炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！

（来源：量子位）

今年3月，Eon Systems公布了一只会在虚拟环境中觅食、梳理触角的“数字果蝇”。它以成年果蝇连接组为基础，涉及约14万个神经元和5000万条突触连接，再接入具有87个独立关节的生物力学身体，让神经活动、身体运动和环境反馈第一次形成了完整回路。

视频一出，“果蝇大脑被上传了”的说法迅速出圈。但Eon Systems自己也相当克制：目前采用的是简化的泄漏积分发放神经元模型，脑与身体之间的部分映射仍由人工设定，只覆盖少量感觉输入和行为。这更像一个极具冲击力的研究平台与概念验证，而不是一只被完美复制的生物果蝇。

也正是在这个节点上，中国团队知跃空间智能发布了DeepSoma（知跃灵物）。它并没有把产品定义为“又一只数字动物”，而是试图搭建一套更底层的全脑仿真基础平台：把真实世界变成可计算环境，把生物约束和全脑连接结构变成可运行模型，再把模型接入不同的身体。

一句话概括：Eon Systems展示了“简化的果蝇脑，如何驱动一副物理仿真的虚拟身体”。

DeepSoma展示了一个更激进的结果：把完整还原的果蝇大脑，直接放到真实的世界、真实的身体里去运行。

所以，它真是Eon Systems的“加强版”吗？

简化的数字果蝇已经足够令人兴奋，但对于DeepSoma而言，这并不是终点，而是把矛头对准了它最难补的三块。

Eon的公开方案是连接组约束的LIF果蝇脑；DeepSoma强调精细神经元生物物理建模。

Eon以泄漏积分发放（LIF）模型承载约14万个神经元和5000万条突触连接，用相对简化、高效的神经动力学搭起了果蝇脑—身体闭环。

DeepSoma则从单个神经元内部继续向下建模：树突、胞体、膜电位、离子通道和突触等生物物理机制，都被转化为可求解、可观测的计算状态，再沿connectome连接成神经回路和全脑网络。

前者让果蝇大脑的线路跑了起来；后者想进入线路中的每一个计算单元，找到智能究竟是怎样被算出来的。

Eon的果蝇在物理仿真环境中完成感知—动作闭环；DeepSoma则先将真实场景重建为持续更新、可计算的4D数字世界。

Eon的公开演示依托MuJoCo物理引擎和虚拟果蝇身体，在预设的仿真环境中接收感觉输入、产生动作并获得反馈。DeepSoma则并不满足于仿真，它更强调如何从真实的世界中还原几何、语义、时空与物理信息，为大脑提供更加逼真的训练场。

Eon展示的是极具冲击力的数字果蝇案例；DeepSoma则将真实世界建模、精细全脑求解、跨本体Agent接入，作为一套完整平台打通。

DeepSoma把这条链路归纳为Build Worlds、Run Brains、Embody Intelligence：

世界层提供可交互的环境，脑层运行从精细神经元到全脑connectome的动力学，Agent层再把同一套脑模型映射到数字动物、生物实验系统、机械臂或人形机器人。身体的行动改变世界，世界的新状态再次进入大脑，最终闭合Environment → Brain → Agent → Environment。

当然，平台边界更大、神经元建模更细，也意味着更高的验证门槛。平台能否稳定运行更大规模的全脑网络？仿真结果与真实神经活动有多高的一致性？脑—身映射是否能减少人工规则？跨身体迁移能否在公开任务中复现？这些都需要知跃空间这家年轻的公司逐步地探索出更准确的答案。

Physical AI，也许真的需要自己的“PyTorch时刻”

今天，Physical AI正在成为AI产业的新方向。

如果智能真正进入物理世界，它需要的不是一个更大的模型、更多的数据，而是全新的AI技术范式！

知跃空间智能把创造新的技术范式这件事，交给了DeepSoma。

DeepSoma的定位概括为：Build Worlds. Run Brains. Embody Intelligence，让世界可计算，让大脑可运行，让智能可迁移。

这让人很容易想到PyTorch。PyTorch 是目前深度学习最常用的开发框架之一，它并没有规定神经网络必须长什么样，却为定义、训练和运行模型提供了共同底座。DeepSoma想做的类似，只是计算对象从数字世界中的网络，扩展到了物理环境、生物脑结构和智能体构成的闭环。

结语

当大模型越来越会说、会看、会推理，下一道真正难的题，已然不是继续让它在屏幕里答得更漂亮，而是让它在一个不断变化的世界中持续稳定地工作，这看起来是生物最基础的生存能力，却考验着AI。而在这个时刻，有越来越多的团队从生物大脑中探索Physical AI 的智能密码。Eon Systems用一只数字果蝇，把“脑上传”推到了公众面前；DeepSoma则押注，未来真正重要的不是上传某一颗脑，而是造出一套能让世界、大脑与身体共同演化的计算系统。

如果这条路线跑通，Physical AI的下一次跃迁，可能不只来自更大的模型和更多的数据，还会来自一个更古老、也更高效的计算原型——生命本身。