2013 年，Madeline Lancaster（时在奥地利科学院，现在英国 MRC）在《自然》发表了一篇改变神经科学研究范式的论文：她用人类多能干细胞（hPSC）在体外培养出了能自发组织为多层皮层样结构的三维细胞团，并将其命名为"脑类器官（brain organoid）"[lancaster]。
这不是在体外培养单层细胞，而是在一个约几毫米大小的三维结构里，看到了胎儿大脑早期发育的若干核心特征：有不同的神经前体区、有皮层分层、有自发的神经元活动。
十年后，这一技术衍生出了一个更具争议的方向：类器官智能（Organoid Intelligence，OI）——将脑类器官与电子接口连接，期望实现基于生物神经网络的计算。
这个方向引发的不只是技术讨论，还有关于意识、痛苦和道德地位的深层追问。
破除误解：类器官不是"大脑的缩小版"
媒体报道有时将脑类器官描述为"迷你大脑"，这个比喻既有启发性，也有严重的误导性。
它做到了的事：脑类器官能重现人类大脑早期发育的若干分子和细胞过程——神经前体细胞的增殖和分化、皮层板（cortical plate）的形成、星形胶质细胞的出现、突触的形成、自发的神经元放电。由于是来自人类细胞，它们绕过了动物模型的物种壁垒，尤其对研究人类特有的神经发育疾病（如小头症、自闭症谱系障碍）有独特价值。
它没有做到的事：当前脑类器官缺乏血管系统（导致内部坏死）、缺乏多样的非神经细胞类型（如小胶质细胞）、缺乏来自身体其他部位的感觉输入和运动输出、没有任何与外部世界的信息交换。更根本的是，大脑的功能很大程度上来自其具体的连接模式（connectome），而体外自组织产生的连接在很大程度上是随机的。
用一句话概括：脑类器官是研究神经发育和疾病机制的有力工具，但它离"会思考的大脑"还差着多个量级的复杂性。
应用前沿：从疾病建模到药物筛选
在过度宣传之外，类器官的实际科学价值已经相当显著：
人类特有疾病的建模：许多神经精神疾病（自闭症、精神分裂症、双相障碍）在动物模型中难以重现，因为人类大脑的发育和结构与小鼠有根本差异。用患者来源的 iPSC 培育的脑类器官，保留了患者的遗传背景，使研究者能够在人类细胞层面观察疾病相关的发育异常。
ZIKA 病毒研究：2016 年，多个实验室利用脑类器官迅速阐明了 ZIKA 病毒导致小头症的细胞机制——病毒优先感染神经前体细胞，抑制其增殖，导致皮层变薄。这是脑类器官在疾病研究中第一次产生直接临床意义的成果。
药物毒性筛选：人类脑类器官正在被用于评估化合物的神经毒性，有望部分替代动物实验，同时提供更接近人类神经系统的毒性数据。
"类器官套件"（assembloids）：将不同脑区来源的类器官融合，产生更复杂的结构，如皮层-纹状体、皮层-丘脑等组合，用于研究不同脑区间的相互作用。
类器官智能（OI）：计算还是道德雷区
2023 年，约翰斯·霍普金斯大学的 Thomas Hartung 和 Lena Smirnova 团队在《前沿·科学》发表了一篇正式定义"类器官智能"研究框架的文章，将 OI 界定为利用脑类器官的生物神经网络进行信息处理的研究领域[oi_paper]。
同年，印第安纳大学的 Feng Guo 团队开发了 Brainoware 系统——将脑类器官与电子读出接口连接，通过声音刺激训练其识别不同人声，准确率达到 78%，显著超过随机水平[brainoware]。这是第一次有实验证据表明脑类器官组织可以被"训练"完成认知任务。
值得一提的是，澳大利亚 Cortical Labs 的 DishBrain 系统（Kagan 等，2022 年，《Neuron》）更早展示了皮层神经元学会玩 Pong 游戏的能力，但那用的是普通体外培养神经元，而非类器官三维结构[dishbrain]。
从学术演示到商业平台。2024 年 5 月，瑞士初创公司 FinalSpark 发布了 Neuroplatform——自称全球首个商业可访问的生物计算研究平台。平台包含 16 个脑类器官，连接约 16 万个活体人类神经元与多电极阵列，全球研究者可通过网络远程接入[finalspark]。FinalSpark 声称，生物神经网络的计算能耗比传统硅芯片低约 100 万倍；包括布里斯托大学在内的 9 所大学已加入合作。同年，Cortical Labs 宣布推出 CL1，定位为首台面向商业出售的生物计算机。
这些商业化尝试的意义更多在于展示方向和吸引注意力，距离实际计算工作量的承载仍差距悬殊。但它们将 OI 从纯学术讨论推入了资本视野——2023 年，Cortical Labs 完成了包括 In-Q-Tel（美国情报界风险投资机构）在内的 1000 万美元融资。
这一成果立即引发了两种反应：
支持者认为，生物神经网络的能耗远低于硅基计算机（大脑约 20 瓦 vs. 现代 GPU 的数百瓦），如果能被用于信息处理，将是节能计算的重大突破；同时，脑类器官为研究学习和记忆的神经机制提供了前所未有的可操作平台。
批评者（包括脑类器官研究先驱本身）则担忧：OI 领域正在制造过度期望，可能引发公众误解和政策错误判断；更重要的是，如果脑类器官能够处理信息、表现出某种形式的"学习"，它们是否具有某种形式的主观体验？这不是科幻问题，而是一个伦理学界和神经科学界都在认真讨论的问题。
NSF 在 2024 年设立了 EFRI BEGIN OI（工程类器官智能）资助计划，7 个研究团队各获得 200 万美元，且每个申请团队必须包含一名伦理学家作为联合首席研究员——这种要求在 NSF 的资助历史上极为罕见，折射出该领域的特殊伦理敏感性[nsf]。
伦理的核心问题：意识、痛苦与道德地位
脑类器官的伦理讨论围绕几个层次展开：
层次一：感觉能力（Sentience）。 当前的脑类器官能感受疼痛或其他主观体验吗？主流神经科学界的共识是：目前的脑类器官不具备产生有意识体验所需的复杂性和整合度——它们没有丘脑-皮层回路，没有感觉输入，电活动以局部同步为主，而非全脑协调的"意识神经相关物"。然而，随着类器官技术向更高复杂度发展，这个边界可能移动。
层次二：何时需要监管框架？ 科学家 Alysson Muotri 在 2019 年报告了脑类器官产生类似早产儿脑电图的振荡活动，随即主动停止了长期培养并发表了关于伦理框架的讨论文章——这是科学界罕见的主动自我设限案例，反映了领域内对伦理底线的意识。
层次三：来源问题。 脑类器官来源于人类干细胞，代表着人类神经组织在体外的某种形式存在。这种"人源性"是否赋予它们不同于其他细胞培养物的道德地位，是一个开放的哲学问题。
层次四：移植到动物。 2022 年，斯坦福大学团队将人类脑类器官移植入新生大鼠大脑，移植的类器官存活并整合进大鼠脑回路，产生突触连接[transplant]。这一实验的科学价值（提供了研究人类神经元在体内行为的平台）与伦理复杂性（人类神经元控制动物行为的程度）同样引人关注。
Assembloids：把不同脑区拼在一起
比单一脑类器官更进一步的是 assembloids——将代表不同脑区的类器官融合，使它们建立跨区域的神经连接，研究脑区间的相互作用。
- 皮层-纹状体 assembloids（Reumann et al., 2023）：研究纹状体发育异常与精神神经疾病的关系。
- 皮层-丘脑 assembloids（Patton et al., 2024）：体外重现丘脑-皮层回路的发放模式；引入与癫痫相关的 CACNA1G 功能获得突变后，丘脑神经元放电频率异常增加，与患者脑电数据吻合。
- CRISPR 筛查 + assembloids（Meng et al., 2023）：在三维神经回路中对神经发育基因进行系统性功能筛查，绕过二维细胞培养的局限。
- 2024 年：皮层-纹状体-丘脑-皮层完整回路在体外首次实现，采用定制化三维孔结构引导自组装。
Assembloids 的优势在于，它允许研究者在接近真实大脑结构的环境中，观察跨区域神经动态——而无需在动物大脑中手术植入。
技术瓶颈：没有血管，就没有规模
脑类器官的最大技术障碍之一是缺乏血管化。真实大脑的每个神经元都在 100 微米内就有一根毛细血管供氧。体外类器官缺乏这一系统，中心区域在超过约 1mm 大小后开始坏死——这限制了类器官的规模和成熟度。
2024 年，多种血管化策略在文献中取得进展：将内皮细胞（HUVEC）与神经前体细胞共同培养可诱导类血管网络的自发形成；将血管类器官与神经类器官融合也展示出早期整合信号。然而，截至 2025 年，这些类血管结构仍普遍缺乏真实血流和功能性血脑屏障，大尺寸类器官的坏死问题尚未根本解决。
解决方案包括：
- 类器官芯片（organoid-on-a-chip）：将类器官整合进微流控系统，用人工血管网络提供营养供应。
- 血管共培养：将内皮细胞与神经前体细胞共同培养，诱导自发形成类血管结构。
- 移植入动物：如上文提及的大鼠移植方案，借助动物体内的血管系统为人类类器官供血。
未知的边界
- 脑类器官的神经活动是否具有任何形式的信息处理功能，还是只是随机的噪声活动？OI 领域的早期结果令人兴奋，但尚未被广泛独立重复。
- 类器官研究能否解开"人类特有大脑发育"的关键谜题——如皮层褶皱（gyrification）是如何在进化和发育中产生的？
- 目前的类器官是"发育中的大脑"模型，而非"成熟大脑"模型——如何在体外实现神经元的长期成熟与维持，是关键技术瓶颈。
- 当脑类器官表现出越来越复杂的电活动时，我们如何判断是否需要伦理监管干预？这需要神经科学家、伦理学家和立法者共同开发出可操作的指标。
跨域连接
- 神经元：类器官由干细胞自组织出皮层样分层与自发放电，但连接模式在很大程度上是随机的——真实大脑的功能恰恰写在具体连接里，而非细胞清单里。推论：若功能依赖特定回路，随机自组织的类器官在需要精确连接的任务上应存在性能天花板；语音识别准确率显著超过随机、却远不及实用水平，与此相符。
- 意识难问题："皿中脑"有没有主观体验？主流共识是当前类器官缺乏丘脑-皮层回路、没有感觉输入，不具备意识所需的整合度——但边界会随技术移动，而我们没有可靠的意识检测器。推论：检测缺位之下，监管只能按复杂度指标设预警线；研究者发现类早产儿脑电振荡后主动停手，正是这一困境的现实注脚。
- 生命伦理：人源神经组织在体外持续存在，是否获得不同于普通细胞培养物的道德地位？现有框架为胚胎研究而设，追不上功能渐强的细胞团。推论：若按"潜在感受能力"分级监管，类器官实验的伦理审查应随电活动复杂度同步升级；资助机构强制每个团队配备伦理学家，已是这条逻辑的先例。
- 药物研发：患者来源的类器官保留了患者的遗传背景，可以在人类细胞层面重现动物模型难以模拟的神经发育疾病，并用于毒性筛选。推论：若类器官模型更接近人体，其药筛数据对临床结局的预测力应优于动物模型——病毒致小头症机制的快速阐明是早期证据，但系统性的前瞻验证仍然缺乏。
- 强化学习：给培养中的神经网络一个反馈闭环——正确行为获奖励信号——它就会重组连接、改善表现，培养神经元学会玩游戏的实验即属此类。推论：若学习由预测误差驱动，改变奖励结构应可预测地改变行为策略；这让"训练生物神经网络"第一次成为可检验的工程命题。
参考文献
- Lancaster, M.A. et al. "Cerebral organoids model human brain development and microcephaly." Nature 501, 373–379 (2013). DOI: 10.1038/nature12517.（脑类器官奠基论文）
- Smirnova, L. et al. "Organoid intelligence (OI): the new frontier in biocomputing and intelligence-in-a-dish." Frontiers in Science 1, 1017235 (2023). DOI: 10.3389/fsci.2023.1017235.（OI 研究框架定义）
- Cai, H. et al. "Brain organoid computing for artificial intelligence." bioRxiv (2023). DOI: 10.1101/2023.02.28.530502.（类器官训练识别声音的早期工作；与《自然·电子》相关报道对应）
- Mansour, A.A. et al. "An in vivo model of functional and vascularized human brain organoids." Nature Biotechnology 36, 432–441 (2018). DOI: 10.1038/nbt.4127.（脑类器官移植入小鼠的早期工作）
- Muotri, A.R. et al. "Erratum: Spontaneous network activity in an embryonic model of the developing human cortical organoid." Nature Neuroscience 22 (2019). DOI: 10.1038/s41593-019-0333-x.（类早产儿脑电振荡报告，引发伦理讨论）
- Nayler, S. et al. "From Brain Organoids to Organoid Intelligence. Benefits and Ethical-Moral Framework." Current Stem Cell Reports (2025). DOI: 10.1007/s40778-025-00251-4.（OI 伦理框架综述）