿实验验证闭环，以及购买算力、组建团队等。

卢萌坦言，想将这套跨尺度解析人脑的宏大构想落地，仅凭高校实验室资源很难维持。AI快速席卷一切的今天，算力、顶尖跨学科人才成本水涨船高；模型训练、搭建干湿实验闭环，每一步都需要持续资金投入。这也是他选择吸纳外部资金的重要原因。

在卢萌看来，AI与生物学的关系正在发生根本性翻转。在传统生物学研究中，AI更多是被当作一种工具，嵌入既有的生物学研究流程。科研人员的假设是起点，也是终点，能探索的路径有限。

而他想做的，是“站在AI视角重新组织生物学研究”。先有高质量、标准化的数据，再让模型从海量信息中学习底层规律，而非将人的主观预设强加给模型。

据了解，格原万维团队已训练出初代DigitalBrain-M1人脑基础模型，在部分脑区的功能解析上，与影像组学高度吻合。

随着后续模型迭代，卢萌希望，DigitalBrain系列模型能作为人脑的“GPT”：研究者做脑疾病药物研发时，可以依托这套系统快速发现靶点，解析机制，找到最优的疾病干预路径；更进一步，或许还能帮助人类理解智能本身。

这些，都将成为摘取人脑“科学圣杯”的漫漫长路上，接连踏出的每一小步。

对话（经编辑）：

炼8000万脑细胞，画“人脑版”谷歌地图

36氪：能不能先描述一个画面，未来，模型具备你预期的“跨尺度推理能力”后，能给科学家研发新药带来什么改变？

卢萌：对比传统研究模式，模型能帮助研究者更快发现疾病靶点解析机制；并且，可以预测扰动靶点之后会产生怎样的生物学效应，从而更精准地找到致病基因、发掘有效靶点，更早干预疾病。

以阿尔茨海默症为例，传统阿尔茨海默症药物研发，靶点大多集中在β淀粉样蛋白沉淀上，因为这是患者大脑里最明显的病理特征。但是，等β淀粉样蛋白沉淀出现时，大脑一般已经产生实质性损伤。这个阶段哪怕清除了沉淀，认知损伤也很难被修复。因此，理想状况是在明确的病理标志物出现前完成干预，阻断病变进入不可逆阶段。

如果我们能拥有全模态、多尺度人脑模型，或许可以推演阿尔茨海默症的完整发病进程：病变从哪些脑区起始、又如何扩散到其他脑区？完整病程是怎么演进的，什么时候是干预阈值？这就有可能帮我们找到更早的干预节点，在病变进入不可逆阶段前把它挡住。其价值是根本性的。

36氪：2024年，你入职北大。但在开始做DigitalBrain系列模型前，你先花了两年多时间打磨数据集，为什么做这件“苦工”？

卢萌：脑疾病药物研发的核心瓶颈是，模型与真实人脑不匹配。传统方法中，科学家主要靠动物实验推测人类大脑变化，但两者生理系统差异巨大，导致大量在动物身上有效的靶点，到人体就失效。例如，小鼠不会自发患上阿尔茨海默症，哪怕人为转入致病基因，也只能模拟部分症状。

我们认为，想更好地开展脑科学研究、开发脑疾病药物，就要以真实人脑数据为底层支点，做人脑基础模型。

早期，我们其实有些低估了项目难度。搭建高质量模型的前提是优质数据，但在脑科学领域，研究者无法像做动物实验那样规模化采集人脑样本，大多只能从医院获取，导致全球公开的人脑研究数据一直非常零散、总量有限，且缺少统一质控和标注标准。这不利于训练模型。

所以，我们决定从构建数据集开始做起，再以此为基础，训练出一个能完成跨尺度表征的人脑基础模型。

36氪：原始数据的主要来源是什么？有没有比较独家的自采数据？

卢萌：坦诚讲，早期时团队与国内医院的合作基础相对薄弱，主要使用公开研究数据。

我们整合了包括跨国联合科研项目BICCN（大脑细胞普查网络）等200余项研究，全部原始数据总量近亿级的人脑细胞，规模上位居全球前列。横向对比，2023年BICCN在《Science》上发表的核心研究成果的数据量为330万，顶级脑科学研究机构艾伦研究所（Allen Institute）最大的人脑数据集SEA-AD（2026）为600万。

此外，我们的数据类型也较广泛，包含超过4000名供体、年龄跨度为0-96岁，覆盖全脑165个脑区以及神经元、胶质细胞、血管细胞等全部细胞类型。

这个量级、丰富度已可供我们先训练初代DigitalBrain-M1人脑基础模型，探索人脑共通的底层机制和约束。后续，我们计划推进与国内外顶级医院等医疗机构的合作，进一步补充中国人脑数据等特色数据。

36氪：如果核心数据源都是公开的，你们花这么大力气做这件事的价值主要是什么？

卢萌：简单的数据收集、汇总，门槛确实较低。

但我们做了专业的数据“精炼”。我们参考艾伦“金标准”的标注体系，对各项研究进行了统一的去批次、降噪、补充元信息、对齐到同一个表征空间，产出AI-ready的标准化人脑数据集，形成训练底座。

同时，我们还开发了独有的基因检索功能。过去，研究人员只能了解某个基因在局部脑区的表达，还得先找到原始切片图或表达矩阵，再自己写代码处理，耗时长，结论也未必清��。在我们的系统中，大家能像打车软件一样直接检索任意基因在全脑各脑区各类细胞中的准确表达情况，还可选择疾病和年龄条件，DigitalBrain-Atlas的数据覆盖面与精度都是行业内较为领先的。

这就像给人脑构建了一个谷歌地图，精准了解基因坐标。这将对研究人脑，以及定位脑疾病致病基因、挖掘相关药物靶点，乃至脑机接口研究等工作有重要意义。目前，我们已将近1700万个细胞的标准化数据开源，供全球研究者免费检索使用。

图源：格原万维DigitalBrain-Atlas（https://digitalbrain-human.com/）

36氪：将各项研究“标准化”的主要难点是什么？

卢萌：繁琐之处在于，需逐份核对数据集。虽然自动化批量处理算法也能做这件事，但无法解决全部问题，例如，部分数据集存在文件名与内部数据不匹配、重复标注、标注错误等问题。在海量数据点里定位错误来源，就像从成千上万个零件里排查故障零件。为保质量，我们会逐一做人工复核校验。

人脑基模的Scaling Law

36氪：完全用人脑细胞数据训练出来的模型，现在表现得怎么样？

卢萌：先厘清一个问题，模型不会自动实现跨尺度推理。预训练阶段，它输出的是表征嵌入（embedding），即将基因、细胞的生物学信息编码成数字向量。生物学上越相似的东西，在这个向量空间里离得越近。但这是模型理解生物信息的“基础产物”，还不能直接用来做疾病推演、靶点预测等复杂任务。

但有意思的是，我们用DigitalBrain-M1的表征分析脑区之间的功能关联，结果和传统影像组学（fMRI）的观测高度匹配。

最典型的是BA23和BA32两个脑区。它们都在大脑内侧的扣带回上，你可以想象成大脑中间有一条C形走廊，BA32在前，BA23在后，隔得不算近。但功能上，它们同属默认模式网络，负责回忆、内省、自我价值评判等活动。DigitalBrain-M1只看成千上万个细胞的基因表达，没见过脑影像信息，却能识别出这两个脑区存在功能关联，这说明模型捕捉到跨层级脑网络的底层生物学规律，是一种人脑结构的涌现，令我们非常振奋。

当然，目前达成的还只是部分脑区的匹配，全脑范围的精准匹配还做不到。我们后续会开发适配器和解码器，让模型能直接做推理和预测。

36氪：模型输出结果和常规影像学结果相互印证，说明你们这套研究人脑的技术路径是可行的？

卢萌：我认为，这至少证明我们探索出了一个正确的方向。

36氪：延续这个思路，DigitalBrain后续的迭代规划是怎样的？

卢萌：构建AI4S的Scaling Law，不断扩大数据集规模，提高算力和参数量。就好比ChatGPT，GPT-2最初只是一个可以续写文本的模型，但其真正的价值在于走上了Scaling Law的正确路线，只是能力不够颠覆。后续GPT-4、GPT-5随着规模放大，涌现出的推理能力、多模态能力，使模型能够落地到很多小模型阶段预想不到的应用场景。

在这个维度上，DigitalBrain-M1相当于GPT-2，是我们打通技术路线的第一个版本。M2已经启动研发，我们希望模型能涌现出更强的多尺度人脑解析能力。

36氪：要实现这些目标，还需要做哪些事情？

卢萌：需要打造两套闭环。首先是对外生态闭环，联合医院共建数据集；第二，联合高校构建干湿实验闭环。

AI4S和纯AIGC不太一样，前者必须依靠真实实验数据来迭代模型。但传统科研“小作坊”模式的数据产出效率远远不够，所以我们需要依靠自动化和机器人，以工业级规模生产生物学数据，支撑Scaling Law落地。

服务脑机接口等研究

36氪：除新药研发外，脑机接口是公司规划的远期落地场景。但脑机接口给人的印象更多是“读脑信号、植电极、刺激大脑”，和你们做的“分子层面的人脑模型”听起来是两回事，这两者是怎么联系起来的？

卢萌：从生物学的基本原理而言，所有层级的结构和动力学都由最底层的基因表达决定，这也是我们的出发点。我们希望DigitalBrain可以作为基础底座模型，服务脑机接口以及其他人脑大尺度研究。脑机接口的核心，其实就是找到精准靶点，用合适的模式做刺激调控。而找靶点、预测刺激效果，恰恰是我们的模型能发挥作用的地方。

例如抑郁症、精神分裂症这类精神疾病。依托完整的分子信息，模型可以推演大脑的连接网络，再基于网络做预测、模拟扰动，评估特定基因背景下的患病概率；或定位网络里比较脆弱的节点，研究怎么调控才能降低发病风险。相当于告诉你“刺激哪里、怎么刺激”。

其实这就相当于数据共享。脑机接口可以调用我们的人脑基模优化自身模型，而我们也希望获取脑机接口的实测数据，迭代我们自己的模型。不同领域团队都在朝着同一个研究目标收敛，可以理解为双向奔赴。

36氪：如果脑机接口公司、医疗影像公司自己做模型，是不是也能做这件事？

卢萌：的确，一些脑机接口、脑影像公司虽也在做人脑基础模型，但主要基于影像数据做训练，其分辨率为毫米级，能看脑区整体情况，但缺乏最底层的单细胞、基因表达这类微观分子信息；一些虚拟细胞企业尝试做类似的事，但主要聚焦在实验室条件下的细胞扰动训练，缺乏真实细胞的人脑层级信息。我们以人脑细胞为基础，构建基于基因表达的层级涌现模型，是我们独特的地方。

这其实也是投资机构对我们感兴趣的原因之一。在我们的体感中，科技投资人们希望挖掘科学逻辑无懈可击，且具备创新性的方向。脑科学领域，很多同时满足这两个条件的事情大家都已经在做了，且竞争比较充分，例如用脑机接口治疗帕金森、瘫痪等。而构建“跨尺度人脑基础模型”这件事本身，还没有人做过。

36氪：想要真正落地在脑机接口场景，DigitalBrain模型还需要补齐哪些能力？

卢萌：首先，需要从现在的局部匹配到实现完整、精准的全脑脑网络涌现能力；其次是动态状态空间，也就是时间序列预测能力。不只是预测静态的脑区关联，还要能预测施加刺激、扰动之后，脑网络的状态怎么随时间变化。比如刺激之后效果能持续多久，不同频率、不同强度的刺激有什么不同效果等。