数字人类（digital humans）比大多数人想的更可行！借助能力最强的 AI Researcher 的帮忙，可能只需要 100 亿美元、不到 10 年时间，用 5 万块 H100 就能实现。MIT 计算神经科学家 Isaak Freeman 宣布离开 MIT，全职推动“数字人类”项目，因为 AI 发展太快，人类完全跟不上了😆
运行一个完整的人脑可能只需要约 5 万块 H100（xAI 已经有了 20 万块更高规格的 GPU）。粗略计算，使用高分辨率的 Hodgkin-Huxley 神经元模型、多态突触，需要约 600 exaFLOP/s 的算力、每个 GPU 700GB 内存、24GB/s 互联带宽 ——当前顶级 AI 集群已经能达到。
如果用更简单的 Leaky-Integrate-and-Fire（LIF）模型，甚至可能只需 1 - 3 块 H100，内存和带宽反而是瓶颈。核心问题不是算力，而是“要跑什么样的神经元模型？参数？以及连接性？” 这也是他的论文要解决的！
真正瓶颈是数据生成！自动化大规模组织采集 + 染色，但现在 Connectomics（连接组学）的重建成本已从每神经元 $16,500 降到约 $100（斑马鱼幼体数据）。
神经科学进步太慢，机器学习却在指数级飞奔。解决方案是先把模式生物（C. elegans 蠕虫 → 斑马鱼 → 果蝇 → 小鼠）的高质量仿真做出来，像软件一样快速迭代技术，最终 Scale 到人脑。
Isaak 的目标是把 WBE（whole brain emulation）变成一个可工程化、可识别瓶颈的问题，而不是遥远的科幻！人类要么被 AI 甩开，要么通过“数字人类”实现速度/复制/集体智能的超级提升，也就是 Bostrom 所说的 Speed SuperIntelligence 和 Collective SuperIntelligence 🧠
From Worm to Human - A thesis on scaling brain emulation, connectomics, and simulation. https://pdf.isaak.net/thesis
