在当前的人工智能（AI）热点中，许多专家认为，未来的AI发展应该转向灵长类动物的神经科学研究，而不再仅依赖芯片。这一观点挑战了目前以计算力为核心的AI模型，这些模型虽然在数据处理上表现出色，但却缺乏真正的理解能力。

目前的AI系统，包括最强大的大型语言模型，主要依赖庞大的计算资源。尽管这些模型看似先进，但它们实际上只是从海量数据中识别统计模式，并无法像人类幼儿那样形成抽象概念或适应陌生环境。这些系统需要持续的硬件支持、海量的训练数据以及不可持续的电力供应，这使得它们的运行变得极为依赖。

若要实现真正的智慧机器，需要从灵长类动物的学习和适应能力中汲取灵感。根据中国科学院脑科学与智能技术卓越创新中心2025年的最新研究，利用自主研发的亚微米分辨3D成像技术（LV-fMOST）与神经元关注系统，揭示了猕猴前额叶皮层中2,231个投射神经元的“精简高效”连接模式，这为灵长类的认知决策提供了神经机制框架。此外，单细胞RNA测序与增强子精准定位技术的突破，为灵长类大脑海中细胞特异性研究提供了关键灵感，这些技术的发展将有助于设计更高效的类脑人工智能系统。

未来，基于屏状体的神经图谱，可能为意识障碍及情绪调控患者开发精准医疗方案，并推动学习能力与认知增强技术的革新。这些研究表明，现有高性能AI模型在神经表征与行为反应方面与灵长类视觉系统的差距越来越大，仅靠提升算力并无法完全模拟人脑，需加强灵长类大脑海中理解和学习机制的研究。

灵长类动物的神经科学研究不仅能帮助我们理解智能的本质，还能引导我们开发出更高效的AI系统，这些系统能够在更少的资源下运行，并具备更强的学习能力。

（首图来源：pixabay）