单个神经元如何做出灵活决策

几十年里，教科书都把单个神经元当成一个只会「求和」的小节点，靠一堆节点联网才能变聪明。2026 年 10 月 16 日，中科院徐宁龙团队在线发表在《科学》上的一项研究，把这个说法改了：单个神经元的树突，本身就能完成一次灵活的认知计算。这跟 AI 搭模型时的基本假设，直接对着干。

一、发生了什么

研究来自中国科学院脑科学与智能技术卓越创新中心，徐宁龙是通讯作者，张园是第一作者。他们训练小鼠做「规则会变」的听觉分类任务：判断声音高低，但判断边界会在毫无预警时改变，小鼠只能靠奖励反馈去猜隐藏规则。

团队用亚细胞分辨率的双光子成像，同步记录听觉皮层第五层神经元的顶端树突和胞体活动，再用光遗传学选择性抑制树突，看它到底管不管用。

结论很清晰：同一个神经元里，不同区室有分工。顶端树突负责编码「推断出来的抽象规则」，胞体负责表征感觉信息，两者做非线性整合后，产出与选择相关的输出信号。一旦抑制树突，胞体的选择信号明显变弱，直接证明树突参与了决策计算。

二、跟你有什么关系

对做 AI 架构研究的人来说，这是一条可以抄的作业。现在的大模型把神经元当单个点，每个单元计算能力弱，只能靠堆巨大的网络，效率很低。树突多区室的做法，是让一个计算单元同时处理多路输入。

对关注能耗的人更直接。徐宁龙明确提到，借鉴多区室机制，能减少对深层网络的依赖，从而降低模型能耗。这对跑不起大模型的团队是个方向。

对做认知科学的人，这个发现补上了「点状神经元模型」解释不了的一块：灵活决策需要整合海量情境和抽象规则，简单加权求和做不到。

三、怎么用

1. 先理解「区室分工」这个词。别再把一个计算单元看成一个标量，试着让它内部有多个相对独立的处理分支。
2. 把「规则」和「感觉」两类信号分开处理。树突处理抽象的规则推断，胞体处理输入，这个分离是减少干扰的关键。
3. 想做省电版，就往「少依赖深层网络」的方向调。减少层数、增强单单元计算力，是这个思路落到工程上的第一步。

四、三个别信的说法

错误说法：这个发现马上能改大模型。 论文给的是机制层面的启发，徐宁龙本人也说接下来要跟 AI 领域合作、需要大量跨学科攻关。离工程落地还有距离，不是今天换个架构就行。

错误说法：神经元越复杂，网络就越强。 研究说的是分工和整合，不是简单地把单元做重。盲目增加单单元复杂度，未必带来决策能力的提升。

错误说法：这是「单个神经元取代整个网络」。 树突完成的是灵活决策中的认知计算环节，不等于一个神经元就能干所有事。整体智能仍然依赖网络，只是基本单元的账要重算。

五、一句话结论

大脑的省电和灵活，可能藏在一个被长期忽略的细节里——树突的多区室分工，这正是类脑 AI 下一轮架构值得抄的作业。

信息来源

• 科学家揭示认知灵活性的树突计算机制（中国科学院，2026 年 10 月 16 日）
• 颠覆认知！单个神经元就能完成高级认知计算（科技日报，2026 年 10 月 17 日）

功能与价格以官方公告为准。本文写于 2026 年 10 月 21 日。