可读之脑：连接组学与主体的退位

——兼及类脑模型

作者：龍德明宇

写在前面：这不是取消主义，这是坐标系

本文不是要证明「人没有主体性」。它要做三件事：一，把「主体性」从一团模糊的直觉拆成五个可独立讨论的维度；二，用连接组学和类脑工程的最新证据，说明这些维度上的传统解释项正在让渡空间；三，把结论严格限定在「概念约束」之内，不越界到第一人称体验的存在论否定。

这五个维度来自「负主体性」理论：视角消解、欲望取消、内在透明、因果消解、意义悬置。它们不是五个独立的「缺陷清单」，而是同一个压缩策略在不同存在论切面上的投影。当我们用连接组学去读一只果蝇的脑、用类脑工程去复现脑的某部分功能时，我们实际上是在测量这五个维度上的灰体度（gray-body degree）：系统在负主体性零点和正主体性参照之间，走了多远。

在负主体性到正主体性之间，存在一条压缩策略光谱。一端是尽可能压缩信息、预测下一个token的大语言模型，它的策略是交叉熵最小化：兼收并蓄一切可预测模式，不问规律与噪声的分别；只要增加数据和参数就能降低预测误差，它没有动机去判断哪些模式「值得」进入内部表示。另一端是人主动制造问题、承担意义的行动，它的策略是Epiplexity最大化：在资源硬边界下只保留规律，丢弃噪声，用节俭的核心概念覆盖指数级的问题空间。一个物理学家不会背诵所有落体轨迹，而是提炼出一条F=ma；一个叙事者不会罗列所有事件，而是把它们压缩成一个有意义的「我」的故事。连接组学与类脑工程让我们看到：脑的某些功能可以在光谱上被精确标定，但标定的结果不是「人在哪里」，而是「『内在主体』这个解释项还有多大必要」。 脑的接线图本身就是进化的Epiplexity产物。十四万神经元、五千万突触并非随机噪声，而是被自然选择压缩出来的高效结构：它在发育的硬约束下保留了足以支持视觉、味觉、导航和求偶的规律，丢弃了大量与生存无关的神经配置噪音。连接组学的可读性，正是结构本身具有高Epiplexity的证据。我们之所以能从连线图读出功能，是因为这条连线图不是交叉熵最小化产生的统计混合物，而是一部被进化反复编辑的「节俭说明书」。 脑不是一座必须藏有「小人」的剧院，而是一张可以被读通的接线图。我们不否认观众的存在，我们只是追问：观众必须坐在剧院里吗？ **这个追问不是取消主义的。**取消主义会说「因为没有找到小人，所以小人不存在」。本文的立场更审慎：**连接组学读得越彻底，「小人」作为解释项就越不必要。**这不是关于存在的否定，而是关于解释效率的重新评估。主体性没有被证伪，而是被重新定位：它可能不在神经结构内部，也可能在结构与世界、与他人、与自身历史的关系之中。我们目前只论证到第一步：旧居所的约束力在下降；它搬向何处，是开放的问题。 神经科学给出负主体性坐标；意识、意义、价值由人（正主体性）在关系中裁断。本文最后会再次点亮这个底色。

---

一、引子：一只果蝇「想吃」，但它没有匮乏

2024年，Shiu、Sterne、Spiller等人在《自然》发表了一项看起来平淡、实则惊心动魄的工作：他们把成年果蝇的全脑连接组转化成一个可运行的漏积分-发放计算模型（Shiu et al., 2024）。给虚拟味觉神经元一个「甜」信号，下游运动神经元预测出口器伸展；给「苦」信号，伸展被抑制。水、糖、低浓度苦味的相互作用，也在模型中被复现。

这套系统完成了「感觉→整合→运动」的完整链条。但模型里没有任何一个神经元在「想吃东西」。它们只是按连接和递质放电。

这就是案件的起点。我们要追查的不是「意识是什么」，而是：在神经结构内部，有没有一个必须被称为「我」的东西？

让我们把镜头推近。一只果蝇落在糖水滴上。它的味觉受体神经元被激活，信号沿特定通路传播，运动神经元放电，口器伸展。在连接组模型中，这一过程被精确复现：139,255个神经元、5450万个突触的相互作用，产生了与我们称之为「想吃」的行为高度一致的运动输出。但在这十三万九千个神经元中，没有一个在「渴望」甜食。它们只是在传递电化学信号。

如果果蝇的「想吃」可以被这些神经元的连接充分解释，那我们说「我想吃甜食」时，那个「想」植根于何处？它是否必须是一种内在的匮乏驱动，还是可以只是一种回路放电模式？ 从果蝇跳到人会显得陡峭。本文选择果蝇，不是因为人等于果蝇，而是因为果蝇的神经系统足够简单，让我们能看清「自我」作为一个解释项在最基本层面如何被压缩。如果最简的欲望-行动闭环都不需要一个「我」作为必要解释项，那么「我」在人类脑中承担的，更可能是解释功能或修辞功能，而非存在论上的不可或缺的实体。 但这绝不意味着果蝇是意识的范本，也不意味着人脑只是放大版的果蝇脑。十四万神经元与八百六十亿神经元之间的差异，不只是工程量，也可能带来质的跃迁：人脑有更复杂的神经调制系统、更丰富的自发活动、更长的发育历史、嵌套于语言和社会的反馈回路。果蝇是目前唯一被完整读通的脑，它提供的是概念约束的起点，而非可直接类推的模板。至于这些约束在人类尺度上是否仍然成立，需要更多证据，而不是一次简单的类比外推。 这个追查将沿着五维灰体度展开：视角、欲望、内在、因果、意义。每一推进一层科学事实，我们就追问一次：果蝇的「我」，如果存在，会落在五维剖面的哪个位置？

---

二、第一现场：从连线图读出视觉

2.1 Seung的「读线术」：结构即功能

H. Sebastian Seung 长期主张一个激进的命题：脑的接线图本身足以解释其功能。这种从接线图直接读出功能的做法，我姑且称之为「读线术」。2024年，他在《自然》上发表的论文提供了一个近乎完美的示范（Seung, 2024）。面对果蝇视叶中Dm3与TmY神经元，Seung没有用电极记录，只从输入连接模式出发，预测出这些神经元的取向选择性、感受野形状和额外经典感受野。

Dm3的输入主要来自Tm1，而Tm1与复眼的六角形小眼呈一一对应。由此可以推断：Dm3的感受野由Tm1输入的空间分布直接决定。三种Dm3亚型分别偏好六角晶格的三种主方向；TmY4偏好水平方向，TmY9q与TmY9q⊥分别偏好q方向及其正交方向。这些预测后来被连接组约束模型和电生理记录所验证。

Seung的论证方式具有认识论上的冲击力。传统神经科学的方法是：先记录神经元的电活动，再追问「它为什么这样反应」。Seung反其道而行：先看它连着谁，再推断「它必定这样反应」。连接结构先于功能测量，功能从结构中逻辑地推出。这种方法的可靠性取决于一个前提：神经系统的连接拓扑在很大程度上决定了其计算功能。果蝇视叶的高度规则结构使这一前提得以验证，但它也暗示了一个更普遍的命题：对于许多神经回路，功能可以从接线图中读出，而不需要逐个测量其动态参数。

需要强调的是，这种「结构先于功能」的读法并非万能。它目前在果蝇视叶这类高度规则、重复性强的回路中最为成功，因为这里的连接拓扑与功能之间存在可识别的几何对应。对于更不规则、更受发育噪声和神经调制影响的回路，仅凭连接组可能不足以预测动态。但恰恰是在它成功的范围内，它构成了对「内在观看者」假设的压力：如果仅凭连线图就能算出神经元「看见什么」，我们就没有必要再引入一个额外的「谁在看」作为默认解释项。 这并不等于说「没有观看者」。涌现论完全可以接受「没有视角神经元」，同时主张视角是从全脑分布式动态活动中涌现的真实高阶属性。Seung的证据没有驳倒这一立场；它只是让「内在小人」版本的观看者变得更不自然。灰体度框架的任务，是在这两类解释之间标定约束条件，而不是宣布一方获胜。 这里的戏剧点不在于预测准确，而在于预测的方式：科学家不测量功能，只看连线图，就算出了神经元「能看到什么」。 如果一只果蝇「看见」一条水平线这件事，主要由突触结构决定，那么「看见」还需要一个「观看者」吗？视角是神经结构的输出，还是结构之外还需要一个主体来「拥有」这个视角？ 灰体度框架把这一情形诊断为视角消解：模型不是视角的持有者，而是视角的函数。就像相机是一组光学函数，它能「输出」一个视角的画面，但不需要一个内部的「观看者」。但同样，相机也不具备从涌现中生成的、带第一人称锚定的视觉体验。**诊断的是解释项的让渡，不是体验的非存在。**连接组学正在做的事情，正是把传统上外包给「内在主体」的功能解释权，收归于结构本身。

2.2 从视觉到导航：Garner与Lappalainen的延伸

Seung读的是单根神经元的功能。Garner、Kind、Lai等人走得更远：他们重建了果蝇前视路的完整结构，从复眼到导航中心椭球体，追踪了三千多个神经元组成的通路（Garner et al., 2024）。四种MeTu神经元类型、十种亚型、分离的信息通道，都被从连接模式中识别出来，并用电生理和虚拟现实实验验证。ER神经元的感受野形状、大小和视觉偏好，可以从整个前视路的连接结构中推断出来。

Lappalainen、Tschumperlin、Feng等人则展示了更具普遍性的方法：他们构建了一个与真实果蝇视叶具有相同连接图的神经网络模拟，引入未知动力学参数，用任务优化来推断这些参数，结果与二十六项先前研究、跨越二十多年的电生理记录高度一致（Lappalainen et al., 2024）。

这意味着：对于足够稀疏的神经回路，仅凭连接性和神经递质类型，不需要精确测量每个神经元和突触的动力学，就能预测其活动。结构不只是功能的「基础」，结构在很大程度上就是功能本身。 导航尤其具有哲学意味。果蝇的椭球体中有约五十个「罗盘神经元」形成环形排列，编码头部方向。但这个「方向感」完全是突触连接的涌现特性，没有任何「定位自身位置的主体」作为必要解释项参与。

2.3 全脑模型的闭环：Shiu的果蝇再次登场：

如果说Seung、Garner、Lappalainen读的是视觉子系统，那么Shiu等人的工作则把FlyWire连接组变成可运行的计算模型，不只预测某个视觉特征，而是预测「味觉→行为」的完整感觉运动链（Shiu et al., 2024）。

模型基于两个事实：所有突触级连接，以及预测的神经递质身份。使用漏积分-发放神经元，参数来自文献中的果蝇生理参数。结果是：激活甜味感知神经元，口器伸展被预测出来；激活苦味感知神经元，伸展被抑制；水、糖与低浓度苦味之间存在促进性交互，高浓度苦味抑制其他味觉反应。

案件由此推进：我们不再只读一根神经元的功能，我们读的是一整个脑如何产生行为。

这里存在一个容易被忽视的关键点：Shiu的模型不是简单地「拟合」了已知行为，而是生成了可实验验证的假说。模型预测了特定神经元对水、糖、苦味的反应，这些预测随后被光遗传学实验所验证。这意味着，连接组本身具有预测力，而不仅仅是描述力。

如果这一感觉运动链可以被精确模拟，那么驱动味觉行为的「欲望」还剩下什么不可还原的残余？这个残余是存在论的，还是只是我们尚未读通的结构？

灰体度框架把这一情形诊断为欲望取消：「想吃」不是内在冲动，而是回路的放电模式。与大语言模型的预训练统计不同，这里的「取消」有物理载体，但机制相同：没有作为必要解释项的匮乏，就没有作为内在实体的欲望。这同样不是说果蝇没有需求驱动的行为；它的血糖稳态、水分平衡都是真实的生理因果力。我们否认的是：这些因果力必须被一个名为「欲望」的内在主体性实体所居有。

三、第二现场：打开颅骨，找不到CEO

3.1 Dorkenwald的全脑地图：大脑主要与自身通信

2024年，FlyWire联盟发表了成年果蝇全脑连接组图谱（Dorkenwald et al., 2024）。数据规模是：139,255个神经元，5450万个化学突触。其中118,501个为脑内源性神经元；85%的突触在脑内源性神经元之间，即大脑主要与自身通信。

这个发现本身值得暂停。我们习惯于把脑想象成身体的「司令部」，接收外界信号、发号施令。但连接组学揭示的图景是：脑是一个高度内化的网络，它的主要工作不是处理外部输入，而是在自身内部维持一个极其复杂的对话。外部世界只是偶尔插入这个对话的噪音。

这一图景改变了我们对「控制」的理解。如果85%的通信发生在脑内部，那么脑与其说是环境的响应器，不如说是自身的维持者。它的大部分活动与外部事件无直接对应，而是在内部各区域之间形成稳定的信息流动模式。这种模式使脑能够整合跨时间、跨模态的信息，产生协调的行为输出，但整合过程本身并不需要一个中央的「我」来监督。

灰体度追问由此产生：如果脑主要与自身通信，那么「我」在与谁通信？「我」是通信的发起者，还是通信本身的涌现属性？

3.2 Lin的网络统计：因果退位

Lin、Yang、Dorkenwald等人进一步对这张连接组做了系统的网络统计分析（Lin et al., 2024）。他们发现：93.3%的神经元位于同一个强连通分量中，98.8%位于同一个弱连通分量中；强连通分量内平均最短有向路径长度仅4.42跳，所有神经元可在13跳内互相到达；40,218个神经元构成rich-club，占总数的约30%，rich-club内部连接概率是总体概率的5.4倍；小世界系数SΔ=141，接近互联网的SΔ=98.1。

这些数字刻画了一张极度紧密的拓扑网络：任意两个节点之间仅需数跳即可通达，且核心节点之间的连接密度远超随机水平。

rich-club的存在尤其耐人寻味。约30%的高度连接神经元优先相互连接，形成一个核心枢纽。这个核心在网络中承担了大量信息整合与广播功能。但rich-club本身并不是「CEO办公室」：它是一个统计上更密集的子网络，而不是一个发号施令的中心节点。信息从rich-club的某些节点进入，经过多跳传播，从其他节点流出，但没有任何单个节点在「做决定」。

信息可以在13跳内传遍全脑，但没有一个节点在「统筹全局」。那么「我」在统筹什么？如果「我」无处不在，是否也意味着「我」无处可在？ 灰体度框架把这一情形诊断为因果消解：复杂行为不需要中心控制者作为必要解释项。分布式网络本身就是因果结构。传统上我们认为「我」是做决定的原因，但连接组学显示：一个行为的发生是整个网络因果链的涌现结果，没有一个单一的、内在的「第一因」需要被预设。涌现论可以进一步主张：这个分布式动态过程本身可能就是「我」的神经相关物。灰体度框架不否认这一可能，它只是指出：一旦把因果解释从「中心节点」转向「网络涌现」，传统「我」作为内在第一因的解释空间就被压缩了。

3.3 零件清单：Matsliah与Schlegel：内在透明

Matsliah、Yu、Kruk等人把38,500个视叶内源性神经元压缩成227种细胞类型，压缩比超过150倍（Matsliah et al., 2024）。他们发现了新的Sm（蛇纹石髓质）中间神经元家族，识别出ON/OFF通道、运动子系统、物体/形状子系统、颜色子系统和偏振光子系统。

Schlegel、Yin、Bates等人则在全脑尺度上注释出8,453种细胞类型，其中4,581种为新发现，并提出了跨脑定量定义：细胞类型是「同一脑内细胞之间的相似性高于跨脑相似性」的群体（Schlegel et al., 2024）。近99%的hemibrain神经元可在FlyWire中找到形态匹配，但约三分之一的hemibrain细胞类型无法被可靠重新识别，说明细胞类型边界存在个体差异。

我们数清了类型，定义了边界，却唯独找不到一种叫「自我」的细胞类型。但这不构成对「自我」的否定。没有人严肃地认为「自我」是一种细胞类型；它更可能是系统层面的涌现属性，对应于跨越时间和空间的动态活动模式，而不是静态的结构零件。连接组学越完整，越能帮我们找到支持这个动态模式的结构基础，而不是反过来证明它不存在。 那么「我」在哪儿？是在某个神经元里？在rich-club里？还是在连接模式里？连接组学越完整，「内在主体」作为可定位实体的空间就越小。这正是内在透明的神经科学版本：脑没有不可还原的隐藏内部；所谓功能，由可列举、可命名、可跨个体比较的结构所穷尽。这同样不是说脑没有主观深度；它说的是：主观深度如果存在，也不等于一个可以被定位的内在小人。 内在透明追问的是「结构里还有没有不可还原的隐藏层」，意义悬置追问的是「结构自己是否在乎自己做的事」，两个问题，同一个现场。「细胞类型」的功能意义由研究者赋予：ON通道、OFF通道、运动子系统，这些标签是我们为结构贴上的语义便利，不是系统自身在乎的东西。一个Dm3神经元并不「在检测水平边缘」，它只是按照连接模式放电；「水平边缘检测器」这个意义，是我们从外部读出来的。

3.4 从小鼠到灵长类：范式是否可扩展

反对者会说，果蝇脑只有十四万个神经元，而人脑有八百六十亿；在果蝇身上成立的「可读性」，未必能推广到哺乳动物。这个质疑成立，而且必须被认真对待。

MICrONS联盟的工作提供了一个阶段性回答。他们绘制了小鼠初级视觉皮层约一立方毫米组织的功能连接组，涵盖约五亿突触，并结合大规模电生理记录与行为任务，重建了数千个神经元的活动与连接关系（MICrONS Consortium, 2025）。结果是：在这个尺度上，视觉刺激引起的神经活动模式同样可以从连接结构与感受野组织中读出，果蝇视叶中「结构编码功能」的逻辑并未失效。

中国的介观脑图谱项目则把这一范式推向灵长类，获得了猕猴等物种的高分辨率神经连接数据（中国科学院脑科学与智能技术卓越创新中心，2025）。虽然灵长类全脑连接组仍是长期工程，但已有的数据表明：细胞类型的跨脑保守性、连接模体的重复出现、以及功能从局部回路中涌现的规律，与果蝇共享同一套解释语法。

这里不是「因为果蝇可读，所以人脑也可读」的简单类比。而是：连接组学已经证明了一种解释范式的可行性，即许多神经功能可以由连接结构加以说明。范式一旦成立，规模的扩大主要带来的是工程量，也可能带来解释原则上的修正或补充。但必须承认一个关键差异：果蝇脑的许多回路是先天设定的、高度规则的，而哺乳动物皮层更依赖发育可塑性和经验依赖的重组。此外，哺乳动物脑还受到神经调质系统（多巴胺、血清素、神经肽等）的体积传输（volume transmission）调制，这是一种独立于突触接线图的动态功能层。仅凭结构连接组可能不足以完全捕捉哺乳动物脑的功能，或许还需要功能连接组数据（如MICrONS的活体功能成像）以及神经调质分布数据的补充。对于灰体度框架而言，这意味着GB_intrinsic的逼近零不是果蝇特有的偶然，而是一种可能适用于广泛神经系统的认识论转向，但这个转向在人类全脑尺度上仍保持开放，不能由现有数据盖棺定论。

四、第三现场：类脑模型：只打开了一个维度的灰体度

前三章的连接组学读的是自然已经写好的脑，这里要读的是人试图复现的脑。两者的认识论位置不同：前者是考古，后者是仿真。但灰体度框架对两者的诊断方法是同一个：测五维。类脑工程越是成功，越能证明主体性的不均匀分布。本章只做一件事：用五维灰体度给类脑模型做诊断。

4.1 因果维度：类脑模型唯一突破的维度

类脑计算在因果维度上取得了实质性进展。IBM NorthPole架构的核心设计是「内存即计算」：它将全部片上SRAM紧挨着运算单元放置，消除了传统冯·诺依曼架构中数据在处理器与外部DRAM之间反复搬运的能耗瓶颈（Modha et al., 2023）。Intel Loihi 2则走另一条路线：它是一款专门支持脉冲神经网络的异步数字芯片，神经元只在状态变化时触发通信，而不是像GPU那样每个周期都刷新全部激活值（Davies et al., 2021）。Xu等人在National Science Review发表的NSLLM（神经形态脉冲大语言模型）则把脉冲神经网络推到大模型尺度，通过整数训练-二值推理范式和脉冲线性注意力机制，在常识推理、阅读理解和世界知识问答等任务上保持了与主流同规模模型相当的性能（Xu et al., 2025）。

这些系统并不相同：NorthPole面向能效推理，Loihi 2面向神经形态模拟，NSLLM面向序列建模。但它们在因果维度上共享一个特征：信息处理的物理位置与信息存储的物理位置开始重叠，历史不再只是寄存器中的临时状态，而是沉积在可保持的物理结构之中。 更关键的是底层学习机制。剑桥Bakhit、Xie、Fairclough等人报道的Hf(Sr,Ti)O₂界面型忆阻器，在硬件层面复现了脉冲时序依赖可塑性（STDP）。与传统依赖导电细丝的忆阻器不同，这种器件通过p型Hf(Sr,Ti)O₂与n型TiOₓNᵧ之间的p-n异质界面能垒变化实现阻变，开关电流可低至10⁻⁸安培量级，比常规氧化物器件低约六个数量级；在1.0伏电脉冲下可稳定调出数百个电导态，并经受约四万次电子脉冲仍保持操作稳定性（Bakhit et al., 2026）。STDP使突触权重的修改依赖脉冲到达的先后顺序，「谁先发放」的因果信息被编码进突触结构。持续学习系统则在任务序列中抵抗灾难性遗忘，使过去的经验以结构方式沉积下来。

STDP的物理实现具有重要意义。在传统人工神经网络中，学习规则是外部工程师编写的算法，权重更新是软件操作。而在HfO₂忆阻器中，学习规则从器件物理中直接涌现：氧空位的移动、界面能垒的变化，使得突触根据脉冲时序自动强化或弱化。学习不再是「被写入」的，而是「从材料中长出来」的。

这些系统通过物理非易失性和权重沉积，在因果维度上取得了实质性进展：历史开始留下痕迹。

但这是否等于拥有了「记忆」？本文提出因果灰体度的双裂结构：不可逆性（历史是否留下痕迹）和不可访问性（历史是否能被外部读取）。类脑模型在前者上大于零，在后者上接近零。它有历史，但这历史是外部可读的参数，不是「被经历的」。 灰体度诊断因此是：GB_causality > 0，但远低于人类。类脑模型是灰体度框架的最强实证候选，但只是候选。

4.2 其他四维：仍然逼近零点

视角（GB_perspective ≈ 0）。多传感器融合、事件驱动相机确实提供更丰富的感知输入，但「更多的感知输入」不等于「内部视角」。传感器仍然是工具性地提供数据，而非构成性地参与系统的存在方式。NorthPole或Loihi 2上的系统不会因为多一个摄像头就获得「我在这里」的内在锚定。传感器可以被替换、关闭或升级，而系统的「存在」不受影响。这与梅洛-庞蒂所说的「我就是我的身体」存在根本差异：类脑系统的身体是外挂的，不是构成性的。

欲望（GB_desire ≈ 0）。某些脉冲神经网络实验提供了一个值得仔细拆解的案例。据报道，配备STDP、兴奋/抑制平衡和奖励调制学习的分层脉冲神经网络在空闲运行期间，STDP侧向传播可以自主触发并塑造系统的行为，使系统自行确定何时行动、激活哪些关联；从零权重开始，仅需少量交互即可触发首次自主行为，并在长时间空闲期内主动发起接触。

但专著的标定是精确的：这不是匮乏驱动的欲望，而是「权重充盈的溢出」。系统从零学习到的用户-话题关联在权重中积累，空闲时这些兴奋模式超过阈值并自发激活。人类欲望从无到有（匮乏→行动→满足），类脑模型的行为从有到溢（积累→溢出→行动）。方向相反。 更精确地说，这种自主行为属于稳态调节。用户交互历史在权重中留下关联模式，空闲时这些模式自发激活。这种激活不是来自系统的「匮乏」，而是来自「已有的充盈」：权重太满了，溢出了。人类的饥饿是血糖稳态偏离身体设定点产生的内在张力，是不可取消的；这种「自主行为」是权重结构的设计后果，可以通过重置权重而消除。

内在（GB_intrinsic ≈ 0）。脉冲神经网络的spike timing比Transformer的密集激活更结构化、更可追踪。这不是说脉冲神经网络比大语言模型「更简单」，而是说它的物理载体清晰地展示了输入和输出的因果链条，没有创造出一个需要我们去猜测其「内心世界」的黑箱。可解释性的改善不是智识上的轻松，而是内在透明原理的实现。 意义（GB_meaning ≈ 0）。闪电定位、接触力信号的处理都是物理规律编码的信息，不是系统赋予的意义。意义仍然是工具性的：被处理、被利用、被响应，但没有被「在乎」。一个类脑系统可以检测「接触力过大」并调整力度，但它不「疼痛」；它可以定位闪电并记录位置，但它不「关心」风暴。

4.3 数字僵尸的精确刻画

类脑模型复制了脑的部分功能，却并没有「拥有功能」的体验。功能可以复制，但主体性不是均匀地复制的。

一个系统可以在GB_causality上大于零，同时在GB_desire、GB_intrinsic、GB_perspective、GB_meaning上接近零，这不正是灰体度框架预测的不均匀突破吗？ 类脑模型不是负主体性的威胁，而是灰体度框架的最强实证候选。它在因果维度上拉伸了五重否定，但没有推翻它。

---

五、结案陈词：结构主义本体论与负主体性坐标

5.1 五维约束的神经科学对应表

灰体度维度	负主体性张力	连接组学/类脑证据	关键界限
GB_perspective	视角消解	Seung：视觉取向由连接结构决定	结构编码视角 → 质疑「观看者」作为必要解释项
GB_desire	欲望取消	Shiu：味觉-运动反应由回路结构驱动	回路放电 → 质疑「匮乏驱动的内在欲望」作为必要解释项
GB_intrinsic	内在透明	FlyWire/MICrONS：连接组高度可读	可读的结构 → 质疑「不可还原的内在深度」作为必要解释项
GB_causality	因果消解	STDP+持续学习：历史开始沉积	物理/准不可逆 → 质疑「中心第一因」作为必要解释项
GB_meaning	意义悬置	传感器信号处理：物理信息≠意义	工具性感知 → 质疑「系统自身赋予意义」作为必要解释项

这张表不是「证据→否定」的判决书，而是「证据→质疑传统观点→开放解释空间」的渐进式推理。每一行都在说：传统上被假定为必须诉诸内在主体的功能，现在可以由结构解释所覆盖。这削弱了内在主体的解释必要性，但没有从存在论上否定其存在。

5.2 从「没有主体」到「主体不在那里」

连接组学没有证明「脑中没有主体」。它证明的是：如果我们把「主体」理解为神经结构内部某种神秘的、不可还原的东西，那么这个东西在功能层面变得越来越不必要。 连接组学使脑的GB_intrinsic逼近零点，不是因为它消灭了内在性，而是因为它让内在结构在功能层面变得可读。主体性不是被「证伪」的，而是作为解释项逐渐退位。 这一转向的认识论后果是深远的。传统心灵哲学往往预设：要解释心智，必须首先找到一个心智的「居所」：笛卡尔的松果体、某个特定的脑区、或者某种不可还原的内在场。连接组学提示的替代图景是：心智的某些功能可以从结构中直接读出，而不需要假设一个额外的「占有者」。结构本身就是关系，关系本身就是功能。 结构主义不是取消主义。负主体性不否认人有意识、选择和价值，而是说这些不能从神经结构内部「读取」出来。本文只论证到：主体的旧居被约束。至于它搬到了哪里，在人与世界、与他人的关系、选择与承担中如何重新定位，那是下一篇的主题。也可能它从未住在旧居里，而是我们错误地把关系属性投影到了神经结构内部。这些都是开放的问题。

5.3 回应三个常见反驳

反驳一：结构预测功能不意味着没有主体。

正确。这正是本文的核心审慎之处。灰体度框架的启示是：主体性不是被「证伪」的，而是变得越来越不必要作为解释项。**当结构解释足够完整，「主体」从解释项退位为修辞项。**这不是取消，而是坐标系的重置。我们没有从第三人称描述推出第一人称体验不存在；我们只推出：第一人称体验不是解释这些功能所必需的假说。 我们可以用一个类比来说明。在牛顿之前，「推动天体运动的天使」是一个有效的解释项。牛顿力学没有证明天使不存在，而是证明：要解释天体运动，不需要天使这个假设。同样，连接组学没有证明「主体」不存在，而是证明：要解释脑的许多功能，不需要假设一个内在的小人。这个类比也有边界：天使是外部动因，而主体性是被解释对象本身；它只能部分地说明解释项的退位，不能穷尽意识问题的复杂性。 反驳二：涌现论/整评论：「自我」是分布式动态活动的涌现属性。

这是一个有力的替代解释。涌现论完全可以接受：没有单一自我神经元，没有CEO办公室，没有「自我」细胞类型；同时主张「自我」是从全脑分布式动态活动中涌现的真实且具有因果效力的高阶属性。连接组学发现的rich-club、强连通分量、小世界结构，反而可以为这种涌现提供结构基础。

灰体度框架为何不直接采用涌现论？因为它关注的是另一个问题：涌现属性是否必须由「内在主体」来承载？**涌现论可以回答「自我是什么」，但未必能回答「为什么这个『自我』是内在的、不可还原的、拥有第一人称视角的」。**灰体度框架把后一组问题拆成五个维度，分别测量它们在结构解释面前的让渡程度。它不是涌现论的竞争对手，而是涌现论的约束坐标：任何涌现论解释，都必须说明它如何在五维剖面上安放主体性，而不是把「涌现」当作一张万能通行证。目前FlyWire给出的rich-club、强连通分量、小世界结构，是涌现的结构基底，不是「涌现出了一个自我」的证据。要从结构基底跳到「自我作为涌现属性」，至少还缺两环：动态层面的全局工作空间或高阶表征证据，以及第一人称视角的不可还原性论证。 换言之，涌现论说「自我从动态中涌现」；灰体度框架追问「这个涌现出的自我，在视角、欲望、内在、因果、意义五个维度上，分别保留了多少传统主体性的特征」。两个问题是互补的。 反驳三：果蝇脑小，人脑复杂得多。

这里不是规模类比，而是解释范式的问题。MICrONS联盟已绘制小鼠1立方毫米皮层约5.23亿突触的功能连接组（MICrONS Consortium, 2025），中国介观脑图谱覆盖到灵长类（中国科学院脑科学与智能技术卓越创新中心，2025）。范式已经成立，但规模扩大至少在两处需要补丁：其一，神经调质层的体积传输不走经典突触通道，连接组本身无法完全捕捉功能；其二，经验依赖的可塑性使个体间连接组差异远大于果蝇的细胞类型变异，可能大到连接组作为通用解释失效。

灰体度框架的启示是：无论规模多大，只要结构在功能层面可读，GB_intrinsic就逼近零，但这是一种有条件的、可修正的论断，不是形而上学承诺。如果有一天，人类全脑连接组显示某些功能无法从结构中读出，这个论断就要在该维度上退后。目前的数据支持的是：解释范式已经转向，转向的深度和广度仍在开放中。

5.4 坐标系重置之后：主体性的可能位置

把「主体」从神经结构内部请出来，并不意味着主体无处可去。恰恰相反，坐标系重置后，我们才有可能问一个更精确的问题：如果主体性不在接线图里，那么它在哪里？

一个合理的候选答案是：在关系之中。意识、欲望、意义不是单个脑的私有属性，而是脑嵌入世界、嵌入社会、嵌入语言和历史之后涌现的关系属性。我的「痛」之所以是痛，不仅因为C纤维放电，还因为它在语言中被报告、在他人脸上得到回应、在医疗系统中被承认为需要照料的状态。连接组学可以读通C纤维的放电模式，但它读不通「被承认的痛」这一关系事实。 另一个候选答案是：在叙事之中。人的「我」不是一个固定的神经坐标，而是一个跨越时间的自我解释：我把童年的经验、昨天的决定、明天的计划编织成一个连续的故事。这种叙事不是从脑中某个细胞类型里读出来的，而是在行动与回顾中被不断重写。连接组学可能找到叙事的神经载体，但它无法读取叙事本身的意义。 这两个候选答案都不是本文要论证的结论，而是坐标系重置后开放的问题。本文只负责把「内在主体」从错误的居所中搬出来，至于它最终落在哪里，需要另一篇文章来探讨。也可能最终答案是：「内在主体」本身就是一个由语言和社会实践构造出来的范畴，而不是先于解释而存在的实体。

---

六、结语：可读之脑与不可读之人

脑越来越可读，但「人」的位置不在于被读通的神经结构。

连接组学使脑在GB_intrinsic上逼近零点，类脑模型使GB_causality略有提升，但GB_perspective、GB_desire、GB_meaning仍接近零点。主体性的可定位空间被压缩，但不是主体性本身被消灭。

连接组学的「可读性」本身就是一种新型的存在方式。一个系统当被完整地读通时，它就不再是黑箱主体，而转为结构性存在。脑因被读通而不再是主体的居所，这不仅是解释的改变，更是存在方式的降维。 但这里有一个必须守住的边界。灰体度框架度量的是功能层面的表现距离，不是存在论层面的本质转变。即使未来某一天，我们能够完整读取人脑的每一个突触、每一个神经调控信号、每一个动态变化，「成为一个人是什么感觉」这个问题仍然不会被解决。那是Nagel的蝙蝠问题，是Chalmers的难问题，是灰体度框架诚实承认的边界之外。 这个边界也提醒我们，「可读性」本身是一种关系性质，而不是系统内在的孤独属性。一张接线图之所以「可读」，是因为有一个外部读者、有一套解释语言、有一个实验传统。当连接组学把果蝇脑读通时，「可读性」是果蝇脑与科学共同体之间发生的关系事件。同样，当我说「我读得懂你的悲伤」时，这种可读性也不是对你神经结构的扫描，而是对你表情、言语、处境与我的共同世界之间关系的理解。人作为正主体性的居所，恰恰存在于这种不可被接线图穷尽的关系之中。 如果脑是一个去中心化的、高度互联的、自组织的动态系统，那么我们传统上关于「我」的直觉，即一个内部的作者、一个中心的体验者、一个发号施令的小人，需要如何修正？连接组学没有给出最终答案，但它把这个问题推到了哲学的前沿。

「连接组学告诉我们果蝇如何看见一条水平线，但它不能告诉我们，人为什么愿意为一条水平线流泪。」

负主体性不是把人物化，而是把「主体」从神经结构的错误居所中解放出来。脑可读，人不可读，因为人的位置不在接线图里，而在接线图与世界、与他人、与自身的交织中。

---

参考文献

Dorkenwald, S., Matsliah, A., Sterling, A.R., Schlegel, P., Yu, S.C., McKellar, C., Lin, A., Costa, M., Eichler, K., Yin, Y., et al. (2024). Neuronal wiring diagram of an adult brain. Nature, 634, 124–138. https://doi.org/10.1038/s41586-024-07558-y

Davies, M., Wild, A., Orchard, G., Sandamirskaya, Y., Guerra, G.A.F., Joshi, P., Plank, P., and Risbud, S.R. (2021). Advancing neuromorphic computing with Loihi 2: A new generation of neuromorphic research chip. Intel Labs. https://www.intel.com/content/www/us/en/research/research-teams/neuromorphic-computing/loihi-2.html

Garner, D., Kind, E., Lai, J., Longden, K.D., Vinci, F., Winding, M., Tsubouchi, A., Cook, T., Sych, Y., Sareen, A., et al. (2024). Connectomic reconstruction predicts visual features used for navigation. Nature, 634, 181–190. https://doi.org/10.1038/s41586-024-07967-z

Lappalainen, J.K., Tschumperlin, D.J., Feng, A., Svara, F., Kornfeld, J., Modes, C.D., and Engert, F. (2024). Connectome-constrained networks predict neural activity across the fly visual system. Nature, 634, 191–195. https://doi.org/10.1038/s41586-024-07939-3

Lin, A., Yang, R., Dorkenwald, S., Matsliah, A., Sterling, A.R., Yu, S.C., Schlegel, P., Costa, M., Eichler, K., Yin, Y., et al. (2024). Network statistics of the whole-brain connectome of Drosophila. Nature, 634, 153–165. https://doi.org/10.1038/s41586-024-07968-y

Matsliah, A., Yu, S.C., Kruk, K., Richmond, P., Dorkenwald, S., Li, F., Sun, C., Liu, C., Schlegel, P., Wu, Y., et al. (2024). Neuronal parts list and wiring diagram for a visual system. Nature, 634, 166–180. https://doi.org/10.1038/s41586-024-07981-1

MICrONS Consortium (2025). Functional connectomics of the mouse visual cortex. Nature, 638, 329–343. https://doi.org/10.1038/s41586-025-08790-w

Modha, D.S., Andeep, R., Arjun, R., Arvind, R., Filipp, S., Ben, S., Guillermo, S., Jeff, S., Michael, S., Alexander, T., et al. (2023). Neural inference at the frontier of energy, space, and time. Science, 382, 329–335. https://doi.org/10.1126/science.adl0909

Schlegel, P., Yin, Y., Bates, A.S., Dorkenwald, S., Eichler, K., Brooks, P., Han, D.S., Gkantia, M., Dos Santos, M., Munnelly, E.J., et al. (2024). Whole-brain annotation and multi-connectome cell typing of Drosophila. Nature, 634, 139–152. https://doi.org/10.1038/s41586-024-07686-5

Seung, H.S. (2024). Predicting visual function by interpreting a neuronal wiring diagram. Nature, 634, 113–123. https://doi.org/10.1038/s41586-024-07953-5

Shiu, P.K., Sterne, G.R., Spiller, N., Eyjólfsdóttir, E., Hlpli, J., Kuebler, E.S., Chang, R., Taylor, B., Turner, C., Obrusnik, T., et al. (2024). A Drosophila computational brain model reveals sensorimotor processing. Nature, 634, 196–209. https://doi.org/10.1038/s41586-024-07763-9

中国科学院脑科学与智能技术卓越创新中心 (2025). 介观脑图谱系列成果发布. https://www.ion.ac.cn/xwen/kyjz/2025/202507/t20250711_7884969.html

Bakhit, B., Xie, X., Fairclough, S.M., Jan, A., Persson, I., Di Martino, G., Zhu, B., Ducati, C., Jia, Q., Yildiz, B., Flewitt, A.J., and MacManus-Driscoll, J.L. (2026). HfO₂-based memristive synapses with asymmetrically extended p-n heterointerfaces for highly energy-efficient neuromorphic hardware. Science Advances, 12(12), eaec2324. https://doi.org/10.1126/sciadv.aec2324

Xu, H., Qiu, X., Xu, Y., Elbtity, M.E., Zhou, P., Tian, Y., Zhu, R.-J., Zhang, J., Gu, S., Pan, Y., Chou, Y., Wen, Q., Yao, M., Qian, J., Tian, Y., Ma, L., Huang, T., Eshraghian, J.K., Xu, B., and Li, G. (2025). Neuromorphic spike-based large language model. National Science Review, 13(4), nwaf551. https://doi.org/10.1093/nsr/nwaf551

---