马斯克Neuralink预测：人类有望活到1000岁的未来图景
3月11日有消息称，Neuralink联合创始人、Science公司创始人马克斯·霍达克（Max Hodak）近日抛出了一个惊人预言：“第一批能活到一千岁的人，现在可能已经出生了。” 他认为，到2035年，人类将迎来一个“事件视界”，在那之后，人工智能（AI）与脑机接口（BCI）的共同作用，将使我们能够重新定义“人类境况”。
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
霍达克创立的Science公司已经迈出了关键一步。
其核心产品Prima是一款仅2mm见方的微型芯片，植入视网膜后，配合智能眼镜，已帮助40多名盲人恢复了“连贯的印象视觉”。这不再是简单的光点闪烁，而是真正能在脑海中形成可识别的图像，让患者能够阅读文字、辨识物体。霍达克将这种“神经工程”路径与传统“药物发现”对比，指出前者能绕开复杂的细胞修复过程，直接向大脑输入信号，效率远超传统医药。
在霍达克看来，大脑本质上是一台被头骨包裹的精密计算机，而AI的爆发式增长正在加速神经科学的突破。
研究发现，AI模型内部的“潜空间”表征与大脑处理信息的模式高度相似，这意味着我们正在接近大脑的底层“API”（应用程序接口）。
那些认为AI只是“随机鹦鹉”的观点已被实证数据推翻，神经科学与AI正在走向大统一。
面向未来5到10年，霍达克描绘了更为激进的蓝图：
生物混合接口：不再依赖冰冷的金属电极，而是通过干细胞技术在大脑中“生长”出活的神经元接口，实现像《阿凡达》中辫子连接那样的超高带宽融合。
数字药物：利用超声波等非侵入技术，精准调控特定脑区，实现“数字安眠药”或“数字兴奋剂”，替代传统化学药物。
寿命延长：通过微型化生命维持系统（如可穿戴人工肺）和意识备份技术，将医学从“抢救模式”转向“终点治疗”。
霍达克强调，BCI技术将遵循从“治疗重度残疾”到“对抗正常衰老”，最终实现“人类增强”的路径。当植入物带来的能力（如直接联网、超感官体验）令人“嫉妒”时，自愿植入将成为常态。
相关攻略
Neuralink 联合创始人霍达克：第一个能活到 1000 岁的人或已出生 关于人工智能和脑机接口将如何重塑未来，最近有个观点挺值得玩味。在3月9日的最新一期《How to Build the Future》播客节目中，脑机接口公司Neuralink的联合创始人、Science Inc 的首席执行
IT之家 3 月 27 日消息，英国陆军退伍军人乔恩 ·L· 诺布尔（Jon L Noble）于 3 月 23 日在 X 平台发布推文，公布了植入 Neuralink 脑机接口 100 天的恢复进
IT之家 3 月 12 日消息，在 3 月 9 日的最新一期《How to Build the Future》播客节目中，脑机接口公司 Neuralink 联合创始人、Science Inc 首席
3月11日消息，据报道，近日，Neuralink联合创始人、Science公司创始人马克斯·霍达克（Max Hodak）抛出惊人预言：“第一批能活到一千岁的人现在可能已经出生了。”他认为，到2035
2月11日消息，近日，国内侵入式脑机接口领军企业智冉医疗宣布完成3亿元人民币A+轮融资。本轮融资由中科创星领投，老股东君联资本、北京市医药健康产业投资基金、IDG资本、顺为资本、联想创投、元生创投、
热门专题
热门推荐
领克首款GT概念跑车亮相北京车展，由中欧团队联合打造。新车采用经典GT比例与低趴宽体设计，配备液态金属蓝涂装与2+2座舱，设有高性能模式按键可激活空气动力学套件。车辆采用后驱布局与AI智能运动控制系统，百公里加速约2秒，设计融合瑞典极简美学并参考全球用户反馈。
英伟达推出12GB显存版RTX5070移动GPU，与8GB版同步上市。两者均基于Blackwell架构，核心规格相同，仅显存容量不同。此举旨在缓解GDDR7芯片供应压力，为OEM提供灵活配置，加速笔记本产品布局，更大显存可更好满足游戏与AI应用需求。
微星将于5月15日推出两款26 5英寸雾面WOLED显示器MAG276QRY28和276QRDY54，售价分别为2499元和6299元。均采用第四代WOLED面板，具备QHD分辨率、VESADisplayHDRTrueBlack500认证、1500尼特峰值亮度及99 5%DCI-P3色域覆盖。276QRY28刷新率为280Hz，高阶款276QRDY54支持4
中芯国际2026年第一季度营收176 17亿元，同比增长8 1%；净利润13 61亿元，同比增长0 4%。公司预计第二季度收入环比增长14%至16%，毛利率指引上调至20%至22%。这反映出公司在行业复苏中展现出财务韧性，并通过运营优化增强了短期增长势头。
手机修图、相机降噪、视频去雾……这些我们日常使用的图像处理功能，其背后都离不开人工智能（AI）技术的驱动。通常，AI模型的训练逻辑是：向模型展示大量“低质图像”与“优质图像”的配对数据，让它学习如何将前者转化为后者。然而，天津大学计算机视觉团队近期发表的一项研究（arXiv:2604 08172）揭