北京时间10月16日凌晨，中国科学院脑科学与智能技术卓越创新中心徐宁龙团队的一项研究在线发表于国际学术期刊《科学》：单个神经元的树状分枝结构——树突，就能完成高级认知中的关键计算步骤。 一个神经元因此被形容为“一台微型计算机”，被认为或将启发下一代人工智能的底层算法，“神经元新发现或重塑AI”的讨论正是由此而来。新华网央视频
树突管“规则”，胞体管“声音”
研究团队让小鼠做一道规则会悄悄变化的听觉分类题：分类边界无预警切换，小鼠只能从一次次奖励反馈里推断隐藏规则。知乎
借助亚细胞分辨率的双光子成像，研究者同步记录了小鼠听觉皮层锥体神经元的顶端树突与胞体活动——同一个神经元里，顶端树突主要编码推断出的抽象规则，胞体更多表征听到的声音，两者在细胞内部发生非线性整合，产生最终的决策输出信号。知乎
“关掉”树突，决策信号随之减弱
因果证据来自一次反向检验：一旦抑制树突活动，神经元的决策信号立刻明显变弱——这直接证明树突不是被动的“配角”，而是高级决策的核心计算结构。 这里用到的光遗传学技术，正是2026年10月初揭晓的诺贝尔生理学或医学奖所表彰的成果。知乎新华网
把这条证据链放回历史里看，分量更清楚：自卡哈尔确立“神经元学说”以来，神经科学长期把每个神经元简化成一个均一的“点”，所有输入加权求和、输出一个发放率。知乎
我国神经科学先驱张香桐早在1951年就提出顶端树突参与信息处理，但树突计算与高级认知直接挂钩的确凿证据一直缺席，直到这篇《科学》论文。知乎
“重塑AI”的确切含义
这项发现真正触及AI的部分，是它更新了“单个神经元仅是认知计算中的简单网络节点”这一传统观点，被认为有望启发借鉴树突多区室计算原理、设计更高效灵活的人工智能系统。新华网
对照当下的大模型：每个计算单元仍是那个“点”，能力主要靠堆参数、堆数据、堆算力换取，代价是高昂的能耗。而大脑的单个细胞就能完成规则层面的非线性计算，用徐宁龙的话说，“与电子计算机相比，大脑这台计算机可以用更节能的方式进行更加高效的运算”。新华网
现在该关注什么
“重塑”目前仍是方向而非结果。研究对象是小鼠脑内的神经元，成果处于基础神经科学的机制层面，新华社的措辞也停留在“有望启发”；把生物树突的多区室计算转译成人工智能的底层算法，还要经过数学建模、算法验证乃至芯片形态的长期探索，没有可依据的时间表。值得跟踪的信号是：借鉴树突计算的类脑模型，何时在真实任务上展现出可核验的效率优势。
