中国团队发布全脑仿真平台 DeepSoma，主打跨身体迁移

2026 年 8 月，国内团队知跃空间智能发布全脑仿真平台 DeepSoma（知跃灵物），定位为面向真实世界的物理 AI 底层框架。该平台与 Eon Systems 此前公布的数字果蝇项目形成对照，试图在神经元建模、世界重建与跨身体 Agent 接入三个维度上同时推进，构建一套支持「世界—大脑—智能体」闭环的计算底座。

从简化果蝇脑到精细全脑仿真

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」。其核心是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，并接入了带 87 个独立关节的生物力学身体，首次让神经活动、身体运动与环境反馈形成完整回路。但 Eon 自身也承认，采用的是泄漏积分发放（LIF）简化神经元模型，脑—身映射部分仍由人工设定，覆盖的感觉输入与行为有限。

在此背景下，知跃空间智能推出 DeepSoma，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。

三层对比：模型、世界与平台

模型层：Eon 以 LIF 模型承载约 14 万神经元的果蝇脑—身体闭环，强调高效简化；DeepSoma 则在单个神经元内部继续向下建模，涵盖树突、胞体、膜电位、离子通道与突触等生物物理机制，并沿 connectome 连接成神经回路乃至全脑网络。
世界层：Eon 在 MuJoCo 物理引擎与预设仿真环境中完成感知—动作闭环；DeepSoma 则尝试从真实场景中还原几何、语义、时空与物理信息，构建持续更新的可计算 4D 数字世界。
平台层：Eon 展示了单只数字果蝇的案例；DeepSoma 将真实世界建模、精细全脑求解与跨本体 Agent 接入整合为统一平台，并归纳为「Build Worlds、Run Brains、Embody Intelligence」三个环节，让「Environment → Brain → Agent → Environment」形成完整闭环。

仍待回答的验证问题

更大的平台边界与更精细的神经元建模，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之间的一致性如何？脑—身映射能否摆脱人工规则？跨身体迁移能否在公开任务中复现？这些都是知跃空间需要逐步回答的问题。

把智能真正放进物理世界，需要的不仅是一个更大的模型或更多数据，还可能需要新的技术范式。DeepSoma 的底层逻辑让人想到 PyTorch：后者并不规定神经网络必须长什么样，却为定义、训练与运行模型提供了共同底座；前者则试图把这一思路从纯数字世界延伸到物理环境、生物脑结构与智能体共同构成的闭环系统。若该路线能够走通，Physical AI 的下一次跃迁，或许既会来自更大的模型与更多数据，也会来自一个更古老也更高效的计算原型——生命本身。