AREX Feed Article
斯坦福启动五年期数字大脑计划：用可穿戴脑磁图与 7T MRI 数据训练预测人脑活动的「大型脑模型」
2026 年 11 月 2 日，斯坦福大学宣布，其 Wu Tsai 神经科学研究所启动 （斯坦福数字大脑计划）：一个为期五年、覆盖全校的联盟，集合人文与科学学院、医学院和工程学院的研究者，构建能预测人脑活动的「大型脑模型」（foundation models，基础模型）。项目由慈善家 Mark 与 Mary Stevens 领衔资助，Clara Wu Tsai 追加支持；斯坦福拒绝披露资助金额（ 与 报道）。
按公告的设计，训练数据将来自两台互补的设备：斯坦福医学院 Lucas 影像中心 2025 年揭幕的临床级 7 特斯拉磁共振成像（7T MRI，超高场），提供毫米级空间分辨率；以及 Wu Tsai Neuro Koret 人类神经科学社区实验室新部署的可穿戴 OPM-MEG（optically pumped magnetometer magnetoencephalography，光泵磁力计脑磁图）系统，提供毫秒级时间精度。受试者将在扫描中观看自然视听场景，并完成感知、记忆、语言与决策任务；模型在斯坦福的 上训练。The Transmitter 报道，团队计划在五年内从约 100 名受试者采集约 14,000 小时成像数据。
斯坦福数字大脑计划用 OPM-MEG 记录大脑磁场信号。图：Stanford Digital Brain Project，刊于 The Transmitter
毫米级与毫秒级：两台设备各补对方的短板
The Transmitter 解释了两者的机制差异：7 特斯拉功能磁共振成像（fMRI）通过追踪血流变化测量脑活动，空间分辨率约在毫米级，但血流信号比神经活动滞后数秒；OPM-MEG 直接探测大脑磁场，能跟上毫秒级的时间尺度，但定位信号来源的精度较低。斯坦福的方案是对同一批受试者先后使用两台设备。
公告引用负责项目 OPM 实验的 Laura Gwilliams 的话：「把 7 特斯拉 MRI 的高空间分辨率功能成像与新型 OPM-MEG 的毫秒级时间精度结合起来，我们能同时看到神经活动在哪里、何时展开——例如当人们观看、描述并回忆数千个自然视频时——揭示脑网络如何协调感知、注意与记忆。」Gwilliams 是 Wu Tsai Neuro 与斯坦福以人为本人工智能研究院（HAI）的 faculty scholar、心理学助理教授。Lucas 中心超高场 MRI 主任、放射学副教授 Jonathan Polimeni 补充，这两台设备「都属于世界上最强大的脑成像系统之列」。
公告称整个项目按一系列「campaign」（成体系的大规模采集阶段）组织，覆盖感知、记忆、语言、运动、决策、情绪、社会互动与推理等心智功能。The Transmitter 报道，项目共规划约 10 个 campaign：第一个从约 10 名受试者开始，InsideBCI 称每套系统各扫描约 100 次，The Transmitter 称扫描频率约为每周两次；起初的任务是观看视频和简单的决策判断，后续 campaign 将引入电子游戏和虚拟现实。数据采集工作负责人之一 Kalanit Grill-Spector 评价：「这是我能想象的最雄心勃勃、最令人兴奋的人类神经科学实验之一。」
心理学荣休研究教授 Anthony Norcia 与 Koret 人类神经科学社区实验室主任 Milena Kaestner 演示 OPM-MEG 系统。图：
先建知觉、记忆与注意的模型，再扩展到全脑
公告对「基础模型」的解释是：在足够大且足够多样的数据集上训练的机器学习算法，能像 Claude 或 ChatGPT 这类大语言模型响应文本提示那样，对没见过的新输入生成预测；「大型脑模型」即用多样化脑成像数据训练出的同类模型，用来预测人脑在各种情境下的响应。公告将项目目标表述为「迄今所尝试过的最详细、最准确的人脑活动模型」。
负责模型开发的 Dan Yamins 是心理学与计算机科学副教授，公告称他在推动项目中起了主导作用。他这样描述模型的用途：「通过在大规模脑数据上训练基础模型，我们能对脑回路如何处理信息形成定量预测，以此探索那些没有数字模型就无法检验的脑功能假说。」按公告，模型开发团队将使用 Yamins 与合作者开发的前沿计算方法，在这些互补数据集上训练基础模型。公告将其类比为气象学：大脑从未有过一个精确的预测模型，而一旦有了，研究者在虚拟环境中检验健康与疾病状态下脑功能假说的速度，可比实验室快一个数量级。报道此事的 The Transmitter 则直接把项目目标概括为打造人脑的「数字孪生」（digital twin）。
按公告的路线，模型先从知觉、记忆、注意等关键脑系统做起，再扩展到整个大脑；数据采集与建模之间保持持续反馈，用真实脑动力学和人类行为情境检验模型精度，同时开发理解与干预脑疾病的原型应用。Yamins 解释：「弄清如何修好一个系统——无论是汽车、心脏还是大脑——最好的办法是建一个详细模型，让你能对比它正常运转和不正常时的样子。」
应用目标方面，公告点名重度抑郁症与帕金森病：识别这些疾病背后细微的脑网络功能障碍，形成早期生物标志物，作为靶向干预的指引，再进入临床研究检验。Wu Tsai Neuro 主任 Kang Shen 描绘的场景是：「想象在让患者尝试之前，先在数字大脑模型上模拟一种新的抑郁回路干预的效果；或者一夜之间做数千个虚拟实验，形成关于自闭症或阿尔茨海默病背后脑网络的可检验新理论。」The Transmitter 补充了项目成员、斯坦福心理学教授 Russ Poldrack 的说法：最终目标是预测一个人对经颅磁刺激或聚焦超声等治疗手段的反应。
每人数百小时的扫描设计，数据与模型全球免费开放
公告承诺按开放科学原则，项目产生的数据集与模型将向全球研究者免费开放，并依托斯坦福开发的 OpenNeuro 数据共享平台和脑成像数据组织标准 BIDS（Brain Imaging Data Structure）。InsideBCI 报道，可能识别个人身份的数据将以更严格的访问控制共享。
数据设计上，Yamins 向 The Transmitter 解释了思路：现有大型脑数据集携带的信息，不足以建出任何一个大脑的详细模型，而每人捕获数百小时的扫描，可以建出一个详细刻画单个人脑的模型，再以远少于最初的数据量适配到其他人。「尽管我们的目标是建模型，我们的主要活动是数据采集。」
同名项目不止一个，Meta 今年 4 月先入场
「Digital Brain Project」这个名字并非斯坦福独有。The Transmitter 报道，Meta 于 2026 年 4 月宣布了自己的 Digital Brain Project：捐资 1,500 万美元，目标采集 15,000 小时成像数据，已向九个研究团队拨款，初期计划扫描至少 90 名执行包括互动游戏在内各种任务的参与者。哥伦比亚大学心理学与神经科学教授 Nikolaus Kriegeskorte 未参与斯坦福的项目，但参与了 Meta 的同名项目；他说两个项目不仅「同名」，还共享「相同的总体愿景」，并称斯坦福的入局「非常合时宜」。
The Transmitter 盘点的现有同类模型包括：BrainLM 与 Brain-JEPA，训练数据为数万人提供的、以静息态 fMRI 为主的数千小时数据；Meta 的 TRIBE v2，挖掘了 720 人观看电影、听播客和阅读时超过 1,000 小时的 fMRI 数据。Kriegeskorte 指出，现有 AI 模型只模拟大脑的一部分（如视觉皮层），且对这些区域响应方差的预测只有约一半；为整个大脑建模，所需数据集可能远大于现有的任何数据集。
外部学者：项目「非常需要」，但没人知道多少数据才够
马克斯·普朗克软件系统研究所的 Mariya Toneva 未参与该项目，她对 The Transmitter 说：「这个项目非常需要，我很高兴有人能投入资源和时间来做这件事。」华盛顿大学生物学教授 Bing Wen Brunton 同样未参与项目，她更直接地表达怀疑：「对科学和工程里那种『给难题 X 起个名字，然后为 X 建个基础模型』的做法，我有点怀疑。」她说，目前没有人知道脑模型如何随数据规模扩展，并反问：「除了我们希望它行，还有什么证据表明它会行？」
Brunton 还指出了一个方法学缺口：要判断基础模型是否真的「像大脑」，研究者得「戳它的内部」，把扰动结果与真人身上的同类扰动对比——但人类大脑的扰动工具落后于测量工具。伊利诺伊大学香槟分校心理学副教授 Caterina Gratton 同样未参与项目，她的看法是，理想情况下项目应随时间扩大受试者池、获得更具代表性的人群样本，但小队列也能先检验基本前提：「我们究竟能不能做出一个对任何一个人来说都还算合理的数字大脑模拟？」
Yamins 的回应是：只在脑数据上训练的模型可能预测得准而内部结构不像大脑，而用人们执行的任务训练出的计算模型往往更像；团队计划两条路都走。「我个人的判断是，最终会有很多内部机制看起来与大脑相似。」
团队计划明年初开始扫描，钱与伙伴仍未落定
The Transmitter 报道，这个由近 12 名斯坦福研究者组成的团队计划从明年初开始采集数据。公告介绍了资助方的背景：Mark Stevens 是风险投资人、S-Cubed Capital 管理合伙人和 Nvidia 董事会成员，他与 Mary Stevens 自 Wu Tsai Neuro 创立起就是其核心支持者；他说：「我们正处于一个测量与理解大脑的能力同 AI 快速进步交汇的关键时刻。如果成功，这可能彻底改变我们理解和治疗脑部疾病的方式。」Clara Wu Tsai 则是 Wu Tsai Neuro 的创始支持者。
尚未披露的不止金额。InsideBCI 列出：斯坦福在寻找哪些合作伙伴、其数据与模型商业使用的许可条款，都还没有答案；Yamins 只说项目「非常希望随时间推移寻找伙伴」。InsideBCI 把两个问题列入观察清单：斯坦福能否按计划在 2027 年初开始扫描，以及首批模型能否在预测脑活动上超过 TRIBE v2 这类现有模型。